参数研究和半连续采集策略,以提高CO2生物固定率和高密度生物质生产,使用适应性实验室进化的Chlorella vulgaris
Sufia Hena1, Tejas Bhatelia1, Nadia Leinecker1
1Western Australia School of Mines: Minerals, Energy and Chemical Engineering, Curtin University, Perth, WA 6102, Australia.
Microorganisms
|February 27, 2026
概括
一种适应的Chlorella vulgaris (ALE-Cv) 菌株显著增强了光生物反应器中的二氧化碳生物固定和生物质生产. 在最佳条件下,二氧化碳生物固定率为13.4g/L,这表明了气候变化减缓和可持续生物经济发展的潜力.
科学领域:
- 生物技术是生物技术.
- 环境科学 环境科学
- 生物化学 生物化学
背景情况:
- 微藻种植为二氧化碳捕获和生物质生产提供了一个可持续的途径.
- 适应性进化可以提高微藻对二氧化碳水平升高的耐受性,提高效率.
- 菌是一种有前途的微藻类物种,用于生物燃料和生物产品的产生.
研究的目的:
- 优化光生物反应器的操作参数,以提高二氧化碳的生物固定和生物质生产,使用适应的Chlorella vulgaris菌株 (ALE-Cv).
- 为了评估注射剂大小,光周期,光强度,pH和CO2供应率对ALE-Cv种植的影响.
- 研究半连续采摘策略,以最大限度地提高生物质产量,并使水循环利用成为可能.
主要方法:
- 在批量和半连续光生物反应器中培养适应的Chlorella vulgaris菌株 (ALE-Cv).
- 操作参数的系统变化,包括注射器大小,光周期,光强度,pH值和CO2供应率.
- 评估不同种植条件和收获策略下的生物质生产率和二氧化碳生物固定率.
主要成果:
- 在最佳条件下 (16:8小时光暗,5000卢克斯,pH7,0.6VVM,20毫升10g/L注射剂) 在批量模式下产生7.03g/L生物质和13.4g/LCO2生物固定.
- 与非适应菌株相比,ALE-Cv实现了显著更高的生物质 (7.03 g/L vs 0.52 g/L) 和CO2生物固定 (13.4 g/L vs 1.036 g/L).
- 在没有添加营养物质的半连续采集过程中,在15天内获得了最高的生物质 (9.91 g/L) 和CO2生物固定 (18.16 g/L).
结论:
- 菌的适应性进化显著提高了二氧化碳的生物固定和生物质产量.
- 优化光生物反应器运行和半连续收获对于最大限度地提高微藻种植效率至关重要.
- 这项研究为可扩展的基于微藻的二氧化碳封存提供了基础,为绿色技术和生物经济做出了贡献.
更多相关视频
相关概念视频
Bioreactor Controls-III
Strain improvement is a foundational strategy in industrial microbiology aimed at maximizing microbial productivity, particularly because natural isolates typically yield commercially valuable products in very low concentrations. Although optimizing the culture medium and environmental conditions can improve yields, these adjustments are inherently limited by the organism’s genetic potential. As a result, the focus shifts toward genetic modifications to enhance biosynthetic capacity. The...
Methods of Medium Optimization
Optimizing growth media enhances microbial proliferation and maximizes product yield. Statistical experimental design methodologies provide structured and reproducible approaches, offering progressively higher levels of robustness and efficiency.The One-Factor-at-a-Time (OFAT) MethodThe One-Factor-at-a-Time (OFAT) method involves adjusting a single variable while keeping all others constant. However, it cannot detect interactions between variables, often leading to suboptimal outcomes when...


