BRPI0818924B1 - método de formulação de um modelo de nir - Google Patents

método de formulação de um modelo de nir Download PDF

Info

Publication number
BRPI0818924B1
BRPI0818924B1 BRPI0818924A BRPI0818924A BRPI0818924B1 BR PI0818924 B1 BRPI0818924 B1 BR PI0818924B1 BR PI0818924 A BRPI0818924 A BR PI0818924A BR PI0818924 A BRPI0818924 A BR PI0818924A BR PI0818924 B1 BRPI0818924 B1 BR PI0818924B1
Authority
BR
Brazil
Prior art keywords
biomass
sample
raw material
nir
model
Prior art date
Application number
BRPI0818924A
Other languages
English (en)
Inventor
Saad Ragab Amr
Hames Bonnie
R Thomas Steven
Kruse Tania
Original Assignee
Ceres Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ceres Inc filed Critical Ceres Inc
Publication of BRPI0818924B1 publication Critical patent/BRPI0818924B1/pt

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B5/00—ICT specially adapted for modelling or simulations in systems biology, e.g. gene-regulatory networks, protein interaction networks or metabolic networks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N2021/8466—Investigation of vegetal material, e.g. leaves, plants, fruits
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2201/00—Features of devices classified in G01N21/00
    • G01N2201/12—Circuits of general importance; Signal processing
    • G01N2201/129—Using chemometrical methods
    • G01N2201/1293—Using chemometrical methods resolving multicomponent spectra

Abstract

método de formulação de um modelo de nir métodos e materiais para medição da composição de biomassa de planta e previsão da eficiência de conversão de tal biomassa para vários produtos finais sob várias condições de processamento são revelados. por exemplo, métodos e materiais para identificação de material de planta tendo níveis maiores de carboidrato acessível, bem como materiais e métodos para processamento de material de planta tendo níveis mais altos de carboidrato acessível são revelados. são também revelados métodos e sistemas executados por computador que proveem eficiências econômicas aperfeiçoadas para biorrefinarias.

Description

MÉTODO DE FORMULAÇÃO DE UM MODELO DE NIR
Campo da Técnica [001] A presente invenção refere-se a métodos e materiais envolvidos na determinação das características composicionais de biomassa de planta e da eficiência de conversão da biomassa para produzir combustíveis, agentes químicos e/ou calor e energia sob várias condições de processamento. Por exemplo, a presente invenção provê materiais e métodos para medição dos níveis de carboidrato acessível e para identificação de material de planta tendo níveis mais altos de carboidrato acessível.
Antecedentes [002] As plantas armazenam energia da luz do sol na forma de ligações químicas que compõem as plantas. A energia armazenada em materiais de planta pode ser convertida em formas de energia tais como calor, eletricidade e combustíveis líquidos, dependendo do material de planta empregado e do processo aplicado para extrair energia dele. Outros processos podem produzir intermediários químicos a partir de biomassa de planta que são úteis em uma variedade de processos industriais, por exemplo, ácido láctico, ácido succínico, etc.
[003] Materiais de planta têm sido usados por milênios por seres humanos para gerar calor através de combustão direta em ar. Para propósitos de aquecimento de construção e processo, este calor é tipicamente usado para gerar vapor, que é uma fonte de calor mais transportável usada para aquecer construções e áreas publicas usando trocadores de calor de vários tipos. A produção de vapor pode ser também usada para acionar
Petição 870190116043, de 11/11/2019, pág. 7/129
2/116 turbinas, que transformam energia térmica em energia elétrica. Esses processos tipicamente envolvem um processo de combustão simples, direto, do material de planta sozinho ou um processo de coqueima com carvão ou outra fonte de energia.
[004] Combustíveis tal como etanol podem ser produzidos a partir de materiais de planta através de vários processos diferentes. Por exemplo, a sacarose em cana-de-açúcar pode ser extraída do material de planta e diretamente fermentada em etanol usando um micro-organismo, tal como uma levedura de padeiro. O Brasil converteu uma porção significante de seu setor de transporte para etanol derivado de cana-de-açúcar, provando que isso pode ser feito em grande escala em geografia ampla. Como outro exemplo, o amido de milho pode ser processado usando α-amilase e glicoamilase para liberar glicose livre que é subsequentemente fermentada em etanol. Os Estados Unidos usam uma porção significante de sua cultura de milho para produzir etanol a partir de amido. Embora esses avanços sejam significantes, a habilidade em aumentar a quantidade de combustível de transporte líquido obtido a partir de material de planta é limitada e insuficiente para atingir alvos de energia renovável federalmente comandados porque apenas uma pequena fração de energia solar capturada e transformada em energia química em plantas é convertida em biocombustíveis nesses processos industriais.
