FERMENTACIÓN DE LACTOSA A TRAVÉS DE CLOSTRIDIUM ACETOBUTYLICUM EN

UN CULTIVO BATCH Y CONTÍNUO

DANILO BURGOS ORTEGA

MONICA PATRICIA CABALLERO
DEISY MILENA MARTÍNEZ RUGELES
LUISA MARINA ORTIZ GOMEZ
CRISTINA ISABEL ROJAS MARCONI

LILIANA DEL PILAR CASTRO

PhD

UNIVERSIDAD INDUSTRIAL DE SANTANDER

FACULTAD DE INGENIERÍAS FISICOQUÍMICAS
ESCUELA DE INGENIERÍA QUIMICA
BUCARAMANGA
2016
 INTRODUCCIÓN

La fermentación ABE es un conocido proceso para la producción de Acetona, Butanol y

Etanol; inicialmente estudiado por el Prof. Weizmann en 1912.

El desarrollo industrial de la fermentación ABE se dio en el transcurso de la Primera Guerra

Mundial en 1914 debido al aumento de la demanda de acetona para la fabricación de
pólvora para municiones. Fue llevada a escala piloto en 1916 y posteriormente llevada a
escala industrial con el apoyo de la Royal Naval Cordite Factory en Londres. En 1923 fue
creada otra planta que contaba con 32 fermentadores, y entre 1924 y 1927 fue necesaria
la expansión de las plantas debido al incremento de demanda de butanol.

Sin embargo, después de la Segunda Guerra Mundial el interés en este proceso fue
descendiendo paulatinamente debido, principalmente, al auge de los procesos
petroquímicos que ofrecían una mayor rentabilidad. De esta forma todas las plantas
establecidas fueron dejando de funcionar poco a poco.

En los últimos años, debido a la creciente preocupación por el cambio climático y la

búsqueda de nuevas alternativas más amigables con el medio ambiente que logren
disminuir la dependencia de los procesos petroquímicos, se ha recobrado el interés hacia
esta fermentación con el fin de producir Butanol para uso combustible.

En el presente documento de hace un estudio del proceso biológico, analizando los

parámetros cinéticos con el fin de seleccionar la mejor configuración de reactor para llevar
a cabo la fermentación.
 METODOLOGÍA

1. Biomasa seleccionada:

Presentar el nombre de la cepa, curva de crecimiento microbiano, factores ambientales (T,

pH, necesidad de gases)

Clostridium acetobutylicum: Bacterias gram positivas, estrictamente anaerobias, su

crecimiento se favorece a pH ligeramente ácidos (4.5 – 5.5) y a temperaturas de alrededor
de los 37°C, metaboliza gran variedad de sustratos (monosacáridos y polisacáridos) que
luego serán convertidos en acetona, butanol y etanol.

2. Fuente de carbono seleccionada:

Lactosa: Disacárido formado por la unión de una molécula de glucosa y otra de galactosa.

3. ¿La materia prima de su bioproceso tiene algún compuesto que pueda inhibir el
bioproceso?, Explique y justifique su respuesta tanto si es afirmativa como negativa.

 El limite por encima del cual el metabolismo celular se detiene, esto ocurre alrededor
de una concentración de 20 g/L de solventes, (ABE) de ellos el más tóxico es el
butanol, por tanto estudios anteriores han reportado que la producción de los
solventes termina cuando la concentración de este solvente alcanza los 13 g/L [1]
 El cambio entre las dos fases fuertemente dependerá de la variación del pH. Este
variable puede influir tanto en la tasa máxima de crecimiento y la potencial inhibición
en la producción de los solventes [1]

4. Presentar una tabla de datos a partir de la cual se determinan los parámetros cinéticos
(biomasa, sustrato, producto, velocidad de dilución y otros que considere pertinentes).

