See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/263734977

Effective Dissolved Oxygen Control Strategy for High-Cell-Density Cultures

Article  in  IEEE Latin America Transactions · May 2014

DOI: 10.1109/TLA.2014.6827863

CITATIONS READS
15 458

7 authors, including:

Martin Behrens Cárcamo Pedro Saa

Pontificia Universidad Católica de Chile Pontificia Universidad Católica de Chile
3 PUBLICATIONS   47 CITATIONS    27 PUBLICATIONS   275 CITATIONS   

SEE PROFILE SEE PROFILE

Jorge Torres Garcías Patricio Javier Mandujano

Pontificia Universidad Católica de Chile 3 PUBLICATIONS   45 CITATIONS   
2 PUBLICATIONS   59 CITATIONS   
SEE PROFILE
SEE PROFILE

Some of the authors of this publication are also working on these related projects:

MPEC - Applications and Algorithms View project

PhD Thesis View project

All content following this page was uploaded by Pedro Saa on 16 July 2014.

The user has requested enhancement of the downloaded file.

IEEE LATIN AMERICA TRANSACTIONS, VOL. 12, NO. 3, MAY 2014
Effective Dissolved Oxygen Control Strategy
for High-Cell-Density Cultures
M. Cárcamo, P. A. Saa, J. Torres, S. Torres, P. Mandujano, J. R. P. Correa and E. Agosin
Abstract— Dissolved oxygen control is critical to ensure
microorganisms' growth in high-cell-density cultures. Since
biological oxygen consumption strongly depends on biomass
concentration, high-cell-density cultures demand an increasing
and continuous oxygen supply. This is a challenging control
problem and one of the major limitations of this type of cultures.
The aim of this paper is to provide a simple dissolved oxygen
control strategy capable of achieving high biomass levels by
manipulating three process variables: agitation, aeration and
oxygenation. This strategy was developed using a split-range
control scheme specially designed so that the controller action is
linear with respect to the maximum transfer rate (kLa·DO*). The
controller parameters were tuned through simulation and later
implemented and validated in Escherichia coli fed-batch
cultivations. The strategy presented here allowed reaching high
biomass concentrations while maintaining oxygen concentration
at an appropriate level. The implementation of this strategy in
high-cell-density cultures will help improve the productivity of
aerobic cultures.
Keywords— control strategy, split-range, volumetric mass
transfer coefficient, high-cell-density cultures.
I. INTRODUCCIÓN
L A BIOTECNOLOGÍA consiste en la aplicación
tecnológica de sistemas biológicos, organismos vivos o
sus derivados con el fin de generar o modificar productos o
procesos. (Gavrilescu y Chisti, 2005). Las industrias
alimenticia, médica, ambiental y energética, entre otras,
utilizan comúnmente productos y procesos biotecnológicos.
Su gran flexibilidad, productividad y especificidad, hacen de
dichos procesos los con mayor potencial de crecimiento dentro
de las diversas áreas de la ingeniería de procesos.
En particular, los procesos fermentativos se utilizan
ampliamente en la producción de alimentos, ingredientes
alimenticios, farmacéuticos, enzimas y productos químicos a
granel [2]. En dichos procesos un microorganismo
seleccionado se utiliza como factoría celular para producir un
producto metabólico de interés. Dicho microorganismo,
generalmente genéticamente modificado, es cultivado en
medio líquido con el fin de maximizar el flujo metabólico
hacia el producto deseado. Durante el cultivo del
M. Cárcamo, Pontificia Universidad Católica, Santiago, Chile,
mrcarcam@puc.cl
P. A. Saa, Pontificia Universidad Católica, Santiago, Chile, pnsaa@puc.cl
J. Torres, Pontificia Universidad Católica, Santiago, Chile, jitorres@puc.cl
S. Torres, Pontificia Universidad Católica, Santiago, Chile,
storres@ing.puc.cl
P. Mandujano, Centrovet, Santiago, Chile,
patricio.mandujano@centrovet.cl
J. R. P. Correa, Pontificia Universidad Católica, Santiago, Chile,
perez@ing.puc.cl
E. Agosin, Pontificia Universidad Católica, Santiago, Chile,
agosin@ing.puc.cl
389
microorganismo se busca maximizar tres parámetros
productivos: productividad volumétrica, rendimiento y
concentración final. A pesar de las grandes ventajas de los
procesos fermentativos, su carácter biológico hace que existan
múltiples variables que afectan dichos procesos, y por ende la
operación y el control es altamente compleja.