[005] Material de planta pode ser usado para a produção de biocombustíveis celulósicos através de processos bioquímicos empregando enzimas e/ou micro-organismos ou através de processos termoquímicos tal como tecnologia de Biomassa em Líquidos (BtL) (Biomass to Liquids) usando catalisadores de temperatura
Petição 870190116043, de 11/11/2019, pág. 8/129
3/116 alta e não-enzimáticos. Há também exemplos de processos termoquímicos/bioquímicos híbridos. Processos bioquímicos tipicamente empregam pré-tratamentos físicos e químicos, enzimas e micro-organismos para desconstruir a matriz de lignocelulose da biomassa a fim de liberar o fermentável de celulose, hemicelulose e/ou outros carboidratos de parede celular, que são subsequentemente fermentados em etanol por um micro-organismo. Atualmente, muitos métodos de processamento diferentes estão sendo desenvolvidos para produção de biocombustível que empregam estratégias diferentes para pré-tratamento, coquetéis de enzima e micro-organismos. Muitos desses processos focam na produção de etanol, mas butanol e outras moléculas úteis (por exemplo, ácido láctico, ácido succínico, polialcanoatos, etc.) podem ser também produzidos neste tipo de processo. A molécula de produto de conversão produzida é geralmente definida pelos micro-organismos selecionados para fermentação.
[006] Processos termoquímicos empregam temperaturas muito altas em um ambiente com pouco oxigênio (isto é, O2) para degradar completamente os constituintes orgânicos de biomassa em syngas, amplamente composto de hidrogênio molecular (H2) e gás monóxido de carbono (CO) . Essas moléculas simples são então reformadas em moléculas mais úteis e valiosas (combustíveis ou intermediários químicos) utilizando um processo FischerTropsch ou outros métodos geralmente empregando um catalisador químico de algum tipo. Esses processos são eficazes na produção de biocombustíveis que são similares a combustíveis de hidrocarbono baseados em petroquímicos atuais (isto é, gasolina, diesel, combustível de avião), embora outras moléculas de biocombustível possam ser também produzidas nesses tipos de pro
Petição 870190116043, de 11/11/2019, pág. 9/129
4/116 cessos (isto é, etanol, butanol, querosene).
[007] Uma forma variante de processo termoquímico usa pirólise (isto é, degradação térmica na ausência completa de oxigênio) para degradar parcialmente os constituintes orgânicos presentes em biomassa de planta em um bio-óleo líquido quimicamente homogêneo. Isto serve para aumentar a densidade de energia da biomassa para facilitar transporte para instalações de processamento centralizadas onde o bio-óleo é processado mais para um candidato a produto desejado.
[008] A viabilidade econômica de processos de conversão de biomassa é significantemente impactada pela composição do material de planta e sua eficiência de conversão em calor, eletricidade, biocombustíveis ou intermediários químicos sob condições de processamento específicas. Para processos bioquímicos de produção de biocombustíveis e outros agentes químicos, a recalcitrância da matriz de lignocelulose da biomassa é um fator principal em eficiência de conversão. Métodos analíticos atuais para medição de vários parâmetros relevantes para a conversão de materiais de planta em energia são lentos, caros e requerem trabalho altamente especializado para produzir informação precisa e confiável. O baixo rendimento e o alto custo desses métodos limitam seu uso em seleção e produção de variedades de matérias-primas de biomassa de planta aperfeiçoadas em suas características de desempenho de conversão. Pelas mesmas razões, esses métodos são também limitados em seu uso para monitoramento de vários intermediários de processo durante processamento de biomassa. Essas dificuldades em desenvolvimento de matéria-prima e processo limitaram a concretização do potencial de biocombustíveis celulósicos e impediram o de
Petição 870190116043, de 11/11/2019, pág. 10/129
5/116 senvolvimento de processos economicamente viáveis.
Sumário [009] A invenção é baseada em parte na constatação que modelos de NIR podem ser desenvolvidos, os quais caracterizam a natureza e/ou quantidade de componentes de biomassa de planta de significância para vários processos de conversão de biomassa. Por exemplo, foi surpreendentemente constatado que eficiência de conversão de sacarificação enzimática pode ser prevista com base na espectroscopia de NIR da biomassa seca e moída. Tais modelos de NIR podem ser usados para prever eficiência de sacarificação de amostras de biomassa desconhecidas sob condições de processamento idênticas ou similares. Tais modelos podem ser também usados para prever o rendimento final de biocombustível a partir de um material de biomassa particular sob essas mesmas condições de processamento específicas. Desta maneira, tais modelos podem ser usados para determinar as condições ótimas para processamento de uma matéria-prima particular em uma biorrefinaria. Modelos de NIR podem ser usados em produção de planta para selecionar plantas tendo níveis mais altos de carboidrato acessível e rendimento maior de biocombustível (isto é, etanol) em galões/ton de biomassa. Tais plantas selecionadas podem ser usadas para produzir variedades aperfeiçoadas tendo uma quantidade maior de carboidratos acessíveis e eficiência de sacarificação maior como uma característica de valor agregado. Tais plantas são úteis para produzir biomassa que pode ser convertida em um combustível líquido ou outros agentes químicos.
