Post on 18-May-2015
description
Produzione di biocarburanti e biofissazione di CO2 mediante
microalghemicroalghe
Alessandro Concas
CRS4 - Programma Bioingegneria - Settore Biomedicina
aconcas@crs4.it
• Problematiche di contesto
• «Baseline» del processo oggetto di indagine
• Principi generali della fotosintesi algale
• Analisi di massima del metabolismo lipidico
• Attività di ricerca per l’ingegnerizzazione
Indice degli argomenti
• Attività di ricerca per l’ingegnerizzazione
delle alghe
• Controllo biosintetico
• Modellazione matematica e simulazione
• Risultati ottenuti: alcuni esempi
«L’Ingegneria Tissutale è un campo
interdisciplinare della bioingegneria che applica
diversi principi dell’ingegneria e delle scienze
biologiche allo scopo di ripristinare, mantenere o
Le problematiche di contesto
Due problematiche principali che si intende
affrontare con la tecnologia di produzione
dei biocarburanti e di fissazione della CO2
mediante micro-organismi fotosintetici :
biologiche allo scopo di ripristinare, mantenere o
migliorare funzioni di tessuti o organi»• Effetto Serra e cambiamenti climatici
• Crisi energetica e individuazione fonti
energetiche rinnovabili
L’effetto serra
L’effetto sull’incremento termico
La re-emissione dell’energia assorbita avviene in seguito al moto
vibrazionale sempre alla lunghezza d’onda infrarossa � accumulo
energia termica � incremento temperatura atmosfera
«L’Ingegneria Tissutale è un campo
interdisciplinare della bioingegneria che applica
diversi principi dell’ingegneria e delle scienze
biologiche allo scopo di ripristinare, mantenere o
Gas serra antropogenici: origine
biologiche allo scopo di ripristinare, mantenere o
migliorare funzioni di tessuti o organi»
«L’Ingegneria Tissutale è un campo
interdisciplinare della bioingegneria che applica
diversi principi dell’ingegneria e delle scienze
biologiche allo scopo di ripristinare, mantenere o
CO2 Vs Temperatura atmosferica
320
340
360
380
400
ppm °C, p
pm 14,0
14,1
14,2
14,3
14,4
14,5
T, °C
biologiche allo scopo di ripristinare, mantenere o
migliorare funzioni di tessuti o organi»
900 1000 1100 1200 1300 1400 1500 1600 1700 1800 1900 2000 2100
260
280
300
320
Anno
CO
2, p
pm
13,5
13,6
13,7
13,8
13,9
T, °C
Il principale gas serra è la CO2
Effetti a medio –lungo termine
Scioglimento Desertificazione Eventi estremi
«L’Ingegneria Tissutale è un campo
interdisciplinare della bioingegneria che applica
diversi principi dell’ingegneria e delle scienze
biologiche allo scopo di ripristinare, mantenere o
migliorare funzioni di tessuti o organi»
Scioglimento
ghiacciai
Desertificazione Eventi estremi
Instabilità geopolitiche indotte dalla competizione per
territori fertili e riduzione risorse agricole
Incremento dei flussi migratori
Incremento patologie associate ad agenti virali e
batterici non consueti a determinate latitudini
La crisi energetica
Oggi la produzione è «anelastica», incapace cioè di seguire la
crescita della domanda, e questo spinge i prezzi a oscillare in
modo selvaggio.
Domanda crescente anche a causa
dei paesi in via di sviluppo.
Esaurimento dei giacimenti di combustibile fossile
e in particolare di petrolio ?
Petrolio importato in US
(% rispetto consumo in US)
Effetti della crisi energetica
» Insieme alla crisi finanziaria determina forte
rallentamento delle principali economie;
» Instabilità geopolitiche (guerre, etc.) dovute alla
diversa distribuzione dei giacimenti petroliferi
nel mondo;nel mondo;
» Forte incremento generalizzato dei prezzi dei
beni di consumo;
» L’oscillazione del prezzo del petrolio impedisce
la pianificazione a lungo termina da parte dei
governi mondiali;
» Rallentamento dello sviluppo economico.
Fonti energetiche per settore
Il settore trasporti è quello che fa maggior ricorso al petrolio
(96%) �è quello che maggiormente risente della crisi energetica
I settori più colpiti
» Il settore su cui maggiormente influisce la crisi
energetica è quello dei trasporti anche perché è il
settore che meno può far leva sulle energie rinnovabili
classiche.
» L’idrogeno infatti non è un alternativa valida ai
carburanti classici in quanto la sua produzione è acarburanti classici in quanto la sua produzione è a
bilancio energetico negativo.
» L’utilizzo di mezzi di trasporto alimentati ad elettricità
sposterebbe solo il problema e comunque la
riconversione di tutto il parco macchine non appare
ipotesi realisticamente realizzabile in tempi compatibili
con l’urgenza imposta dalla crisi energetica
Fonti rinnovabili per settore
Road map Energia/ambiente EU
Entro il 2020 i biocarburanti dovranno rappresentare il 10%
dei combustibili utilizzati nel settore trasporti
Biocarburanti
» Prodotti a partire da sorgenti biologiche e primariamente
da piante attraverso processi di fotosintesi.
» La fotosintesi utilizza l’energia del sole per convertire la
CO2 , l’acqua e altri nutrienti in carboidrati, lipidi e
proteine.
» Dai lipidi si possono ottenere i biocarburanti attraverso» Dai lipidi si possono ottenere i biocarburanti attraverso
opportuni processi di raffinazione
» I biocarburanti sono una fonte rinnovabile in quanto
possono esser prodotti con continuità.
» La loro produzione/utilizzo è a bilancio di carbonio
teoricamente nullo in quanto tutta la CO2 emessa dalla
loro combustione viene utilizzata per la fotosintesi
Biocarburanti
Biocarburanti di 1°Generazione
» I biocarburanti di prima generazione sono generati da
materie prime agroalimentari (mais, girasole, palma..).