Tiempo Biomasa Sustrato Producto

[h] [g/L] [g/L] [g/L]
0 0,000 50 0,000
20 0,400 48 0,000
40 0,950 40 1,500
60 0,710 36 2,400
80 0,480 34 2,800
100 0,310 33 2,800
120 0,270 33 2,800
140 0,180 33 2,800
Tabla 1. Variación de x, s, p durante el tiempo de
fermentación del Lactosuero [2]

5. Describir el método experimental que utilizo la bibliografía para determinar los datos
presentados anteriormente
Experimento:

Para el desarrollo de esta operación se hizo uso del microorganismo Clostridium

Acetobutylicum, El medio de cultivo adoptado consistió en extracto de levadura a 5 g / L y
de D-lactosa a una concentración oscilante entre 2 y 100 g / L. El medio fue esterilizado en
autoclave. Durante este ensayo los pre-cultivos se realizaron en tubos de ensayo 15 ml. La
conversión del sustrato a producto por medio del microorganismo fue investigado por lotes
en botellas con tapón de rosca (250 ml) alojados en una sala con un termostato a 35 ° C.

El inoculo fue preparado a partir de 2 ml del cultivo de reserva con 5 ml de lactosa

complementada con un medio sintético por alrededor de 2 días, para el caso de la operación
batch, típicamente la concentración inicial de los microorganismos fue de 4 mg/L.

Métodos Analíticos:

Las muestras de cultivo se llevaron a un proceso de centrifugación a 11000 rpm durante 10

min. La fase sólida se caracterizó para determinar la concentración de biomasa. La fase
líquida se caracterizó para determinar la lactosa y las concentraciones de metabolitos y
carbono orgánico total. La presencia de los microorganismos fue determinada a partir de la
medición de la absorbancia a 600 nm con un espectrofotómetro, el análisis para la medición
de la concentración de lactosa se realizó por medio de un kit enzimático. Se utilizó un
cromatógrafo de gases equipado con una columna capilar para evaluar los ácidos y
alcoholes y sus concentraciones. [2]

6. Presentar algoritmo de solución para determinar los parámetros cinéticos en operación

batch y continua (incluye los modelos matemáticos seleccionados)
REACTOR BATCH

Herramienta computacional empleada IBM

IBM SPSS Statistics Base es software de análisis estadístico que presenta las funciones
principales necesarias para realizar el proceso analítico de principio a fin. Es fácil de utilizar
e incluye un amplio rango de procedimientos y técnicas para ayudarle a aumentar los
ingresos, superar a la competencia, dirigir investigaciones y tomar mejores decisiones.

SPSS Statistics Base proporciona las herramientas básicas de análisis estadístico para
cada paso del proceso analítico.

Una amplia gama de procedimientos estadísticos para dirigir análisis precisos.

Técnicas incorporadas para preparar los datos para el análisis de forma rápida y
sencilla.
Funcionalidad completa de elaboración de informes para la creación de gráficas muy
eficientes.
Potentes funciones de visualización que muestran claramente el significado de sus
conclusiones.
Soporte a todos los tipos de datos, incluidos grandes conjuntos de datos.

Balances:

 Biomasa: 𝐵𝑒𝑛𝑡𝑟𝑎 − 𝐵𝑠𝑎𝑙𝑒 + 𝑟𝑥𝑛 = 𝑎𝑐𝑢𝑚𝑢𝑙𝑎

𝑑𝑥
𝑟𝑥 ∗ 𝑉 = 𝑑𝑡
∗ 𝑉 (𝑉 = 𝑐𝑡𝑒)