[0010] Então, em um aspecto, a invenção refere-se a um método de formulação de um modelo de NIR. O método compreende subme
Petição 870190116043, de 11/11/2019, pág. 11/129
6/116 ter uma pluralidade de amostras de matéria-prima de biomassa diferentes do mesmo tipo à espectroscopia de infravermelho próximo para produzir dados espectroscópicos de NIR de cada amostra. A composição química de cada amostra de matéria-prima é medida independentemente usando técnicas de química úmida ou outras estabelecidas, bem como a quantidade total de mono- e dissacarídeos solubilizados de cada amostra após processamento sob conjuntos definidos de condições de pré-tratamento/carga de enzima. O modelo de NIR é gerado a partir das correlações que emergem entre os dados espectroscópicos, os dados de composição química e os resultados de sacarificação. O modelo de NIR resultante é capaz de prever a quantidade de carboidrato acessível em uma amostra de matéria-prima de teste se ela tivesse que ser processada sob a mesma condição de prétratamento/carga de enzima definida ou similar. Em algumas modalidades, a etapa de geração compreende regressão dos dados espectrais contra os dados de composição química e resultados de sacarificação, e derivação de uma equação de calibragem usando métodos estatísticos multivariados. O método pode incluir ainda medição da quantidade total de mono- e dissacarídeos solubilizados de cada uma das amostras de matéria-prima após processamento através de uma segunda condição de prétratamento/carga enzimática definida, e geração de um segundo modelo de NIR a partir das quantidades de mono- e dissacarídeo solubilizados sob as segundas condições de prétratamento/carga enzimática definidas, os dados espectroscópicos e dados de composição química. A composição química prevista através do modelo de NIR pode incluir o teor de ferulato e/ou acetato da biomassa, se o método tiver sido apropriada
Petição 870190116043, de 11/11/2019, pág. 12/129
7/116 mente calibrado para esses constituintes. O modelo de NIR pode ser gerado a partir de valores de carboidrato recalcitrante.
[0011] Em outro aspecto, a invenção refere-se a um método para determinação da quantidade de material de carboidrato acessível em uma amostra de matéria-prima. O método compreende coleta de dados espectrais de NIR de uma amostra de matériaprima a ser testada, aplicação de um modelo de NIR de carboidrato acessível em matérias-primas do mesmo tipo que a amostra aos dados espectrais e previsão da quantidade de material de carboidrato acessível na amostra com base nos resultados de aplicação do modelo.
[0012] Em outro aspecto, a invenção refere-se a um método para determinação da quantidade de material de carboidrato recalcitrante em uma amostra de matéria-prima. O método compreende coleta de dados espectrais de NIR de uma amostra de matéria-prima a ser testada, aplicação de um modelo de NIR de carboidrato recalcitrante em matérias-primas do mesmo tipo que a amostra aos dados espectrais e previsão da quantidade de material de carboidrato recalcitrante na amostra com base nos resultados de aplicação do modelo.
[0013] Em outro aspecto, a invenção refere-se a um método para previsão da eficiência de conversão de sacarificação de uma amostra de matéria-prima. O método compreende coleta de dados espectrais de NRI de uma amostra de matéria-prima de teste, aplicação de um modelo de NIR de carboidrato acessível em matérias-primas do mesmo tipo que a amostra aos dados espectrais e previsão da eficiência de conversão de sacarificação da amostra, com base nos resultados de aplicação do modelo. A eficiência de conversão de sacarificação pode ser, por exem
Petição 870190116043, de 11/11/2019, pág. 13/129
8/116 plo, eficiência de conversão de glicose ou eficiência de conversão de glicose + xilose. O método pode incluir ainda previsão do rendimento de monossacarídeos a partir da amostra de matéria-prima.
[0014] Em outro aspecto, um método para previsão do rendimento de produto de uma amostra de matéria-prima é descrito. O método compreende coleta de dados espectrais de NIR de uma amostra de matéria-prima a ser testada, aplicação de um modelo de NIR de rendimento de produto em matérias-primas do mesmo tipo que a amostra aos dados espectrais e previsão do rendimento de produto da amostra de matéria-prima, com base nos resultados de aplicação do modelo. O rendimento de produto no método pode ser rendimento de biocombustível. A amostra de matéria-prima pode ser um material herbáceo ou de madeira, por exemplo, grama, sorgo, cana-de-açúcar, miscanto, choupo, salgueiro, arroz ou milho.
[0015] Em outro aspecto, a invenção refere-se a um método para determinação da quantidade de teor de ferulato e acetato em uma amostra de matéria-prima. O método compreende coleta de dados espectrais de NIR a partir de uma amostra de matériaprima a ser testada, aplicação de um modelo de NIR de teor de ferulato e acetato em matérias-primas do mesmo tipo que a amostra aos dados espectrais e previsão da quantidade de teor de ferulato e acetato na amostra de matéria-prima, com base nos resultados de aplicação do modelo.