» Sono piante da cui è estratto un olio utilizzato per
produrre biodiesel attraverso transesterificazione
» Innescano problematica di natura «food for fuel»
» Richiedono enormi superfici agricole
» Presentano produttività basse
Biocarburanti di 2°Generazione
» I biocarburanti di 2° generazione sono generati daI biocarburanti di 2° generazione sono generati da
materie prime quali scarti ligneo-cellulosici, rifiuti,
residui agricoli etc ma anche canna da zucchero
» La loro produzione avviene attraverso processi diversi:
digestione anaerobica; pirolisi; degradazione
enzimatica; fermentazione alcolica etc.
» Forniscono biocarburanti non utilizzabili tal quali nel
settore trasporti
» Presentano produttività basse;
Biocarburanti di 3°e 4°Generazione
» Sono organismi fotosintetici unicellulari: microalghe e cianobatteri;
» La loro produzione può avvenire senza sfruttare terreni agricoli in quanto
prevedono l’uso di fotobioreattori ubicabili in zone aride e/o industriali
» Sono caratterizzate da produttività lipidiche molto alte;
» I biocarburanti di 4° generazione alghe modificate geneticamente
Biocarburanti di 3°e 4°Generazione
» Elevata produzione di lipidi;
» Elevata velocità di crescita;
» Crescita su supporto fluido all’interno di reattori e
conseguente controllabilità delle condizioni di crescita;
Biocarburanti di 3°e 4°Generazione
» Oltre ad non necessitare di terreni agricole le microalghe
sono caratterizzate da produttività in olio molto
superiori a quelle delle coltivazioni a terra usate per i
biocarburanti di 1° e 2° generazione.
Biocarburanti: confronti
Caratteristica MicroAlghe Biocarb di 1° e 2°
generazione
Velocità di crescita Elevata Bassa
Utilizzo superfici coltivabili NO SI
Competitività Food-for-Fuel NO SI
Produttività annuale in olio per 250-300 ton 3-5 ton
Produttività annuale in olio per
ettaro250-300 ton 3-5 ton
Tempi di prima raccolta 60-90 giorni 30-36 mesi
Produzione sotto-prodotti utili SI NO
Contenuti in olio Elevati Medi
Possibilità di crescita in zone aride Si No
Possibilità di captazione diretta
emissioniSI NO
Fotobioreattori - 1
• I fotobioreattori costituiscono le unità all’interno delle quali grazie
all’energia luminosa, alla CO2 e ad altri micro e macro nutrienti
presenti in fase liquida, si riescono a garantire i meccanismi
fotosintetici che sono alla base della crescita e duplicazione delle
microalghe.
• All’interno di queste unità la cellule possono quindi accrescersi e
moltiplicarsi per mitosi producendo nuova biomassa ad elevato
contenuto lipidico.contenuto lipidico.
• Affinché al crescita delle microalghe sia garantita con una velocità
sufficiente e, al fine di evitare fenomeni di inibizione del processo foto-
sintetico, devono essere garantite delle condizioni operative che
possono essere ottimizzate all’interno dei fotobioreattori.
• I fotobioreattori sono infatti degli impianti complessi nei quali grazie a
opportuni sistemi di controllo è possibile monitorare e modificare i
parametri operativi che influenzano il processo
Fotobioreattori-2
Parametri controllabili nei fotobioreattori
• Concentrazione di macro nutrienti (CO2, N, P etc.) ottimale
mediante sistemi di dosaggio;
• Ottimizzazione del flusso fotonico (luce) fornito alle cellule;
• Garanzia degli opportuni regimi fluodinamici; • Garanzia degli opportuni regimi fluodinamici;
• Rimozione dell’ossigeno prodotto dalla fotosintesi
(quest’ultimo infatti in elevate concentrazioni diventa tossico
per le alghe)
• Modulazione del pH (le alghe infatti sopportano pH compresi
nel range 5-9)
• Livelli di temperatura opportuni
Esempi di fotobioreattori-1
Biocoil (fotobioreattore elicoidale)Biocoil (fotobioreattore elicoidale) Fotobioreattori tubolari a tubi orizzontali
Fotobioreattori tubolari a pannelliFotobioreattori con materiali a basso costo
Esempi di fotobioreattori-2
Ipotesi processo industriale
Sole
Microalghe
Bio-petrolio
Jet- fuels
Bio-diesel
Fotosintesi in
Fotobioreattori
Trans-
esterificazione
Bio-diesel
CO2 da
emissioni
Ipotesi processo industriale
Carbone
Centrale Termoelettrica
Energia elettrica
AssorbimentoCO2
FOTOBIOREATTORIMICROALGHE
Acque reflue
Vendita quote nonemesse al mercato europeo delle emissioni
Luce solare naturale foto-sinteticamente attiva
MICROALGHE
Biomassa
PressaturaBio-
petrolio
Pressato“Cake”
Acqua depurata
Conversione in biodiesel
Biodiesel
Mercato dei carburanti per auto-trazione oaereo-propulsione
Elevato contenuto vitamine, antiossidanti, anti-tumorali?
Vendita come materia prima per l’industria farmaceutica, alimentare, biomedicale
SIRiutilizzo come combustibilenella stessacentrale termoelettrica
NO
Vision del processo industriale
Vantaggi del processo
» Il sequestro diretto della CO2 emessa da centrali a
combustibile fossile consisterebbe uno sfruttamento
sostenibile di queste risorse;
» La produzione di biocarburante sarebbe un ulteriore
valore aggiunto;
» Dai residui di estrazione dell’olio dalle alghe si possono» Dai residui di estrazione dell’olio dalle alghe si possono
produrre composti ad elevato valore aggiunto
(Antiossidanti, antimicrobici etc.) commercializzabili;
» Ulteriore effetto collaterale positivo sarebbe la
possibilità di depurare acque inquinate.
Vantaggi del processo 2
» Il fatto che il processo sia molto promettente è
testimoniato dai grandi investimenti da parte di governi e
multinazionali del petrolio che vi vedono quindi una valida
alternativa. Alcune di queste..
