Please activate JavaScript!
Please install Adobe Flash Player, click here for download
ePaper created 2013-09-23, 14:05:17 | version 1.25.20
95 Dipl.-Ing. Tino Elter Telefon +49 3461-43 9118 tino.elter@igb.fraunhofer.de Dr. Wolfgang Krischke Telefon +49 711 970-4218 wolfgang.krischke@igb.fraunhofer.de Kontakt Literatur [1] U. S. Department of Health and Human Services Food and Drug Administration (2004) Guidance for Industry PAT – A Framework for Innovative Pharmaceutical Development, Manu- facturing and Quality Assurance, http://www.fda.gov/AboutF- DA/CentersOffices/OfficeofMedicalProductsandTobacco/CDER/ ucm088828.htm Förderung Wir danken der Allianz Industrie Forschung AiF (eingetragen als Arbeitsgemeinschaft industrieller Forschungsvereinigungen »Otto von Guericke« e. V.) für die Förderung des Gibberellin-Pro- jekts, IGF-Vorhaben Nr. 16001 N, dem Ministerium für Wissen- schaft, Forschung und Kunst Baden-Württemberg für die Förde- rung des Projekts DLR@UniST und der Deutschen Bundesstiftung Umwelt (DBU) für die Gewährung von Promotionsstipendien. Projektpartner Institut für Biologie und Biotechnologie der Pflanzen, AG Mo- lekularbiologie und Biotechnologie der Pilze, Westfälische Wil- helms-Universität Münster Modellierung und Soft-Sensing Ein Beispiel für die Anwendung von Software-Sensoren und Prozessmodellierung bietet das Gibberellin-Projekt, dessen Ziel die Produktion des Pflanzenhormons Gibberellin mithilfe des Pilzes Fusarium fujikuroi war. Ein generelles Problem bei Pilz- fermentationen ist, dass nur ein Teil der gesamten Biomasse metabolisch aktiv ist. Zum einen sterben Hyphen während der Fermentation ab (Abb. 2), zum anderen lagert der Pilz Speicher- stoffe ein, die die Biomasse erhöhen (Abb. 3). Die Konzentrati- on aktiver Biomasse konnte erfolgreich anhand des Basenver- brauchs geschätzt werden (Abb. 4). Dies erlaubt schließlich die Berechnung anderer Prozessgrößen, beispielsweise von Sub- strat- und Produktkonzentrationen, direkt während der Fer- mentation. Darüber hinaus wurde ein mathematisches Modell auf Basis der Massebilanz und metabolischer Zusammenhänge entwickelt, welches die Biomasse-, Substrat- und Produktkon- zentration vorhersagt. Abb. 5 zeigt die Verläufe von 19 Fer- mentationen und die entsprechende Simulation. Man sieht, dass das Modell die Messdaten sehr gut wiedergibt. Ausblick Die Kombination aus Parallel-Fermentationstechnik, Online- Mess- und Regelungstechnik und mathematischer Model- lierung bildet die Grundlage zum Verständnis eines biotech- nologischen Prozesses und ermöglicht somit eine effiziente Prozessoptimierung und -übertragung in den Produktions- maßstab. Ein solches Vorgehen wird vor allem im Bereich der pharmazeutischen Industrie gefordert. So startete die U. S. Food and Drug Administration 2004 die Initiative Process Ana- lytical Technology, kurz PAT [1]. Die am Fraunhofer IGB durch- geführten Arbeiten zeigen, dass dies auch wegweisend für die weiße Biotechnologie ist. 1 Screening verschiedener Ethanolproduzenten im Multifermenter. 2 Mikroskopaufnahme intakter (grün) und beschädigter Zellen (rot). 3 Zellen mit Lipideinlagerung. 4 Schätzung der Biomassekonzentration anhand des Basenver- brauchs. 5 Modellierung der Gibberellinproduktion mit Fusarium fujikuroi. 4 5 15 30 10 20 5 10 0 0 0 50 100 150 200 Biomassekonzentration[g/L] Basenverbrauch[ml] Zeit [h] Gesamtbiomasse Basenverbrauch Schätzung Aktive Biomasse 20 100 500 300 15 400 200 10 50 300 100 300 5 100 0 0 0 0 0 0 0 0 100 100 100 100 200 200 200 200 300 300 300 300 Biomassekonzentration [g/L] Glukoseverbrauch [g/L] NH4 + -Konzentration [mg/L] Gibberellinkonzentration [mg/L] Zeit [h] Zeit [h] Zeit [h] Zeit [h] Messdaten Simulation Vertrauens- bereich