[0016] Em outro aspecto, a invenção refere-se a um método para determinação de condições enzimáticas para processamento de uma matéria-prima de biomassa. O método compreende coleta de dados espectrais de NIR de uma amostra de matéria-prima de
Petição 870190116043, de 11/11/2019, pág. 14/129
9/116 teste, aplicação de um ou mais modelos de NIR de carboidrato acessível em matérias-primas do mesmo tipo que a amostra aos dados espectrais e previsão das condições de carga de enzima que produzem uma sacarificação definida da amostra, com base nos resultados da etapa de aplicação. Em algumas modalidades, o método inclui também previsão de condições de tratamento que produzem uma sacarificação definida da amostra de matériaprima, com base nos resultados de aplicação do modelo.
[0017] Em outro aspecto, um método para determinação das condições de processamento para uma matéria-prima de biomassa é revelado. O método compreende coleta de dados espectrais de NIR de uma amostra de matéria-prima a ser testada, aplicação de um ou mais modelos de NIR de condições de processamento em matérias-primas do mesmo tipo que a amostra aos dados espectrais e previsão das condições de processamento que produzem uma sacarificação definida da amostra de matéria-prima, com base nos resultados da etapa de aplicação. As condições de processamento podem compreender um pré-tratamento. As condições de processamento podem incluir o uso de uma ou mais enzimas usadas para sacarificar a amostra de matéria-prima prétratada. A amostra de matéria-prima pode ser um material herbáceo ou de madeira. A amostra de matéria-prima pode compreender uma espécie selecionada do grupo consistindo em grama, sorgo, cana-de-açúcar, miscanto, choupo, salgueiro, arroz e milho.
[0018] Em outro aspecto, a invenção refere-se a um método de seleção de uma planta. O método compreende provisão de uma população de plantas de espécies de biomassa, coleta de dados espectrais de NIR de uma amostra de matéria-prima de plantas
Petição 870190116043, de 11/11/2019, pág. 15/129
10/116 na população, aplicação de um modelo de NIR de carboidrato acessível em matérias-primas do mesmo tipo que a amostra aos dados espectrais, previsão da eficiência de sacarificação de cada amostra de matéria-prima, com base nos resultados da etapa de aplicação, e identificação de uma ou mais plantas na população que têm uma eficiência de sacarificação prevista maior com relação à eficiência de sacarificação prevista média para a população. Em alguns aspectos, um método de seleção de uma planta compreende provisão de uma população de plantas de uma espécie de biomassa, coleta de dados espectrais de NIR de uma amostra de matéria-prima de cada uma das plantas na população, aplicação de um modelo de NIR de uma ou mais de porcentagem em peso S, porcentagem em peso G e porcentagem em peso H em matérias-primas do mesmo tipo que a amostra aos dados espectrais, previsão das porcentagens em peso de uma ou mais de S, G e H de cada amostra de matéria-prima, com base nos resultados da dita etapa de aplicação, e identificação de uma ou mais plantas na população que têm uma porcentagem em peso alterada de uma ou mais de S, G ou H com relação à porcentagem em peso prevista média de S, G ou H para a população. A amostra da matéria-prima pode ser um material herbáceo ou de madeira, por exemplo, grama, sorgo, cana-de-açúcar, miscanto, choupo, salgueiro, arroz e milho.
[0019] Em outro aspecto, a invenção refere-se a um método de produção de uma variedade de planta. O método compreende cruzamento de duas ou mais plantas de biomassa de origem e seleção de progênies do cruzamento que têm uma eficiência de conversão de sacarificação prevista maior com relação à eficiência de conversão de sacarificação de pelo menos uma das ori
Petição 870190116043, de 11/11/2019, pág. 16/129
11/116 gens. A etapa de seleção pode incluir coleta de dados espectrais de NIR de uma amostra de matéria-prima de uma ou mais progênies do cruzamento, aplicação de um modelo de NIR de carboidrato acessível em matérias-primas do mesmo tipo que o exemplo aos dados espectrais e previsão da eficiência de conversão de sacarificação da amostra, com base nos resultados da etapa de aplicação. São então selecionadas progênies que têm um aumento previsto em eficiência de conversão de sacarificação com relação à eficiência de conversão de sacarificação prevista de pelo menos uma das plantas de origem. É também descrito um método de produção de uma variedade de planta, onde são selecionadas progênies de um cruzamento que têm uma quantidade prevista maior de carboidrato acessível com relação à quantidade de carboidrato acessível de pelo menos uma das plantas de origem. Em alguns aspectos, um método de produção de uma variedade de planta compreende cruzamento de duas ou mais plantas de biomassa de origem e seleção de progênies do cruzamento que têm uma porcentagem em peso prevista alterada de uma ou mais S, G ou H com relação à porcentagem em peso de S, G ou H de pelo menos uma das plantas de origem. A amostra de matéria-prima pode ser um material herbáceo ou de madeira, por exemplo, grama, sorgo, cana-de-açúcar, miscanto, choupo, salgueiro, arroz e milho.