La Exxon Mobil ha investito 600 milioni di dollari e ingaggiato Craig Venter, il“creatore” della prima cellula con un DNA artificiale per metter a punto microalghegeneticamente modificate che consentano l’applicazione su scala industriale di unprocesso economicamente competitivo con i carburanti di origine fossile.
Le criticità del processo
» Produttività lipidiche alte ma ancora non sufficienti a
garantire la competitività dei biocarburanti con i carburanti
di origine fossile;
» Processo non ottimizzato in termini di configurazioni
reattoristiche e parametri operativi;
» Costi di produzione ancora alti per garantire economicità» Costi di produzione ancora alti per garantire economicità
Rispetto a tali criticità il mondo scientifico si sta muovendo in
diverse direzioni…
Aspetti scientifici aperti
» Modificazione genetica dei ceppi algali al fine di ottenere
una elevata velocità di crescita (maggiore efficienza
fotosintetica) degli organismi accoppiata con una elevata
produzione di lipidi ;
» Sviluppo di modelli matematici per l’ottimizzazione delle
configurazioni reattoristiche e dei parametri operativiconfigurazioni reattoristiche e dei parametri operativi
(distribuzione flusso fotonico, micro e macro elementi
necessari ad indirizzare il metabolismo cellulare verso
produzione lipidi; ottimizzazione delle condizioni di
trasferimento gas liquido della CO2 etc.)
» Individuazione di mezzi di coltura e materiali a basso costo;
» Sviluppo nuove tecnologie di estrazione lipidica;
La cellula algale microscala
CLOROPLASTOCellula algale
I fenomeni che avvengono nel cloroplasto
Light
NADP+
ADPPi+
RuBP 3-Phosphoglycerate
Light
Tylacoid
LightReactions:Photosystem IIElectron transport chainPhotosystem IElectron transport chain
CalvinCycle
G3PATP
NADPHStarch(storage)
Sucrose (export)
Chloroplast
O2
Le reazioni nel tilacoide
Light
Fd
Cytochromecomplex
STROMA(low H + concentration)
Photosystem II Photosystem I
4 H+
Pq
Pc
LightNADP+
reductase
NADP+ + H+
NADPH
H2Oe–
e– 2
3
ADP+
i H+
ATPP
ATPsynthase
ToCalvinCycle
STROMA(low H + concentration)
Thylakoidmembrane
THYLAKOID SPACE(high H + concentration) 4 H++2 H+
H2OO2
1/21
Trasporto stato eccitato al centro di reazione
Light
P680
e–
Primaryacceptor
2
1
Pigmentmolecules
Photosystem II(PS II)
I Pigmenti (clorofille, carotenoidi, luteina,licopene) sono molecole che assorbono
l’energia a certe lunghezze d’onda e consentono il trasporto dello stato eccitato
fino centro di reazione del fotosistema II per risonanza molecolare. Essi
costituiscono il cosiddetto complesso “Antenna”
chlorophyll b
chlorophyll a
Perdita energia nel trasferimento fotonico
Nel trasferimento dello stato eccitato attraverso le molecole che costituiscono
l’antenna si ha perdita di energia.
Le più recenti attività sono volte a individuare le modifiche genetiche che
consentono la riduzione del numero molecole che costituisono l’antenna con
conseguente aumento dell’efficienza fotosintetica
Fotone, lisi H2O, liberazione elettrone
Light
P680
e–
Primaryacceptor
2
1
e–
e–
2 H+
O2
+3
H2O
1/2
Pigmentmolecules
Photosystem II(PS II)
Il fotone passando attraverso il complesso antenna raggiunge il centro di
reazione dove avviene la fotoprotolisi dell’acqua che libera due elettroni i quali
cominciano a essere trasportati attraverso una catena di altri pigmenti.
2H2O + hνννν ���� 2H+ + O2 + 2e-
Catena di trasporto elettronico
Light
P680
e–
Primaryacceptor
2
1
e–
e–
2 H+
O2
+3
H2O
1/2
4
Pq
Pc
Cytochromecomplex
5
Pigmentmolecules
Light1
ATP
Photosystem II(PS II)
Il chinone riceve gli elettroni e pompa protoni H+ dallo stroma (liquido in qui è immerso il
tilacoide) trasfromandosi in idrochinone. Poi migra di nuovo dentro il tilacoide e rilascia
protoni H+ ritrasformandosi in chinone mentre trasferisce elettroni al citocromo b6f che a
sua volta continua il trasporto elettronico trasferendoli alla plastocianina (PC)
Produzione ATP
Gli H+ liberati nel tilacoide sono poi utilizzati dall’enzima ATP-sintasi per produrre
ATP che andrà al ciclo di Calvin
Traserimento al fotosistema I
L’elettrone arriva al fotosistema I dove nel frattempo un altro fotone ha
determinato la liberazione di un nuovo elettrone e l’ulteriore eccitazione del primo
Produzione NADPH
Il fotosistema I è simile al II con centro di reazione costituito da una molecola di
chlorofilla P700. Le proteine periferiche sono invece di tipo Fe-S, flavoproteine e
includono associazioni con la proteina solubile Ferredossina
Le proteine periferiche trasferiscono elettroni al NADP+ che viene convertito a
NADPH dall’enzima NADP-reduttase. Gli ioni H+ necessari a tale conversione
provengono dalla fotofosforilazione dell’ATP. Questa reazione avviene nella fase
luminosa
A. Amunts, O. Drory and N. Nelson Nature 447, 58-63 (2007)
Le reazioni nel tilacoide
Light
Fd
Cytochromecomplex
STROMA(low H + concentration)
Photosystem II Photosystem I
4 H+
Pq
Pc
LightNADP+
reductase
NADP+ + H+
NADPH
H2Oe–
e– 2
3
ADP+
i H+
ATPP
ATPsynthase
ToCalvinCycle
STROMA(low H + concentration)
Thylakoidmembrane
THYLAKOID SPACE(high H + concentration) 4 H++2 H+
H2OO2
1/21
Limiti della fotosintesi naturale
• Nel trasferimento dello stato eccitato attraverso le molecole che
costituiscono le antenne dei fotosistemi si ha perdita di energia per
raffreddamento non fotochimico.