𝑑𝑥
= 𝜇∗𝑥
𝑑𝑡

 Producto: 𝑃𝑒𝑛𝑡𝑟𝑎 − 𝑃𝑠𝑎𝑙𝑒 + 𝑟𝑥𝑛 = 𝑎𝑐𝑢𝑚𝑢𝑙𝑎

𝑑𝑝
𝑟𝑝 ∗ 𝑉 = ∗ 𝑉 (𝑉 = 𝑐𝑡𝑒)
𝑑𝑡

𝑑𝑝
𝑟𝑝 = = 𝑞𝑝 ∗ 𝑥
𝑑𝑡

𝑑𝑠 𝜇∗𝑥 𝑑𝑠 𝑑𝑠 𝑑𝑠
 Sustrato: −𝑟𝑠 = 𝑑𝑡 = 𝑌𝑥𝑠 = (𝑑𝑡)crec+(𝑑𝑡)mant+(𝑑𝑡)prod

𝑑𝑠 𝜇∗𝑥 𝜇 𝑞𝑝
−𝑟𝑠 = = =[ + 𝑚𝑠 + ]∗𝑥
𝑑𝑡 (𝑌𝑥𝑠)𝑒𝑥𝑝 (𝑌𝑥𝑠)𝑡𝑒𝑜𝑟 𝑌𝑝𝑠

𝑑𝑠 𝜇∗𝑥
−𝑟𝑠 = = = 𝑞𝑠 ∗ 𝑥
𝑑𝑡 (𝑌𝑥𝑠)𝑒𝑥𝑝

Rendimientos:
 𝑑𝑥
𝜇∗𝑥
 Biomasa/ Sustrato: (Yx/s)max = 𝑑𝑡
𝑑𝑠 = 𝑑𝑠
−( ) −( )
𝑑𝑡 𝑑𝑡

𝑋−𝑋𝑜
(Yx/s) max = 𝑆𝑜−𝑆

𝑑𝑝
 Producto/ Sustrato: (Yp/s)max = 𝑑𝑡
𝑑𝑠
−( )
𝑑𝑡

1 𝑑𝑝
 Velocidad de formación del producto: (qp)max = 𝑥 ∗ 𝑑𝑡

𝜇𝑚𝑎𝑥
 Velocidad de Consumo del Sustrato (qs)max = (𝑌𝑥𝑠)𝑒𝑥𝑝𝑒

A partir de los datos previamente mostrados en el numeral 4, extraídos del artículo guía, y
la herramienta computacional IBM fueron ajustados los datos de la fase exponencial de
crecimiento celular a un modelo no lineal, el cual describe la presencia de inhibición en el
proceso:

𝑆
Modelo de Contois: 𝜇 = 𝜇𝑚𝑎𝑥 ∗ (𝐾𝑠∗𝑋)+𝑆

Del anterior modelamiento se obtuvieron los datos de los parámetros de velocidad máxima
de crecimiento y la constante de saturación. Para los cuales el sistema obtuvo una
convergencia de los datos del orden de 1E-08.

Tabla 2,3. Parámetros cinéticos pertenecientes a la fase exponencial, durante

el tiempo de fermentación de la lactosa

En las siguientes figuras presentadas se pueden observar los cambios expuestos por cada
una de las variables (biomasa, sustrato, producto) respecto al tiempo de operación, para
este caso se anexó además la variación del pH, debido al alto potencial inhibitorio que
presenta en la producción de los solventes.
Debido a que a la fermentación tipo ABE, presenta 2 fases, en el lapso de las primeras 25
horas, aproximadamente los microorganismos presentes en el proceso se dedicaran a
degradar el sustrato suministrado (lactosa), dando paso en primera instancia a la formación
de ácidos y a una disminución notoria del pH; luego estos ácidos serán asimilados
nuevamente por los microorganismos, los cuales se encargaran en transformar el ácido
acético y butírico en acetona, etanol y el producto deseado butanol.

4 1

0.9
3.5
0.8

Concentración de biomasa [g/L]

Concentración de solvente [g/L]

3
0.7
2.5
0.6

2 0.5

0.4
1.5
0.3
1
0.2
0.5
0.1

0 0
0 20 40 60 80 100 120 140
Tiempo [h]
Producto Biomasa
 7 60

50
6

Concentración de Sustrato [g/L]

40
5
pH

30

4
20

3
10

2 0
0 20 40 60 80 100 120 140
Tiempo [h]
pH sustrato

Figura 2, 3. Comportamiento del sustrato, biomasa y producto durante el proceso

de fermentación del lactosuero en presencia del microorganismo [2].

 Cálculo de (qp)max (velocidad máxima de formación del producto):

3
Concentración de Solvente [g/L]

2.5
y = 0,1x - 2,45
R² = 0,9921
2

1.5
qpmax
1

0.5

0
0 20 40 60 80 100 120 140 160
Tiempo [h] Butanol

Figura 4. Velocidad máxima de formación del producto [2].

