Att skala upp bioreaktorer för odlat köttproduktion är komplext, särskilt när man hanterar skjuvspänning, en mekanisk kraft som kan skada däggdjursceller under uppskalning. Till skillnad från mikrobiella celler är däggdjursceller ömtåliga och känsliga för turbulens och luftningskrafter. När skjuvspänningen överstiger 3 Pa kan cellerna brista, vilket minskar livskraften och produktiviteten.
För att hantera dessa utmaningar förlitar sig ingenjörer på Computational Fluid Dynamics (CFD) och nedskalningsmodeller för att förutsäga och hantera skjuvspänning innan fullskalig produktion. CFD analyserar flödesmönster, skjuvzoner och blandningseffektivitet i bioreaktorer, medan nedskalningsmodeller validerar dessa förutsägelser experimentellt, vilket minimerar riskerna under uppskalning.
Viktiga punkter:
- Gränser för skjuvspänning: Däggdjursceller tolererar upp till 3 Pa; att överskrida detta skadar cellerna.
- CFD-verktyg: Avancerade metoder som Large Eddy Simulations (LES) och Lattice-Boltzmann-simuleringar (LB-LES) möjliggör exakt modellering av flöde och turbulens.
- Skalnedbrytningsmodeller: Dessa replikerar stora bioreaktorförhållanden i mindre uppsättningar för att validera CFD-förutsägelser.
-
Designöverväganden:
- Använd impellrar med lutande blad för lägre skjuvning.
- Håll Kolmogorov-virvellängder över 20 μm för att förhindra cellskador.
- Håll impellertopphastigheter under 1,5 m/s.
Genom att kombinera CFD-insikter med experimentell validering kan team optimera bioreaktordesigner för odlat köttproduktion, säkerställa cellöverlevnad och effektiv skalning.
CFD-kompass | Bästa praxis för bioreaktor-CFD
Använda Computational Fluid Dynamics (CFD) för att modellera skjuvspänning
CFD-metoder och nyckelparametrar för olika bioreaktortyper i odlad köttproduktion
CFD-simuleringar ger ingenjörer verktygen för att kartlägga vätskedynamik och skjuvkrafter inom bioreaktorer innan de byggs fysiskt. Istället för att förlita sig på trial-and-error-metoder i produktionsskala, hjälper CFD till att förutsäga kritiska faktorer som högskjuvzoner, turbulenta virvlar och cellviabilitet i specifika delar av kärlet. Detta är särskilt viktigt i odlad köttproduktion, där bioreaktorskalan så småningom kan nå 200 000 liter - betydligt större än traditionella biofarmaceutiska kärl [8]. Dessa förutsägande insikter vägleder nedskalningsexperiment och påverkar utrustningsval.
Utvecklingen av beräkningsmetoder har varit anmärkningsvärd. Medan Reynolds-Averaged Navier-Stokes (RANS) modeller, såsom k-ε, fortfarande är allmänt använda inom industrin, driver avancerade metoder som Large Eddy Simulations (LES) och GPU-drivna Lattice-Boltzmann simuleringar (LB-LES) gränserna. Enligt professor Miroslav Soos från University of Chemistry and Technology Prague kan GPU-baserade LB-LES lösa modeller "100 till 1 000 gånger snabbare än vanligt använda finita volymmetodlösare" [2]. Denna hastighetsfördel gör det möjligt för ingenjörer att simulera massiva kärl med den precision som behövs för att upptäcka cellskadande virvlar.
Ett praktiskt exempel på CFD:s kapabiliteter kommer från forskare vid Regeneron Ireland DAC och Thermo Fisher Scientific. De lyckades framgångsrikt skala upp en cellkulturprocess från en 2 000-liters bioreaktor till en geometriskt annorlunda 5 000-liters engångsbioreaktor. Istället för att förlita sig på empiriska heuristiker, använde de CFD för att analysera parametrar som massöverföringshastigheter, blandningstider och skjuvhastigheter. Detta tillvägagångssätt möjliggjorde en lyckad uppskalning vid första försöket, vilket undvek de kostsamma misslyckanden som ofta är förknippade med skalning baserad på effekt-per-volym-förhållande [5].