• Questo determina l’incapacità delle alghe di sfruttare appieno la
radiazione solare che assorbono perchè il numero di fotoni che arriva
nell’unità di tempo è superiore a quello che i fotosistemi riescono a
utilizzare per convertirli in elettroni.
Fotonibizione
» Se la radiazione supera certi valori i fotoni che non riescono ad essere
utilizzati dal sistema reattivo possono addirittura danneggiare la cellula
(fotossidazione dei fotosistemi). Si parla in tal caso di fotonibizione.
Nuove sfide della scienza per migliorare la fotosintesi naturale
» Maggiore è il numero di molecole di pigmenti che cosituisce l’antenna
dei fotosistemi e maggiore è la perdita di energia e minore l’efficienza
fotosintetica.
» Per consentire un migliore sfruttamento della radiazione solare e
incrementare così l’efficienza fotosintetica delle microalghe alcuni
ricercatori hanno modificato geneticamente le cellule in modo tale
che venisse ridotto il numero di molecole che costituiscono ilche venisse ridotto il numero di molecole che costituiscono il
fotosistema (Melis et al., 2009).
» Questo è stato ottenuto regolando l’espressione del gene CAO e Lhcb
responsabili del numero di pigmenti che cosituiscono l’antenna.
» Pur non essendo ancora stato valutato sperimentalmente sembra che
tale modifica possa determinare un incremento dell’efficienza
fotosintetica di 2 – 3 volte determinando una maggiore produttività
delle alghe. Questi studi sono attualmente in corso!
Il ciclo di calvin
InputCO2ATPNADPH
CALVINCYCLE
Output: G3P
• L’energia dei fotoni è quindi convertita in energia chimica attraverso la
produzione di due molecole ad elevato contenuto energetico ATP e
NADPH.
• Queste due molecole fuoriescoo dal tilacoide per poi essere utilizzate nel
ciclo di calvin per «organicare» la CO2. Questo ha luogo nei plastidi
(cloroplasti) della cellula
Il ciclo di Calvin: biofissazione CO2
CO2
La bio-fissazione della CO2 inizia con una reazione col ribulosio bifosfato catalizzata
dall’enzima Rubisco (la proteina più diffusa nella terra). La risultante struttura a sei
atomi di carbonio viene immediatamente idrolizzata a due molecole di fosfoglicerato
(G3P) a tre atomi di carbonio ciascuna.
Dal ciclo di Calvin alla sintesi dei lipidi
Microalgal metabolic pathways that can be leveraged for biofuel production.
Radakovits R et al. Eukaryotic Cell 2010;9:486-501
Biosintesi lipidica
Simplified overview of the metabolites and representative pathways in microalgal lipid
biosynthesis shown in black and enzymes shown in red.
ER, endoplasmatic reticulum
ACCase, acetyl-CoA carboxylase;
ACP, acyl carrier protein;
CoA, coenzyme A;
DAGAT, diacylglycerol acyltransferase;
DHAP, dihydroxyacetone phosphate;
ENR, enoyl-ACP reductase;
FAT, fatty acyl-ACP thioesterase;
Radakovits R et al. Eukaryotic Cell 2010;9:486-501
FAT, fatty acyl-ACP thioesterase;
G3PDH, gycerol-3-phosphate dehydrogenase;
GPAT, glycerol-3-phosphate acyltransferase;
HD, 3-hydroxyacyl-ACP dehydratase;
KAR, 3-ketoacyl-ACP reductase;
KAS, 3-ketoacyl-ACP synthase;
LPAAT, lyso-phosphatidic acid acyltransferase;
LPAT, lyso-phosphatidylcholine acyltransferase;
MAT, malonyl-CoA:ACP transacylase;
PDH, pyruvate dehydrogenase complex;
TAG, triacylglycerols
Aumento della sintesi lipidica: modificazione genetica
Gli obiettivi sono quelli di individuare i geni responsabili della sintesi degli enzimi
coinvolti nella biosintesi dei lipidi e indurne la sovvraespressione mediante tecniche
di ingegneria genetica. Alcuni studi sono stati effettuati su altre piante e possono
fornire importanti informazioni anche per le alghe.
E’ stato sovra-espresso l’enzima ACCase
nella diatomea C. cryptica e N. Saprophila
con scarsi risultati sulla sintesi lipidica
totale (Dunhaway et al., 1993)
Anche la sovraespressione dell’enzima
KAS in piante quali arabidopsis, spinaci
etc. non ha determinato la maggior
produzione di lipidi (Dehesh et al., 2001)
La sovra-espressione del DAGAT in
arabidospis ha invece determinato
l’incremento della sintesi lipidica anche
del 70% (Jako et al., 2001)
In altre piante la sovra espressione dell’enzima
G3DPH ha determinato un forte incremento della
lipogenesi (Zheng et al., 2008)
Difficoltà nella modificazione genetica
Le principali difficoltà nella modifica genetica delle alghe rivolta
all’’incremento della sintesi lipidica sono:
• Codifica del DNA avvenuta solo per poche cellule algali.
• Sopressione degli enzimi coinvolti in attività metaboliche
competitive con la sintesi lipidica. Es. nei mitocondri avviene l’utilizzo
dei lipidi per produrre energia (la soppressione di questi meccanismi
potrebbe incrementare l’accumulo lipidico).potrebbe incrementare l’accumulo lipidico).
• Indurre trasformazioni genetiche permanenti nelle alghe. Sembra
infatti che la maggiorparte delle alghe infatti sia dotata di un
meccanismo innato di soppressione di DNA esogeni. Per cui la
modifica esterna non risulta permamente
• L’individuazione dei fattori di trascrizione coinvolti nella sintesi
lipidica nelle alghe sono ancora ignoti; è una attività di ricerca
appena iniziata ma appare estremamente promettente visti alcuni
risultati preliminari ottenuti da alcuno gurppi di ricerca (Grotewold,
2008)
Controllo biosintetico
Un metodo più semplice per incrementare la sintesi lipidica è quello di
agire dall’esterno della cellula inducendo fattori di stress ambientale o
deprivazione o incremento di specifici nutrienti che influiscono sulla
sintesi lipidica.