 Cálculo de (qs)max (velocidad máxima de consumo del sustrato):

 𝜇𝑚𝑎𝑥
(qs)max = (𝑌𝑥𝑠)𝑒𝑥𝑝𝑒

Para el cálculo de este parámetro el rendimiento experimental reportado por el

artículo guía es de 0,18 g de biomasa/ g de sustrato [e], por tanto:

0,279
(qs)max = (0,18 )𝑔𝑥/𝑔𝑠

(qs)max= 1,55 gs/(gx*h)

 Rendimiento máximo de biomasa respecto al sustrato:

𝑋−𝑋𝑜
(Yx/s) max =
𝑆𝑜−𝑆

0,9−0,1
(Yx/s) max =
50−45

(Yx/s) max = 0,16 gbiomasa/gsustrato

Para este caso fue tomado como punto final, el perteneciente al último dato de la
fase exponencial de crecimiento celular, (t=30h).

 Rendimiento máximo de producto respecto al sustrato:

𝑑𝑝
𝑑𝑡
(Yp/s) max = 𝑑𝑠
−( )
𝑑𝑡

(Yp/s) max = 0,18 gproducto/gsustrato

 Cálculo de ms (constante de mantenimiento):

PROCESO CONTINÚO

4. Presentar una tabla de datos a partir de la cual se determinan los parámetros cinéticos
(biomasa, sustrato, producto, velocidad de dilución y otros que considere pertinentes).

La cinética de C. acetobutylicum DSM 792, adopta el modelo de crecimiento se caracteriza

por adoptar para las células acidogénicas durante la producción de disolvente [1. Napoli
acidogénicas]. Una primera aproximación consiste en modelar la cinética a partir de un
modelo inhibitorio por producto, en este caso la formación de acidos.

A continuación se determinan los parámetros cinéticos que modelan el proceso microbiano

de acuerdo a balances de materia.

Consideraciones:

 Ecuaciones de diseño para un reactor CSTR

 Balance en estado estacionario.
 Alimentación estéril 𝑥0 = 0, sin células.
 Definición de velocidad de dilución: 𝐷 = 𝐹 ⁄𝑉
 Modelo de crecimiento por inhibición de productos y células acidogénicas.
 𝑞𝑝 = 0, despreciable.

Balance de biomasa:

𝐹𝑙𝑢𝑗𝑜 𝑒𝑛𝑡𝑟𝑎𝑑𝑎 – 𝐹𝑙𝑢𝑗𝑜 𝑑𝑒 𝑠𝑎𝑙𝑖𝑑𝑎 + 𝐺𝑒𝑛𝑒𝑟𝑎𝑐𝑖ó𝑛 − 𝐶𝑜𝑛𝑠𝑢𝑚𝑜 = 𝐴𝑐𝑢𝑚𝑢𝑙𝑎𝑐𝑖ó𝑛

𝐹. 𝑥0 − 𝐹. 𝑥 + 𝛾𝑥 𝑉 = 0

𝐹 𝜇. 𝑥. 𝑉
− .𝑥 + =0
𝑉 𝑉

𝑥(𝜇 − 𝐷) = 0 (𝟏)

Napoli et al (2009), sugiere que la velocidad de crecimiento de las células acidogénicas se

modelar mediante la ecuación de Luong (2), la cual caracteriza por completo la inhibición
de metabolitos cuando estos se acercan a su valor crítico.

𝑆 𝑃 𝑛
𝐿𝑢𝑜𝑛𝑔 𝜇 = 𝜇𝑚á𝑥 ∙ ( ) ∙ (1 − ) (𝟐)
𝐾𝑠 + 𝑆 𝑃𝑚á𝑥

Bajo la hipótesis, que indica un modelo por inhibición, se toma como metabolito principal el
ácido butírico, para determinar los parámetros de la ecuación de Loung.

Ácido
D Lactosa
Butírico 1/D 1/Lactosa
(ℎ−1 ) (𝑔⁄𝐿)
(𝑔⁄𝐿)
0,220 0,810 1,100 4,545 0,909
0,440 0,590 2,600 2,273 0,385
0,490 0,560 2,500 2,041 0,400
0,710 0,250 12,700 1,408 0,079
0,710 0,220 12,900 1,408 0,078
0,710 0,430 23,800 1,408 0,042
 0,740 0,290 34,000 1,351 0,029
0,760 0,530 22,400 1,316 0,045
0,770 0,170 13,800 1,299 0,072

Tabla 1. Datos experimentas de velocidad de

dilución, ácido butírico y lactosa, [d]

Análisis comparativo.