La estrategia productiva estándar comprende dos etapas;
una fase de crecimiento, seguida de una fase productiva. La
fase de crecimiento tiene como objeto maximizar la
concentración celular en el caldo de cultivo. Una vez
alcanzados valores de biomasa razonables (20-50 gramos de
biomasa seca por litro, gDCW/L) [3]–[5], se procede a inducir
la expresión del producto de interés lo que se conoce como
fase productiva. De esta forma, se consigue una mayor
cantidad de células produciendo el producto de interés lo que
maximiza los parámetros productivos.
Para alcanzar dichos niveles de biomasa se emplean
regularmente cultivos fed-batch o de lote alimentado. Estos
cultivos consisten en una fase de lote inicial (batch), en la cual
las células crecen libremente hasta que uno de los nutrientes
esenciales se vuelve limitante. Tras esto, se inicia la fase
alimentada en la cual dicho sustrato limitante es suministrado
al cultivo siguiendo una trayectoria determinada tal que
permita prolongar el crecimiento y alcanzar una alta densidad
celular en el menor tiempo posible [6]–[8]. Normalmente,
dicha estrategia de alimentación considera un suministro
dosificado del sustrato limitante, pues en altas concentraciones
es inhibitorio [9].
El oxígeno es un nutriente fundamental ya que permite la
oxidación completa de los sustratos, aumentando notoriamente
la eficiencia energética del microorganismo. Este nutriente es
comúnmente suministrado en la fase gaseosa desde donde se
transfiere a la fase líquida, se disuelve y es consumido por las
células. En general, la limitación por oxígeno en los cultivos
microbiológicos promueve la formación de productos
secundarios inhibitorios, que impiden alcanzar la máxima
biomasa permisible [6], [9]. Por otro lado, altas
concentraciones de oxígeno disuelto son tóxicas, generando
estrés oxidativo y en consecuencia lisis celular [10]. Por ende,
el control de oxígeno disuelto en cultivos de alta densidad es
crucial para alcanzar elevadas densidades celulares y así
aumentar la productividad del proceso. Lo anterior hace
necesario desarrollar estrategias efectivas de control de
oxígeno disuelto que permitan alcanzar estos objetivos.
La concentración de oxígeno disuelto en una suspensión de
microorganismos depende de la tasa de transferencia de
oxígeno desde la fase gas a la fase líquida, la tasa en que el
oxígeno es transportado hacia la célula (difusión simple) y la
tasa de consumo por parte del microorganismo para su
crecimiento, mantenimiento y producción de metabolitos. La
tasa de transferencia de oxígeno es generalmente la etapa
390
limitante en cultivos aeróbicos debido a su baja solubilidad en
el medio líquido. Es por esto que la correcta medición y/o
predicción del coeficiente volumétrico de transferencia de
masa, kLa, es clave en el diseño, operación y escalamiento en
bioreactores de tanque agitado. Estos últimos pueden alcanzar
altas tasas de transferencia de oxígeno debido al buen nivel de
mezclado del medio. Diversos estudios muestran que la
transferencia de masa está fuertemente influenciada por las
condiciones hidrodinámicas del bioreactor, las cuales son
principalmente función de la agitación y aeración, y en menor
medida de los parámetros geométricos del bioreactor
(dimensiones, tipo y número de agitadores, etc.), las
propiedades fisicoquímicas del medio y la presencia de células
que consumen oxígeno [11].
El presente artículo tiene como objetivo desarrollar e
implementar una estrategia de control automático de
monitoreo y adición de oxígeno disuelto en cultivos de alta
densidad celular en bioreactores agitados. Primeramente, se
presenta el modelo matemático del proceso utilizado en la
simulación y sintonización de los parámetros del controlador
propuesto. Luego se detalla la instrumentación utilizada y su
implementación, seguidos por el diseño, simulación y
sintonización del sistema de control. Finalmente, la estrategia
de control es validada experimentalmente en cultivos fed-
batch de Escherichia coli en bioreactores de laboratorio de 1-
L.
II. MODELAMIENTO Y CONTROL
La cinética de crecimiento del microrganismo se puede
modelar mediante un balance de masa de los componentes
principales del cultivo: biomasa, sustrato limitante y oxígeno
disuelto [12], [13]. La biomasa, X (g/L), crece según la