Limitazione da NLimitazione da N Limitazione da PLimitazione da P Eccessi di FeEccessi di Fe
N viene usato per la sintesi degli enzimi e
delle strutturecellulari essenziali.
La maggiorparte del C è utilizzato per
produrre carboidratie lipidi piuttosto che
proteine
N viene usato per la sintesi degli enzimi e
delle strutturecellulari essenziali.
La maggiorparte del C è utilizzato per
produrre carboidratie lipidi piuttosto che
proteine
La ridotta disponibilità di P
sembra indurre la rottura dei
fosfolipidi e la formazione di lipidi
neutri
La ridotta disponibilità di P
sembra indurre la rottura dei
fosfolipidi e la formazione di lipidi
neutri
Il ferro sembra avere una azione
sui pathwaysmetabolici che sottendono alla
sintesi e all’accumulo dei
lipidi neutri
Il ferro sembra avere una azione
sui pathwaysmetabolici che sottendono alla
sintesi e all’accumulo dei
lipidi neutri
Controllo biosintetico
Altri parametri su cui si può agire dall’estreno della cellula
Flusso luminosoFlusso luminosoSalinità e metalli
pesantiSalinità e metalli
pesantiFase cellulareFase cellulare
Esistono dei range di radiazione luminosa che massimizzano la produzione lipidica. Anche il fotoperiodo (ore luce/ore buio)
influisce sulla crescita
Esistono dei range di radiazione luminosa che massimizzano la produzione lipidica. Anche il fotoperiodo (ore luce/ore buio)
influisce sulla crescita
Anche salinità e metalli pesanti come Cd sono
fattori di stress che possono
influenzare il metabolismo
lipidico
Anche salinità e metalli pesanti come Cd sono
fattori di stress che possono
influenzare il metabolismo
lipidico
Il contenuto lipidico dlle
cellule è maggionre nella
loro fase di crescita
esponenziale piuttosto che in quella stazionari
Il contenuto lipidico dlle
cellule è maggionre nella
loro fase di crescita
esponenziale piuttosto che in quella stazionari
Controllo biosintetico
Controllo biosintetico: Svantaggi
Purtroppo ad un incremento del contenuto lipidico le condizioni di stress
inducono spesso una riduzione della velocità di crescita delle alghe per cui
la produttività lipidica rimane costante o addirittura diminuisce.
Per poter sfruttare questi metodi e garantire contemporaneamente una
elevata velocità di crescita è quindi necessario individuare configurazioni
reattoristiche a più stadi
Stadio 1
• Crescita con elevate velocità
Stadio 2
• Deprivazione N e accumulo lipidi
Stadio 3
• Estrazione lipidi
Per implementare tali tecniche è necessario un controllo di dettaglio di
tutte le variabili che influenzano il processo di crescita e accumulo dei
lipidi all’interno dei fotobioreattori. Questo può avvenire grazie
oppportuni modelli matematici.
Utilità dei modelli matematici
• Attualmente nella letteratura scientifica esistono
pochissimi modelli matematici relativi alla crescita di
microalghe all’interno dei fotobioreattori.
• Questa carenza è una delle principali cause della
scarsa scalabilità dei risultati ottenuti in laboratorio.
• Per garantire la controllabilità e l’ottimizzazione dei• Per garantire la controllabilità e l’ottimizzazione dei
processi su scala industriale è necessario quindi
comprendere «quantitativamente» i fenomeni che
avvengono ed essere così in grado dio controllarli.
• Questo è il principale obiettivo dei modelli sviluppati
al CRS4.
Modellazione matematica-1
La modellazione matematica e la simulazione
computazionale hanno lo scopo di:
• Comprendere i fenomeni alla base dei risultati
sperimentalisperimentali
• Riduzione dei costi della sperimentazione e
pianificare nuovi esperimenti
• Progettare i sistemi di coltivazione
• Ottimizzazione delle condizioni operative
• Individuazione di nuove soluzioni tecnologiche
Modellazione matematica-2
I modelli matematici e i codici di calcolo sviluppati dal
Programma di Bioingegneria del CRS4 sono basati
principalmente su:
• Principi di conservazione della massa (specie coinvolte, CO2,
micro e macro nutrienti)
• Bilanci radiativi (Distribuzione del flusso luminoso nel mezzo• Bilanci radiativi (Distribuzione del flusso luminoso nel mezzo
di coltura)
• Bilanci di popolazione (sulle cellule)
- I bilanci descrivono l’evoluzione temporale/spaziale delle specie coinvolte
in termini di concentrazione, numero e dimensione delle cellule (massa /
dimensione caratteristica / diametro).
- I bilanci contengono termini diffusionali, reattivi (consumo nutrienti,
CO2,), crescita e divisione cellulare, flusso luminoso
Modellazione matematica-3
• Dal punto di vista matematico i modelli si traducono in
sistemi di equazioni alle derivate parziali (PDEs) o
integro-differenziali
• Sono definiti gli algoritmi numerici per la loro risoluzione
• Le equazioni del modello sono implementate in un
codice di calcolo scritto in linguaggio FORTRANcodice di calcolo scritto in linguaggio FORTRAN
• Un singolo run di calcolo, in base alla complessità, può
richiedere pochi minuti o parecchie ore.
• Il modello viene validato mediante confronto diretto con
i dati sperimentali disponibili.
• Si verificano quindi le caratteristiche predittive del
modello.
Modellazione matematica-4
• Dati sperimentali produzione e formattazione
• Risultati in input al codice di simulazione
• Codice soluzione PDEs (metodi Adams Moulton/Gear)
• Risultati in input al codice di ottimizzazione
• Codice ottimizzazione
• Risultati valori parametri in input ai run predittivi
• Valori dei parametri in input al codice per la predizione
• Verifica capacità predittiva su nuovi dati sperimentali
Esempi di applicazione I
Produzione di lipidi da microalghe coltivate con CO2
pura in reattori semicontinui
Coltivazioni in sistema dinamico (fotobioreattore
semicontinuo con agitazione meccanica); Microalga
strain: Chlorella vulgaris; flusso luminoso 100 µE m-2 s-1;strain: Chlorella vulgaris; flusso luminoso 100 µE m-2 s-1;
soluzione di nutrienti Kd3; CO2 pura (100 %v/v) diffusa
nella soluzione a 40 ml min-1.
