representación matemática de la producción de...

Vector 6 (2011) 63 - 70ISSN 1909 - 7891

Representación matemática de la producción de enzimas lignocelulolíticas por fermentación en estado sólido

empleando Coriolus versicolorSandra Montoya Barretoa*, Óscar Julián Sánchez Toroa*, Luis Fernando Gutiérrez Mosquerab*

a PhD. Instituto de Biotecnología Agropecuaria, Universidad de Caldas. Manizales, Colombia.b PhD. Departamento de Ingeniería, Universidad de Caldas. Manizales, Colombia.

Recibido: 16 de septiembre de 2013. Aprobado: 6 de abril de 2015.

* Autor de correspondencia. E-mail: [email protected] (S. Montoya)E-mail: [email protected] (Ó.J. Sánchez)E-mail: [email protected] (L.F. Gutiérrez)

ResumenEn esta investigación se cultivó Coriolus versicolor sobre 12 formulaciones de sustrato en estado sólido empleando mezclas de materiales lignocelulósicos, carbonato de calcio y dos niveles de sulfato de cobre (II). El objetivo de este trabajo fue proponer un modelo matemático compuesto de ocho ecuaciones diferenciales para la descripción de los datos experimentales de todas las combinaciones resultantes para C. versicolor durante 49 días de fermentación: producción de biomasa, producción y consumo de azúcares reductores, consumo de celulosa y degradación de lignina, producción de las enzimas: lacasa (LAC), manganeso peroxidasa (MnP), endoglucanasa (ENG), exoglucanasa (EXG), β-glucosidasa (BG). C. versicolor creció adecuadamente sobre todas las formulaciones de sustrato y los títulos enzimáticos mostraron variación con las formulaciones de sustrato. El ajuste del modelo a los datos experimentales se realizó planteando una prueba F de una cola. En este trabajo se presentan comparaciones entre los resultados del modelamiento para las formulaciones F2 y F3 en producción de LAC y MnP y degradación de lignina; así también se compararon las formulaciones F5 y F8 para el consumo de celulosa y los títulos enzimáticos de ENG, EXG y BG. Igualmente, se muestran los resultados del modelamiento matemático para la formulación F9, ya que sobre ésta el hongo exhibió la mayor capacidad de degradación de celulosa y lignina en los 49 días de fermentación en fase sólida.

Palabras clave: Coriolus versicolor, enzimas lignocelulolíticas, degradación de materiales lignocelulósicos, modelamiento.

Mathematical representation of lignocellulolytic enzyme production through solid-state fermentation using Coriolus versicolor

AbstractIn this investigation Coriolus versicolor was cultivated on 12 substrate formulations in solid state using lignocellulosic material mixtures of calcium carbonate and two levels of copper (II) sulfate. The aim of this study was to propose a mathematical model consisting of eight differential equations to describe the experimental data of all resulting combinations for C. versicolor during 49 fermentation days: biomass production, production and consumption of reducing sugars, consumption of cellulose and lignin degradation, and production of enzymes -laccase (LAC), manganese peroxidase (MnP), endoglucanase (ENG), exoglucanase (EXG), β-glucosidase (BG).. C. versicolor grew properly on all formulations of substrate and enzyme titles showed variation with the substrate formulations. The adjustment of the model to the experimental data was performed considering an F test tail. Comparison between modeling results for formulations F2 and F3 in LAC and MnP production, and lignin degradation are presented in t his work. Formulations F5 and F8 for enzymatic cellulose consumption and the enzymatic titles ENG, EXG, and BG were also compared. Similarly, the results of mathematical modeling for formulation F9 are presented because the fungus exhibited the greatest cellulose and lignin degradation capacity in this formulation in the 49 days of fermentation in solid phase.

Key words: Coriolus versicolor, lignocellulolytic enzymes, degradation of lignocellulosic materials, modeling.

1. Introducción

Los hongos de pudrición blanca como el C. versicolor son hasta ahora los únicos organismos capaces de degradar completamente todos los componentes de los materiales lignocelulósicos gracias a las enzimas lignocelulolíticas que producen (Kirk y Farrel, 1987).

