Korean Society for Biotechnology and Bioengineering Journal Korean Society for Biotechnology and Bioengineering Journal

pISSN 1225-7117 eISSN 2288-8268

Article

Home All Articles View

Research Paper

Korean Society for Biotechnology and Bioengineering Journal 2023; 38(3): 162-168

Published online September 30, 2023 https://doi.org/10.7841/ksbbj.2023.38.3.162

Copyright © Korean Society for Biotechnology and Bioengineering.

반응표면분석법을 이용한 고농도의 보릿짚 전처리 고형물의 당화반응 조건 최적화

Optimization of Enzymatic Saccharification with Pretreated Barley Straw of High Loading by Response Surface Methodology

Soo-Yeon Kim, Ji-Bong Choi, Kwang-Soo Kim, Da-Hee An, Jaehee Jeong, and Young-Lok Cha*

Bioenergy Crop Research Institute, National Institute of Crop Science, Rural Development Administration, Muan 58545, Korea

Correspondence to:Tel: +82-61-450-0131, Fax: +82-61-453-0085
E-mail: biocha@korea.kr

Received: August 3, 2023; Revised: August 11, 2023; Accepted: August 14, 2023

In this study, the parameters of the enzymatic hydrolysis process were optimized using response surface methodology to increase the saccharification efficiency with pretreated barley straw of high loading. A central composite design was adopted as the experimental design to investigate the interaction between variables at different levels and derive an optimal point by the fitted model. Through ANOVA analysis, the fitted model was turned to be significant statistically and suitable for explaining the data with Adj. R2 value (0.92). The optimal point was suggested as barley straw 20.53%, enzyme 70 mg/g-glucan, incubation time 72 h, saccharification yield was 93.25% with satisfying the 95% prediction interval. Using the optimal point, separate hydrolysis and fermentation was performed to investigate the saccharification reproducibility at scale-up and suitability of saccharification solution for the microbial fermentation.

Keywords: enzymatic hydrolysis, response surface methodology, barley straw, succinic acid.

지난 수십 년 동안 에너지 소모량의 증가로 인해 기후변화의 심각성이 대두되면서 원유 기반 에너지를 대체할, 재생 가능한 에너지원의 개발에 대한 의무성이 더해지고 있다 [1,2]. 재생 가능한 대체 에너지원으로는 전분계, 당질계 및 섬유질계 바이오매스가 있으며, 이 중에 비식량계 작물이자 높은 부존량을 갖는 섬유질계 바이오매스는 가장 주목받는 후보군이다 [3]. 그러나, 섬유질계 바이오매스의 상업적 활용 수준은 아직 미비한 실정으로, 기술개발이 지속적으로 요구되고 있다.

섬유질계 바이오매스는 40-50 %의 셀룰로오스, 25- 30%의 헤미셀룰로오스, 15-20%의 리그닌 그리고 소량의 회분으로 구성된다 [4]. 주요 세 고분자는 분리 및 가수분해하는 단위 공정들을 통해 최종 산업소재로 전환된다 [5,6]. 이 전환공정에서 중요 단계 중 하나는 셀룰로오스 및 헤미셀룰로오스를 단당류로 전환하는 당화공정이다. 효소를 처리하는 효소당화조건은 높은 당화율 및 저해물질 생성의 최소화로 선호되는 공정이지만, 효소 단가 때문에 공정비용이 높아지므로 경제적 측면을 강화할 수 있는 공정의 대안이 필요하다. 하나의 대안으로는 기질처리량을 높이는 것으로, 고농도 기질의 기준은 15 %(w/w) 이상의 농도를 말한다 [7,8]. 이 당화조건은 일회분의 조업당 많은 양의 산물을 얻으므로 공정 규모축소 및 조업비를 감소시키게 되며, 이러한 이점으로 바이오에탄올 대량생산시에도 20% 이상의 바이오매스 처리량이 선호된다 [8,9]. 그러나 섬유질계 바이오매스의 흡수성으로 인해 물질전달속도의 감소, 고농도 당에 의한 되먹임 억제와 같은 당화반응의 저해가 발생하기 쉽다. 따라서 고농도의 기질 처리 조건에서 당화효소와 잘 반응할 수 있는 효율적인 공정의 확립이 필요하다 [9-11].