biomasa total instantánea (XV) y la tasa especifica de
crecimiento, µ (h-1). Dicha tasa de crecimiento depende de la
concentración de sustrato limitante a través de una cinética
tipo Monod. Por otro lado, la variación de sustrato en el medio
tiene un término de consumo asociado al crecimiento
(rendimiento biomasa sustrato, YSX) y un término de adición de
medio fresco al sistema, Fin, a una concentración de sustrato
limitante, Sin.
d ( X ⋅V )
= μ ⋅ X ⋅V (1)
dt
S (2)
μ = μ max ⋅
KS + S
d ( S ⋅V ) μ ⋅ X ⋅V (3)
=− + Fin ⋅ Sin
dt YSX
La concentración de oxígeno disuelto en el medio se estima
a partir de la diferencia entre la tasa de transferencia de
oxígeno desde la fase gaseosa a la fase líquida (OTR, oxygen
transfer rate) y la tasa de consumo biológico del
microrganismo (OUR, oxygen uptake rate):
d ( DO ⋅ V ) μ ⋅ X ⋅V
= k L a ⋅ ( DO* − DO ) ⋅ V − (4)
dt   YOX
OTR  
OUR
IEEE LATIN AMERICA TRANSACTIONS, VOL. 12, NO. 3, MAY 2014
A medida que aumenta la biomasa del sistema, la demanda
de oxígeno se incrementa, por lo que es necesario aumentar la
tasa de transferencia para mantener la concentración de
oxígeno en niveles apropiados. La OTR puede aumentarse, ya
sea, aumentando el coeficiente de transferencia de masa, kLa,
o bien, la concentración de saturación de oxígeno disuelto,
DO*.
El coeficiente de transferencia de masa depende, entre otros
factores, del grado de turbulencia del medio. En cultivos
celulares se suelen manipular la agitación y el flujo de gas
para aumentar la transferencia de oxígeno [13]. Sin embargo,
todo sistema de agitación/aireación posee un valor máximo de
kLa característico, que viene dado por la velocidad máxima de
agitación y el flujo máximo de gas soportado para una
operación segura del proceso. Lo anterior supone una
limitante física del sistema de transferencia de oxígeno, la cual
debe ser considerada al momento de diseñar e implementar
estrategias de control de oxígeno disuelto.
Una de las estrategias que permite mejorar la tasa de
transferencia de oxígeno sin sobrepasar este límite, consiste en
enriquecer el flujo de aire con oxígeno puro [9]. Esta
estrategia permite aumentar la solubilidad del oxígeno en la
solución (DO*) (Ecuación 4), y con ello incrementar el
gradiente de oxígeno que a su vez aumenta el OTR. A partir
de estos antecedentes, se escogió una estrategia de control de
oxígeno mixta que manipula la velocidad del agitador, el flujo
de aire y el flujo de oxígeno respetando las limitaciones del
sistema de transferencia de oxígeno.
III. INSTRUMENTACIÓN
Los experimentos fueron realizados en bioreactores de 1-L
de volumen útil equipados con un agitador con dos turbinas
Rushton. El gas ingresado al reactor se dispersó mediante un
difusor de acero inoxidable de 0.1 µm de porosidad ubicado
en la parte inferior del reactor. Se estudió la influencia de
diversos factores en la transferencia de oxígeno por medio de
experimentos en estos reactores con 400 mL de agua a 30ºC.
La temperatura, pH, agitación y oxígeno disuelto son
regulados por el sistema de control SIMATIC PCS7 (Siemens,
Alemania) programado apropiadamente para este estudio. El
sistema de control dispone de una unidad de control PLC S7-
400 (CPU 416, Siemens) y unidades remotas distribuidas de
I/O comunicadas por una red de tipo industrial (PROFIBUS
DP). Allí se integran las señales de los sensores así como las
salidas hacia válvulas, bombas y controladores dedicados. La
Fig. 1 muestra el P&ID simplificado, indicando la
configuración del lazo de control de oxígeno. La temperatura
es mantenida mediante un control PID utilizando un sensor
PT-100 y válvulas de agua caliente y fría, tipo on/off con
ancho de pulso modulado (Pulse Witdth Modulation). El
control de pH está compuesto por una sonda de medición de
pH Tophit CPS 471D (Endress&Hauser, Alemania) y bombas
peristálticas accionadas por un controlador PID. Estas bombas
adicionan una solución de NaOH 1-M para alcalinizar el
medio líquido y contrarrestar la acción acidificante del
microorganismo durante su crecimiento.
La transferencia de oxígeno es normalmente un factor
limitante en los cultivos aeróbicos. En estos procesos los
microrganismos consumen el oxígeno desde el medio líquido,
por lo que este primero debe ser disuelto y luego transportado
CÁRCAMO et al.: EFFECTIVE DISSOLVED OXYGEN CONTROL 391

