Dissertação de Mestrado

A busca por fontes energéticas que sejam economicamente e ambientalmente viáveis incentiva o desenvolvimento de novas vias para a produção de combustíveis renováveis, como a produção de etanol por fermentação alcoólica de biomassas. Convencionalmente, a produção industrial de etanol é realizada a partir de um meio de cultivo formulado exclusivamente por milho ou cana-de-açúcar devido à disponibilidade e à produtividade por hectare e da ação fermentativa da levedura Saccharomyces cerevisiae, microrganismos capazes de converter os açúcares presentes no meio de cultivo em etanol e outros metabólitos. Uma alternativa em potencial foi apresentada ao formular um meio de cultivo com uma mistura de milho e cana-de-açúcar a fim de incorporar as vantagens de cada matéria-prima no processo. Foi reportado que essa mistura pode dispensar o uso de fonte de energia externa através da queima de bagaço de cana, além de reduzir o consumo de enzimas e de água, enquanto aumenta a produtividade em etanol. Porém, entender as relações entre microrganismos e o meio de cultivo é bastante complexo. Diante desse contexto, o presente trabalho teve como objetivo aplicar um modelo matemático nãoestruturado e não-segregado capaz de descrever o processo de fermentação alcoólica de mosto misto formulado a partir do hidrolisado de milho e do caldo de cana-de-açúcar, esta mistura de biomassas poderá agregar a autossuficiência energética para indústria a partir do bagaço da cana e destinar o superávit de produção de milho da Região Centro-Oeste do Brasil. Assim, foram realizados cultivos em monocultura com a cepa de Saccharomyces cerevisiae Ethanol Red® em diferentes temperaturas (28, 30 e 32 ºC), e também foram aplicados os dados de cultivo em cocultura a 32 ºC, com inóculo de bactérias ácido láticas de metabolismo hetero- e homofermentativa (Lactobacillus fermentum e Lactobacillus plantarum, respectivamente) realizadas por Buzelli (2022). Para alcançar este objetivo, o mosto misto foi formulado em função dos açúcares redutores totais equivalentes (ARTeq) na proporção 80/20 (milho/cana), onde 80% foram de hidrolisado de milho e 20% do caldo de cana-de-açúcar, com a adição dos nutrientes sulfato de amônio e sulfato de magnésio. Os resultados obtidos em monocultura foram a inversão da sacarose em 4 horas e o esgotamento dos açúcares em até 14 horas de cultivo, em consequência formaram-se 6,5 g L-1 de glicerol em todas as temperaturas e uma faixa de 48,2 a 53,7 g L-1 de etanol à medida que a temperatura do cultivo aumentava. Assim, o modelo aplicado e validado foi capaz de descrever adequadamente o crescimento celular, o consumo de açúcares (glicose e frutose), a hidrólise da sacarose pela enzima invertase e a formação de glicerol e etanol. A qualidade do modelo em monocultura obteve 26% de Desvio Padrão Residual (RSD) médio, mas chegou a 12% de RSD médio para o etanol produzido. Ao avaliar com os dados de cultivo controle usados na etapa de validação do modelo, foi obtido RSD de 8% para etanol. No cultivo em cocultura, novos parâmetros cinéticos foram implementados para representar a morte celular pela presença de lactato e acetato, partindo da premissa que ambos foram produzidos exclusivamente pelas bactérias. Diante disso, notou-se nas simulações que as leveduras possuem maior sensibilidade ao lactato, em comparação ao acetato, resultando em uma queda de até 9 % na formação de etanol, próximo aos 6% de perda comparados aos dados do cultivo a 32 ºC. Portanto, a comparação dos parâmetros cinéticos calculados para cada condição testada fornece uma melhor compreensão de como as leveduras reagem ao meio para a produção de etanol, sendo útil na otimização de processos fermentativos. Por fim, nas condições simuladas pelo modelo, a proporção entre milho e cana-de-açúcar entre 60/40 e 30/70 (milho/cana) tem o potencial de atingir uma concentração final de etanol de até 66 g L-1 em 15 horas de cultivo, o que indica que a incorporação das biomassas é benéfica ao processo fermentativo. Como conclusão, observa-se que a modelagem matemática da fermentação de mosto misto é uma poderosa ferramenta para buscar a otimização do processo industrial.

The search for energy sources that are economically and environmentally viable is encouraging the development of new ways of producing renewable fuels, such as the production of ethanol through the alcoholic fermentation of biomass. Conventionally, the industrial production process of ethanol is carried out using a medium formulated exclusively from corn or sugar cane due to the availability and productivity per hectare and the fermentative action of the yeast Saccharomyces cerevisiae, microorganisms capable of converting the sugars present in the medium into ethanol and other metabolites. A potential alternative was presented by formulating a medium with a mixture of corn and sugar cane in order to incorporate the advantages of each biomass into the process. It has been reported that this mixture can lower the use of an external energy source through the burning of sugarcane bagasse, as well as reducing enzyme and water consumption, while increasing ethanol productivity. However, understanding the relationship between microorganisms and its medium is quite complex. Given this context, the aim of this study was to apply an unstructured and non-segregated mathematical model capable of describing the alcoholic fermentation process of mixed mash formulated from corn hydrolysate and sugarcane juice. This mixture of biomasses could add energy self-sufficiency to the sugarcane bagasse industry and allocate the surplus corn production in the Midwest region of Brazil. Thus, monoculture fermentations were carried out with the Saccharomyces cerevisiae Ethanol Red® strain at different temperatures (28, 30 and 32 ºC), and the data from coculture at 32 ºC, with an inoculum of lactic acid bacteria with hetero- and homofermentative metabolism (Lactobacillus fermentum and Lactobacillus plantarum, respectively) carried out by Buzelli (2022), were also applied. To achieve this, the mixed mash was formulated according to the equivalent total reducing sugars (ARTeq) in an 80/20 ratio (corn/cane), where 80% was corn hydrolysate and 20% sugarcane juice, with the addition of ammonium sulphate and magnesium sulphate as nutrients. The results obtained in monoculture were the sucrose inversion in 4 hours and the sugars depletion in up to 14 hours of fermentation, as a result of which 6.5 g L-1 of glycerol was formed at all temperatures and a range of 48.2 to 53.7 g L-1 of ethanol as the fermentation temperature increased. Thus, the model applied and validated was able to adequately describe cell growth, the consumption of sugars (glucose and fructose), the hydrolysis of sucrose by the enzyme invertase and the formation of glycerol and ethanol. The quality of the monoculture model obtained 26% average Residual Standard Deviation (RSD) but reached an average 12% of RSD for the ethanol produced. When evaluated with the control fermentation data used in the model validation step, an RSD of 8% was obtained for ethanol. In coculture, new kinetic parameters were implemented to represent cell death due to the presence of lactate and acetate, based on the assumption that both were produced exclusively by the bacteria. The simulations showed that the yeasts were more sensitive to lactate than acetate, resulting in a drop of up to 9% in ethanol formation, close to the 6% loss compared to the data from the 32 ºC culture. Therefore, comparing the kinetic parameters calculated for each condition tested provides a better understanding of how yeasts react to the medium for ethanol production, and is useful for optimizing fermentation processes. Finally, under the conditions simulated by the model, a ratio between corn and sugar cane of 60/40 and 30/70 (corn/sugarcane) has the potential to achieve a maximum concentration of ethanol of 66 g L-1 in 15 hours of fermentation, which indicates that the incorporation of biomass is beneficial to the fermentation process. In conclusion, mathematical modelling of mixed mash fermentation is a powerful tool for optimizing the industrial process.