[0020] Em outro aspecto, a invenção refere-se a um método de produção de uma variedade de planta que inclui identificação de um ou mais membros de uma população de plantas de uma espécie de biomassa que têm uma eficiência de conversão de sacarificação prevista maior com relação à eficiência de conversão de sacarificação média da população. O um ou mais membros
Petição 870190116043, de 11/11/2019, pág. 17/129
12/116 identificados são então propagados através de técnicas sexuadas ou assexuadas. É também descrito um método de produção de uma variedade de planta onde um ou mais membros de tal população são identificados, os quais têm uma quantidade prevista maior de carboidrato acessível com relação à quantidade média de carboidrato acessível da população. Tais plantas identificadas são propagadas através de técnicas sexuadas ou assexuadas.
[0021] A invenção refere-se também a um método de gerenciamento de uma cadeia de fornecimento de matéria-prima. O método inclui coleta de dados espectrais de NIR de uma amostra de matéria-prima a ser testada, aplicação de um modelo de NIR de carboidrato acessível em matérias-primas do mesmo tipo que a amostra aos dados espectrais, previsão da eficiência de conversão de sacarificação da amostra de matéria-prima com base nos resultados da etapa de aplicação e inserção da eficiência de conversão de sacarificação prevista em um sistema de índice de cultura acessível por um processador de matéria-prima. O método pode incluir ainda classificação da matéria-prima de acordo com as especificações de qualidade de matéria-prima fixadas pelo processador de matéria-prima e oferecimento de um preço especificado ao produtor da matéria-prima com base na classificação da matéria-prima.
[0022] A invenção refere-se também a um meio lido por computador compreendendo instruções de programa de computador que quando executado por um processador realiza um método. O método compreende recebimento de dados espectrais de NIR de uma amostra de matéria-prima a ser testada, aplicação de um modelo de NIR de carboidrato acessível em matérias-primas do mesmo
Petição 870190116043, de 11/11/2019, pág. 18/129
13/116 tipo que a amostra aos dados espectrais e transporte da quantidade de material de carboidrato acessível na amostra de matéria-prima, com base nos resultados de aplicação do modelo, para um sistema de índice de cultura.
[0023] Em outro aspecto, a invenção refere-se a um método implementado por computador que compreende coleta de dados espectrais de NIR de uma amostra de matéria-prima a ser testada, aplicação de um modelo de NIR de carboidrato acessível em matérias-primas do mesmo tipo que a amostra de matéria-prima aos dados espectrais, previsão da eficiência de conversão de sacarificação da amostra de matéria-prima com base na aplicação do modelo de NIR e mostra da eficiência de conversão de sacarificação prevista para uso por um sistema de índice de cultura. O sistema é configurado para determinar a qualidade da biomassa para matérias-primas das quais a amostra de matéria-prima foi obtida. Em outro aspecto, um método implementado por computador compreendendo recebimento, em um sistema de índice de cultura, de uma eficiência de conversão de sacarificação prevista de uma matéria-prima, a matéria-prima associada com um produtor provendo a matéria-prima, determinação de uma distribuição de cadeia de fornecimento com base na eficiência de conversão de sacarificação prevista e mostra de uma indicação da distribuição de cadeia de fornecimento a um processador de matériaprima.
[0024] Em outro aspecto a invenção refere-se a um sistema compreendendo uma interface para recebimento de dados espectrais de NIR a partir de uma amostra de matéria-prima e um modelo de NIR de carboidrato acessível em matérias-primas do mesmo tipo que a amostra de matéria-prima que é exibida, para
Petição 870190116043, de 11/11/2019, pág. 19/129
14/116 uso por um sistema de índice de cultura, uma eficiência de conversão de sacarificação prevista da amostra de matériaprima com base na aplicação do modelo de NIR. O sistema de índice de cultura é configurado para determinar a qualidade da biomassa para matérias-primas do mesmo tipo que a amostra de matéria-prima.
[0025] A invenção refere-se também a um método de formulação de um modelo de NIR. O método compreende submeter uma pluralidade de amostras de matéria-prima de biomassa do mesmo tipo à espectroscopia de infravermelho próximo para produzir dados espectroscópicos de NIR de cada amostra. O rendimento de produto termoquímico de cada amostra de matéria-prima é medido através de técnicas termoquímicas, e o modelo de NIR é gerado a partir dos dados espectroscópicos e dos rendimentos de produto termoquímico. O modelo de NIR resultante é capaz de prever o rendimento de produto termoquímico de uma amostra de matéria-prima de teste. O produto termoquímico pode ser um biocombustível líquido.