El artículo a condiciones de un pH modelan el crecimiento de Clostridium a través de un

modelo interactivo multiproducto-inhibición el cual correlaciona tanto los metabolitos ácidos
como los solventes.

IBM, ejecuta una regresión por mínimos cuadrados en dos fases. De esta manera utiliza
variables instrumentales que no estén correlacionadas con los términos de error para
calcular los valores estimados de los predictores problemáticos (en la primera fase) y
después utiliza dichos valores calculados para estimar un modelo de regresión lineal para
la variable dependiente (la segunda fase). Dado que los valores calculados se basan en
variables que no están correlacionadas con los errores, los resultados del modelo en dos
fases son óptimos [e].

La correlación necesita valores iniciales para ejecutar la rutina de iteración, por lo tanto se
supone modelo de Monod, y luego se procede a la iteración.

𝑆
𝜇 = 𝜇𝑚á𝑥 ∙ ( ) (𝟑)
𝐾𝑠 + 𝑆

Modelo linealizado de Monod

5
4.5 y = 3.5016x + 1.1014
4 R² = 0.9586
3.5
1/D (h^-1)

3
2.5
2
1.5
1
0.5
0
0 0.2 0.4 0.6 0.8 1
1/S

Gráfica 1. Modelo linealizado de Monod

Se probaron diferentes modelos de crecimientos competitivos y no competitivos, para
ajustar los datos experimentales, sin embargo, el de mejor ajuste corresponde a la ecuación
(2).

Autores Napoli
−1
𝜇𝑚á𝑥 (ℎ ) 0,825 0,950
𝐾𝑠 (𝑔⁄𝐿) 1,618 1,340
𝑃𝑚á𝑥 (𝑔⁄𝐿) 2,750 3,000
𝑛 0,910 0,96
Tabla 2. Comparación entre la regresión de Loung vs modelo interactivo
multiproducto-inhibitorio

Figura 2. Regresión no lineal de Luong con IBM

Balance de producto:

𝐹𝑙𝑢𝑗𝑜 𝑒𝑛𝑡𝑟𝑎𝑑𝑎 – 𝐹𝑙𝑢𝑗𝑜 𝑑𝑒 𝑠𝑎𝑙𝑖𝑑𝑎 + 𝐺𝑒𝑛𝑒𝑟𝑎𝑐𝑖ó𝑛 − 𝐶𝑜𝑛𝑠𝑢𝑚𝑜 = 𝐴𝑐𝑢𝑚𝑢𝑙𝑎𝑐𝑖ó𝑛

𝐹. 𝑝0 − 𝐹. 𝑝 + 𝛾𝑝 𝑉 = 0

𝐹 𝑉
(𝑝) + (𝑌𝑝⁄𝑥 . 𝜇 + 𝑚𝑝 ). 𝑥. = 0
𝑉 𝑉

(𝑌𝑝⁄𝑥 . 𝐷 + 𝑚𝑝 ). 𝑥 = 𝐷𝑝

𝑚𝑝
𝑝 = (𝑌𝑝⁄𝑥 + ).𝑥
𝐷
𝑚𝑝
𝑌𝑝⁄𝑥 = (𝑌𝑝⁄𝑥 )𝑡𝑒ó𝑟𝑖𝑐𝑜 + (𝟒)
𝐷
El autor reporta para el siguiente análisis datos de biomasa, dilución y butanol (Tabla 3), en
el intervalo de dilución.

Biomasa Butanol
D 𝑌𝑝/𝑥
(x) (P)
(ℎ−1 )
(𝑔⁄𝐿) (𝑔⁄𝐿) (g/g)
0,510 5,000 3,072 0,614
0,520 5,000 6,326 1,265
0,260 5,200 8,958 1,723
0,270 5,000 12,082 2,416
0,190 5,300 14,641 2,762
0,470 5,400 5,363 0,993
0,320 5,300 11,878 2,241
Tabla 3. Datos experimentales de dilución,
producción de biomasa y butanol., [d]

La ecuación (4), permite encontrar el parámetro cinético 𝑚𝑝 . Según su estructura, (4) tiene
una tendencia lineal. Para correlacionar los datos se utiliza Excel, como sigue.