고농도의 바이오매스 처리의 목적과 부합하게, 공정의 경제적 실현가능성을 높이기 위해서는 당화율을 높이고 비용을 절감하는 방향으로 공정 변수들을 최적화하는 것이 중요하다. 당화공정의 최적화를 위해 가장 많이 사용되는 방법은 통계적 방법인 반응표면분석법이다 [10-14]. 반응표면분석법은 다양한 수준에서 변수들의 교호작용을 조사하여 함수식을 확립하고 반응변수가 최대가 되는 최적점을 도출하는 실험설계법이다. 이것은 one-factor-at-a-time에서 흔히 발생할 수 있는 국소적 최적화와 대비되는 방법으로, 바이오, 의약, 화학산업 등 다양한 분야에서 공정최적화를 위해 사용되고 있다. 반응표면분석법에 사용되는 다양한 디자인 있는데 그중 본 논문에서는 가장 대중적으로 이용되는 central composite design을 선택하였다. 이 실험디자인은 full factorial design에 곡면성을 추정할 수 있는 축점을 더하여 2차 함수식을 가정함으로써 적은 수의 실험으로 변수간의 정교한 교호관계를 파악할 수 있는 실험 디자인이다. 곡면성을 추정하는 축점은 central composite design에만 있기 때문에 2차 다항식을 가정할 경우 다른 실험디자인보다 더 정확한 식을 도출할 수 있다 [10,11,15].

본 연구에서는 고농도의 보릿짚 전처리 고형물 처리 조건에서 높은 당화율을 얻을 수 있도록 반응표면분석법을 이용하여 당화반응 조건을 최적화하였다. 반응표면분석법을 통해 독립변수간의 교호작용을 조사하였고, 도출된 최적점을 이용하여 숙신산 생산을 위한 분리당화발효를 수행하여 당화액의 활용성을 검토하였다.

2.1. 보릿짚 전처리

본 연구에 사용된 보릿짚은 2021년도 전라남도 영광에서 수거하였다. 48 시간 동안 자연건조 후, 5-10 cm 크기로 조분쇄(Sechangmachine, Korea) 및 3 mm 크기로 미분쇄 (Korea Powder SystemCo. Ltd., Korea) 하였다. 회분식의 고온·고압압출식 반응기 (Changhae Eng, Korea)에서 고액비를 1:9로 하여 1시간동안 Organosolv 공정을 수행하였고, 여기서 사용된 용매는 에탄올과 NaOH의 혼합액이었다. 회수된 전처리물은 Buchner funnel과 10 μm nylon membrane을 이용하여 흑액과 고형물을 분리하였고 전처리 고형물은 흐르는 물에 세척하여 중화하였다. 24시간동안 oven dry에서 건조시킨 후 사용할 때까지 데시게이터에 보관하였다.

2.2. 효소당화반응

NREL에서 개발된 실험방법 (NREL/TP-5100-63351)에 따라 전처리된 보릿짚 시료의 효소 당화 반응을 수행하였다 [16]. 바이오매스 당화에 효과적인 cellulases, β-glucosidase. hemicellulase의 칵테일 형태인 Cellic CTec 3 (Novozymes, Denmark)를 당화 효소로 사용하였다. 50 mL의 Erlenmeyer Flasks에서 반응 부피는 20 mL, 교반 속도 및 반응 온도는 180 rpm 및 50°C로 하였다. pH 수준을 5.0으로 유지하기 위해 1 M citrate buffer (pH 4.8) 및 1 M의 황산을 pH 조절제로 사용하였으며 당화증진물질인 polyethylene glycol 8000(PEG, Sigma-aldrich, USA)를 3% 농도로 첨가하였다 [17]. 당화율 계산식은 아래와 같다.

