La biofissazione di CO2 a opera di microalghe è una delle tecnologie per l'abbattimento dei gas serra. Durante il seminario sono illustrate alcune tipologie di bioreattori, loro potenzialità di sviluppo industriale e fattibilità economica.

1. Produzione di biocarburanti e
biofissazione di CO2 mediante
microalghe
Alessandro Concas
CRS4 - Programma Bioingegneria - Settore Biomedicina
aconcas@crs4.it

2. Indice degli argomenti
• 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
delle alghe
• Controllo biosintetico
• Modellazione matematica e simulazione
• Risultati ottenuti: alcuni esempi

3. Le problematiche di contesto
Due problematiche principali che si intende
affrontare con la tecnologia di produzione
dei biocarburanti eTissutale è un campo CO2
«L’Ingegneria di fissazione della
mediante micro-organismi fotosintetici :
interdisciplinare della bioingegneria che applica
diversi principi dell’ingegneria e delle scienze
biologiche allo scopo di ripristinare, mantenere o
• Effetto Serra funzioni di tessuti o organi»
migliorare e cambiamenti climatici
• Crisi energetica e individuazione fonti
energetiche rinnovabili

4. L’effetto serra

5. 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

6. Gas serra antropogenici: origine
«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»

7. CO2 Vs Temperatura atmosferica
400 14,5
14,4
380 ppm
°
C 14,3
«L’Ingegneria Tissutale è un campo
360
14,2
interdisciplinare della bioingegneria che applica
340 14,1
CO2, ppm
diversi principi dell’ingegneria e delle 14,0
scienze
T, °C
T, °C
320
biologiche allo scopo di ripristinare, mantenere o
13,9
300
migliorare funzioni di tessuti o organi»
13,8
280 13,7
13,6
260
13,5
900 1000 1100 1200 1300 1400 1500 1600 1700 1800 1900 2000 2100
Anno
Il principale gas serra è la CO2

8. Effetti a medio –lungo termine
Scioglimento Desertificazione Eventi estremi
ghiacciai
Instabilità geopolitiche Tissutale è uncompetizione per
«L’Ingegneria indotte dalla campo
territori fertili e riduzione risorse agricole applica
interdisciplinare della bioingegneria che
Incrementoprincipi dell’ingegneria e delle scienze
diversi dei flussi migratori
Incremento patologie associate ad agenti virali e o
biologiche allo scopo di ripristinare, mantenere
batterici non consueti a determinateolatitudini
migliorare funzioni di tessuti organi»

9. La crisi energetica
Domanda crescente anche a causa Esaurimento dei giacimenti di combustibile fossile
dei paesi in via di sviluppo. e in particolare di petrolio ?
Oggi la produzione è «anelastica», incapace cioè di seguire la
crescita della domanda, e questo spinge i prezzi a oscillare in
modo selvaggio.

10. Petrolio importato in US
(% rispetto consumo in US)

11. 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;
» 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.

12. Fonti energetiche per settore
Il settore trasporti è quello che fa maggior ricorso al petrolio
(96%) è quello che maggiormente risente della crisi energetica

13. 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 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

14. Fonti rinnovabili per settore

15. Road map Energia/ambiente EU
Entro il 2020 i biocarburanti dovranno rappresentare il 10%
dei combustibili utilizzati nel settore trasporti

16. 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
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

17. Biocarburanti

18. 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

19. Biocarburanti di 2°Generazione
» I 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;

20. 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

21. 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;

22. 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.