De esta manera 𝑚𝑝 , representa la pendiente de la línea en la figura 2. y (𝑌𝑝⁄𝑥 )𝑡𝑒ó𝑟𝑖𝑐𝑜 , el

punto de corte de la recta.

Rendimiento 𝑌𝑝/𝑥 vs 1/D

3
y = 0.4969x + 0.2314
2.5 R² = 0.714
g Butanol/g Biomasa

1.5

0.5

0
0 1 2 3 4 5 6
1/D (h)

Gráfica 2. Representación del balance por

producto.
 Parámetros por producto
𝑌𝑝/𝑥 (𝑔⁄𝑔) 2,762
𝑚á𝑥
(𝑌𝑝⁄𝑥 )𝑡𝑒ó𝑟𝑖𝑐𝑜 (𝑔⁄𝑔) 0,231
𝑚𝑝 0,497
Tabla 4. Parámetros cinéticos obtenidos a partir
del balance por producto

Balance de sustrato:

𝐹𝑙𝑢𝑗𝑜 𝑒𝑛𝑡𝑟𝑎𝑑𝑎 – 𝐹𝑙𝑢𝑗𝑜 𝑑𝑒 𝑠𝑎𝑙𝑖𝑑𝑎 + 𝐺𝑒𝑛𝑒𝑟𝑎𝑐𝑖ó𝑛 − 𝐶𝑜𝑛𝑠𝑢𝑚𝑜 = 𝐴𝑐𝑢𝑚𝑢𝑙𝑎𝑐𝑖ó𝑛

𝐹. 𝑠0 − 𝐹. 𝑠 − 𝛾𝑠 𝑉 = 0

𝜇 𝑞𝑝
𝐹. 𝑠0 − 𝐹. 𝑠 − ( + + 𝑚𝑠 ) . 𝑥. 𝑉 = 0
𝑌𝑥⁄𝑠 𝑌𝑝⁄𝑠

𝐷 𝑞𝑝
𝐷𝑠0 − 𝐷𝑠 − ( + + 𝑚𝑠 ) . 𝑥 = 0
𝑌𝑥⁄𝑠 𝑌𝑝⁄𝑠

𝐷 𝑞𝑝
( + + 𝑚𝑠 ) . 𝑥 = 𝐷(𝑠0 − 𝑠)
𝑌𝑥⁄𝑠 𝑌𝑝⁄𝑠

1 1 𝑞𝑝 1 𝑚𝑠
= 𝑜 + + (𝟓)
𝑌𝑥/𝑠 𝑌𝑥/𝑠 𝑌𝑝/𝑠 𝐷 𝐷

𝑞𝑝 = 𝜇𝑌𝑝/𝑥 = 𝐷𝑌𝑝/𝑥

La ecuación 5, para al modelo en continuo está conformada por 4 variables (𝑌𝑥/𝑠 , 𝑞𝑝 , 𝑌𝑝/𝑠 , 𝐷).
Sin embargo, en la bibliografía consultada [2,3,4] los autores reportan poca información
para determinar el parámetro 𝑚𝑠 . Napolí et al (2011) sugiere un modelado del consumo y
gasto de ATP por parte de la biomasa durante la producción de ABE, mediante el modelo
de Pirt (1965) en el que propone la primera relación válida para bioprocesos en los cuales
la etapa reguladora es la acidogénica, entre 𝑌𝐴𝑇𝑃 y la tasa de crecimiento específico (𝜇)
dada como:

1 1 𝑚𝑠
= + (𝟔)
𝑌𝐴𝑇𝑃 𝑌𝐴𝑇𝑃 (𝑚á𝑥) 𝜇

Donde 𝑚𝑠 es el coeficiente de mantenimiento, expresado como moles de ATP consumido

por masa de células secas formadas. La m se define " como la energía necesaria para la
transformación de una sustancia y otros componentes celulares para la preservación de la
correcta composición iónica de las células’’
Analizando las reacciones llevadas a cabo a lo largo de la producción de butanol, se debe
tener en cuenta la conservación de la energía biosintética (ATP) y resaltando que la
producción de ATP junto con la formación de productos, toma en cuenta la contribución de
la ruta lactosa-glicolisis a piruvato y la formación de ácidos (productos primarios ligados a
el crecimiento) de la vía acetyl-CoA; se deduce que el aporte energético está
completamente comprometido con la biosíntesis celular. Entonces existe una relación
directa entre la biomasa y los productos, dando una medida de 𝑌𝐴𝑇𝑃 .