Inställning av CFD för omrörda tankbioreaktorer
För att ställa in CFD för omrörda tankbioreaktorer, börja med att definiera kärlets geometri - detta inkluderar tankdimensioner, omrörardesign (e.g., Rushton eller snedblad), och baffelplacering. Att välja rätt turbulensmodell är avgörande: den realiserbara k-ε-modellen fungerar bra för gas-vätskesystem, medan LB-LES erbjuder högre upplösning för att identifiera toppspänningar som kan skada celler. En gridkonvergensstudie säkerställer att resultaten inte är beroende av nätstorlek.
Gränsvillkor måste återspegla verkliga driftsparametrar, såsom impellerhastighet, gasinblåsningshastigheter, vätskans densitet och viskositet. För odlat kött används ofta konservativa bubbelmotståndsmodeller för att uppskatta skjuvspänning [8]. Systemet bör fungera i ett fullt turbulent regime, med Reynolds-tal över 10 000 för att säkerställa att effektantalet förblir konsekvent oavsett impellerhastighet [1].
CFD-förutsägelser för syreöverföring, blandningstider och hydrodynamisk stress bör stämma överens med experimentella data som samlats in med hjälp av skjuvkänsliga mikroprober eller nanopartikelaggregat [2]. Till exempel vägledde en matematisk massöverföringsmodell den direkta uppskalningen av en CHO-cellkulturprocess från en 2-liters bänkmodell till en 1 500-liters industriell bioreaktor hos Sartorius.Genom att använda CFD för att förutsäga syrebehov och CO₂-borttagning, bibehöll teamet konsekventa produktkvalitetsattribut - såsom N-glykaner och laddningsvarianter - över olika skalor [6].
CFD för andra typer av bioreaktorer
Medan omrörda tankar dominerar industriell cellkultur, kräver andra bioreaktordesigner skräddarsydda CFD-metoder. Till exempel förlitar sig gungande eller vågbioreaktorer på Volym av Fluid (VOF)-metoden för att simulera gas-vätskegränssnittet, eftersom vågrörelse driver skjuvspänning i dessa system. Dessa designer skapar mycket mildare skjuvmiljöer - maximal spänning är cirka 0,01 Pa jämfört med omrörda tankar - men deras skalbarhet är begränsad för storskalig odlad köttproduktion [4].
Hollow-fiber bioreaktorer, å andra sidan, använder porösa mediemodeller baserade på Brinkman-ekvationer för att simulera näringsdiffusion och flödesmotstånd genom membran.Fluidiserade bäddsystem kräver Euler-Lagrange-modeller för att fånga partikel-vätskeinteraktioner och bäddexpansion, medan luftlyftbioreaktorer använder Euler-Euler-metoder för att analysera bubbelinducerad turbulens och gasinnehåll [4]. Varje design har unika utmaningar: fluidiserade bäddar måste balansera mikrobärardistribution mot skjuvexponering, medan luftlyftsystem behöver hantera påfrestningar orsakade av sprängande bubblor, en ledande orsak till celldöd i luftade bioreaktorer [1] [7].
Att förstå dessa CFD-metoder är avgörande för att kontrollera skjuvspänning över olika bioreaktordesigner som används i produktion av odlat kött.
| Bioreaktortyp | CFD-metod | Viktigt övervägande |
|---|---|---|
| Omrörd tank | RANS (SST), LES, LB-LES | Energidissipation i impellerzonen (εMax) |
| Våg/Svängning | Volume of Fluid (VOF) | Spårning av gas-vätskegränssnittet |
| Hålfiber | Poröst medium (Brinkman) | Näringsflöde och membranmotstånd |
| Fluidiserad bädd | Euler-Lagrange | Interaktion mellan partiklar och vätska, bäddexpansion |
| Luftlyft | Euler-Euler | Turbulens från bubblor och gasinnehåll |
Dessa varierade CFD-metoder belyser behovet av anpassade strategier, som spelar en kritisk roll i val av utrustning och hantering av skjuvspänning.