a la célula. Las variables manipulables que influyen en la IV. DISEÑO DEL ESQUEMA DE RANGO DIVIDIDO
transferencia de oxigeno son: velocidad de agitación (rpm), Previo al diseño del esquema de control de rango dividido,
aireación (VVM) y presión parcial de oxígeno (pO2) [14]. fue necesario determinar la influencia de las variables
Split
Split OIC
manipuladas en la tasa de transferencia de oxígeno (funciones
Range
01 de transferencia). Para ello se realizaron experimentos
individuales variando la agitación, aireación y la composición
Aire
MASS Flow
Controller
TIA TIA del aire de entrada en una solución de agua a 30ºC.
pH DO2
MASS Flow
O2

• Agitación
Controller
Mixer

AE AE
La agitación además de aumentar el coeficiente volumétrico
01 02 de transferencia de masa permite mantener el cultivo en
condiciones homogéneas. Sin embargo, el máximo valor de
agitación depende de las restricciones físicas propias del
reactor utilizado. Para caracterizar la relación kLa /agitación se
utilizó el método dinámico convencional [11] con un flujo de
aire de 0,5 VVM (0,2 L/min) y velocidades de agitación entre
300 y 800 rpm (Fig. 3). En la Fig. 3 se puede constatar la
dependencia lineal del coeficiente de transferencia de masa
Figura 1. P&ID del sistema de control del bioreactor. con respecto a la agitación.
0,04
El control de rango dividido es la solución habitual cuando
se necesita manipular múltiples variables para ampliar el 0,03
rango de control del proceso [15]. Por ello, en el presente

kLa [1/s]
trabajo diseñamos una estrategia de control de rango dividido 0,02
triple que manipula secuencialmente; agitación, flujo de aire y
flujo de oxígeno ingresados al bioreactor (Fig. 2). Las 0,01
primeras dos tienen como objetivo aumentar el kLa
manteniendo DO* constante, mientras la tercera acción
0
aumenta el DO* manteniendo el kLa constante (nótese que el 0 200 400 600 800 1000
flujo total de gas se mantiene constante y con ello no se Agitacion [rpm]
sobrepasa la capacidad máxima del sistema de adición).
Figura 3. Variación del coeficiente de transferencia de masa con la agitación
para un volumen de 0.4 L de agua a 30ºC y con flujo de aire mínimo de 0.2
L/min.

