Modeling and optimization of the production of lipids by oleaginous yeasts
- 2 April 2026
- thesis
- Published by Agence Bibliographique de l'Enseignement Supérieur
Abstract
Modélisation et optimisation de la production de bio-lipides par les levures oléagineuses: Le but de ce travail de doctorat est de contribuer à l'optimisation de l'accumulation de lipides par les levures oléagineuses, et plus particulièrement par la levure Yarrowia lipolytica à partir du glucose, avec une stratégie d’optimisation dynamique à partir d’une commande basée sur un modèle. L’étude bibliographique permet de faire le bilan des connaissances antérieures pour identifier les différentes méthodologies existantes pour l’optimisation des procédés en structurant trois parties principales: la modélisation, la commande, et le suivi des procédés. Dans ce contexte, cinq modèles ont été proposés pour décrire l'accumulation de lipides. Le premier est un modèle non structuré basé sur des cinétiques de Monod et d’inhibition. Le deuxième s’appuie sur le modèle de Droop (quota) précédemment utilisé pour décrire l’accumulation de lipides dans les microalgues. Les trois derniers sont des modèles métaboliques dynamiques qui combinent les cinétiques avec un réseau métabolique réduit, obtenu à partir des modes élémentaires. Les cinq modèles ont été calibrés et validés en utilisant plusieurs jeux des données expérimentales. Néanmoins, un des avantages des modèles métaboliques dynamiques présentés est la possibilité de décrire les basculements métaboliques. Deux stratégies de commande multi-objective visant à maximiser la productivité des lipides et la fraction en teneur lipidique ont été proposées. Dans la première, les deux objectifs ont été pondérés par le calcul statique des fronts de Pareto, et intégrés à la stratégie de commande avec un modèle dynamique métabolique. La deuxième stratégie est basée sur des fonctions linéaires par morceaux en intégrant le modèle quota. Les simulations de la commande montrent la possibilité d’atteindre des teneurs en lipides entre 0,21 – 0,26 gLIP.gX-1 et productivités entre 0,78 – 1,02 g.(L-h)-1 en diminuant le temps de la culture à 20 h. Des capteurs logiciels ont été proposés afin de pallier le manque de capteurs en ligne en corrélant des mesures en ligne (i.e. pO2 et la base ajoutée pour le pH) par des algorithmes de types machines à vecteurs supports. La validation expérimentale des stratégies de commande est la principale perspective de ce travail.Keywords
This publication has 290 references indexed in Scilit:
- Bioreactor control improves bioprocess performanceBiotechnology Journal, 2015
- Soft sensors in bioprocessing: A status report and recommendationsBiotechnology Journal, 2012
- Dynamic models of metabolism: Review of the cybernetic approachAIChE Journal, 2012
- Metabolic flux analysis for recombinant protein production by Pichia pastoris using dual carbon sources: Effects of methanol feeding rateBiotechnology and Bioengineering, 2009
- Systematic development of hybrid cybernetic models: Application to recombinant yeast co‐consuming glucose and xyloseBiotechnology and Bioengineering, 2009
- Reduction of a set of elementary modes using yield analysisBiotechnology and Bioengineering, 2008
- Integrating cybernetic modeling with pathway analysis provides a dynamic, systems‐level description of metabolic controlBiotechnology and Bioengineering, 2008
- Bioprocess Control2008
- Emulsifier from a tropical marine yeast, Yarrowia lipolytica NCIM 3589Journal of Basic Microbiology, 2002
- Application of modern estimation and identification techniques to chemical processesAIChE Journal, 1971