Pörtner, RalfRalfPörtner1314509130000-0003-1163-9718Arndt, LukasLukasArndt2024-11-282024-11-282024Technische Universität Hamburg (2024)https://hdl.handle.net/11420/52130Today, new developments in the field of biocatalysis enable the replacement of a wide range of chemical synthesis processes with biotransformations. The biocatalysts used in these processes are non-toxic and have a low environmental impact. To fully exploit the biocatalytic potential already in the early stages of process development, knowledge-based optimization of reaction conditions is crucial, but time-consuming. Design of Experiments, process modeling and regression analysis are effective tools for systematically planning experiments, describing parameter interactions, and determining appropriate process conditions. In the model-assisted Design of Experiments approach, these tools are combined. Initially, a process model is set-up, model parameters are estimated and suggested experimental combinations are simulated. After evaluation of the predicted responses only a reduced number of factor combinations consistent with a pre-defined optimization objective are performed experimentally. In this work, the model-assisted Design of Experiments methodology is discussed for the design and optimization of a continuously operated cytidine-5'-triphosphate regeneration reaction by polyphosphate kinase under high hydrostatic pressure. The process development was particularly complex since the packed-bed bioreactor system used and the enzymatic reaction were only partially described in the literature. An adequate process model was formulated to describe the time- and location-dependent changes of substrates and product as well as the influence of process conditions on the enzyme kinetics. The formulation of the process model proved to be extensive due to the use of immobilized enzyme and the consideration of a disperse flow within the reactor. In addition, a suitable modeling approach was elaborated to describe the influence of the process parameter pressure on the enzymatic reaction. To reduce the number of time-consuming individual optimization studies, the process parameters and their interactions were to be optimized and described simultaneously using the model-assisted Design of Experiments methodology. The proposed methodology, integrated into a user-friendly iterative workflow, accompanied the interdisciplinary development process throughout and the process understanding of the reaction system was enhanced. Furthermore, the experimental effort was significantly reduced and process conditions were optimized in terms of maximal cytidine-5'-triphosphate concentration after three iteration rounds. Overall, the applicability of the knowledge-based model-assisted Design of Experiments methodology was shown and proven for a complex biocatalytic reaction system with a limited amount of prior knowledge. The transferability to other reaction systems and a further application of the methodology are discussed at the end of the work.Neue Entwicklungen auf dem Gebiet der Biokatalyse ermöglichen es, eine Vielzahl chemischer Syntheseverfahren durch Biotransformationen zu ersetzen. Die eingesetzten Biokatalysatoren sind ungiftig und umweltverträglich. Um das volle biokatalytische Potenzial schon zu Beginn der Prozessentwicklung auszuschöpfen, ist eine wissensbasierte Optimierung der Reaktionsbedingungen entscheidend, aber zeitintensiv. Versuchsplanung, Prozessmodellierung und Regressionsanalyse sind effiziente Werkzeuge zur systematischen Planung und Durchführung von Experimenten, zur Beschreibung von Parameterinteraktionen und zur Bestimmung geeigneter Prozessbedingungen. In der modellgestützten Versuchsplanung werden diese Methoden kombiniert. Zunächst wird ein Prozessmodell erstellt, die Modellparameter werden bestimmt und der vorgeschlagene Versuchsplan wird simuliert. Nach der Auswertung der vorhergesagten Antworten wird nur eine reduzierte Anzahl von Faktorkombinationen, übereinstimmend mit einem vordefinierten Ziel, experimentell durchgeführt. In dieser Arbeit wird die modellgestützte Versuchsplanung für die Auslegung und Optimierung einer kontinuierlichen Cytidin-5'-Triphosphat-Regenerationsreaktion durch Polyphosphatkinase unter hohem hydrostatischem Druck diskutiert. Die Prozessentwicklung war besonders komplex, da der verwendete Festbettbioreaktor und die enzymatische Reaktion nur teilweise in der Literatur beschrieben waren. Ein Prozessmodell wurde formuliert, um die zeit- und ortsabhängigen Änderungen von Substraten und Produkt sowie den Einfluss der Prozessbedingungen auf die Enzymkinetik zu beschreiben. Die Formulierung des Prozessmodells erwies sich aufgrund der Verwendung von Enzymimmobilisat und der Berücksichtigung disperser Strömung im Reaktor als umfangreich. Außerdem wurde ein geeigneter Modellierungsansatz formuliert, um den Druckeinfluss auf die enzymatische Reaktion zu berücksichtigen. Zur Reduzierung der Anzahl zeitintensiver Einzeloptimierungsstudien, sollten die Prozessparameter und ihre Wechselwirkungen mit Hilfe der modellgestützten Versuchsplanung optimiert und beschrieben werden. Durch die Integration der vorgeschlagenen Methodik in einen benutzerfreundlichen iterativen Workflow wurde der Entwicklungsprozess durchgängig begleitet und das Prozessverständnis erhöht. Darüber hinaus konnte der experimentelle Aufwand reduziert werden und die Prozessbedingungen wurden nach drei Iterationsrunden im Hinblick auf die maximale Cytidin-5'-Triphosphat-Konzentration optimiert. Insgesamt wurde die Anwendbarkeit des wissensbasierten mDoE für ein komplexes biokatalytisches Reaktionssystem mit wenig Vorwissen gezeigt und nachgewiesen. Die Übertragbarkeit und weitere Verwendung der Methodik werden am Ende der Arbeit diskutiert.enhttps://creativecommons.org/licenses/by/4.0/Technology::660: Chemistry; Chemical Engineering::660.6: BiotechnologyDoctoral Thesishttps://doi.org/10.15480/882.1373910.15480/882.13739Liese, AndreasAndreasLieseOther