Skalnedbrytningsmodeller och experimentell validering
Även om Computational Fluid Dynamics (CFD) ger värdefulla förutsägelser, kan det inte ersätta behovet av verkliga tester vid uppskalning av processer. Experimentell validering spelar en avgörande roll för att säkerställa att beräkningsmodellerna exakt representerar verkliga skjuvspänningsförhållanden. Det är här skalnedbrytningsmodeller kommer in i bilden, genom att efterlikna den hydrodynamiska miljön i stora produktionsbioreaktorer i mindre, lättare att hantera system. Genom att göra det minskar de risken för kostsamma fel vid övergången från småskalig till industriell skala. Detta steg bekräftar inte bara CFD-förutsägelser utan säkerställer också en mer tillförlitlig och effektiv uppskalningsprocess.
Skapa skalnedbrytningsmodeller
Utformningen av en skalnedbrytningsmodell börjar med att upprätthålla geometrisk likhet.Detta innebär att hålla samma aspektförhållanden mellan nyckelkomponenter, såsom kärlets höjd till diameter och omrörarens diameter till tankens diameter [11]. När geometrin är justerad väljer ingenjörer ett skalningskriterium. Vanliga val inkluderar effekt per volym (P/V), omrörarens spetsfart eller energidissipationshastighet (EDR). Att fokusera på lokaliserad EDR snarare än genomsnittlig P/V ger dock en bättre förståelse för skjuvningsheterogenitet, vilket är avgörande för noggrann modellering.
En mer avancerad metod involverar multi-kompartment simulatorer. Till exempel, i februari 2021 utvecklade Emmanuel Anane och hans team en två-kompartment skala-ned simulator som kombinerar en omrörd tankreaktor (STR) och en plug-flödesreaktor (PFR). Denna modell användes för att studera hur CHO-celler reagerar på lösta syregradienter. Deras forskning avslöjade en kritisk uppehållstidströskel på 90 sekunder.Bortom denna punkt visade CHO-celler en 15% minskning i livskraftig celldensitet och en ökning i laktatackumulering [10]. Detta fynd erbjuder en tydlig riktlinje för att designa industriella bioreaktorer som bibehåller cellviabilitet.
För att skydda celltillväxt strävar ingenjörer ofta efter att hålla impellertopphastigheter under 1,5 m/s [1]. Dessutom bör Kolmogorovs mikrovirvellängd - ett mått på turbulens - överstiga cellernas storlek, vanligtvis 20 μm eller mer för däggdjursceller, för att undvika hydrodynamisk skada [1][3]. Till exempel, vid en energitillförsel på 0,1 W/kg i djurcellskulturer, är de minsta virvlarna omkring 60 μm, vilket ger en säker buffert [3].
Validering av CFD-förutsägelser genom experiment
När en nedskalad modell är på plats är experimentella metoder väsentliga för att validera de parametrar som härleds från CFD. Partikelbildhastighetsmätning (PIV) är en allmänt använd teknik för detta ändamål. Genom att spåra partiklar i vätskan hjälper PIV till att bekräfta om flödesmönstren och hastighetsfälten i den nedskalade modellen stämmer överens med CFD-förutsägelserna [12][4].
Spårämnesinjektion och avfärgningsmetoder används också för att validera blandningstider. I denna process introduceras spårämnen som syror, baser eller saltlösningar nära omröraren, och deras fördelning övervakas tills 95% homogenitet uppnås [12][3]. För storskaliga däggdjurscellbioreaktorer (5 000 L till 20 000 L) varierar blandningstiderna vanligtvis från 80 till 180 sekunder [10].
I mars 2020 lyckades James Scully och hans team på Regeneron Ireland DAC skala upp en cellkulturprocess från en 2 000 L bioreaktor till en 5 000 L engångsbioreaktor med en annan geometri. De förlitade sig på CFD för att förutsäga viktiga parametrar som massöverföringshastigheter, blandningstider och skjuvhastigheter. Dessa förutsägelser validerades sedan genom en- och flerfasexperiment, vilket möjliggjorde ett framgångsrikt första försök att skala upp utan behov av storskaliga pilotkörningar [5].