En general, las enzimas degradadoras de polisacáridos están sujetas a mecanismos de regulación de su síntesis. Es decir, no se producen de modo constante, sino que su síntesis es inducida por el sustrato adecuado y es reprimida por azúcares fácilmente utilizables, en particular glucosa. El inductor más eficiente es el polímero-sustrato de las enzimas que serán sintetizadas. Sin embargo, debido a su alto peso molecular, no son compuestos que puedan penetrar en las células y ejercer su efecto (Béguin y Aubert, 1994). La producción de enzimas por hongos

Sandra Montoya Barretoa, Óscar Julián Sánchez Toro, Luis Fernando Gutiérrez Mosquera / Vector 6 (2011) 63-70

[ 64 ]

como C. versicolor puede depender de diversos factores como las condiciones microambientales y nutricionales en el sustrato que afectan la velocidad de crecimiento de cada una de las especies (Gutiérrez-Correa y Tengerdy, 1997; Carabajal et al., 2012). La biodegradación de la celulosa es un proceso sinérgico que implica en primera instancia las endoglucanasas y exocelobiohidrolasas, las cuales atacan las estructuras amorfa y cristalina de la celulosa produciendo celotriosas y celobiosas que posteriormente son degradadas hasta glucosa por la β-glucosidasa. La lignina es degradada por la interacción de diversas enzimas extracelulares, principalmente fenoloxidasas (lacasas) y peroxidasas (manganeso peroxidasa y lignina peroxidasa) (Martínez et al., 2005). Los basidiomicetos de pudrición blanca como C. versicolor se destacan por la producción de enzimas celulasas, xilanasas, lacasas y manganeso peroxidasa en procesos de fermentaciones en estado sólido utilizando sustratos lignocelulósicos (Asatiani et al., 2008; Montoya et al., 2011).

El modelamiento matemático de la cinética de cultivo de los hongos de pudrición blanca reviste especial interés debido a la falta de planteamiento de modelos con miras al escalamiento de los procesos de fermentación en fase sólida empleando macromicetos. Los modelos más reportados son el modelo lineal, el logístico y más recientemente, de dos fases (aceleración y desaceleración) (Sangsurasak et al., 1996), aunque estos modelos no incluyen el efecto de la concentración de nutrientes sobre el desarrollo (Ikasari y Mitchell, 2000; Mitchell et al., 2004; Van de Lagemaat y Pyle, 2005). Asimismo, para la descripción de la producción de biomasa en diversos tipos de procesos de fermentación se utilizan las expresiones tipo Monod y Logística modificada (Mitchell et al., 2004; Tavares et al., 2005; Sánchez y Cardona, 2007). Las expresiones matemáticas utilizadas para la descripción de la formación de productos dependen de qué clase de metabolito se esté produciendo; generalmente, las expresiones más simples son para los metabolitos primarios, ya que su formación se considera directamente proporcional a la formación de la biomasa celular teniéndose en cuenta los parámetros de matenimiento celular y crecimiento microbiano. En el caso de los productos intermedios del metabolismo primario y productos del metabolismo secundario, la descripción de su cinética de formación es más compleja que para los metabolitos primarios; ya que no existen hasta el momento expresiones simples bien definidas que abarquen a todas las sustancias pertenecientes a estos grupos. Actualmente no hay modelos matemáticos disponibles que permitan describir la producción de biosustancias de hongos

macromicetos, ni su crecimiento. Esta dificultad se debe, probablemente, a que cada uno de estos hongos se ve afectado directamente por factores intrínsecos y extrínsecos particulares como las características físicas y la composición química de los medios de cultivo, la procedencia de las cepas, la influencia de las condiciones ambientales y el crecimiento lento asociado a la gran mayoría de las especies de macromicetos en comparación con el tiempo de crecimiento de los micromicetos. De igual forma, para el análisis de la formación de productos en procesos de fermentación en estado sólido es necesario conocer varias de las sustancias que se forman durante el crecimiento y desarrollo del organismo, a fin de comprender el mecanismo de producción de las sustancias de interés y lograr plantear expresiones matemáticas que permitan la descripción y escalamiento de su proceso productivo.

El objetivo de este trabajo fue proponer y validar un modelo matemático para la descripción de los datos experimentales obtenidos del proceso de fermentación en estado sólido de C. versicolor sobre 12 formulaciones de sustrato a fin de realizar la descripción de la cinética de crecimiento del organismo, la degradación de los materiales lignocelulósicos y la producción de las enzimas lignocelulolíticas. La producción de biomasa, producción y consumo de azúcares reductores, consumo de celulosa y degradación de lignina.

