Il existe des microorganismes naturellement producteurs d’isopropanol tels que les bactéries du type Clostridium. Ainsi, la voie métabolique de production d’isopropanol a été identifiée et insérée chez des microorganismes hôtes. Dans le cadre du projet international, Grousseau et al., (2014) ont incorporé cette voie métabolique chez Cupriavidus necator qui représente un candidat de choix pour la production à échelle industrielle.
Cependant, parmi l’éventail des microorganismes producteurs de cet alcool, il semble qu'aucune approche de modélisation dynamique n’ait été réalisée jusqu'à présent.

Dans ce travail de thèse, un modèle mathématique a été mis au point pour décrire le bioprocédé de production d’isopropanol par la bactérie Cupriavidus necator.
Ce modèle se base sur une approche innovante, dite hybride cybernétique, qui a été introduite par Kim et al.,(2008).Cette méthode associe l’analyse d'un réseau métabolique, la dynamique du bioprocédé et des lois cybernétiques permettant de décrire les mécanismes de régulations cellulaires. Les concepts de cybernétique associés voient le microorganisme comme un stratège optimisant les procédés de régulation des réactions biochimiques le constituant.
Cette modélisation, permettant d'accéder aux dynamiques intra et extra cellulaires, a été supplémentée et adaptée pour l'étude d'une bactérie productrice d'isopropanol cultivée en fermenteurs en conditions intenses de production.

Tout d'abord, un premier modèle a été formulé pour caractériser la souche de Cupriavidus necator en mode discontinu (batch). Le modèle décrit avec justesse la première phase de croissance, ainsi que la seconde phase deproduction de l’alcool induite par une carence en azote.
Puis, l’objectif étant à terme de produire la molécule à grande échelle, le modèle a été calibré pour une culture en mode discontinu alimenté (fed-bach) dans un bioréacteur instrumenté. Des jeux de données expérimentalesindépendants ont permis la calibration et la validation du modèle.
Ainsi, ce modèle permet d’accéder à la dynamique du système mais reste pour autant d’une complexité modérée.
C’est donc un outil de vif intérêt pour le changement d’échelle et pour le contrôle des bioprocédés. |
Isopropanol production metabolic pathway was identified in natural producer microorganisms such as Clostridium, and was incorporated in host microbes. In the international project framework, Grousseau et al., (2014) inserted the metabolic pathway into the bacterium Cupriavidus necator, which constitutes a promising candidate for industrial scale production.
Nonetheless, among the miscellaneous isopropanol producer microorganisms, it seems that, until now, nonedynamic metabolic modeling approach was realized.

In this PhD project, a mathematical model was proposed to describe isopropanol production by the bacterium Cupriavidus necator.
This model is based on an innovative approach, said hybrid cybernetic, which was introduced by Kim et al., (2008). This method combines metabolic network analysis, dynamic of the bioprocess and cybernetic laws enabling to describe cellular regulation mechanisms. In cybernetic concepts, a microorganism is seen as an strategist optimizing regulation processes of biochemical reactions. This modeling approach, capable to access to intra and extra cellular dynamics, was completed and adapted for the study of the producer isopropanol strain which was cultivated in bioreactors.
First of all, the model was formulated to characterize the C. necator strain in batch mode culture. The model describes accurately the growth phase and the alcohol production phase induced by a itrogen depletion and by the operon activation.
Then, the long term objective being to produce the molecule at a large scale, the model was calibrated for a fed- batch culture in a larger instrumented bioreactor. Independent experimental data sets allowed the model calibration and validation.
Hence, this predictive model enables accessibility to the system dynamics with a moderate complexity. It is then a very interesting tool to apprehend the scale-up and bioprocess control. |