"CFD-simuleringar används i allt högre grad för att komplettera klassiska processingenjörsundersökningar i laboratoriet med rumsligt och tidsmässigt upplösta resultat, eller till och med ersätta dem när laboratorieundersökningar inte är möjliga." - Stefan Seidel, School of Life Sciences, ZHAW [12]
Ytterligare valideringstekniker inkluderar momentmätning för att bekräfta specifik effektinmatning (P/V) och dimensionslösa effektantal vid specifika omrörarhastigheter [12][3]. Syreöverföringshastigheter verifieras med metoder som utgasning eller sulfittekniker, som bestämmer den volymetriska syremassöverföringskoefficienten (kLa) [12][7]. För system som använder mikrobärare används ljusdämpning eller kamerabaserade metoder för att hitta den minsta hastighet som behövs för att suspendera alla partiklar, vilket säkerställer att CFD-förutsägelser av fast fasfördelning är korrekta [12][4].
sbb-itb-ffee270
Faktorer som påverkar skjuvspänning i bioreaktorer
För att skydda cellviabilitet under uppskalning är det avgörande att förstå de fysiska faktorerna som driver skjuvspänning. Beräkningar med Computational Fluid Dynamics (CFD) och valideringar i mindre skala visar att energidissipationshastighet (EDR) spelar en nyckelroll. EDR mäter hur impellerkinetisk energi omvandlas till värme, vilket leder till ojämn energifördelning. Till exempel, i impellrar med lutande blad tenderar energin att koncentreras runt impellern, vilket skapar zoner med hög skjuvning som kan skada celler om de inte hanteras korrekt.
Impellerdesign och effektinmatning
Typen av impeller som används påverkar flödesmönster och skjuvintensitet avsevärt. Rushton-turbiner, till exempel, genererar radiellt flöde och hög skjuvning, vilket gör dem idealiska för mikrobiell jäsning men mindre lämpliga för skjuvkänsliga däggdjursceller.Å andra sidan skapar impellrar med lutande blad axiellt flöde med lägre skjuvning och bättre pumpeffektivitet vid samma effektinsats. Detta gör dem till det föredragna valet för applikationer som odlat köttproduktion, där cellviabilitet är en prioritet.
| Impellertyp | Flödesmönster | Effekttal (Nₚ) | Skjuvnivå | Primär applikation |
|---|---|---|---|---|
| Rushton Turbin | Radiell | ~5.0 | Hög | Mikrobiell jäsning; gasdispersion[3] |
| Lutande blad | Axiell | ~1.0 | Låg till Måttlig | Däggdjurscellkultur; suspension av fasta ämnen [3] |
Skalningsstrategier förlitar sig ofta på att bibehålla en konstant effekt per volym (P/V). Men när reaktorstorleken ökar kan detta leda till högre impellertopphastigheter. För däggdjursceller bör topphastigheterna hålla sig under 1,5 m/s för att undvika tillväxtproblem [1]. I storskaliga reaktorer kan luftning introducera ännu mer hydrodynamisk stress än impellrar, särskilt i kärl som överstiger 20 m³ [9]. Dessa faktorer är nära kopplade till turbulens, vilket utforskas vidare i diskussionen om Kolmogorov-skalan.
Kolmogorov-skala och Turbulensmodellering
Kolmogorov-skalan (λ) definierar storleken på de minsta turbulenta virvlarna där energi avges som värme.Om dessa virvlar är mindre än celldiametern blir mekanisk skada en oro. För däggdjursceller, som vanligtvis är 15–20 μm i storlek, måste virvellängden överstiga 20 μm för att undvika skada [1][3]. Till exempel, vid en energitillförsel på 0,1 W/kg, är Kolmogorov-virvelns diameter cirka 60 μm, vilket ger en säker buffert [3].
"Om biologiska enheter (e.g., däggdjursceller) är mindre än λ [Kolmogorov-skala] i en bioreaktor, kommer skjuvskador på sådana enheter inte att inträffa." - Muhammad Arshad Chaudhry [3]
I augusti 2024 använde forskare från Boehringer Ingelheim Pharma och University of Chemistry and Technology Prague Lattice-Boltzmann Large Eddy Simulations (LB-LES) för att validera CFD-förutsägelser i en 12 500 L industriell bioreaktor.Genom att använda skjuvkänsliga nanopartikelaggregat mätte de maximalt hydrodynamiskt stress och visade att LB-LES kunde lösa turbulenta skalor 100–1 000 gånger snabbare än traditionella metoder [2]. Dessa resultat är avgörande för att utveckla strategier för att minimera skjuvstress.