[0026] Em outro aspecto, a invenção refere-se a um método para determinação da quantidade de carbono fixado em uma amostra de matéria-prima. Tal método inclui coleta de dados espectrais de NIR de uma amostra de matéria-prima a ser testada, aplicação de um modelo de NIR de carbono fixado em matérias-primas do mesmo tipo que a amostra aos dados espectrais e previsão da quantidade de carbono fixado na amostra de matéria-prima, com base nos resultados de aplicação do modelo. Em outro aspecto, a invenção refere-se a um método para previsão das porcentagens em peso de C:H:O em uma amostra de matéria-prima. O método compreende coleta de dados espectrais de NIR a partir de
Petição 870190116043, de 11/11/2019, pág. 20/129
15/116 uma amostra de matéria-prima a ser testada, aplicação de um modelo de NIR de porcentagens em peso de C:H:O em matériasprimas do mesmo tipo que a amostra aos dados espectrais e previsão das porcentagens em peso de C:H:O na amostra de matériaprima, com base nos resultados da etapa de aplicação. Em outro aspecto a invenção refere-se a um método para previsão do Valor de Aquecimento Mais Alto (HHV - Higher Heating Value) de uma amostra de matéria-prima. O método compreende coleta de dados espectrais de NIR de uma amostra de matéria-prima a ser testada, aplicação de um modelo de NIR do HHV de matériasprimas do mesmo tipo que a amostra aos dados espectrais e previsão do HHV da amostra de matéria-prima, com base nos resultados de aplicação do modelo.
[0027] A invenção refere-se também a um método implementado por computador de previsão de valor econômico de uma biomassa. Tal método inclui coleta de dados espectrais de NIR de uma amostra de matéria-prima a ser testada. Um modelo de NIR do HHV de matérias-primas do mesmo tipo que a amostra é aplicado aos dados espectrais, e o HHV da amostra de matéria-prima é previsto com base na aplicação do modelo. Um modelo de NIR do carbono fixado das matérias-primas do mesmo tipo que a amostra é também aplicado aos dados espectrais, e o carbono fixado da amostra de matéria-prima é previsto com base na aplicação do modelo de carbono fixado. Um modelo de NIR de carboidrato acessível em matérias-primas do mesmo tipo que a amostra é também aplicado aos dados espectrais e a eficiência de conversão de sacarificação da amostra de matéria-prima é prevista com base na aplicação do modelo de carboidrato acessível. Condições de processamento bioquímico e termoquímico definidas
Petição 870190116043, de 11/11/2019, pág. 21/129
16/116 que resultam em um valor econômico definido a partir da amostra de matéria-prima são então previstas, com base nos resultados de cada um dos modelos de NIR. Tais métodos podem ser usados para estabelecer um valor em material de biomassa em termos de rendimento de produto final, prever rendimento de biocombustível ótimo de um material. Tais métodos podem também ser usados para selecionar variedades de uma população e/ou cruzamentos diretos em um programa de produção para atingir valor econômico ótimo.
[0028] Em outro aspecto, a invenção refere-se a um método implementado por computador compreendendo recebimento, em um sistema de índice de cultura, de um HHV previsto, uma quantidade de carbono fixado prevista e uma eficiência de sacarificação prevista de uma matéria-prima, a matéria-prima associada com um produtor provendo a matéria-prima, determinação de uma distribuição de cadeia de fornecimento com base no HHV previsto, quantidade de carbono fixado prevista e eficiência de sacarificação prevista, e mostra de uma indicação de distribuição da cadeia de fornecimento para um processador de matériaprima.
[0029] Em outro aspecto, a invenção refere-se a um método para previsão da quantidade de energia obtenível a partir de uma amostra de matéria-prima compreendendo coleta de dados espectrais de NIR de uma amostra de matéria-prima a ser testada, aplicação de um modelo de NIR do HHV e da quantidade de carbono fixado em matérias-primas do mesmo tipo que a amostra aos dados espectrais e previsão da quantidade de energia obtenível a partir da amostra de matéria-prima, com base nos resultados da etapa de aplicação. Em outro aspecto, um método para deter
Petição 870190116043, de 11/11/2019, pág. 22/129
17/116 minação das condições de processamento para uma matéria-prima de biomassa é revelado, compreendendo coleta de dados espectrais de NIR de uma amostra de matéria-prima a ser testada, aplicação de um ou mais modelos de NRI da quantidade de carbono fixado e do HHV das matérias-primas do mesmo tipo que a amostra aos dados espectrais, e previsão das condições de processamento que produzem uma combustão definida da amostra de matéria-prima, com base nos resultados da etapa de aplicação. As condições de processamento podem compreender um prétratamento.