D D
𝑌𝐴𝑇𝑃 𝑌𝐴𝑇𝑃
(ℎ−1 ) (ℎ−1 )
0,24 15,5 0,52 23,6
0,32 15,7 0,26 13,4
0,12 7,9 0,32 15,1
0,18 11,4 0,27 14,1
0,35 19,7 0,19 13,8
0,52 25,2 0,49 22,5
0,27 15,5 0,45 17,6
0,51 19,7 0,47 18,7
0,3 14,2 0,47 18,6
0,55 23,2 0,25 13,2
0,6 19,3 0,23 12,2
0,1 3,8 0,36 13,7
0,51 22,5 0,2 11,8
0,47 19,9 0,2 11,3

Tabla 5. Datos experimentales del consumo de ATP

y la velocidad de dilución D (ℎ−1 )

A partir de los datos presentados en la tabla 5, y la ecuación 6 se llevó acabo un ajuste

lineal para determinar el parámetro 𝑚𝑠
 1/YATP Vs 1/D
0.14

0.12
Inverso de YATP

0.1

0.08

0.06

0.04 y = 0,0118x + 0,0258

R² = 0,8817
0.02

0
0 1 2 3 4 5 6 7 8 9
1/D (h)

Gráfica 3. Linealización de ATP Y D

Mediante una regresión lineal, se ajustan los datos a la siguiente ecuación:

1 1
= 0.0258 + 0.0118 ∗ (𝟕)
𝑌𝐴𝑇𝑃 µ

Donde 𝑚𝑠 = 0,0118 y 𝑌𝐴𝑇𝑃 (𝑚á𝑥) = 38,759

Autores Napoli
𝑚𝑠 0,0118 0,012
𝑌𝐴𝑇𝑃 (𝑚á𝑥) 38,759 29,154
Tabla 7. Comparación entre los parámetros
por la regresión lineal vs modelo de Pirt

Los cálculos anteriores son válidos solo para determinar el coeficiente de mantenimiento
celular.

El parámetro 𝑌𝑥/𝑠 , se obtiene a partir de datos de dilución, concentración de biomasa y

sustrato a un pH constante de 5.0.
 X 𝑌𝑥/𝑠 (g/g)
D (h-1) S(g/L) 1/D 1/𝑌𝑥/𝑠
(gDM/L)
0,05 0,96 6,23 6,458 20,000 0,154
0,12 0,84 8,84 10,476 8,333 0,095
0,15 1,02 44,09 43,137 6,666 0,023
0,33 0,63 12,67 20,000 3,033 0,067
0,5 0,72 40,85 56,666 2,097 0,017
0,56 0,72 22,23 30,833 1,785 0,036
0,71 0,33 12,95 43,763 1,408 0,023
0,76 0,73 22,43 32,645 1,315 0,031
0,77 0,23 13,92 69,500 1,299 0,014
Tabla 6. Datos experimentales de dilución, concentración de biomasa y
sustrato

Debido a la cantidad de datos inexistentes que cumplan con las especificaciones aquí
mencionadas, se usa la ecuación de Pirt (8) como aproximación para calcular 𝑌𝑥/𝑠 .

1 1 𝑚𝑠
= + (𝟖)
𝑌𝑥/𝑠 𝑌𝑥/𝑠 (𝑚á𝑥) µ

A partir de la ecuación (8), se considera que qp es despreciable con fines académicos. Sin
embargo, se debe anotar 𝑞𝑝 , debe ser diferente de cero por ende esta aproximación se
realiza solo para tener un estimado “máximo” de 𝑌𝑥/𝑠(𝑚á𝑥) .
 Pir Yx/s
0.2

y = 0.0071x + 0.0133
0.15 R² = 0.8603

Axis Title
0.1

0.05

0
0 5 10 15 20 25
Axis de
Gráfica 5. Representación Title
la ecuación de Pirt

1 𝑔
= 0.0133 → 𝑌𝑥(𝑚á𝑥) = 75,18 [ ]
𝑌𝑥(𝑚á𝑥) 𝑠 𝑔
𝑠
Diagrama de flujo, operación en continuo