Esempi di applicazione I
Lamps
Lamps
Principali fenomeni da simulare
Cellula
Algale
con
olio
Diffusione in fase liquida CO2CO2
gas
Cellula
Algale
con olio
Diffusione luce nel mezzo e captazione da parte pigmentiFotosintesi
Bulk liquido
SpeciazioneMicro e macro elementi
con olio
Cellula
Algale
con
olio Cellula
Algale
con
olio
Modello matematico
,
2( )
2
2 21 2 1
tot
aq
CHCO
C C C C C CH H H
C CC
C K C K K C K K K
+
+ + +
=+ + +
l
,
2 3
2
2 21 2 1
totCHH CO C
C C C C C CH H H
C CC K
C K C K K C K K K
+
+ + +
=+ + +
l
,
31 2 2
1 2 1
totCHC CHCO
C C C C C CH H H
C CC K K
C K C K K C K K K
+
−
+ + +
=+ + +
l
,23
2 1 2 21 2 1
totC
C C CCOC C C C C CH H H
CC K K K
C K C K K C K K K−
+ + +
=+ + +
l
Calcolo della speciazione in funzione del pH (incognito)
1 2 1C C C C C CH H HC K C K K C K K K+ + ++ + +
,
3 4
3
3 21 1 2 3 2 1
totPHH PO
P P P P P PH H H
C CC
C K C K K C K K K
+
+ + +
=+ + +
l
,
2 4
2
1 3 21 1 2 3 2 1
totPHPH PO
P P P P P PH H H
C CC K
C K C K K C K K K
+
−
+ + +
=+ + +
l
,24
1 2 3 21 1 2 3 2 1
totPHP PHPO
P P P P P PH H H
C CC K K
C K C K K C K K K
+
−
+ + +
=+ + +
l
,34
1 2 3 3 21 1 2 3 2 1
totP
P P PPOP P P P P PH H H
CC K K K
C K C K K C K K K−
+ + +
=+ + +
l
…………………
Modello matematico-2
Soluzione pH mediante condizione di elettroneutralità
ll
ll ,1
,,1, +−++ ⋅+=⋅+ ∑∑
==k
an
i
cat
k
N
kkOHi
N
iiH
CCCCαχ
αχ
Calcolo del flusso luminoso medio distribuito nel mezzo di coltura
( ) ( )2 2 cos0
0
21 cos ar X
ava
II e d
r X
πτ φφ φ
τ π⋅ ⋅ ⋅ ⋅
⋅ = − ⋅ ⋅ ⋅ ⋅ ⋅ ∫
Cinetica di crescita algale (considerata anche fotoinibizione)
( ) ,max
max , ,1
1 tot
tot
n Nsw
X nnw S wwK
CI If pH
I CI Iµ µ
κ=
= ⋅ ⋅ ⋅ − ⋅ ++
∏ l
l
( )( )2
22
22
optpH pH
ef pH
σ
πσ
− −
=
Modello matematico-3
Bilanci di materia in fase gas per CO2 e O2
( )gCOCOlCOveffCOlRgCOg
feedgCO
feedg
gCOg CHCakVCQCQdt
CVd,,,,, 222222
2)(
−−−=
( )2
2 2 2 2 2 2
0, , , , ,
( )g O g feed feedg O g g O g R O v O CO O g
d V CQ C Q C V k a C H C
dt= − − −
l l
Bilanci di materia in fase liquida per i nutrienti
( )2 2 2 2
,, , ,
( )TOT
TOT
C effR CO v CO CO CO g C X X
d V CV k a C H C Y V C
dtµ= − −l l
l l l
( )2
2 2 2 2 2
,, , ,
( )O effR O v O O O g O X X
d V CV k a C H C Y V C
dtµ= − +l l
l l l
Bilancio di materia per la biomassa algale
( )( )XX C X
d V CC V
dtµ µ= − ⋅ ⋅l
l
Variazioni portate( ), , ,
1 ,
effNv R i i i i g i
i i
a V k C H C MWdV
dt ρ=
− ⋅=∑
ll l
l
l
22,OCOi ====
( ), , ,
1
Ngg feed eff
g g v R j j i j g
j
dV RTQ Q a V k C H C
dt P =
= = − ⋅ −∑l
l l
Algoritmo risolutivo
t = 0
Initial concentration oftotal species C0
tot, N0tot, P0
tot,..
Initial concentrations of total species in liquid and gas phase, incident photon flux etc, biomass concentration, etc..
C0tot , N0
tot , P0tot , .. etc.,
CO20, O2
0, N20
X, Iav
t = t+∆T
Actual values of Ctot , Ntot , Ptot , .. etc.,CO2, O2, N2
Speciation as a function of pH (unknown) through equations in Appendix I
Solving pH through electro-neutrality condition
HCO3-=fC(pH,Ctot ,KC,i)
…NO3
2-= fN(pH,Ntot ,KN,i)..PO4
3-= fP(pH,Ptot ,KP,i)....
