Forschen • Ausbilden • Vernetzen
Für eine nachhaltige Bioökonomie

Forschen • Ausbilden • Vernetzen
Für eine nachhaltige Bioökonomie
SEED FUND 3.0 - Projekt PREDIG

Modelling software to predict the enzymatic digestion of biomass

Foto: HHU Düsseldorf

Zusammenfassung

PREDIG ist eine multidisziplinäre Zusammenarbeit, die das experimentelle und theoretische Fachwissen der beiden Arbeitspakete integriert, um ein kostenloses, quelloffenes und benutzerfreundliches Software-Tool zur Vorhersage der enzymatischen Verzuckerung von Lignocellulose-Biomasse zu entwickeln. Der Modellierungsansatz folgt einem Gillespie-Algorithmus zur Durchführung stochastischer Simulationen der Verzuckerungsdynamik einer dreidimensional aufgelösten Lignocellulose-Mikrofibrille, die in Zusammensetzung, Struktur und Kristallinität variieren kann und von einem abstimmbaren Enzymcocktail, bestehend aus Cellulasen und Hemicellulasen, verdaut wird.
Als experimenteller Ansatz wurden Phosphorsäure-OrganoCat-Behandlungen (OrganoCatPA) ohne (1) und mit (2) einem zusätzlichen Quellungsschritt gewählt, um die Auswirkungen der Kristallinität und der Zelluloseverunreinigungen auf die enzymatische Hydrolyse verschiedener Biomassen zu untersuchen. Vier repräsentative Biomassen wurden auf der Grundlage einer Analyse der chemischen Zusammensetzung ausgewählt. OrganoCatPA-Behandlungen verbesserten die Reinheit der Zellulose erheblich und reduzierten den Gehalt an Matrixpolysacchariden (MPS) und Lignin, was zu einem höheren Kristallinitätsindex (CI) für OrganoCatPA(1)-Zellstoffe führte. OrganoCatPA(2) mit Quellung zeigte unterschiedliche CI-Ergebnisse. Die enzymatische Hydrolyse ergab unterschiedliche Glukoseausbeuten pro Pflanzenzellulosegehalt, wobei Sida die höchste Ausbeute aufwies.
OrganoCatPA-Behandlungen, insbesondere OrganoCatPA(1), verbesserten die Verzuckerungsausbeute erheblich, trotz geringerer Gesamtverunreinigungen und Kristallinität in OrganoCatPA(2)-Zellstoffen. Vergleiche mit handelsüblichen Cellulosen und Lignin-Cellulose-Mischungen verdeutlichten den Einfluss von Lignin auf die Verzuckerungseffizienz. Die Studie kommt zu dem Schluss, dass die Auswirkungen der Quellung auf den Zellstoff von der Art der Lignozellulose abhängen und dass Faktoren, die über die Kristallinität hinausgehen, eine entscheidende Rolle bei der enzymatischen Verzuckerung spielen.
Die Software wurde als Open-Source-Webanwendung veröffentlicht, die unter https://predig.cs.hhu.de/ zugänglich ist. Neben der Veröffentlichung der Webanwendung hat das Projekt nicht nur zur Entwicklung der OrganoCat- Verarbeitungstechnik geführt, die die Lignozellulosefraktionierung verbessert, sondern auch zu einer tief greifenden Sensitivitätsanalyse, die die Schlüsselfaktoren für die Verzuckerung von Lignozellulose aufgezeigt hat. Beide Artikel wurden, abgesehen von der Softwarefreigabe, auch als von Experten begutachtete Artikel veröffentlicht.

Ergebnisse

Als Gesamtziel des BioSC Seed Fund 3.0 Projekts PREDIG hat das Team um Dr. Adélaïde Raguin (HHU Düsseldorf) erfolgreich eine Webanwendung zur Simulation der Verzuckerung von Biomasse entwickelt, die nun online verfügbar ist und im Computational and Structural Biotechnology Journal veröffentlicht wurde.

SEED FUND 3.0 Projektleiter

Dr. Raguin
Computergestützte Zellbiologie
HHU Düsseldorf
email: Adelaide.Raguin[at]hhu.de

 

Partner

Prof. Dr. Lercher, Computergestützte Zellbiologie, HHU Düsseldorf
Prof. Dr. Schurr & Dr. Klose & Dr. Grande, IBG-2: Pflanzenwissenschaften, Forschungszentrum Jülich

 

Projektlaufzeit

01.02.2022 - 31.12.2023

 

Förderung

PREDIG ist Teil des NRW-Strategieprojekts BioSC und wurde vom Ministerium für Kultur und Wissenschaft des Landes Nordrhein-Westfalen gefördert.

 

Publikationen

De, PS, Grande, P, Heise, H, Klose, H and Raguin, A (2024). Stochastic model highlights the impact of crystallinity on saccharification dynamics depending on plant chemotype and pre-treatment.

De, PS, Theilmann, J and Raguin, A (2024). A detailed sensitivity analysis identifies the key factors influencing the enzymatic saccharification of lignocellulosic biomass. Computational and Structural Biotechnology Journal 23: 1005-1015.

De, PS, Glass, T, Stein, M, Spitzlei, T and Raguin, A (2023). PREDIG: Web application to model and predict the enzymatic saccharification of plant cell wall. Computational and Structural Biotechnology Journal 21: 5463-5475.

Klose, H and Paës, G (2023). Editorial: Understanding plant cell wall recalcitrance for efficient lignocellulose processing. Frontiers in Plant Science 14.  

Martinez Diaz, J, Grande, PM and Klose, H (2023). Small-scale OrganoCat processing to screen rapeseed straw for efficient lignocellulose fractionation. Frontiers in Chemical Engineering 5.