Glucan 전환율 (당화율, %)=(전환된 glucose (g/L)×총 반응부피 (L)×0.9)전처리 고형물 (g)×(전처리 고형물의 glucan 함량)×100(%)

2.3. 반응표면분석법

당화공정의 주요 요소인 바이오매스 농도 (%, w/v), 당화효소 농도 (mg/g-glucan) 및 반응시간 (h)의 최적점을 얻기 위해 통계적 방법인 반응표면분석법을 이용하였다. 통계 프로그램으로는 Design-expert software (version 6.0, stat-ease)을 이용하였다. 반응표면분석법은 최적조건의 근처 영역에서 독립변수의 교호작용을 정교하게 설명하며 반응변수 값의 예측을 통해 독립변수들의 최적점을 제시하는 2차 다항식을 가정하는 실험 방법이다. 실험디자인으로는 central composite design으로, full factorial design에 axial point를 더함으로써 full factorial design에서 3가지 수준일 때의 실험수보다 적은 수의 실험으로 2차 모형을 가정할 수 있는 디자인이다. Factorial point (2n, ±1), axial point (2n, ±α) 및 center point (3, 0)으로 구성되어 각 독립변수는 5가지 수준에서 조사하였다. 여기서, α 값은 rotatable design에 적합한 수인 (2n)1/4으로, 1.682에 해당하였다. 반응변수는 당화율로, 계산식 (1)은 위에 제시하였다. 총 실험수는 17개였으며 이중반복으로 수행하였으며, 여기서 중심점은 삼중반복으로 하였다. 실험결과는 ANOVA를 이용하여 분석하였으며 반응변수에 대한 요인의 주효과 및 교호작용은 아래와 같은 2차 함수식으로 제시하였다.

Y=β0+β0Xi+βijXiXj+βiiXi2+ε

Y는 반응변수, X는 독립변수, βi, βij, βii 는 순수 2차항, 교호작용항, 1차항 대한 회귀계수이며 β0은 상수항이다. 여기서 오차항 (ε)은 예측값과 실제값의 차이다.

회귀식과 각 항의 유의성 검정시 유의수준은 0.05 였다. 회귀식 (3)의 재현성 검증을 위해 최적점 (보릿짚 전처리 고형물, 20.53 %; 당화효소, 70 mg/g-glucan; 반응시간, 72 h)에서 당화반응을 수행하였으며 반응변수의 95% prediction interval (PI)에 포함되는지의 여부를 확인하였다.

2.4. 숙신산 생산 균주 및 종균배양

Actinobaciilus succinogenes ATCC 13032를 숙신산 생산균주로 사용하였으며, 이 균주는 American Type Culture Collection (ATCC, USA)에서 구매하였다. 50% glycerol stock으로 보관된 균주를 10 uL loop (SPL, South Korea)를 이용하여 고체배지 (Tryptic soy agar)에 접종하였으며 37°C에서 36시간 동안 배양하였다. 단일 콜로니는 액상배지 (Tryptic soy broth)에 접종하여 12시간동안 배양하였으며, 이를 생산배양의 접종액으로 사용하였다.

2.5. 보릿짚 당화액을 이용한 숙신산 발효

반응표면분석법의 회귀식 (3)으로부터 도출된 최적점을 이용하여 보릿짚 전처리 고형물의 당화액을 얻었다 (Table 4). 분리당화발효는 5 L CSTR (Fermentec Co., Korea)에서 1.5 L의 배양 부피로 조업하였으며 교반 임펠러 및 속도는 각각 rushtone disc turbine impeller 및 150 - 300 rpm이었다. CO2 gas는 0.1 vvm (l/l/min)의 속도로 폭기하였으며, 본 생산균주의 발효시 pH를 최적 조건인 6.8로 유지하도록 3 M Na2CO3를 pH buffer로 사용하였다. 발효시 사용한 배지는, 보릿짚당화액 유래 발효당 60 g/L, yeast extract 13 g/L, corn steep solids 19 g/L, sodium bicarbonate 10 g/L 및 magnesium carbonate basic 80 g/L으로 구성되었다 [18].