Reducing Shear Stress Using Modelling Data
CFD-modellering gör det möjligt för ingenjörer att identifiera högskjuvzoner och justera driftsförhållandena därefter. En effektiv metod är att introducera substrat, pH-baser eller antiskum nära impellerzonen istället för vid vätskans yta. Detta säkerställer snabb distribution och minimerar lokala koncentrationsgradienter [3]. Vid produktion av odlat kött kan överdriven skjuvning lossa celler från mikrobärare, medan otillräcklig omrörning leder till mikrobärarsedimentering och näringsobalanser [9].
Skyddande tillsatser som Pluronic F-68 (Poloxamer 188) används ofta för att skydda celler från skjuvkrafter, särskilt de som orsakas av bubblor som spricker vid vätskeytan - en stor bidragande orsak till celldöd i bioreaktorer [1]. Med dessa ytaktiva ämnen har energitillförsel så hög som 100 000 W/m³ rapporterats utan dödliga effekter [1]. Dessutom hjälper det att hålla gasinträdeshastigheten vid spridaröppningen under 30 m/s för att minska produktivitetsförluster och celldödlighet [1].
Hitta utrustning för bioreaktorskalning
Hur Cellbase stöder bioreaktorupphandling
Att skala upp bioreaktorer för odlat köttproduktion medför sina egna utmaningar. Det är här
När man använder
Framgångsrik skalning av bioreaktorer som används inom biopharmaceutisk industri spelar en stor roll i kvaliteten och tiden till marknaden för dessa produkter [5].
Genom att utnyttja CFD-stödda data kan team effektivisera utrustningsval och minimera behovet av upprepade provkörningar [5]. Dessa insikter är avgörande för att välja bioreaktorer designade med optimal hantering av skjuvspänning i åtanke.
Välja utrustning för kontroll av skjuvspänning
För att effektivt kontrollera skjuvspänning är vissa utrustningsspecifikationer särskilt viktiga. Impellergeometri är en nyckelfaktor. Till exempel genererar impellrar med lutande blad axiellt flöde med ett effektantal (Np) på ungefär 1,0, medan Rushton-turbiner har ett mycket högre Np på cirka 5,0.Detta innebär att design med lutande blad producerar avsevärt mindre kraft och därmed mindre skjuvning vid samma rotationshastighet [3]. För applikationer som involverar däggdjursceller som används i odlat kött är det viktigt att hålla impellertoppens hastighet under 1,5 m/s för att undvika cellskador [1].
Spargerkonfiguration är en annan kritisk faktor. För att förhindra överdriven skjuvning bör utrustningen säkerställa att gasinträdeshastigheten vid spargeröppningen håller sig under 30 m/s och att Reynolds-talet för öppningen förblir under 2 000. Att överskrida dessa gränser kan leda till "jetting-regimen", där bubblor sprids ojämnt och skapar lokaliserade skjuvzoner [1]. Borrade hål eller öppna rörspargers är bättre lämpade för skjuvkänsliga celler jämfört med mikrospargers. Dessutom bör utrustningen stödja kompatibilitet för nedskalning. Leverantörer som erbjuder bänkmodeller (e.g., 3 L-system) som är geometriskt liknande storskaliga system (2 000 L eller mer) tillåter team att validera CFD-förutsägelser i mindre skala innan de går vidare till fullskalig produktion [1][2].
Slutsats
Skalning av bioreaktorer för odlad köttproduktion kräver att man överger traditionella trial-and-error-metoder och omfamnar modellbaserade strategier för att hantera lokaliserade skjuvskillnader. Computational Fluid Dynamics (CFD) har blivit ett nyckelverktyg i denna process, vilket gör det möjligt för ingenjörer att förutsäga hydrodynamiska miljöer och visualisera skjuvzoner bortom enkla effekt-per-volym-förhållanden [1]. Genom att följa kritiska parametrar - som att hålla Kolmogorov virvellängder över 20 μm och impeller-tiphastigheter under 1,5 m/s - kan ingenjörer skydda däggdjursceller från skjuvskador samtidigt som de säkerställer korrekt blandning och syreöverföring [1].