2. Materiales y métodos

2.1. Microorganismos

La cepa de Coriolus versicolor PSUWC430 fue adquirida de Pennsylvania State University (EUA) y almacenada en la Colección interna de la Universidad de Caldas (UCC001). La cepa fue extendida sobre agar papa dextrosa (PDA) y mantenida en refrigeración a 4°C con transferencias periódicas.

2.2. Determinación de actividades enzimáticas

Los extractos para la determinación de las actividades enzimáticas (celulolíticas y ligninolíticas) fueron obtenidos de 1 g de sustrato fresco en 12 ml de agua destilada estéril neutra sometido a ultrasonido por 5 minutos y agitación por 10 minutos con posterior filtración y centrifugación.

Se determinaron las siguientes actividades hidrolíticas: endo-1,4-ß-D-glucanasa (ENG, EC3.2.1.4) por una reacción sobre sustrato de carboximetil celulosa (CMC) al 0,5% en buffer acetato de sodio pH 4,8 por 30 minutos a 50°C. La exo-1,4-ß-D-glucanasa

Representación matemática de la producción de enzimas lignocelulolíticas por fermentación en estado sólido empleando Coriolus versicolor

[ 65 ]

(EXG, EC3.2.1.91) por la reacción sobre un sustrato de celulosa cristalina 1% en buffer acetato de sodio pH 4,8 a 50°C por 60 minutos y agitación. La actividad de la ß-glucosidasa (BG, EC3.2.1.21) fue determinada utilizando p-nitrofenil β-D-glucopiranosido 0,02% en buffer acetato de sodio pH 4,8 como sustrato (Wood y Bhat, 1988).

La actividad de la lacasa (LAC, EC1.10.3.2) se determinó utilizando 0,5 mM de ABTS [2,2’-azinobis (3-etilbenztiazoline-6-sulfonato)] en solución 0,1 M de buffer acetato de sodio pH 3,6 como sustrato, según método de Paszczynski y Crawford (1991). La actividad de la manganeso peroxidasa (MnP, EC1.11.1.13) fue determinada utilizando como sustrato una solución 0,01% de rojo fenol en buffer succinato de sodio 0,1 M y pH 4,5 y sulfato de manganeso (0,22 g/L), con peróxido de hidrógeno 0,2 mM como iniciador de la reacción (Paszczczynski et al., 1988).

2.3. Cuantificación del contenido de N-acetil-D-glucosamina, biomasa y componentes de la fibra

El contenido de biomasa fúngica en los sustratos sólidos fue indirectamente estimado por la determinación del contenido de N-acetil-D-glucosamina (NAGA) después de la hidrólisis con HCl 6N grado analítico según el método de Plassard et al. (1982). Para ello se cuantificó paralelamente el contenido de NAGA por gramo de micelio del hongo de estudio, cultivándolo en medio líquido. El contenido de NAGA del micelio de C. versicolor fue determinado del desarrollo del micelio en medio líquido en matraces de 250 ml con 100 ml de medio de cultivo a los 25 días de fermentación.

Se determinaron los componentes de la fibra (celulosa, hemicelulosa y lignina) de los sustratos de cada una de las 12 formulaciones en 15 muestras tomadas para el hongo de estudio, así como la fracción soluble, empleando los resultados de la determinación de fibras detergente neutra, ácida y lignino-ácida (Leterme, 2010). El contenido de azúcares reductores como glucosa fue determinado por el método del ácido dinitrosalicílico (DNS) (Miller, 1959).

2.4. Modelamiento matemático del crecimiento del hongo y la producción de enzimas

Para la solución de los modelos matemáticos del proceso de fermentación en estado sólido se utilizó el software Matlab® 2010b (MathWorks, EUA). Para los modelos matemáticos planteados en ecuaciones diferenciales ordinarias se utilizó la función ode45 que está basada en una fórmula explícita de Runge-Kutta

(4,5) usando un par de Dormand-Prince (Dormand y Prince, 1980) y la función ode15s basada en una fórmula de orden variable que funciona mediante fórmulas de diferenciación numérica.

