← 論文一覧に戻る

CFDを活用したハイブリッドモデリングにより、Methanothermobacter marburgensisにおけるスケーラブルで調整可能なアミノ酸生産を実現

CFD-Informed Hybrid Modeling Unlocks Scalable, Tunable Amino Acid Production in <i>Methanothermobacter marburgensis</i> (原題)

Haslinger B, Reischl B, Steger F, Krippl M, Gsenger L, Hilts E, Ruddyard A, Stadlbauer M, Drießler S, Palabikyan H, Bochmann G, Duerkop M, Rittmann SKR

Research Squareプレプリント2026-07-10#CCUS経営インパクト: コスト削減対象セクター: biotechnology
DOI: 10.64898/2026.07.09.737395
原典: https://doi.org/10.64898/2026.07.09.737395

🤖 gxceed AI 要約

日本語

本研究は、メタン生成古細菌Methanothermobacter marburgensisを用いたCO2からのアミノ酸生産のスケーラブルな戦略を提示。実験計画法(DOE)とCFD由来のハイブリッドモデリングにより、プロセスパラメータを最適化し、ラボから150Lスケールへの2000倍のスケールアップを達成。これは産業バイオテクノロジーにおけるカーボンキャプチャーの有効な手段となる。

English

This study presents a scalable strategy for amino acid production from CO2 using the methanogenic archaeon Methanothermobacter marburgensis. Through Design of Experiments and CFD-informed hybrid modeling, process parameters were optimized, achieving a 2000-fold scale-up from lab to 150L reactors. This positions archaea as a promising platform for carbon capture and utilization in industrial biotechnology.

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

📝 gxceed 編集解説 — Why this matters

日本のGX文脈において

日本では、バイオものづくりによるカーボンリサイクルが注目されており、本研究成果はNEDOのグリーンイノベーション基金事業などと連動する可能性がある。特に、水素を利用したCO2固定化は、日本の水素社会戦略とも整合する。

In the global GX context

This work directly addresses global carbon capture and utilization (CCU) challenges, demonstrating a scalable biological route to convert CO2 into valuable products. The hybrid modeling approach offers a pathway for industrial deployment, relevant to global climate mitigation strategies.

👥 読者別の含意

🔬研究者:Demonstrates a scalable biological CCU platform using archaea, with a hybrid modeling approach transferable to other gas fermentation systems.

🏢実務担当者:Offers a validated scale-up methodology for bioprocesses that convert CO2 into marketable amino acids, potentially useful for developing carbon-negative products.

🏛政策担当者:Provides evidence for biological CO2 utilization as a viable decarbonization technology, supporting policies that promote circular carbon economy.

📄 抄録（日本語訳）

メタン生成古細菌、例えば *Methanothermobacter marburgensis* は、二酸化炭素（CO₂）と分子状水素（H₂）を直接タンパク質構成アミノ酸（AA）へ変換する、炭素回収と価値化のための強力な生物学的プラットフォームを代表する。本研究では、連続ガス発酵においてAA生産（生合成と分泌）を調整するための、制御可能かつスケーラブルな戦略を提示する。様々な実験計画法（DOE）手法を適用することにより、AA生合成を支配し、標的とするAA分泌プロファイルを形成する主要なプロセスパラメータを体系的に特定し、最適化した。実験データと計算流体力学（CFD）に由来するスケール非依存パラメータを組み合わせたハイブリッドモデリングフレームワークにより、バイオリアクター規模全体にわたる堅牢な性能予測が可能となった。このモデル駆動型アプローチは、プロセスを120 mLガラス瓶から2 L、さらに150 Lリアクターへと、反応容積スケールアップ係数2000に相当する規模で首尾よく移行させた。これらの知見は、持続可能なAA生産のための堅牢かつ予測可能なプラットフォームの基盤を築き、古細菌を産業バイオテクノロジーにおける高い可能性を秘めた代替手段として位置づけるものである。

AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。

📄 Abstract（原文）

Methanogenic archaea, such as Methanothermobacter marburgensis , represent a powerful biological platform for carbon capture and valorization, directly converting carbon dioxide (CO 2 ) and molecular hydrogen (H 2 ) into proteinogenic amino acids (AAs). In this study, we present a controlled and scalable strategy for tailoring AA production (biosynthesis and secretion) in continuous gas fermentation. By applying various Design of Experiments (DOE) techniques, we systematically identified and optimized key process parameters governing AA biosynthesis and shaping a targeted AA secretion profile. A hybrid modeling framework combining experimental data with scale-independent parameters derived from computational fluid dynamics (CFD) enabled robust performance prediction across bioreactor scales. This model-driven approach successfully translated the process from 120 mL glass bottles via 2 L to 150 L reactors, corresponding to a reaction-volume scale-up factor of 2000. These findings set the foundation for a robust and predictive platform for sustainable AA production, positioning archaea as a high-potential alternative in industrial biotechnology.

🔗 Provenance — このレコードを発見したソース

🔔 こうした論文の新着を逃したくない方は キーワードアラート に登録（無料・3キーワードまで）。

gxceed は公開メタデータに基づく研究支援データセットです。要約・翻訳・解説は AI 支援で生成されています。 最終的な解釈・検証は利用者が原典資料に基づいて行うことを前提とします。