Figura 2. Esquema de control de rango dividido utilizado. Primero se
manipula la agitación, luego el flujo de aire y finalmente le flujo de oxígeno
puro (enriquecimiento).
El sistema de control de oxígeno consiste en una sonda para
su medición, agitador y flujómetro controlador de
aire/oxígeno. En el caso de la medición de oxígeno disuelto,
• Aireación
La aireación es una variable de suma importancia ya que
además de suministrar oxígeno, permite arrastrar el dióxido de
carbono producido por las células el que a altas
concentraciones inhibe el crecimiento celular. La Fig. 4
muestra la dependencia lineal del coeficiente de transferencia
de masa para flujos de aire entre 0.5 y 1.5 VVM (0.2 – 0.6
L/min) obtenidas experimentalmente mediante el método
dinámico convencional [11].
0,06
0,04
kLa [1/s]

esta se realizó con la sonda Oxymax COS22D

(Endress&Hauser, Alemania) basada en el principio Clark
[16]. Para la agitación se dispuso un motor DC de velocidad 0,02
variable (VEXTA) integrado con 30 pulsos por revolución
(AXH Series, Oriental Motor, China). Finalmente, para la 0
regulación de los aportes de aire y oxígeno se utilizaron 0 0,5 1 1,5 2
controladores de flujo másico (OMEGA, Estados Unidos) Flujo [VVM]
basados en el principio térmico para la medición directa del Figura 4. Variación del coeficiente de transferencia de masa con la tasa de
flujo de gas. aireación para un volumen de 0.4 L de agua a 30ºC y agitación de 800 rpm.
392
• Enriquecimiento de Oxígeno
Finalmente, se determinó el efecto de enriquecimiento de
aire atmosférico con oxígeno utilizando la ley de Henry para
una determinada composición de oxígeno gaseoso, yO2 (%v/v):
Faire ⋅ yO2 ,aire + FO2 ⋅ yO2
yO2 =
Ftotal
donde FY corresponde al flujo de gas (aire u oxígeno) (L/min)
e yO2 corresponde a la composición de oxígeno en la
respectiva corriente (%v/v). Combinando la Ecuación (5) con
la Ley de Henry, se puede estimar la solubilidad del oxígeno
de la siguiente forma,
Ptotal ⋅ yO2
DO* =
H O2
donde Ptotal es la presión de trabajo (1 atm), HO2 es la constante
de Henry del oxígeno a 30ºC (0,323 atm∙L/mg [17]) y DO* es
la solubilidad del oxígeno (mg/L). La Fig. 5 muestra la
influencia del enriquecimiento de oxígeno (0-100%) en la
solubilidad de oxígeno.
30
DO* (ppm)
20
10
0
0% 20% 40% 60% 80%
% O2/(O2+Aire)
Figura 5. Efecto del enriquecimiento de aire con oxígeno puro en la
concentración de saturación del oxígeno en agua a 30ºC.
• Cálculo de parámetros para del split-range
Una vez determinadas el efecto de las variables
manipuladas en la tasa de transferencia de oxígeno, se
procedió a determinar los rangos de acción del controlador.
Con el fin de generar una acción de control simple y lineal se
desarrolló una función de rango dividido que en primer lugar
aumenta el kLa (primero por agitación y luego por aireación)
manteniendo el DO* constante y luego aumenta el DO*
manteniendo el kLa constante (enriquecimiento). Para modelar
dicha función, se determinaron las curvas de agitación,
aireación y oxigenación de modo tal de tener una curva
kLa∙DO* lineal. Se eligió esta variable pues ella considera la
tasa máxima transferible de oxígeno disuelto en el medio, lo