2.5. Análisis estadístico

Para todos los análisis estadísticos del presente trabajo se utilizó el software Matlab® 2010b. Este análisis se realizó en tres etapas. Primero se realizó un análisis de varianza a todos los datos del diseño experimental y sus posibles combinaciones (fórmula y tiempo de fermentación) mediante la función anovan. Luego se realizó un análisis comparativo (Kruskal-Wallis) de la capacidad de degradación de celulosa y lignina para la especie de hongo C. versicolor y las 12 formulaciones de sustratos mediante las funciones Kruskal-Wallis y multcompare.

Para evaluar si el modelo matemático propuesto describió adecuadamente los datos experimentales, se realizó una prueba F de una cola que parte de las siguientes hipótesis:

2,

0 2exp,

2,

1 2exp,

: 1

: 1

i

i

i

i

residuales F

datos F

residuales F

datos F

SH

S

SH

S

=

<

Donde: Fi está dado para i = 1,2,…,12, s2residuales es la

varianza de los residuales (desviaciones de los datos experimentales con respecto a los valores calculados por el modelo matemático) y se calcula para cada variable de respuesta medida y s2

datos exp es la varianza de la serie experimental de cada variable de respuesta medida. Para estos análisis se utilizaron las funciones vartest y vartest2 de Matlab. Con las varianzas de los residuales obtenidos para cada serie experimental se calcularon los porcentajes de cada una respecto a la serie que dio la mayor varianza de residuales, a fin de mostrar el ajuste de los datos experimentales al modelo matemático propuesto de forma más simple.

3. Resultados y Discusión

Se propuso un modelo matemático compuesto de ocho ecuaciones diferenciales (ver Tabla 1) a fin de ajustar los datos experimentales de las 12 formulaciones probadas para C. versicolor. El ajuste de los datos experimentales al modelo matemático propuesto se comparó mediante una prueba F de una cola, con la cual se obtuvieron las varianzas de los residuales entre los datos experimentales y el modelo, individualmente para cada variable medida, haciendo


[ 66 ]

la comparación de cada ecuación aplicada para todas las formulaciones de F1 a F12 y C. versicolor, lo que permitió probar la bondad del ajuste del modelo en términos de la mejor representación de los datos experimentales obtenidos.

Con el modelo matemático propuesto se describió la producción de biomasa y de cinco enzimas lignocelulolíticas, los azúcares reductores como producto intermedio consumido durante la misma fermentación, el consumo de celulosa y la degradación de lignina. Asimismo, los datos experimentales obtenidos en esta investigación fueron ajustados al modelo planteado a fin de contribuir con nuevas propuestas en el camino al planteamiento de modelos matemáticos más complejos que permitan la descripción de los procesos de fermentación en fase sólida con fines industriales. La ecuación propuesta para la descripción de la biomasa fue la ecuación (1), la cual corresponde a la ecuación logística modificada por Mitchell et al. (1999). Para describir la variación de los azúcares reductores en el tiempo se propuso la ecuación (2) que correspondió a un factor de producción constante que afecta la derivada de la velocidad de producción de biomasa, debido a que los azúcares reductores son considerados un producto de la fermentación que es consumido por el mismo hongo como fuente de energía y su variación se ajustó más a la velocidad de variación de la biomasa que a la variación de la biomasa misma. Para la degradación de lignina y el consumo de celulosa en el tiempo de fermentación se propusieron las ecuaciones (3) y (6) cuyo planteamiento se realizó en función de las concentraciones de las enzimas específicas responsables de la degradación de cada uno de los sustratos. La variación de las actividades enzimáticas celulolíticas (ENG y EXG) y las ligninasas (LAC y MnP) fueron propuestas como una producción que depende de la concentración del sustrato específico y de la velocidad de producción de la biomasa con un

factor de inhibición provocado por la concentración de azúcares reductores en el medio para las dos celulasas; mientras que para las dos ligninasas el factor de inhibición planteado fue la misma concentración de lignina en el medio [ver ecuaciones (4), (5), (7) y (8)]. La inhibición de las enzimas ligninolíticas puedo deberse a sustancias intermedias producidas durante la fermentación o probablemente por concentraciones muy altas de lignina (Tengerdy y Szakacs, 2003). Aunque aún no hay certeza de ello, los datos experimentales obtenidos en este trabajo mostraron una posible inhibición de las ligninasas y como no se determinaron productos intermedios durante el desarrollo de la fermentación, se asumió una inhibición por sustrato, en este caso por lignina. Finalmente, para la variación de la enzima BG se propuso una ecuación cuya producción dependió únicamente de la variación de la producción de biomasa con un factor de inhibición causado por la concentración de los azúcares reductores [ver ecuación (9)].