23. 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
ettaro
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
SI NO
emissioni

24. 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.
• 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

25. 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;
• 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

26. Esempi di fotobioreattori-1
Biocoil (fotobioreattore elicoidale) Fotobioreattori tubolari a tubi orizzontali
Fotobioreattori con materiali a basso costo Fotobioreattori tubolari a pannelli

27. Esempi di fotobioreattori-2

28. Ipotesi processo industriale
Microalghe Jet- fuels
Bio-petrolio
Bio-diesel
Sole
Fotosintesi in Bio-diesel
Fotobioreattori
CO2 da Trans-
emissioni esterificazione

29. Ipotesi processo industriale
Energia
elettrica
Carbone Vendita quote non
emesse
al mercato europeo
delle emissioni
Centrale Assorbimento
Termoelettrica CO 2
Luce solare naturale
Acque foto-sinteticamente attiva
reflue
FOTOBIOREATTORI
MICROALGHE
Mercato dei carburanti
per auto-trazione o Biomassa
aereo-propulsione
Bio- Acqua
petrolio Pressatura depurata
Biodiesel Pressato
Conversione
“Cake”
in biodiesel Vendita come materia prima
per l’industria farmaceutica,
alimentare, biomedicale
NO Elevato contenuto SI
Riutilizzo come combustibile vitamine, antiossidanti,
nella stessa anti-tumorali?
centrale termoelettrica

30. Vision del processo industriale

31. 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
produrre composti ad elevato valore aggiunto
(Antiossidanti, antimicrobici etc.) commercializzabili;
» Ulteriore effetto collaterale positivo sarebbe la
possibilità di depurare acque inquinate.

32. 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 microalghe
geneticamente modificate che consentano l’applicazione su scala industriale di un
processo economicamente competitivo con i carburanti di origine fossile.

33. 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
Rispetto a tali criticità il mondo scientifico si sta muovendo in
diverse direzioni…

34. 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 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;

35. La cellula algale microscala
Cellula algale
CLOROPLASTO

36. I fenomeni che avvengono nel cloroplasto
Light
NADP+
Tylacoid
ADP
+ P
i
RuBP 3-Phosphoglycerate
Light
Reactions: Calvin
Photosystem II Cycle
Electron transport chain
ATP G3P
Photosystem I
Electron transport chain Starch
NADPH (storage)
Chloroplast
O2 Sucrose (export)

37. Le reazioni nel tilacoide
STROMA
(low H+ concentration) Cytochrome
Photosystem II Photosystem I
complex
4 H+ Light NADP+
Light reductase
Fd 3
NADP+ + H+
Pq NADPH
e– Pc
e– 2
H2O
THYLAKOID SPACE 1 1/
2 O2
(high H+ concentration) +2 H+ 4 H+
To
Calvin
Cycle
Thylakoid
membrane ATP
synthase
STROMA
ADP
(low H+ concentration)
+ ATP
Pi
H+

38. Trasporto stato eccitato al centro di reazione
Primary
acceptor
2
e–
P680
1 Light
chlorophyll b
chlorophyll a
Pigment
molecules
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”

39. 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

40. Fotone, lisi H2O, liberazione elettrone
Primary
acceptor
2
H2O e–
2 H+
+
1/ O2 3
2
e–
e–
P680
1 Light
Pigment
molecules
Photosystem II
(PS II)
ν
2H2O + hν 2H+ + O2 + 2e-
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.

41. Catena di trasporto elettronico
Primary 4
acceptor
Pq
2
H2O e– Cytochrome
H+
2
complex
+
1/ O2 3
2
Pc
e–
e–
P680 5
1 Light
ATP
Pigment
molecules
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)

42. Produzione ATP
Gli H+ liberati nel tilacoide sono poi utilizzati dall’enzima ATP-sintasi per produrre
ATP che andrà al ciclo di Calvin

43. 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

44. 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
A. Amunts, O. Drory and N. Nelson Nature 447, 58-63 (2007)
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

45. Le reazioni nel tilacoide
STROMA
(low H+ concentration) Cytochrome
Photosystem II Photosystem I
complex
4 H+ Light NADP+
Light reductase
Fd 3
NADP+ + H+
Pq NADPH
e– Pc
e– 2
H2O
THYLAKOID SPACE 1 1/
2 O2
(high H+ concentration) +2 H+ 4 H+
To
Calvin
Cycle
Thylakoid
membrane ATP
synthase
STROMA
ADP
(low H+ concentration)
+ ATP
Pi
H+

46. 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.

47. 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.

48. 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 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!

49. Il ciclo di calvin
CO2
Input ATP
NADPH
CALVIN
CYCLE
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

50. 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.