Table 4 Numerical optimization and experimental data for enzymatic saccharification of pretreated barley straw

NO.Pretreated barley straw (%, w/v)Enzyme (mg/g-glucan)Incubation time (h)Saccharification (%)
ActualPrediction95% PI low95% PI high
120.5370.0072.0093.2593.6086.28100.92


2.6. 분석방법

보릿짚 성분 분석은 NREL LAP-002와 LAP-003의 방법을 따르되 일부는 수정 및 응용하였다 [19,20]. 보릿짚의 수분함량은 수분 분석기 HR83 halogenmoisture analyzer (Mettler-Toledo, Switzerland)를, 발효당 및 유기산 정량분석은 highperformance liquid chromatography (HPLC, Waters, USA)를 이용하였다. AminexHPX-87H 300 × 8.7 mm column (Biorad, USA)을 사용하였으며 이동상은 0.5 mM H2SO4였으며 유속 및 온도는 0.5 mL/min 및 65°C로 유지하였다. 해당 물질 검출에는 refractive index detector (Waters, USA)를 사용하였고 온도는 30℃로 유지하였다. 분석 시료는 원심분리(13,000rpm, 10 min) 한 후 상등액을 취하여 0.2 μm PVDF membrane으로 여과 후 분석하였다 [21].

3.1. 보릿짚 전처리 고형물의 성분분석

당화에 앞서 바이오매스의 구조 변형을 위해 대용량 (15 L) 고온·고압 폭쇄반응기를 이용하여 유기용매 전처리공정을 수행하였다 [21]. 전처리공정 전후의 보릿짚 조성은 Table 1에 제시하였다. 보릿짚 전처리 고형물의 성분으로는 셀룰로 오스는 59.9%, 헤미셀룰로오스는 29.6%, 리그닌은 3.8% 였다. 다당류 폴리머는 총 89.5%로 원시료 대비 1.5배 증가한 반면 리그닌은 4배 이상 제거되어, 당화효소에 대한 기질의 함량 (%, w/w)이 증가하였다 (Table 1). 전처리 공정으로 구조 변화된 보릿짚 전처리 고형물을 이용하여 본 연구의 당화공정 변수를 최적화하였다.

Table 1 Composition of raw and organosolv pretreated barley straw

Compositions (%)CelluloseHemicelluloseLigninAshOthersMositure
Barley straw38.322.920.67.011.210.10
Pretreated barley straw59.929.63.84.32.42.44


3.2. 반응표면분석법을 이용한 최적 당화조건 확립

3.2.1. 고농도 바이오매스 조건에서의 당화 공정변수 최적화

섬유질계 바이오매스 활용 시 경제적 실현가능성을 높이기 위해서는 바이오매스 처리량을 높이는 것이 필수적이다 [3,7]. 이에 본 연구에서는 반응표면분석법을 이용하여 고농도의 바이오매스 농도 (A) 조건에서 당화반응의 변수들을 최적화하였다. 공정의 비용과 효율에 가장 영향을 많이 미치는 요소인 당화효소 농도 (B) 그리고 반응시간 (C)을 독립변수로 하였으며 당화율 (Y)을 반응변수로 하였다. 세 가지 독립변수의 상·하한 값은 각각 A, 12 - 22%; B, 30 - 70 mg/gglucan; C, 48-120 h 이었으며 낮은 공정비용과 높은 당화율을 얻을 수 있는 조건이 확립되도록 효소 농도와 반응시간 조건을 설정하였다 (Table 2). 섬유질계 바이오매스에서 가장 많이 사용되고 있는 Cellic Ctec 3 (Novozymes, USA)를 당화효소로 사용하였으며 효소 첨가량을 줄이기 위해 당화증진물질인 PEG 8000 (Sigmaaldrich, USA)을 첨가하였다 [17]. 반응표면분석법의 실험디자인으로는 full factorial design에서 축점을 더하여 최소의 실험수로 2차 다항식을 가정하는 central composite design을 사용하였다. 실험 설계 디자인과 당화율 (예측값, 실제값)은 Table 2에 제시하였다. 당화반응 결과, 당화율 (실제값)의 최대 및 최솟값은 98.24 및 62.82 %였으며 평균 당화율은 88.97% 이었다 (Table 2). 회귀분석으로 실험디자인을 설명할 회귀식 (3)이 도출되었다. 회귀식 (3) 및 각 항 (A, B, C, B2, C2, AB 그리고 BC)에 대한 유의성을 검정하였고 주효과 및 교호작용을 추정된 계수값으로 제시하였다 (Table 3). 실험 데이터에 대한 회귀식 (3)의 설명력은 결정계수 값으로 제시되었다. 이 값이 0.9 이상일 때, 회귀식과 실험 데이터 사이에 뚜렷한 상관관계가 있음을 나타낸다. 본 연구에서는 0.96 이상의 R2 값을 가졌으며 항목수 및 표본수의 영향을 제거한 Adj. R2는 0.92 이상이었다(Table 3). 실제값과 예측값에 대한 상관관계는 Fig. 1에 제시하였다. 회귀식에 대한 통계적 검정 결과를 통해 quadratic model이 실험 데이터를 설명하기에 가장 적합한 모형이라고 판단하였다 (Table 3). 다만, “lack of fit (LOF) test”에서 유의수준 보다 낮은 p-value ( < 0.05)를 얻었으며, 이에 모형의 적합성에 대한 추가적인 검증이 필요하였다 (Table 3). 본 연구에서 “LOF F value”가 높았던 이유는, 바이오매스 처리 농도 범위가 고농도였으므로 높은 수준 (+)의 바이오매스 농도에서보다 비교적 낮은 농도인 중심점에서 편차 (pure error)가 상당히 작았기 때문이라고 판단하였다 (Table 3). 이러한 경우, 최적점에서의 재현성 확인을 통해 해당 모델에 대한 적합성을 검증할 수 있다. 본 연구에서도 동일하게 추가 검증하였으며 3.2.2 절에 결과를 제시하였다.