Avancerade beräkningsmetoder, såsom Large Eddy Simulation (LES) och Lattice-Boltzmann-tekniker, har visat sin effektivitet i att skala upp processer. Till exempel, i mars 2020, lyckades Regeneron Ireland DAC skala upp en cellkulturprocess från en 2 000 L bioreaktor till ett geometriskt distinkt 5 000 L engångssystem vid första försöket. Detta uppnåddes med hjälp av multiparameter CFD-förutsägelser, vilket eliminerade behovet av omfattande fysiska försök [5]. Denna "första-gången-rätt" strategi minskar inte bara kontaminationsrisker utan förkortar också tiden till marknaden - kritiskt för den odlade köttsektorn.
Experimentella valideringsmetoder, såsom Particle Image Velocimetry (PIV), bekräftar ytterligare noggrannheten hos CFD-modeller [2]. Dessa validerade modeller spelar nu en avgörande roll i upphandlingsbeslut.Företag som
Vanliga frågor
Hur stödjer Computational Fluid Dynamics (CFD) uppskalning av bioreaktorer för produktion av odlat kött?
Computational Fluid Dynamics (CFD) är en revolutionerande teknik när det gäller att skala upp bioreaktorer för odlat kött. Det ger en djup förståelse för flödesdynamik, skjuvspänning, blandningseffektivitet och massöverföringshastigheter - alla kritiska faktorer för att skapa den idealiska miljön för celltillväxt.
Med CFD kan ingenjörer optimera viktiga element som impellerdesign, omrörningshastighet och gasinblåsning. Detta säkerställer att bioreaktorerna fungerar under de bästa möjliga förhållandena, vilket skyddar både cellhälsa och produktivitet.
Vad mer är, CFD gör det möjligt att gå från små laboratorieuppställningar till stora industriella bioreaktorer utan att kompromissa med effektivitet eller konsistens. Detta innebär att produktionen av odlat kött kan skala upp smidigt samtidigt som höga standarder bibehålls.
Vad gör Large Eddy Simulations (LES) bättre än traditionella metoder för modellering av bioreaktorer?
Large Eddy Simulations (LES) ger en djupare och mer exakt inblick i turbulent flöde inom bioreaktorer jämfört med traditionella metoder som Reynolds-averaged Navier-Stokes (RANS).Genom att fokusera på storskaliga virvlar och endast modellera de minsta dissipativa rörelserna kan LES identifiera kritiska skjuvspänningspunkter, såsom virvelinducerade högskjuvzoner, som annars kan förbises. Denna detaljnivå spelar en nyckelroll i att minska cellskador och säkerställa större tillförlitlighet vid uppskalning av odlad köttproduktion.
Till skillnad från metoder som är starkt beroende av empiriska korrelationer erbjuder LES starkare prediktiva förmågor när man går från laboratorie- till industriskaliga bioreaktorer. Framsteg inom beräkningsteknik har också gjort LES mer tillgängligt, vilket möjliggör detaljerade simuleringar utan behov av prohibitiva beräkningsresurser. För företag som strävar efter att integrera LES-drivna designer,
Varför är det viktigt att upprätthålla Kolmogorov-virvlar över 20 µm för däggdjurscellers livskraft?
Att upprätthålla Kolmogorov-virvlar över ungefär 20 µm är avgörande för att skydda däggdjursceller under bioreaktoroperationer. När dessa turbulenta virvlar krymper under cellernas storlek kan de utsätta cellerna för överdriven skjuvspänning, vilket riskerar att skada deras membran och minska cellernas livskraft.
Att hålla de minsta turbulenta strukturerna större än cellerna hjälper till att minska risken för mekaniska skador. Detta främjar inte bara hälsosammare cellkulturer utan förbättrar också bioreaktorns övergripande prestanda. Denna aspekt blir ännu viktigare vid uppskalning av bioreaktorer, där det är särskilt svårt att säkerställa konsekventa skjuvspänningsförhållanden.