51. 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

52. 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;
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
Radakovits R et al. Eukaryotic Cell 2010;9:486-501

53. 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)

54. 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).
• 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)

55. 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 N Limitazione da P Eccessi di Fe
N viene usato per la
Il ferro sembra
sintesi degli enzimi e La ridotta
avere una azione
delle strutture disponibilità di P
sui pathways
cellulari essenziali. sembra indurre la
metabolici che
La maggiorparte del rottura dei
sottendono alla
C è utilizzato per fosfolipidi e la
sintesi e
produrre carboidrati formazione di lipidi
all’accumulo dei
e lipidi piuttosto che neutri
lipidi neutri
proteine

56. Controllo biosintetico
Altri parametri su cui si può agire dall’estreno della cellula
Salinità e metalli
Flusso luminoso
pesanti
Fase cellulare
Esistono dei range di Anche salinità e Il contenuto
radiazione luminosa metalli pesanti lipidico dlle
che massimizzano la come Cd sono cellule è
maggionre nella
produzione lipidica. fattori di stress che
loro fase di
Anche il fotoperiodo possono crescita
(ore luce/ore buio) influenzare il esponenziale
influisce sulla metabolismo piuttosto che in
crescita lipidico quella stazionari

57. Controllo biosintetico

58. 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 Stadio 2 Stadio 3
• Crescita con • Deprivazione • Estrazione
elevate N e accumulo lipidi
velocità 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.

59. 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
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.

60. Modellazione matematica-1
La modellazione matematica e la simulazione
computazionale hanno lo scopo di:
• Comprendere i fenomeni alla base dei risultati
sperimentali
• Riduzione dei costi della sperimentazione e
pianificare nuovi esperimenti
• Progettare i sistemi di coltivazione
• Ottimizzazione delle condizioni operative
• Individuazione di nuove soluzioni tecnologiche

61. 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
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

62. 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 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.

63. 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

64. 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;
soluzione di nutrienti Kd3; CO2 pura (100 %v/v) diffusa
nella soluzione a 40 ml min-1.

65. Esempi di applicazione I
Lamps
Lamps

66. Principali fenomeni da simulare
Diffusione in fase liquida CO2 Diffusione luce nel mezzo
CO2 e captazione da parte pigmenti
gas Fotosintesi
Cellula
Algale
con
olio Cellula
Algale
con olio
Speciazione
Micro e macro
elementi
Cellula
Algale
con
olio Cellula
Algale
con
olio
Bulk liquido

67. Modello matematico
Calcolo della speciazione in funzione del pH (incognito)
2
CH + CCtot ,l
CCO2 ( aq ) =
CH + + K C CH + + K1C K C CH + + K 2 C K1C K C
2 2
2
CH + CCtot ,l
CH 2CO3 = K C
CH + + K C CH + + K1C K C CH + + K 2C K1C K C
2 2
CH + CCtot ,l
CHCO − = K1C K C
3
C 2
H+
+ KC C 2
H+
+ K1C K C CH + + K 2C K1C K C
CCtot ,l
CCO2− = K 2C K1C K C
3
CH + + K C CH + + K1C K C CH + + K 2C K1C K C
2 2
3
CH + CPtot ,l
CH 3 PO4 =
CH + + K1P CH + + K1P K 2 P CH + + K 3 P K 2 P K1P
3 2
2
CH + CPtot ,l
CH − = K1P
2 PO4
CH + + K1P CH + + K1P K 2 P CH + + K 3 P K 2 P K1P
3 2
CH + CPtot ,l
CHPO 2− = K1P K 2 P
4
C 3
H+
+ K1P C 2
H+
+ K1P K 2 P CH + + K 3 P K 2 P K1P
CPtot ,l
CPO3− = K1P K 2 P K 3 P
4
C 3
H+
+ K1P C 2
H+
+ K1P K 2 P CH + + K 3 P K 2 P K1P
…………………