Debido a que en los procesos de fermentación en estado sólido no es posible determinar directamente la cantidad de biomasa, cuando éstas se realizan con hongos como C. versicolor, la biomasa debe ser determinada de forma indirecta, empleando el contenido de quitina a través de la cuantificación de N-acetil-D-glucosamina (NAGA), ya que los hongos basidiomicetos contienen quitina en su pared celular. En este trabajo se determinó el contenido de NAGA en 15 tiempos de la fermentación. Además, se le determinó el contenido de NAGA al micelio seco obtenido de cultivo líquido, obteniendo como resultado 14,15% (p/p) en C. versicolor. Estos porcentajes de NAGA fueron utilizados para calcular la cantidad de biomasa de los sustratos sólidos en cada uno de los tiempos de fermentación; siendo los datos de biomasa los utilizados para el modelamiento con la ecuación (1).


[ 67 ]

Tabla 1Modelo matemático para la descripción de producción de biomasa, enzimas lignocelulolíticas y consumo de los componentes de la matriz lignocelulósica

Ecuación Descripción Significado de los parámetros

. 1n

b bm b

bm

dC CCdt C

µ⎛ ⎞⎛ ⎞⎜ ⎟= −⎜ ⎟⎜ ⎟⎝ ⎠⎝ ⎠ (1)

Biomasa

µm: Velocidad específica de crecimiento de la biomasa (día-1)Cbm: Concentración de biomasa máxima (mg×gss-1)n: n < 1 el organismo es relativamente sensible a la autoinhibición y ésta ocurre para valores muy bajos de Cbn = 1 ecuación logístican > 1 el organismo es relativamente resistente a la autoinhibición y ésta ocurre solo cuando Cb ≈ Cbm

( ). . . 1 1 .AR

n

b bp m

bm

dC Cq ndt C

dCdt

µ⎡ ⎤⎛ ⎞⎢ ⎥= − + ⎜ ⎟⎢ ⎥⎝ ⎠⎣ ⎦ (2)

Azúcares reductores

qp: Coeficiente de producción constante de azúcares reductores (mg×mg-1×day-1)CAR: Concentración de azúcares reductores (mg×gss-1)

. .LL lac MnP

dC k C Cdt

= − (3)

Lignina kL: Lignin degradation coefficient (mg×gss×day-1×U-2)klac: Coeficiente de producción de lacasa (U×gss×mg-1×mg-1)kMnP: Coeficiente de producción MnP (U×gss×mg-1×mg-1)µlac: Coeficiente de inhibición Lacasa (U×mg-1×day-1)µMnP: Coeficiente inhibición MnP (U×mg-1×day-1)Clac: Actividad lacasa (U×gss-1)CMnP: Actividad MnP (U×gss-1)CL: Concentración lignina (mg×gss-1)

. . .lac blac L lac L

dC dCk C Cdt dt

µ= − (4)

Lacasa

. . .MnP bMnP L MnP L

dC dCk C Cdt dt

µ= − (5)

Manganeso peroxidasa

. .CC ENG EXG

dC k C Cdt

= − (6)

Celulosa kC: Coeficiente de consumo de celulosa (mg×gss×day-1×U-2)CC: Concentración de celulosa (mg×gss-1)

. ..ENG bENG ARENG C

dC dCk Cd

Ct dt

µ−= (7)

EndoglucanasakENG: Coeficiente de producción de ENG (U×gss×mg-1×mg-1)µENG : Coeficiente de inhibición ENG (U×mg-1×day-1)CENG: Actividad ENG (U×gss-1)

. ..EXG bEXG AREXG C

dC dCk Cd

Ct dt

µ−= (8)

ExoglucanasakEXG: Coeficiente de producción EXG (U×gss×mg-1×mg-1)µEXG : Coeficiente inhibición EXG (U×mg-1×day-1)CEXG: Actividad EXG (U×gss-1)

.. BGBG b

BG ARdC dCkt

Cd dt

µ−= (9)

β-glucosidasakBG: Coeficiente de producción β-glucosidase (U×mg-1)µBG : Coeficiente de inhibición β-glucosidase (U×mg-1×day-1)CBG: Actividad β-glucosidase (U×gss-1)

Observaciones. gss: gramo de sustrato sólido, U: unidad de actividad enzimática.