pH Solving ODEs for material balances evaluation of
actual values
Evaluation of average light intensity within the medium
Risultati fitting parametri
6,5
7,0
7,5
8,0
pH
Experimental data Model fitting
0,3
0,4
0,5
0,6
Experimental Data Model fitting
Mic
roal
gae
conc
entr
atio
n, (
g L-1
)
0 500000 1000000 1500000 20000005,0
5,5
6,0
pHTime, (s)
0 500000 1000000 1500000 20000000,0
0,1
0,2
Mic
roal
gae
conc
entr
atio
n, (
g L
Time, (s)
Si ottengono i valori di due parametri del modello da utilizzare nelle
prove di predizione
Risultati: predizione
0,2
0,3
0,4
0,5
0,6
M
icro
alga
e co
ncen
trat
ion,
(g
L-1)
Experimental Data Model prediction
5,8
6,0
6,2
6,4
6,6
6,8
7,0
7,2
7,4
pH
Experimental data Model prediction
0 500000 1000000 1500000 20000000,0
0,1
0,2
Mic
roal
gae
conc
entr
atio
n, (
g L
Time, (s)
Il modello consente poi di estrapolare l’evoluzione di una serie di
variabili di processo (CO2 in uscita, O2 sviluppato, concentrazione dei
macronutrienti etc.) che non si mostrano per brevità
0 500000 1000000 1500000 20000005,0
5,2
5,4
5,6
5,8
Time, (s)
Risultati con sistemi simili
Buoni risultati sono stati ottenuti anche con sistemi simili che utilizzano
un’altra alga «Nannochloris Eucariotum»
Utilità dei risultati in termini industriali
Le ricadute sulla possibile ottimizzazione della tecnologia ottenibili con
la modellistica sono le seguenti
• Si può capire quale sarà il comportamento di un reattore «più
grande» operante su scala industriale;
• Si può stabilire quale è la concentrazione dei nutrienti nel mezzo di
coltura per cui si massimizza la produttività di biomassa;
• Si può stabilire dopo quali tempi è possibile prelevare la biomassa dal • Si può stabilire dopo quali tempi è possibile prelevare la biomassa dal
reattore;
• Si possono stabilire i flussi luminosi ottimali utilizzando ad esempio
schermi che impediscano i fenomeni di fotoinibizione;
• Etc..
In definitiva si può progettare l’impianto su scala industriale sulla base
dei risultati ottenuti su scala di laboratorio. Ossia si può effettuare lo
«scale-up» !
Utilità dei risultati in termini scientifici
Le ricadute sugli aspetti scientifici sono i seguenti
• Si arriva ad una comprensione «intima» del comportamento del
sistema e dei fenomeni che lo regolano;
• Sulla base di tale comprensione si possono individuare a priori nuove
configurazioni sperimentali che potrebbero dar vita a nuovi e
interessanti risultati;
• Si può stabilire invece quali configurazioni non darebbero vita a • Si può stabilire invece quali configurazioni non darebbero vita a
buoni risultati evitando sperimentazioni particolarmente costose e
dispendiose;
• Etc..
In definitiva si può pianficiare attività sperimentale innovativa mirata
evitando un approccio euristico l’impianto su scala industriale sulla
base dei risultati ottenuti su scala di laboratorio. Ossia si può effettuare
lo «scale-up» !
Esempi di applicazione II
Produzione di lipidi da microalghe coltivate con CO2
pura in reattori tubolari elicoidali a riciclo con analisi
dell’effetto delle dimensioni delle cellula
Microalga strain: Spirulina platensis;
Sistema simulato
Fotobioreattore BIOCOIL
z=0
z=L
Fenomeni simulati
• Effetto della variazione del flusso luminoso incidente
• Effetto delle dimensioni della cellula algale (Bilancio di
popolazione) sulla capacità di diffusione dei nutrienti
e di penetrazione della luce
• Effetto della concentrazione di nitrati e fosfati• Effetto della concentrazione di nitrati e fosfati
• Effetto dell’inibizione da accumulo di O2 disciolto e del
degasaggio
• Effetto della configurazione tubolare del reattore e dei
parametri fluodinamici (velocità del fluido e
dispersione)
Modello matematico-1
Bilancio di materia dei principali nutrienti
( )2
2
2/ 0
1, , , , ( , )j j j
z D m j OX j
C C Cv E m z I C C m z dm
t z z yζ ψ
∞∂ ∂ ∂= − ⋅ + ⋅ − ⋅ ⋅
∂ ∂ ∂ ∫ 3 2 41,..2; 1 ; 2j NO H PO− −= = =
0j jC C= @ 0t = , [ ]0,z L∀ ∈ for 1,2j =
000
jz j z j Dzz
z
Cv C v C E
z+−+
===
∂= −
∂ @ 0t∀ > , 0z = for 1,2j =
0j
z L
C
z =
∂=
∂ @ 0t∀ > , z L= for 1,2j =
Bilancio di materia dei principali cataboliti O2
( )2 2 2
2
2
2
2/ 0
1, , , , ( , )O O O
z D m j OX O
C C Cv E m z I C C m z dm
t z z yζ ψ
∞∂ ∂ ∂= − ⋅ + ⋅ + ⋅ ⋅
∂ ∂ ∂ ∫ 3 2 41,..2; 1 ; 2j NO H PO− −= = =
2 2
0O OC C= @ 0t = , [ ]0,z L∀ ∈
2
2 20 00
Oz O z O Dz z
z
Cv C v C E
z− ++
= ==
∂= −
∂ @ 0t∀ > , 0z =
2 0O
z L
C
z =
∂=
∂ @ 0t∀ > , z L=
Modello matematico-2
Bilancio di popolazione delle cellule
( ) 2
2
2
2
max1 ,max
, , , , 1n
Ojm j O cn n
jK j j O
CCIm z I C C m
I I K C Cζ µ µ
=
= ⋅ ⋅ ⋅ − − ⋅ + +
∏
( )2 2
2
2 ( , , , , ) 2 ( ', , , , ) ( , ') 'mz D j O j O
m
v E m z I C C m z I C C p m m dmt m z z
ζ ψψ ψ ψ ψ ψ∞∂ ⋅∂ ∂ ∂+ = − ⋅ + ⋅ + Γ ⋅ − ⋅ Γ ⋅ ⋅
∂ ∂ ∂ ∂ ∫0( , , ) ( , ,0)m z t m zψ ψ= @ 0t = , [ ]0,z L∀ ∈
0 00
z z Dz zz
v v Ez
ψψ ψ− ++
= ==
∂⋅ = ⋅ − ⋅∂
@ 0t∀ > , 0z =
ψ∂ = @ 0t∀ > ,
( ) ( )( )
( )
2
22
22 2
220
1exp
22, , , , , , , ,'1
1 exp '22
j
o
j O m O mo
m
m z I C C m z I C Cm
dm
µσπσζ
µσπσ
− −
Γ = ⋅− −
− ⋅∫
1 11 1
( , ') 1( , ) ' ' '
q qm m
p m mq q m m mβ
− − = −
( )'
0
, ' ' 1m
p m m dm⋅ =∫
( ) ( )0
, ,X t z m z m dmψ∞
= ⋅ ⋅∫
0z Lz
ψ=
∂ =∂
@ 0t∀ > , z L=
Risultati modellistici
Predizione completa dati sperimentali
0 4 8 12 16 20 24 28 32 36 40 44
Time, days
6000
Bio
mas
s co
ncen
trat
ion,
g m
-3
0,00
5,76
x10
31,
15x1
04
1,73
x10
42,
30x1
04
2,88
x10
43,
46x1
04
4,03
x10
44,
61x1
04
5,18
x10
45,
76x1
04
6,34
x10
4
1000
Bio
mas
s co
ncen
trat
ion,
g m
Time, s
100
Estrapolazioni modellistiche
0,00
3,45
x10
56,
90x1
05
1,03
x10
6
1,38
x10
61,
72x1
06
2,07
x10
62,
41x1
06
2,76
x10
63,
10x1
06
3,45
x10
63,
79x1
06
0
20
40
60
80
100
120
140
160
0 4 8 12 16 20 24 28 32 36 40 44
Time, days
Radiation within the culture
Pho
tosy
nthe
tical
ly a
ctiv
e ra
diat
ion,
µE
m-2 s
-1
Incident radiation
0.00
6.00
x10
31.