que la hace una variable de fácil interpretación y escalamiento.
La grafica resultante se muestra en la Fig. 6. La acción de cada
variable fue modificada de 0-100% según el mínimo y
máximo escogido (agitación 300-800 rpm; aireación 0,2-0,6
L/min; oxigenación 0-0,6 L/min). Los rangos determinados
fueron los siguientes: entre 0-11% se manipula la agitación,
entre 11-18,5% se regula la aireación y finalmente para
acciones de control superiores a 18,5% se manipula el flujo de
oxígeno puro.
IEEE LATIN AMERICA TRANSACTIONS, VOL. 12, NO. 3, MAY 2014
(5)
Figura 6. Acciones de control en el algoritmo de rango dividido.
De esta forma, la estrategia de control de rango dividido
diseñado permite variar el parámetro kLa∙DO* linealmente con
respecto a la acción de control (Fig. 7).
(6)
Figura 7. Variación de la tasa máxima de oxígeno (kLa∙DO*) con respecto a la
acción del controlador PID.
V. IMPLEMENTACIÓN Y SIMULACIÓN
100%
La estrategia de control se implementó en el sistema
SIMATIC PCS7 utilizando un algoritmo PID estándar tipo
paralelo, DeadBand configurable, y definición de tiempo de
muestreo para las acciones integral y derivativa. El PID tiene
como variable de proceso la medición de concentración de
oxígeno disuelto. La salida del controlador PID se lleva hasta
un bloque split range de tres variables diseñado para esta
aplicación e implementado en el software del controlador que
actúa sobre la agitación, el flujo de aire y de oxígeno. El
bloque fue construido basado en el paradigma de modularidad,
lo que permite que sea reutilizable en otras secciones del
software del controlador e incluso exportable a otros sistemas.
Para la simulación y sintonización del sistema de control
propuesto se utilizó el software Simulink 7.8 (MATLAB
R2011b, Mathworks). El controlador seleccionado para
simular el sistema fue un PI. La sintonización de los
parámetros de este controlador se logró minimizando la
siguiente función de costo,
tf
ITAE =  t ⋅ DOset − DO meas dt (7)
0
Los parámetros óptimos encontrados por simulación fueron
K = 0,49 y τI = 10 s. Las Figs. 8 y 9, a continuación, muestran
simulaciones de los resultados obtenidos implementando este
controlador, para la fase alimentada del cultivo fed-batch.
CÁRCAMO et al.: EFFECTIVE DISSOLVED OXYGEN CONTROL
Figura 8. Simulación control de DO durante cultivo fed-batch.
Figura 9. Evolución de la acción del controlador PID.
VI. VALIDACIÓN EXPERIMENTAL
La validación experimental fue realizada en cultivos fed-
batch de Escherichia coli crecida en medios de cultivo
definido en las mismas condiciones usadas para caracterizar el
kLa (30ºC y pH 6.7). La Fig. 10 muestra los resultados
experimentales obtenidos en un cultivo tipo, para la variable
controlada (oxígeno disuelto) y la acción del controlador.
Figura 10. Validación experimental del sistema de control propuesto.
Por otro lado, la Fig. 11 muestra la evolución de las
variables manipuladas en el esquema de control. El tiempo
cero corresponde al tiempo de inoculación del
microorganismo. A medida que transcurre el tiempo, el
microrganismo comienza a proliferar y con ello el consumo
biológico de oxígeno aumenta hasta alcanzar el valor definido.