Figure 1. Observed saccharification yield vs. the predicted saccharification yield.

Table 2 Experimental design and result of experimental and predicted saccharification yields

STDPretreated barley straw (%, w/v)Enzyme (mg/g-glucan)Incubation time (h)Saccharification (%)
ExperimentalPredicted
112 (-)30 (-)48 (-)86.0982.28
222 (+)30 (-)48 (-)62.8263.92
312 (-)70 (+)48 (-)94.6094.61
422 (+)70 (+)48 (-)89.4887.01
512 (-)30 (-)120 (+)94.6295.93
622 (+)30 (-)120 (+)87.4486.26
712 (-)70 (+)120 (+)98.2495.99
822 (+)70 (+)120 (+)94.4497.08
98.59 (-α)50 (0)84 (0)96.5898.84
1025.41 (+α)50 (0)84 (0)84.9384.31
1117 (0)16.36 (-α)84 (0)76.0276.99
1217 (0)83.64 (+α)84 (0)95.7896.45
1317 (0)50 (0)23.46 (-α)73.8276.33
1417 (0)50 (0)144.54 (+α)97.1496.27
1517 (0)50 (0)84 (0)93.2493.38
1617 (0)50 (0)84 (0)93.8493.38
1717 (0)50 (0)84 (0)93.3493.38

*Average of saccharification yield: 88.97 %; Std. Dev. : 2.70



Table 3 Analysis of variance (ANOVA) for the quadratic model for enzymatic saccharification of pretreated barley straw

SourceSum of SquaresDegrees of freedomMean SquareF ValueProb > F
Model1468.979163.2222.390.0002
A254.691254.6934.930.0006
B457.331457.3362.73<0.0001
C480.181480.1865.86<0.0001
A24.5814.580.630.4540
B262.51162.518.570.0221
C270.58170.589.680.0170
AB57.92157.927.940.0258
AC37.83137.835.190.0568
BC75.32175.3210.330.0148
Residual51.0477.29--
Lack of Fit50.83510.1799.870.0099
Pure Error0.2020.10--
Cor Total1520.0116---

* R2 = 0.97; Adj. R2 = 0.92



Glucose conversion yield=93.3794.319A+5.787B+5.93C0.637A22.355B22.502C2+2.691AB+2.175AC3.068BC