20x1
04
1.80
x10
42.
40x1
04
3.00
x10
43.
60x1
04
4.20
x10
44.
80x1
04
5.40
x10
46.
00x1
04
0
200
400
600
800
1000
1200
1400
1600
1800
20000 4 8 13 17 21 25 29 33 38 42
Time, days
NO-
3
H2PO-
4
O2
Nut
rient
s in
liqu
id p
hase
, g m
-3
9
10
11
12
13
14
Dissolved O
2 concentration, g m-3
0,00
3,45
x10
6,90
x10
1,03
x10
1,38
x10
1,72
x10
2,07
x10
2,41
x10
2,76
x10
3,10
x10
3,45
x10
3,79
x10
Time, s
6.00
x10
1.20
x10
1.80
x10
2.40
x10
3.00
x10
3.60
x10
4.20
x10
4.80
x10
5.40
x10
6.00
x10
Time, s
0,00 0,05 0,10 0,15 0,20 0,25 0,30 0,350,00
5,00x1021
1,00x1022
1,50x1022
2,00x1022
2,50x1022
20 days
16 days
14 days
10 days8 days
6 days
Dis
trib
utio
n, g
-1 m
-3
Cell mass x 10-9, g
2 days
0,00
1,73x
105
3,46x
105
5,18x
105
6,91x
105
8,64x
105
1,04x
106
1,21x
106
1,38x
106
1,56x
106
1,73x
106
0,00
0,02
0,04
0,06
0,08
0,10
0,12
0,14
0,16
0,18
0,20
0,220 2 4 6 8 10 12 14 16 18 20
Time, days
Ave
rage
cel
l mas
s x
10-9, g
Time, s
Esempio di utilità dei risultati
• Si può stabilire diametro dei fotobioreattori compatibile con
una distribuzione della luce in grado di promuovere la
fotosintesi
• Per impianti industriali con tubazioni molto lunghe si può
stabilire in quali punti delle tubazioni devono essere re-
integrati i nutrienti per via del consumointegrati i nutrienti per via del consumo
• Si può stabilire in quali punti effettuare gli sfiati dell’ossigeno
per far si che non si verifichino fenomeni di foto-ossidazione;
• Si può stabilire ad esempio come combinare i parametri
operativi per favorire la crescita della massa cellulare
piuttosto che la mitosi o viceversa.
Utilità dei modelli per valutazione fattibilità economica
Per valutare a priori potenziali guadagni dall’utilizzo della
tecnologia è necessario valutare parametri quali produttività e
contenuto lipidico che possono essere forniti dai modelli
matematici.
Es. guadagno netto annuale
Parametro Simbolo Valore U.M. Parametro Simbolo Valore U.M. Valore dei lipidi prodotti VCL 0,59 €/L Contenuto dei lipidi delle microalghe fCL 0,40 - Densità delle microalghe ρL 0,88 kg/L Valore della massa non-lipidica delle microalghe Va 0,75 €/kg Valore dei servizi prodotti S 0,30 €/L Costo della produzione M 0,15 €/L Velocità specifica di produzione Pa 12,00 kg/m2/yr Costi minimi di investimento solo fotobioreattori e annessi (pompe) Cimin 52,47 €/m2 Costi massimi di investimento solo fotobioreattori e annessi (pompe) Cimax 112,44 €/m2 Costi operativi annuali compreso ammortamento impianto Amin 5,247376 €/yr/m2 Costi operativi annuali compreso ammortamento impianto Amax 11,24438 €/yr/m2 Potenziali guadagni netti max Qmax 5,167302 €/yr/m 2
I parametri in giallo sono ottenuti per reattori su scala industrialeattraverso modelli matematici
Valutazione fattibilità economica
Potenziali reddittività stimate
Utilizzo come biocarburante Superficie impianto (ha)
Potenziali guadagni netti unitari (€/m2/yr)
Potenziali guadagni netti totali (€/yr)
0,5 0,2 967,5 1 1,2 11636,5 1,5 2,1 32006,9 2 3,1 62078,9 3,0 5,2 155804,9 3,0 5,2 155804,9
Si tratta ovviamente di stime puramente indicative in quanto come detto iguadagni potenziali dipendono da fattori differenti da valutare di volta involta.Comunque le stime sono estremamente promettente qualora si riescano ascalare opportunamente i risultati di laboratorio