Los datos experimentales obtenidos de las 12 formulaciones de sustratos fueron probados con el modelo matemático propuesto, el cual presentó diferentes porcentajes de ajuste a las series de datos experimentales. No todas las variables presentaron el mismo ajuste. Es así como el mejor comportamiento para la descripción de azúcares reductores, se obtuvo para la serie experimental F7 con 87,3% de ajuste, y la que menor descripción o ajuste presentó fue la F12 con el 1%. En las figuras 1 y 2 se muestran los perfiles en el tiempo de cada una de las variables determinadas en este trabajo para las formulaciones F2, F3, F5 y F8. En todas las gráficas se muestran los ajustes de los datos experimentales de producción de biomasa, producción y consumo de azúcares reductores; en la Figura 1 se pueden observar además la degradación de lignina, producción de LAC y MnP para las formulaciones F2 y F3, y en la Figura 2 se pueden observar además el consumo de celulosa,

producción de las enzimas ENG, EXG y BG para las formulaciones F5 y F8. En cada una de las gráficas de las figuras 1 y 2, se puede observar el comportamiento de cada serie de datos experimentales con el modelo planteado. No es posible observar directamente de las gráficas los porcentajes de ajuste del modelo a cada serie de datos experimentales. Por ejemplo, para la biomasa con la F2 el ajuste fue de 91%, F3 de 25,5%, F5 de 20% y F8 del 67,3%; para la degradación de la lignina el ajuste obtenido para F2 fue de 88% para F2 y del 1% para F3; mientras que para la LAC el ajuste obtenido con F2 fue de 82,5% y 47,5% para F3. Asimismo, el ajuste del consumo de celulosa para F5 fue de 72,9% y para F8 de 89,3%. En referencia al ajuste de los datos experimentales de la producción de ENG para las formulaciones F5 y F8 fueron de 1%, mientras que para la EXG fueron de 84,3% y 97,8% respectivamente.


[ 68 ]

(a) (b)

Las línea continuas corresponden a las curvas calculadas por el modelo. Los datos de azúcares reductores se presentan multiplicados por diez.

Figura 1. Perfil en el tiempo de la biosíntesis de lacasa (LAC), manganeso peroxidasa (MnP) y biomasa fúngica, de la degradación de lignina (LIG) y de la formación y consumo de azúcares reductores (AR) durante la fermentación en estado sólido en bolsas. (a) Comportamiento para la combinación C. versicolor – F2. (b) Comportamiento para la combinación C. versicolor – F3.

En el presente estudio no se evidenció que una de las 12 formulaciones probadas fuera la de mejor comportamiento para la producción de las enzimas lignocelulolíticas, ya que cada uno de los títulos máximos de enzimas fueron obtenidos con diferentes formulaciones y a diferentes tiempos de fermentación. Es así como los títulos enzimáticos máximos obtenidos no fueron alcanzados para una

sola formulación como se observa en la Tabla 2.Con el fin de probar el modelo matemático, éste fue

aplicado a las 12 formulaciones de sustrato probadas con C. versicolor, obteniéndose como resultado del modelamiento los parámetros de ajuste de cada una de las ecuaciones aplicadas para cada uno de los datos experimentales.

(a) (b)

Las líneas continuas corresponden a las curvas calculadas por el modelo. Los datos de azúcares reductores se presentan multiplicados por diez.

Figura 2. Perfil en el tiempo de la biosíntesis de endoglucanasa (ENG), exoglucanasa (EXG), β-glucosidasa (BG) y biomasa fúngica (expresada como contenido de NAGA), y de la degradación de celulosa durante la fermentación en estado sólido en bolsas. (a) Comportamiento para la combinación C. versicolor – F5. (b) Comportamiento para la combinación C. versicolor – F8.


[ 69 ]

(a) (b)

Las líneas continuas corresponden a las curvas calculadas por el modelo. Los datos de azúcares reductores se presentan multiplicados por diez.