Gráfica 4. Algoritmo para el desarrollo de parámetros cinéticos, en reactor CSTR

 TABLA COMPARATIVA

PARÁMETRO BATCH CONTINUO

Crecimiento

𝜇𝑚á𝑥
0,279ℎ−1 0,825ℎ−1
celular

𝑔 𝑔
𝐾𝑠 186,30 1,618
𝑙 𝑙

75,18 𝑔 𝑏𝑖𝑜𝑚𝑎𝑠𝑎
Rendimientos

𝑔 𝑏𝑖𝑜𝑚𝑎𝑠𝑎 𝑔 𝑠𝑢𝑠𝑡𝑟𝑎𝑡𝑜
𝑌 𝑋 0,16
( )𝑚á𝑥
𝑆 𝑔 𝑠𝑢𝑠𝑡𝑟𝑎𝑡𝑜

𝑔 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜 𝑔 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜
𝑌 𝑃 0,18 2,416
( )𝑚á𝑥
𝑆 𝑔 𝑠𝑢𝑠𝑡𝑟𝑎𝑡𝑜 𝑔 𝑠𝑢𝑠𝑡𝑟𝑎𝑡𝑜

𝑞(𝑠)𝑚á𝑥
𝑔 𝑠𝑢𝑠𝑡𝑟𝑎𝑡𝑜
1,55 𝑔 𝑠𝑢𝑠𝑡𝑟𝑎𝑡𝑜
𝑔 𝑏𝑖𝑜𝑚𝑎𝑠𝑎 ∗ ℎ 𝑔 𝑏𝑖𝑜𝑚𝑎𝑠𝑎∗ℎ
Velocidades

𝑞(𝑝)𝑚á𝑥
𝑔 𝑠𝑜𝑙𝑣𝑒𝑛𝑡𝑒 𝑔 𝑠𝑜𝑙𝑣𝑒𝑛𝑡𝑒
0,1
ℎ ℎ

𝑠𝑢𝑠𝑡𝑟𝑎𝑡𝑜
0,118
𝑚𝑠 ---- 𝑔 𝑏𝑖𝑜𝑚𝑎𝑠𝑎 ∗ ℎ

𝑚𝑝 0,063 𝑔 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜
0,479
𝑔 𝑏𝑖𝑜𝑚𝑎𝑠𝑎 ∗ ℎ

Tabla 7 comparativa, Parámetros cinéticos reactor batch y reactor continuo

Tabla 8, Determinación de la mejor opción de reactor; ventajas y desventajas de reactor
continuo y batch

REFERENCIAS:

[1] Castellanos Reynel, Prada Martha. 2013. Optimización y ajuste de parámetros cinéticos
para la fermentación acetona-butanol-etanol (abe) a partir de jarabes de almidón de yuca
empleando Clostridium acetobutylicum atcc 824. (Tesis de pregrado en Ingeniería química).
Universidad Industrial de Santander, Bucaramanga.
[2] Napoli Fabio. 2011. Development of an integrated process for butanol production. Batch
Cultures.
[3] Napoli F., G. Olivieri, A. Marzocchella, P. Salatino Bioenergy II: An Assessment of the
Kinetics of Butanol Production by Clostridium acetobutylicum International Journal of
Chemical Reactor Engineering, 2009, vol. 7, A45
[4] Napoli F., G. Olivieri, M.E. Russo, A. Marzocchella, P. Salatino. Butanol Production by
Clostridium acetobutylicum - I. Acidogenesis Kinetics Biotechnology and Bioengineering,
submitted
[5] Napoli F., G. Olivieri, M.E. Russo, A. Marzocchella, P. Salatino. Butanol Production by
Clostridium acetobutylicum – II. Mass and Energy Yields under Acidogenesis Phase
Biotechnology and Bioengineering, submitted
[6] Napoli F., A. Marzocchella, P. Salatino Optimization of Solvent Recovery in the
Production of Butanol by Fermentation Biochemical Engineering Journal, submitted
[7] Napoli F., G. Olivieri, A. Marzocchella, M.E. Russo, P. Salatino Butanol Production in a
Continuous Biofilm Reactor by Clostridium acetobutylicum Progress Biochemistry,
submitted.