Al alcanzar el set-point (2 mg/L) aprox. a las 5 h de iniciado el
cultivo, la acción del PID comienza a aumentar de modo tal de
mantener la variable de proceso en el valor deseado. Es
importante recalcar que aproximadamente tras 8 horas de
cultivo se inicia la alimentación y con ello la señal de control
se vuelve mucho más ruidosa especialmente entre las horas 8
y 14 (Fig. 10). Esto se debe principalmente a que se utilizan
bombas peristálticas a pulso para suministrar la alimentación,
y en consecuencia la adición de ésta es discontinua. Al caer
una gota de alimentación el consumo de oxígeno aumenta
393
notoriamente (disminuyendo el DO) y cuando éste se consume
completamente el consumo baja (aumentando el DO).
Adicionalmente, dado que el inicio de la fase alimentada
comienza con el pulso mínimo, la discontinuidad inicial es aún
mayor. A pesar del ruido intrínseco del proceso, la acción de
control es capaz de mantener la variable proceso entre 1,5 y
2,5 mg/L durante la mayoría del cultivo, lo cual permitió
asegurar el crecimiento y mantener viabilidad del proceso,
alcanzando densidades celulares cercanas a 100 OD (aprox. 50
g/L de biomasa).
Figura 11. Evolución de las variables manipuladas para el control de oxígeno
disuelto durante la validación experimental.
VII. CONCLUSIONES.
El esquema de control de oxígeno disuelto aquí propuesto
opera mediante la acción secuencial de la agitación, aireación
y oxigenación. Esta estrategia probó ser una alternativa
efectiva para controlar la concentración de oxígeno en cultivos
de alta densidad celular. La correcta caracterización del
coeficiente volumétrico de transferencia de masa así como de
la solubilidad del oxígeno, permitieron diseñar un control
simple de rango divido que varía linealmente con respecto a la
tasa máxima de transferencia de oxígeno. El desempeño del
sistema fue validado experimentalmente en cultivos fed-batch
de E. coli obteniéndose resultados positivos incluso en
presencia de un considerable ruido de proceso.
A pesar que la estrategia fue implementada y validada para
condiciones específicas de temperatura y pH en un cultivo
microbiano determinado, la estrategia de control aquí
desarrollada puede replicarse y escalarse fácilmente a nivel
industrial en diferentes cultivos celulares con diferentes
estrategias de alimentación y/o en distintas condiciones de
crecimiento.
El esquema propuesto es simple de desarrollar y programar,
por lo que se puede utilizar fácilmente en otros esquemas de
control como feedforward o feedback-feedforward.
REFERENCIAS
[1] M. Gavrilescu and Y. Chisti, “Biotechnology-a sustainable
alternative for chemical industry.,” Biotechnol. Adv., vol. 23, no. 7–
8, pp. 471–99, Dec. 2005.
[2] N. Petersen, P. Odman, A. E. C. Padrell, S. Stocks, A. E. Lantz, and
K. V Gernaey, “In situ near infrared spectroscopy for analyte-
specific monitoring of glucose and ammonium in streptomyces
coelicolor fermentations.,” Biotechnol. Prog., vol. 26, no. 1, pp.
263–71, 2009.
[3] Y. Tao, Q. Cheng, and A. Kopatsis, Microbial Metabolic
Engineering, vol. 834. New York, NY: Springer New York, 2012,
pp. 283–304.
394 IEEE LATIN AMERICA TRANSACTIONS, VOL. 12, NO. 3, MAY 2014