Figura 3. Perfil en el tiempo de la biosíntesis de lacasa (LAC), manganeso peroxidasa (MnP), endoglucanasa (ENG), exoglucanasa (EXG), β-glucosidasa (BG) y biomasa fúngica, de la degradación de lignina (LIG) y celulosa, y de la formación y consumo de azúcares reductores (AR) durante la fermentación en estado sólido en bolsas para la combinación C. versicolor – F9. (a) Comportamiento de la biosíntesis de ligninasas. (b) Comportamiento de la biosíntesis de celulasas.

Aunque existen numerosas investigaciones previas acerca de la producción de actividades enzimáticas lignocelulolíticas por diversos hongos de pudrición blanca, y la degradación de materiales lignocelulósicos, y aproximaciones sobre la formación de productos intermedios en procesos de fermentación en fase sólida (Meagher et al., 1988; Levin, 1998; Mitchell et al., 2002; Levin et al., 2008), se requiere una mayor información a fin de construir las cinéticas de formación de biomasa, de producción de enzimas, del consumo de nutrientes y degradación de la lignina que permitan la descripción del proceso global y posterior escalado para la obtención de alguno de los productos de interés como los que se plantean en este estudio. El planteamiento de las ecuaciones para la descripción de la cinética de cada una de las variables medidas se realizó bajo

la premisa de darle a cada expresión matemática algún sentido biológico respecto al compuesto a describir. Las expresiones propuestas describieron aceptablemente cada una de las variables medidas, ya que durante los procesos de fermentación en fase sólida se producen una gran cantidad de sustancias intermedias producto de las reacciones bioquímicas, además de las enzimas (muchas de las cuales no han sido valoradas) que producen los hongos de pudrición blanca cuando se utilizan como sustratos mezclas de materiales lignocelulósicos. Contemplar productos intermedios originados por la acción de las enzimas medidas, u otras enzimas no evaluadas y sus productos, contribuiría a una interpretación más acabada de los fenómenos complejos que ocurren durante el crecimiento de los macromicetos en los sustratos lignocelulósicos.

Tabla 2Máximas actividades enzimáticas de C. versicolor en FES sobre 12 formulaciones de sustra

Enzima β-glucosidasa Endoglucanasa Exoglucanasa Lacasa Manganeso peroxidasa

Actividad (U/gss) 71,05 78,75 74,5 106,76 7,36Formulación F5 F9 F5 F7 F2Día de mayor actividad enzimática

32 11 7 28 28

Observaciones. gss: gramo de sustrato sólido, U: unidad de actividad enzimática.

4. Conclusiones

El modelo matemático planteado en este estudio para la representación de los procesos de fermentación en estado sólido se realizó buscando describir el desarrollo del hongo de pudrición blanca C. versicolor sobre diferentes formulaciones

de sustratos lignocelulósicos, a fin de buscar puntos generales de interpretación de estos procesos que, por ser tan heterogéneos, se hacen complejos y carecen de expresiones matemáticas que permitan el escalamiento de los mismos con fines industriales, evitando hacer experimentación individual de cada proceso.


[ 70 ]

Agradecimientos

Los autores agradecen a la Vicerrectoría de Investigaciones y Postgrados de la Universidad de Caldas (Manizales, Colombia) por la financiación del presente trabajo, así como al Instituto de Biotecnología Agropecuaria y al Departamento de Ingeniería de la misma institución por el apoyo material y de infraestructura.

Referencias

Asatiani M.D., Kachlishvili E.T., Khardziani T.S., Metreveli E.M., Mikiashvili N.A., Songulashvili G.G., et al. (2008). Basidiomycetes as a source of antioxidants, lectins, polysaccharides, and enzymes. Journal of Biotechnology, 136S: S717-S742.

Béguin P., Aubert J.P. (1994). The biological degradation of cellulose. FEMS Microbiology Reviews, 13: 25-58.

Carabajal M., Levin L., Abertó E., Lechner B. (2012). Effect of co-cultivation of two Pleurotus species on lignocellulolytic enzyme production and mushroom fructification. International Biodeterioration & Biodegradation, 66: 71-76.

Dormand J.R., Prince P.J. (1980). A family of embedded Runge-Kutta formulae. Journal of Computational and Applied Mathematics, 6: 19-26.

Gutiérrez-Correa M., Tengerdy R.P. (1997). Production of cellulase on sugar cane bagasse by fungal mixed culture solid substrate fermentation. Biotechnology Letters in Applied Microbiology, 19: 665-667.

