Làm thế nào Raman trực tuyến làm cho một lò phản ứng sinh học có ý nghĩa

Một bài báo cho thấy rằng thách thức chính trong việc theo dõi lên men trực tuyến không chỉ là "có thể đo lường" mà còn "đánh giá chính xác". Nếu glucose và ethanol trong một lò phản ứng sinh học là "những nhân vật chính vô hình", thì Raman trực tuyến là chùm ánh sáng tiết lộ chúng trong thời gian thực. Nghiên cứu này, được công bố trên Spectrochimica Acta Phần A, tập trung vào cách Raman trực tuyến có thể đẩy giới hạn phát hiện (LOD) khi theo dõi các lò phản ứng sinh học,và cung cấp hướng dẫn rất thực tế cho việc phát triển mô hình.

Nghiên cứu này đã làm gì?

Sử dụng quá trình lên men rượu như một hệ thống mô hình, các tác giả đã chèn một đầu dò Raman in situ trực tiếp vào môi trường lò phản ứng sinh học để theo dõi lượng glucose và ethanol trực tuyến.

Trọng tâm không chỉ đơn giản là về việc đo lường có thể không, mà còn về hai câu hỏi thực tế hơn: đầu tiên, làm thế nào để cải thiện tỷ lệ tín hiệu-tầm ồn; thứ hai,làm thế nào để giữ cho mô hình ổn định và đáng tin cậy trong một hệ thống hỗn hợp phức tạp.

Giá trị cốt lõi của Raman trực tuyến:

Khía cạnh đáng chú ý nhất của nghiên cứu này là nó thúc đẩy Raman trực tuyến từ một công cụ mô tả quy trình sang một công cụ phân tích trực tuyến phù hợp với kiểm soát định lượng.Các tác giả nói rõ rằng Raman trực tuyến có thể thu thập thông tin lên men tại chỗ, trong thời gian thực, và không phá hoại một tính năng đặc biệt có giá trị cho các ứng dụng chế biến sinh học đòi hỏi phải theo dõi liên tục mức tiêu thụ chất nền và sự hình thành sản phẩm.

Quan trọng hơn, Raman không nhạy cảm với nền nước và rất phù hợp để đo trực tiếp các hệ thống chất lỏng.nó phù hợp hơn nhiều với việc theo dõi lò phản ứng trực tuyến so với nhiều phương pháp ngoại tuyến đòi hỏi lấy mẫu thường xuyên và chuẩn bị mẫu.

Điều này có nghĩa là Raman trực tuyến không chỉ là một công cụ phân tích phụ trợ mà nó có thể thực sự được nhúng vào chuỗi kiểm soát quy trình và phục vụ mục đích của Công nghệ phân tích quy trình (PAT).

Những đổi mới của nghiên cứu này:

Một điểm nổi bật là các tác giả không bắt đầu bằng cách xây dựng mô hình trực tiếp với nước dùng lên men thực sự.và sau đó thực hiện xác nhận với hỗn hợp các tỷ lệ khác nhau.

Ưu điểm của chiến lược này là nó cho phép đóng góp quang phổ của mỗi thành phần riêng biệt được giải quyết rõ ràng, giảm can thiệp lẫn nhau,và giúp xác định các đỉnh đặc trưng.

Một điểm nổi bật khác là các tác giả nhấn mạnh mạnh vào việc tối ưu hóa tỷ lệ tín hiệu-tầm ồn.và cuối cùng đã chọn phơi sáng 80 s với 3 tích lũy là sự cân bằng tốt nhất giữa chất lượng tín hiệu và thời gian thu thập.

Điều này chứng minh rằng hiệu suất của Raman trực tuyến không chỉ phụ thuộc vào chính công cụ mà còn phụ thuộc vào các thông số mua lại, có thể ảnh hưởng đáng kể đến hiệu suất của mô hình cuối cùng.

Kết quả cho thấy gì?

Sau khi xây dựng nhiều mô hình PLS, các tác giả đã phát hiện ra rằng bằng cách thu hẹp phạm vi nồng độ của bộ hiệu chuẩn từ 0,5 ‰ 100 g / L đến phạm vi nồng độ thấp (0,5 ‰ 10 g / L),giới hạn phát hiện cho cả ethanol và glucose được cải thiện đáng kể, đạt 0,42 g/l và 1,55 g/l.

Phát hiện này rất hữu ích cho giám sát trực tuyến: giới hạn phát hiện thấp hơn không phải lúc nào cũng đến từ nhiều dữ liệu hơn, nhưng có thể là kết quả của sự phân phối dữ liệu hợp lý hơn.

Tuy nhiên, các tác giả cũng cảnh báo về một sự đánh đổi quan trọng: nếu tập huấn quá thiên vị đối với nồng độ thấp, hiệu suất dự đoán ở nồng độ cao sẽ xấu đi.

Nói cách khác, mô hình hóa cho Raman trực tuyến không chỉ đơn giản là "càng hẹp càng tốt". Thay vào đó, người ta phải cân bằng giới hạn phát hiện và độ chính xác đầy đủ dựa trên các mục tiêu thực tế của quy trình.

Trong một câu

Giá trị quan trọng nhất của bài báo này không phải là "chứng minh rằng Raman có thể đo glucose và ethanol",nhưng cho thấy rằng con đường để thực tế quy trình ứng dụng của trực tuyến Raman phụ thuộc vào giới hạn phát hiện thấp, mô hình mạnh mẽ, và thiết kế bộ dữ liệu chu đáo.