68. Modello matematico-2
Soluzione pH mediante condizione di elettroneutralità
N cat N an
C H + ,l + ∑ χ i ⋅ C χ + = COH − ,l + ∑ α k ⋅ C +
αk
i i ,l k ,l
i =1 k =1
Calcolo del flusso luminoso medio distribuito nel mezzo di coltura
π
2 ⋅ I0  
cos (φ ) ⋅ e
∫
2⋅r ⋅τ a ⋅ X ⋅cos(φ )
I av = 1 − ⋅ dφ 
2
r ⋅τ a ⋅ X ⋅ π  

0

Cinetica di crescita algale (considerata anche fotoinibizione)
n
 I 
Ns
∏κ
I Cwtot ,l
µ X = µ max ⋅ f ( pH ) ⋅ ⋅ 1 − ⋅
n n
I K + I  I max  w =1 w, S + Cwtot ,l
( )
2
− pH − pH opt
2σ 2
e
f ( pH ) =
2πσ 2

69. Modello matematico-3
Bilanci di materia in fase gas per CO2 e O2
= Q gfeed CCO2 ,g − Q g CCO2 ,g − VR k leff 2 a v (CCO2 ,l − H CO2 CCO2 ,g )
d (Vg CCO2 g ) feed
,CO
dt
( )
d (Vg CO2 g )
= Qgfeed CO2 , g − Qg CO2 , g − VR kl0,O2 av CO2 ,l − H CO2 CO2 , g
feed
dt
Bilanci di materia in fase liquida per i nutrienti
( )
d (VlCC TOT ,l )
= VR kleff 2 av CCO2 ,l − H CO2 CCO2 , g − YCTOT µ X VlC X
,CO
dt
( )
d (VlCO2 ,l )
= VR kleff 2 av CO2 ,l − H O2 CO2 , g + YO2 µ X VlC X
,O
dt
Bilancio di materia per la biomassa algale
d (VlC X )
= ( µ X − µC ) ⋅ C X ⋅ Vl
dt
Variazioni portate
dV a V k ( C − H C ) ⋅ MW
Nl
eff
=∑
v R l ,i i ,l i i, g i
l
i = CO2 ,O2
dt i =1 ρ l ,i
Ng l
∑ a V k (C − H iC j ,g )
dVg RT
Qg = =Q g
feed
− ⋅ eff
v R l, j j ,l
dt P j =1

70. Algoritmo risolutivo
t=0
C0tot, N0tot, P0tot, .. etc.,
CO20, O20, N20 Initial concentrations of total of
Initial concentration
t = t+∆T
total species
species in liquid and gas
phase,C0tot, N0tot, P0tot,.. etc,
incident photon flux Actual values of
biomass concentration, etc.. Ctot, Ntot, Ptot, .. etc.,
CO2, O2, N2
X, Iav
Speciation as a function of
Evaluation of average light
pH (unknown) through
intensity within the medium
equations in Appendix I
HCO3-=fC(pH,Ctot,KC,i)
…
NO32-= fN(pH,Ntot,KN,i)
..
PO43-= fP(pH,Ptot,KP,i)
....
pH Solving ODEs for material
Solving pH through electro-
balances evaluation of
neutrality condition
actual values

71. Risultati fitting parametri
0,6 8,0
Experimental Data Experimental data
Model fitting Model fitting
0,5 7,5
Microalgae concentration, (g L )
-1
0,4 7,0
0,3 6,5
pH
0,2 6,0
0,1 5,5
0,0 5,0
0 500000 1000000 1500000 2000000 0 500000 1000000 1500000 2000000
Time, (s) Time, (s)
Si ottengono i valori di due parametri del modello da utilizzare nelle
prove di predizione

72. Risultati: predizione
0,6
7,4
Experimental Data 7,2 Experimental data
0,5 Model prediction Model prediction
7,0
Microalgae concentration, (g L )
-1
6,8
0,4
6,6
6,4
0,3
pH
6,2
6,0
0,2 5,8
5,6
0,1 5,4
5,2
0,0 5,0
0 500000 1000000 1500000 2000000 0 500000 1000000 1500000 2000000
Time, (s) 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

73. Risultati con sistemi simili
Buoni risultati sono stati ottenuti anche con sistemi simili che utilizzano
un’altra alga «Nannochloris Eucariotum»

74. 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
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» !