당화율에 대한 변수간의 교호작용은 3D-graph로 제시하였다 (Fig. 2). 바이오매스 농도 수준과 상관없이 당화효소 농도 수준이 (+) 일 때 당화율은 증가하였으며 바이오매스 농도 수준이 (−)일 때 당화율은 최대가 되었다 (Fig. 2(a)). 즉, 당화율에 대한 당화효소 농도의 의존도는 바이오매스 농도 수준이 (−) 일 때 낮은 반면 (+) 수준으로 갈 때 뚜렷하게 높아졌다. 바이오매스 농도와 효소 농도의 교호작용은 바이오매스 농도와 반응시간의 교호작용과도 유사한 경향을 보였다 (Fig. 2(b)). 반응시간과 효소 농도의 수준은 높아질수록 당화율은 향상되기 때문에 이 조건에서는, 당화율의 최적영역에 도달하였으나 그 영역을 모두 포함하지는 못했다 (Fig. 2(c)). 반응시간과 효소 농도의 교호작용에서, 당화효소 농도 수준이 (+)이고 반응시간 수준이 (+) 일 때 당화율이 증가하였다. 반응시간 및 효소 농도 중 한 요인이 (+) 이면, 당화율에 대하여 다른 한쪽 요인의 의존도가 낮아졌다 (Fig. 2(c)).

Figure 2. The three dimension graphs for the interactive effect of enzymatic saccharification’s parameters (a) pretreated barley straw and enzyme (b) pretreated barley straw and time (c) enzyme and time.

3.2.2. 회귀식의 재현성 검증

회귀식 (3)의 재현성 검증을 위해 도출된 최적점에서 당화반응을 수행하였다 [11,13]. 숙신산 분리당화에 사용될 조건인 Glucan 10%에 해당하는 보릿짚 전처리 고형물의 농도 20.53%를 기준하여 최적점을 구하였을 때, 당화효소 처리량 및 반응시간은 각각 70 mg/g-glucan 및 72 시간이었다 (Table 4). 재현성 실험결과로써, 당화율은 93.3%이었으며 재현성 검증에 대한 예상 구간 (86.28-100.92 %)을 만족할 뿐만 아니라 예측값인 93.6%에 대하여 0.3%의 근소한 차이를 가졌다(Table 4). 결과적으로 회귀식 (3)으로부터 도출된 반응변수 값의 예측이 정확하며 다른 실험점에서도 재현성이 있음을 검증하였다.

3.3. 분리당화발효

반응표면분석법에서 도출된 회귀식의 Scale-up시 재현성 및 생물공정에서의 적합성을 확인하고자 숙신산 생산을 위한 분리당화발효를 수행하였다. 반응표면분석법의 회귀식 (3)으로부터 얻은 최적점 (보릿짚 전처리 고형물 20.53%, 당화효소 70 mg/g-glucan, 반응시간 72 h)을 이용하여 약 15배 이상으로 규모를 확대하여 1 L flask에서 당화반응을 수행하였다. 당화반응 결과, 대조군 대비 2.7% 감소한 수준인 91.1%의 당화율을 보였으며, Scale-up 적용시에도 회귀식 (3)의 재 현성을 재차 검증하였다. Fig. 3에 도시된 바와 같이, 발효 초기 glucose, xylose 및 arabinose의 농도는 42.2, 16.8 및 1.6 g/L로, 총 발효당 농도는 약 60 g/L였다. 유도기는 6시간 정도로 짧았으며, 발효당의 소모와 숙신산 및 부산물의 생산은 동시적으로 이루어졌고, 30시간 이전에 발효당 소모와 함께 목적산물의 생산이 종료되었다. 당 소모와 숙신산 생산시 5.26 g/L/h 및 3.75 g/L/h의 최대의 반응속도를 얻었으며, 최종 숙신산의 농도 및 수율은 46.95 g/L 및 0.77 g/g이었다. 선행 연구에서 탄소원 시약 배지를 사용하여 숙신산 발효를 수행하였으며, 이때 얻은 숙신산 최종 농도 (46.65 g/L) 및 수율(0.74 g/g) 와 비슷한 수준이었다. 이에, 60 g/L의 발효당 수준의 분리당화발효에서는 당화액에 의한 숙신산 생산 저해는 발생하지 않는다고 판단하였다 [22-24]. 더불어, A. succinogenes 균주는 육탄당뿐만 아니라 xylose와 같은 오탄당 대사가 가능하며 섬유질계 바이오매스 유래의 저해물질에 대한 강한 내성을 지니고 있어 고농도의 당화액에서도 고수율로 숙신산이 될 수 있음을 확인하였다 [23,25,26].