[4] C.-S. Bae, M.-S. Hong, S.-G. Chang, D.-Y. Kim, and H.-C. Shin,
“Optimization of fusion proinsulin production by high cell-density
fermentation of recombinantE. coli,” Biotechnol. Bioprocess Eng.,
vol. 2, no. 1, pp. 27–32, Jun. 1997.
[5] B. S. Kim, S. C. Lee, S. Y. Lee, H. N. Chang, Y. K. Chang, and S. I.
Woo, “Production of poly(3-hydroxybutyric-co-3-hydroxyvaleric
acid) by fed-batch culture of Alcaligenes eutrophus with substrate
control using on-line glucose analyzer,” Enzyme Microb. Technol.,
vol. 16, no. 7, pp. 556–561, Jul. 1994.
[6] J. Villadsen and K. R. Patil, “Optimal Fed-Batch Cultivation When
Mass Transfer Becomes Limiting,” Biotechnol. Bioeng., vol. 98, no.
3, pp. 706–710, 2007.
[7] D. Riesenberg, V. Schulz, W. A. Knorre, H.-D. Pohl, D. Korz, E. A.
Sanders, A. Roß, and W.-D. Deckwer, “High cell density cultivation
of Escherichia coli at controlled specific growth rate,” J.
Biotechnol., vol. 20, no. 1, pp. 17–27, Aug. 1991.
[8] A. C. A Veloso, I. Rocha, and E. C Ferreira, “Monitoring of fed-
batch E. coli fermentations with software sensors.,” Bioprocess
Biosyst. Eng., vol. 32, no. 3, pp. 381–388, 2009.
[9] S.-O. Enfors, Fermentation Process Engineering. Stockholm:
School of Biotechnology Royal Institute of Technology, 2011.
[10] H. M. Hassan and I. Fridovich, “Enzymatic defenses against the
toxicity of oxygen and of streptonigrin in Escherichia coli.,” J.
Bacteriol., vol. 129, no. 3, pp. 1574–83, Mar. 1977.
[11] F. Garcia-Ochoa and E. Gomez, “Bioreactor scale-up and oxygen
transfer rate in microbial processes: an overview,” Biotechnol. Adv.,
vol. 27, no. 2, pp. 153–76, 2009.
[12] L. Han, S.-O. Enfors, and L. Häggström, “Escherichia coli high-
cell-density culture: carbon mass balances and release of outer
membrane components.,” Bioprocess Biosyst. Eng., vol. 25, no. 4,
pp. 205–12, Jan. 2003.
[13] J. Villadsen, J. Nielsen, and G. Lidén, Bioreaction engineering
principles. New York: Springer Verlag, 2011.
[14] L. Andersson, L. Strandberg, L. Häggström, and S. O. Enfors,
“Modeling of high cell density fed batch cultivation.,” FEMS
Microbiol. Rev., vol. 14, no. 1, pp. 39–44, May 1994.
[15] B. A. Ogunnaike and W. H. Ray, Process Dynamics, Modeling, and
Control, Second. New York: Oxford University Press, 1994, pp.
459–505.
[16] M. M. F. Choi and D. Xiao, “Linear calibration function of
luminescence quenching-based optical sensor for trace oxygen
analysis,” Analyst, vol. 124, no. 5, pp. 695–698, 1999.
[17] P. A. Saa, M. I. Moenne, J. R. Pérez-Correa, E. Agosin, I. Moenne,
and R. Pérez-Correa, “Modeling oxygen dissolution and biological
uptake during pulse oxygen additions in oenological fermentations,”
Bioprocess Biosyst. Eng., vol. 35, no. 7, pp. 1167–1178, Feb. 2012.
Jorge Torres is a Biologist (specialization in Bioprocesses).
His research interests are mainly related to Microbiology.
Currently, he is working on optimizing the production of
recombinant vaccines for the salmon industry, using different
Saccharomyces cerevisiae and Escherichia coli strains.
Samuel Torres is an Electronic Engineer and Master in
Information Technology. Currently, he is working at the
Chemical and Bioprocess Engineering Department at the
Pontificia Universidad Católica de Chile. His research
interests are in industrial automation applied to
biotechnology, mining and power generation.
Patricio Mandujano is a Molecular Biotechnology
Engineer and Master of Sciences. Currently, he is working
at Centrovet developing new vaccines for the salmon
industry among others. His research interests are in
bioengineering, molecular biology, immunology and
biochemistry.
José R. Pérez-Correa received his M.Eng. from the
Universidad de Chile (1982) and PhD in Chemical
Engineering (1987) from the Imperial College (U. of
London). Now, he is a full Professor at the Chemical and
Bioprocess Engineering Department of the Pontificia
Universidad Católica de Chile. His research interests are
dynamic modelling, automatic control, process and
biological systems engineering and natural products. He has (co-)authored 30
books chapters and 65 journal papers.
Eduardo Agosin received his M.Sc. from the Université
Catholique de Louvain (1979) and PhD in Microbiology
(1985) from the French National Institute for
Agricultural Research (INRA). Currently, he is a full
Professor at the Chemical and Bioprocess Engineering
Department of the Pontificia Universidad Católica de
Chile. His research interests are in process
biotechnology, metabolic engineering and aromatic
compounds. He has (co-)authored more than 80 publications and presented in
more than 100 scientific conferences.

Martín Cárcamo is a Biochemist and Industrial

Bioprocess Engineer. He received a Master in Engineering
Sciences, specializing in the optimization of recombinant
protein production in Saccharomyces cerevisiae and
Escherichia coli fed-batch cultures.

Pedro Saa is a Biological Engineer and Master of

Engineering Sciences from Pontificia Universidad
Católica de Chile (2012). Currently, he is a PhD student
in Biotechnology at The University of Queensland. His
research interests are computational and systems biology,
especially the area related to biological systems
modelling and metabolic engineering.

View publication stats