[0030] Em outro aspecto, a invenção refere-se a um método de formulação de um modelo de NIR. O método compreende submeter uma pluralidade de amostras de matéria-prima de biomassa do mesmo tipo à espectroscopia de infravermelho próximo para produzir dados espectroscópicos de NIR de cada amostra, medição da composição química de cada amostra de matéria-prima através de uma ou mais técnicas de química analítica e geração do modelo de NIR a partir dos dados espectroscópicos e dos dados da composição química. O modelo de NIR é capaz de prever uma ou mais de porcentagem em peso S, porcentagem em peso G e porcentagem em peso H em uma amostra de matéria-prima de teste. Um método para determinação de uma ou mais porcentagens em peso S, G e H em uma amostra de matéria-prima compreende coleta de dados espectrais de NIR de uma amostra de matéria-prima a ser testada, aplicação de um modelo de NIR de uma ou mais de porcentagem em peso S, porcentagem em peso G e porcentagem em peso G em matérias-primas do mesmo tipo que a dita amostra para os dados espectrais e, com base nos resultados da dita etapa de aplicação, previsão de uma ou mais de porcentagem em peso
Petição 870190116043, de 11/11/2019, pág. 23/129
18/116
S, porcentagem em peso G e porcentagem em peso H na amostra de matéria-prima.
[0031] A menos que de outro modo definido, todos os termos técnicos e científicos usados aqui têm o mesmo significado que geralmente compreendido por um versado comum na técnica à qual a presente invenção pertence. Embora métodos e materiais similares ou equivalentes àqueles descritos aqui possam ser usados para praticar a invenção, métodos e materiais adequados são descritos abaixo. Todas as publicações, pedidos de patente, patentes e outras referências mencionadas aqui são incorporadas a título de referência em sua totalidade. No caso de conflito, o presente pedido, incluindo definições, vai prevalecer. Ainda, os materiais, métodos e exemplos são ilustrativos apenas e não pretendem ser limitantes.
[0032] Os detalhes de uma ou mais modalidades da invenção são mostrados nos desenhos acompanhantes e no relatório abaixo. Outras características, objetos e vantagens da invenção serão aparentes a partir do relatório e desenhos e das reivindicações.
Descrição dos Desenhos [0033] A figura 1 é um gráfico do score de Análise de Componentes Principais (PCA) (Principal Componentes Analysis) de amostras de pesquisa de grama e do subconjunto de 55 amostras selecionadas para calibragem do método. Diamantes são amostras de pesquisa e estrelas são amostras de calibragem.
[0034] A figura 2 é uma equação NIR/PLS de proteína usando três componentes principais (PCs) (Principal Componentes) . Coeficientes para cada PC em cada comprimento de onda são mos
Petição 870190116043, de 11/11/2019, pág. 24/129
19/116 trados. Os coeficientes de peso para concentração de proteína são também dados. Opções de tratamento matemático são também mostradas indicando tratamento de primeira derivada seguido por alizamento de variável normal padrão com um segmento de 4 cm-1 e um bloco de 4 cm-1 com um ajuste polinomial de primeira ordem. A equação foi desenvolvida usando software de análise de multivariáveis WinISI versão 4.0 da Infrasoft International, State College, Pensilvânia, USA.
[0035] A figura 3 é uma comparação da composição de amostras de calibragem determinada através de métodos de química úmida e valores de validação cruzada para o modelo SWG_2.
[0036] A figura 4 é uma comparação da composição de amostras de validação independentes determinada através de métodos de químicos úmidos e o modelo SWG_2.
[0037] A figura 5 é uma comparação da eficiência de conversão de glicose determinada através de métodos químicos úmidos versus a eficiência de conversão de glicose prevista por um modelo de conversão de NIR, para amostras submetidas a prétratamento ácido e sacarificação enzimática.
[0038] A figura 6 é um gráfico da distribuição de quantidades de glicano em uma população de grama.
[0039] A figura 7 é um gráfico da distribuição de quantidades de xilano em uma população de grama.
[0040] A figura 8 é um gráfico da distribuição de quantidades de lignina em uma população de grama.
[0041] A figura 9 é um exemplo de um método e um sistema para gerenciamento de um fornecimento de matéria-prima a uma bior
Petição 870190116043, de 11/11/2019, pág. 25/129
20/116 refinaria .
[0042] A figura 10 é um exemplo de um método e um sistema para determinação da distribuição de cadeia de fornecimento de uma matéria-prima.
[0043] A figura 11 é uma análise de conversão de duas amostras de grama após pré-tratamento ácido/sacarificação enzimática.
[0044] A figura 12 é um histograma das eficiências de conversão de 90 amostras de grama diferentes avaliadas usando prétratamento ácido/sacarificação enzimática.
[0045] A figura 13 é um gráfico da quantidade de glicose liberada de diferentes amostras de grama após um pré-tratamento ácido/sacarificação enzimática.
[0046] A figura 14 é um gráfico da quantidade de glicose liberada de amostras de grama diferentes após um pré-tratamento alcalino/sacarificação enzimática.
[0047] Símbolos de referência iguais nos vários desenhos indicam elementos iguais.
