Mathematical modelling and its use for design of feeding strategies for L-Sorbose fermentation

Batch sorbitol to sorbose bioconversion by Acetobacter suboxydans using initial sorbitol concentration (S0 = 100 g/L) yielded a productivity of 10.11 g/L‐h and 98.6% conversion in 10 h time. The batch kinetics was then used to develop an unstructured mathematical model. Model parameters were identified using a nonlinear regression technique assisted by a computer program which minimized the deviation between the model predictions and actual batch experimental data. F test indicated 99% confidence on the prediction of model using optimized parameters. The batch model was eventually extrapolated to identify nutrient feeding strategies to maintain constant noninhibitory sorbitol supply and eliminate substrate limitation for fed‐batch fermentation in order to improve the sorbose productivity. The adequacy of the fed‐batch model was established by excellent agreement between experimental data and model simulation (except towards the end of fermentation). La bioconversion discontinue du sorbitol en sorbose par Acetobacter suboxydans en utilisant une concentration en sorbitol initiale S0 = 100 g/L donne une productivité de 10,11 g/L h et une conversion de 98,6% après 10 h. On utilise ensuite la cinétique discontinue pour élaborer un modèle mathématique non structuré. Les paramètres du modèle sont déterminés au moyen d'une technique de régression non linéaire assistée par un programme informatique qui minimise l'écart entre les prédictions du modèle et les données expérimentales discontinues réelles. L'essai montre une fiabilité de 99% sur la prédiction du modèle avec les paramètres optimisés. Le modèle discontinu est finalement extrapolé pour déterminer les stratégies d'alimentation en nutriments de façon à maintenir un apport constant en sorbitol non inhibiteur et à éliminer la limitation de substrat pour la fermentation à alimentation discontinue dans un but d'amélioration de la productivité du sorbose. Le modèle à alimentation discontinue se révèle pertinent grâce à l'excellent accord entre les données expérimentales et la simulation du modèle (sauf en fin de fermentation).