75. 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
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» !

76. 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;

77. Sistema simulato
Fotobioreattore BIOCOIL
z=0
z=L

78. 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 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)

79. Modello matematico-1
Bilancio di materia dei principali nutrienti
∞
∂C j ∂C j ∂ 2C j
∫ ζ ( m, z, I , C , C ) ⋅ψ (m, z) ⋅ dm
1
= −vz ⋅ + ED ⋅ − j = 1,..2; 1 = NO3− ; 2 = H 2 PO4
−
∂t ∂z ∂z 2 m j O2
yX / j 0
C j = C0
j
@ t = 0 , ∀z ∈ [0, L ] for j = 1,2
∂C j
vzC j = v zC j − ED @ ∀t > 0 , z = 0 for j = 1,2
z = 0− z = 0+ ∂z z = 0+
∂C j
=0 @ ∀t > 0 , z = L for j = 1, 2
∂z z=L
Bilancio di materia dei principali cataboliti O2
∂CO2 ∂CO2 ∂ 2CO2 ∞
∫ ζ ( m, z, I , C , C ) ⋅ψ (m, z ) ⋅ dm
1
= −vz ⋅ + ED ⋅ + j = 1,..2; 1 = NO3− ; 2 = H 2 PO4
−
∂t ∂z ∂z 2 m j O2
y X / O2 0
CO2 = CO2
0
@ t = 0 , ∀z ∈ [0, L ]
∂CO2
vzCO2 = vzCO2 − ED @ ∀t > 0 , z = 0
∂z
−
z =0 z =0+ +
z =0
∂CO2
=0 @ ∀t > 0 , z = L
∂z z=L

80. Modello matematico-2
Bilancio di popolazione delle cellule
  CO2  
ζ m ( m, z , I , C j , CO ) =  µ max ⋅
In 2
Cj
⋅∏ ⋅ 1 − − µc  ⋅ m
2
 I K + I j =1 K j + C j
n n  CO ,max 
 
  2  
∂ψ ∂ (ζ m ⋅ψ )
∞
∂ψ ∂ 2ψ
+ = −vz ⋅ + E D ⋅ 2 + Γ(m, z, I , C j , CO2 ) ⋅ψ − 2 ∫ψ ⋅ Γ(m ', z, I , C j , CO2 ) ⋅ p (m, m ') ⋅ dm '
∂t ∂m ∂z ∂z m
ψ ( m, z , t ) = ψ 0 ( m, z ,0) @ t = 0 , ∀z ∈ [0, L ]
∂ψ
v z ⋅ψ = vz ⋅ψ − ED ⋅ @ ∀t > 0 , z = 0
z = 0− z = 0+
∂z z =0 +
∂ψ
=0 @ ∀t > 0 , z = L
∂z z=L
− ( m − µo )
2
1
exp
2σ 2
(
Γ m, z, I , C j , CO
2
) = ζ ( m, z , I , C , C ) ⋅
m j O2 m
2πσ 2
1 − ( m ' − µo )
2
1− ∫ exp ⋅ dm '
0 2πσ 2 2σ 2
q −1 q −1
1 1 m  m
p ( m, m ') = 1 − 
β ( q, q ) m '  m ' 


 m'
m'
∫ p ( m, m ' ) ⋅ dm ' = 1
0
∞
X ( t , z ) = ∫ψ ( m, z ) ⋅ m ⋅ dm
0

81. -3
Biomass concentration, g m
100
6000
1000
0,
00
0
5,
76
x1
0 3
4
1,
15
x1
0 4
8
1,
73
x1
0 4
12
2,
30
x1
0 4
16
2,
88
x1
0 4
20
3,
46
x1
0 4
Time, days
24
Time, s
4,
03
x1
0 4
28
4,
Predizione completa dati sperimentali
61
x1
0 4
32
5,
18
x1
0 4
36
5,
76
Risultati modellistici
x1
0 4
40
6,
34
x1
0 4
44