Figure 3. Time course profiles of SA fermentation’s parameters in 5 L bioreactor. Symbols are succinic acid (●), acetic acid (■), formic acid (▼), glucose (○), xylose (▽), arabinose (□).

고농도 (12-22%)의 보릿짚 전처리 고형물을 기질로 사용한 당화공정을 최적화하기 위해 반응표면분석법을 이용하였다. 고농도의 보릿짚 전처리 고형물 처리 조건에서 높은 당화율을 얻기 위해서는 효소의 투입량 혹은 반응시간의 증가가 필요하였으며, 두 변수에 대한 당화율의 변화율은 보릿짚의 농도에 상당히 의존적이었다. 반응표면분석법을 이용하여 데이터를 설명할 회귀식 (3)과 그로부터 최적점 (보릿짚 전처리 고형물 20.53%, 당화 효소 70 mg/g-glucan; 반응 시간 72 h)을 확보하였다. 분리당화발효를 위해 당화반응의 Scale-up을 수행하였고, 91% 이상의 당화율을 얻음으로써 회귀식의 재현성을 검증하였다.

본 연구는 농촌진흥청 연구사업 (과제번호 PJ016046022023)의 지원을 받아 수행하였으며 이에 감사드립니다.

  1. Xu, C., E. Paone, D. Rodríguez-Padrón, R. Luque, and F. Mauriello (2020) Reductive catalytic routes towards sustainable production of hydrogen, fuels and chemicals from biomass derived polyols. Renew. Sustain. Energy Rev. 127: 109852.
    CrossRef
  2. Ruppert, A. M., K. Weinberg, and R. Palkovits (2012) Hydrogenolysis Goes Bio: From Carbohydrates and Sugar Alcohols to. Platform Chemicals. Angew. Chem. Int. Ed. 51: 2564-2601.
    Pubmed CrossRef
  3. Liu, Y., B. Li, Y. Feng, and Q. Cui (2020) Consolidated bio-saccharification: Leading lignocellulose bioconversion into the real world. Biotechnol. Adv. 40: 107535.
    Pubmed CrossRef
  4. Malherbe, S., and T. E. Cloete (2002) Lignocellulose biodegradation: fundamentals and applications. Environmental Science and. Biotechnology. 1: 105-114.
    CrossRef
  5. Taha, M., M. Foda, E. Shahsavari, A. Aburto-Medina, and E. Adetutu, et al. (2016) Commercial feasibility of lignocellulose biodegradation: possibilities and challenges. Curr. Opin. Biotechnol. 38: 190-197.
    Pubmed CrossRef
  6. Haldar, D., D. Sen, and K. Gayen (2016) A review on the production of fermentable sugars from lignocellulosic biomass through conventional and enzymatic route-a comparison. Int. J. Green Energy. 13: 1232-1253.
    CrossRef
  7. da Silva, A. S., R. P. Espinheira, R. S. S. Teixeira, M. F. de Souza, and V. Ferreira-Leitão, et al. (2020) Constraints and advances in highsolids enzymatic hydrolysis of lignocellulosic biomass: a critical review. Biotechnol. Biofuels. 13: 1-28.
    Pubmed KoreaMed CrossRef
  8. Chen, H., and Z. Liu (2017) Enzymatic hydrolysis of lignocellulosic biomass from low to high solids loading. Eng. Life Sci. 17: 489-499.
    Pubmed KoreaMed CrossRef
  9. Hernández-Beltrán, J. U., and H. Hernández-Escoto (2018) Enzymatic hydrolysis of biomass at high-solids loadings through fedbatch operation. Biomass Bioenergy. 119: 191-197.
    CrossRef
  10. Sherpa, K. C., M. M. Ghangrekar, and R. Banerjee (2019) Optimization of saccharification of enzymatically pretreated sugarcane tops by response surface methodology for ethanol production. Biofuels. 10: 73-80.
    CrossRef
  11. Sindhu, R., M. Kuttiraja, P. Binod, R. K. Sukumaran, and A. Pandey (2014) Physicochemical characterization of alkali pretreated sugarcane tops and optimization of enzymatic saccharification using response surface methodology. Renewable Energy. 62: 362-368.
    CrossRef