Ikasari L., Mitchell D.A. (2000). Two-phase model of yhe kinetics of growth of Rhizopus oligosporus in membrane culture. Biotechnology Bioengineering, 68: 619-627.

Kirk T.K., Farrel R.L. (1987). Enzymatic combustion: the microbial degradation of lignin. Annual Reviews of Microbiology, 41: 465-505.

Leterme P. (2010). Análisis de alimentos y forrajes. In: Protocolos de Laboratorio. Universidad Nacional de Colombia Sede Palmira: Palmira. 66 p.

Levin L. (1998). Biodegradación de materiales lignocelulósicos por Trametes trogii (Aphyllophorales, Basidiomycetes). Tesis Doctoral. Facultad de Ciencias Exactas y Naturales, Universidad de Buenos Aires: Buenos Aires.

Levin L., Herrmann C., Papinutti V.L. (2008). Optimization of lignocellulolytic enzyme production by the white-rot fungus Trametes trogii in solid-state fermentation using response surface methodology. Biochemical Engineering Journal, 39: 207-214.

Meagher M.M., Tao B.Y., Chow J.M., Reilly P.J. (1988). Kinetics and subsite mapping of β -D-xylobiose and D-xylose producing

Aspergillus niger endo-β-1,4-D-xylanase. Carbohydrates Resources, 173: 273-283.

Miller G.L. (1959). Use of DinitrosaIicyIic Acid Reagent for Determination of Reducing Sugar. Analytical Chemistry, 31(3): 426-428.

Mitchell D., Stuart D., Tanner R. (1999). Solid-State fermentation - Microbial growth kinetics. In: The Encyclopedia of Bioprocess Technology: Fermentation, Biocatalysis and bioseparation. Flickinger M.C., Drew S.W. (Eds.). Wiley: New York. 2407-2429

Mitchell D., Von Meien O., Krieger N. (2002). Recent developments in modeling of solid-state fermentation: heat and mass transfer in bioreactors. Biochemical Engineering Journal, 13: 137-147.

Mitchell D.A., Von Meien O.F., Krieger N., Dalsenter F.D. (2004). A review of recent developments in modeling of microbial growth kinetics and intraparticle phenomena in solid-state fermentation. Biochemical Engineering Journal, 17: 15-26.

Montoya B.S., Orrego C.A., Levin L. (2011). Growth, fruiting and lignocellulolytic enzyme production by the edible mushroom Grifola frondosa (maitake). World Journal of Microbiology and Biotechnology. ISSN 0959-3993. DOI 10.1007/s11274-11011-10957-11272.

Paszczynski A., Crawford R.L. (1991). Degradation of azo compounds by ligninases from Phanerochaete chrysosporium Involment of veratryl alcohol. Biochemistry Biophysics resources communications, 178: 1056-1063.

Paszczczynski A., Crawford R., Huyn V. (1988). Manganese peroxidase of Phanerochaete chrysosporium purification. Methods enzymology, 161: 264-270.

Plassard C., Mousain D., Salsac L. (1982). Estimation of mycelial growth of basidiomycetes by means of chitin determination. Phytochemistry, 21: 345-348.

Sánchez O.J., Cardona C.A. (2007). Producción de Alcohol Carburante: Una Alternativa para el Desarrollo Agroindustrial. Universidad Nacional de Colombia: Manizales. 386 p.

Sangsurasak P., Nopharatana M., Mitchell D. (1996). Mathematical modeling of the growth of filamentous fungi in solid-state fermentation. Journal Science Industrial Resources, 55: 333-342.

Tavares A., Coelho M., Coutinho J., Xavier A. (2005). Laccase improvement in submerged cultivation: induced production and kinetic modelling. Journal of Chemical Technology and Biotechnology, 80: 669-676.

Tengerdy R.P., Szakacs G. (2003). Bioconversion of lignocellulose in solid substrate fermentation. Biochemical Engineering Journal, 13: 169-179.

Van de Lagemaat J., Pyle D.L. (2005). Modelling the uptake and growth kinetics of Penicillium glabrum in a tannic acid-containing solid-state fermentation for tannase production. Process Biochemistry, 40: 1773-1782.

Wood T., Bhat K. (1988). Methods for measuring cellulose activities. Methods Enzymology, 160: 87-112.

representación matemática de la producción de...

Documents