  12. Shen, N., Q. Wang, Y. Qin, J. Zhu, and Q. Zhu, et al. (2014) Optimization of succinic acid production from cane molasses by Actinobacillus succinogenes GXAS137 using response surface methodology (RSM). Food Sci Biotechnol. 23: 1911-1919.
    CrossRef
  13. Pandiyan, K., R. Tiwari, S. Singh, P. K. Nain, and S. Rana, et al. (2014) Optimization of enzymatic saccharification of alkali pretreated Parthenium sp. using response surface methodology. Enzyme Reserach. 2014.
    Pubmed KoreaMed CrossRef
  14. Saini, J. K., R. K. Anurag, A. Arya, B. K. Kumbhar, and L. Tewari (2013) Optimization of saccharification of sweet sorghum bagasse using response surface methodology. Ind. Crops Prod. 44: 211-219.
    CrossRef
  15. Lim, Y. B., S. H. Park, B. J. Ahn, and Y. I. Kim (2008) Design-Expert 7 & Minitab exploitation. Free Academy press. Gyongggido, Paju, South Korea.
  16. Resch, H. (1993) The bankart procedure: A modification using transosseous sutures. Orthopedics and. Traumatology. 2: 19-28.
    CrossRef
  17. Yang, J., J. E. Kim, H. E. Kim, J. Yu, Y. Cha, and K. H. Kim (2017) Enhanced enzymatic hydrolysis of hydrothermally pretreated empty fruit bunches at high solids loadings by the synergism of hemicellulase and polyethylene glycol. Process Biochem. 58: 211-216.
    CrossRef
  18. Park, S., and G. Chun (2014) Statistical Optimization of Production Medium for Enhanced Production of Succinic Acid Produced by Anaerobic Fermentations of Actinobacillus succinogenes. KSBB Journal. 29: 165-178.
    CrossRef
  19. National Renewable Energy Laboratory. https://www.nrel.gov/docs/gen/fy13/42618.pdf. (2012).
  20. Templeton, D., and T. Ehrman (1995) Chemical analysis and testing task: LAP-003 (Determination of acid-insoluble lignin in Biomass). NREL. Golden, USA.
  21. Kim, S., S. Park, K. Kim, J. Lee, and D. An, et al. (2022) Development of alkali-catalyzed organosolv pretreatment and SHF process for production of bio-succinic acid from barley straw. KSBB Journal. 37: 166-174.
    CrossRef
  22. Salvachúa, D., H. Smith, P. C. S. John, A. Mohagheghi, and D. J. Peterson, et al. (2016) Succinic acid production from lignocellulosic hydrolysate by Basfia succiniciproducens. Bioresour. Technol. 214: 558-566.
    Pubmed CrossRef
  23. Salvachúa, D., A. Mohagheghi, H. Smith, M. F. A. Bradfield, and W. Nicol, et al. (2016) Succinic acid production on xylose-enriched biorefinery streams by Actinobacillus succinogenes in batch fermentation. Biotechnol. Biofuels. 9: 28.
    Pubmed KoreaMed CrossRef
  24. Liu, Y., P. Zheng, Z. Sun, Y. Ni, and J. Dong, et al. (2008) Economical succinic acid production from cane molasses by Actinobacillus succinogenes. Bioresour. Technol. 99: 1736-1742.
    Pubmed CrossRef
  25. Shen, N., S. Li, Y. Qin, M. Jiang, and H. Zhang (2022) Optimization of succinic acid production from xylose mother liquor (XML) by Actinobacillus succinogenes using response surface methodology. Biotechnol. Biotechnol. Equip. 36: 442-450.
    CrossRef
  26. Jokodola, E. O., V. Narisetty, E. Castro, S. Durgapal, and F. Coulon, et al. (2022) Process optimisation for production and recovery of succinic acid using xylose-rich hydrolysates by Actinobacillus succinogenes. Bioresour. Technol. 344: 126224.
    Pubmed KoreaMed CrossRef