Descrição Detalhada
Visão Geral [0048] Biomassa de planta pode ser usada para a produção de energia através de 1) conversão em biocombustíveis através de a) processos bioquímicos (empregando enzimas e/ou microorganismos) ou b) processos termoquímicos tal como tecnologia de Biomassa em Líquidos (BtL) (usando alta temperatura e catalisadores não-enzimáticos); ou 2) geração de calor e/ou eletricidade através de processos termoquímicos (combustão).
Petição 870190116043, de 11/11/2019, pág. 26/129
21/116 [0049] A eficiência com a qual biomassa pode ser convertida em energia através desses processos é dependente de várias características composicionais da biomassa. As características composicionais relevantes diferem com base no projeto do processo de conversão.
[0050] Em geral, a eficiência de conversão de processos bioquímicos é principalmente influenciada pela concentração de carboidrato na biomassa e pela facilidade com a qual este carboidrato pode ser hidrolisado em açúcares fermentáveis. Lignina em um processo bioquímico é tipicamente convertida em energia após passagem através do processo de fermentação, quando ela é queimada para gerar calor e eletricidade. Similarmente, a eficiência e o rendimento de processos termoquímicos para a produção de biocombustíveis são principalmente influenciados pelas quantidades gerais de carbono para hidrogênio para oxigênio (porcentagens em peso C:H:O) e teor de cinza da biomassa. A eficiência de processos de combustão termoquímicos é principalmente influenciada pelo valor de aquecimento mais alto (HHV) e teor de cinza da biomassa. O HHV de biomassa é uma função de teor de carbono, hidrogênio e oxigênio da biomassa.
[0051] Alguns desses parâmetros composicionais são de natureza multiparamétrica e/ou são influenciados por outros componentes na matriz da biomassa. Como resultado, a avaliação desses parâmetros frequentemente resulta em estimativas imprecisas da eficiência de conversão de biomassa em um processo particular. Métodos utilizando dados de medições de eficiência de conversão direta poderiam ser muito úteis para compreensão da utilidade relativa de vários materiais de biomassa para a produção de energia.
Petição 870190116043, de 11/11/2019, pág. 27/129
22/116 [0052] O conceito de eficiência de conversão descreve o rendimento de energia (em termos de bicombustível, calor e/ou eletricidade) derivado de um material de partida de biomassa submetido a um processo particular comparado com um rendimento teórico de toda a energia armazenada no material de partida de biomassa. Em particular, para processamento bioquímico de biomassa em biocombustíveis, é possível que dois materiais de planta tendo parâmetros composicionais similares em peso (isto é, celulose, hemicelulose, pectinas, lignina, etc.) possam ter eficiências de conversão diferentes. Essas diferenças são provavelmente devido a variações na estrutura compósita tridimensional dos quatro principais polímeros que formam a maior parte de paredes de célula de planta. Para processos termoquímicos, essas mesmas duas matérias-primas composicionalmente similares seriam esperadas dar eficiências de processo similares, porque processos termoquímicos são menos sensíveis à arquitetura de parede celular e essas duas amostras têm as mesmas porcentagens em peso C:H:O. Seguindo o mesmo raciocínio, amostras com quantidades diferentes de celulose, hemicelulose, pectina e lignina, mas que têm porcentagens em peso C:H:O similares no geral, seriam esperadas ter eficiências de processo termoquímico similares.
[0053] A invenção refere-se a materiais e métodos relacionados à previsão rápida de parâmetros úteis para produção de biocombustível e para desenvolvimento de variedades e populações de planta aperfeiçoadas. Esses materiais e métodos incluem modelos espectroscópicos Próximos ao Infravermelho (NIR) que caracterizam rapidamente material de planta e identificam aqueles com níveis mais altos de carboidrato acessível à enzima
Petição 870190116043, de 11/11/2019, pág. 28/129
23/116 (para processos de conversão bioquímicos), bem como materiais e métodos para processamento de material de planta tendo níveis mais altos de carboidrato acessível. Esses materiais e métodos também incluem modelos de NIR que preveem rendimento de biocombustível em processos Biomassa-em-Líquidos (BtL) termoquímicos, bem como carbono fixado e/ou Valor de Aquecimento Mais Alto (HHV) para produção de calor e eletricidade. A habilidade em rapidamente e sem custo alto caracterizar esses parâmetros facilita muito o desenvolvimento de variedades, populações e culturas de planta aperfeiçoadas com características realçadas para produção de bioenergia. A habilidade em rapidamente e sem alto custo caracterizar tais parâmetros pode ser também usada para definir operações em uma biorrefinaria para otimizar retorno econômico de uma matéria-prima de biomassa e processo.
Definições [0054] Carboidrato Acessível refere-se a mono- e oligossacarídeos liberados na fase aquosa após processamento de uma matéria-prima de biomassa. A quantidade de carboidrato acessível em uma matéria-prima é relacionada às condições de prétratamento e sacarificação enzimática escolhidas para o processo de sacarificação e à composição e estrutura da matériaprima de biomassa inicial.
[0055] Cinza refere-se a material inorgânico que contribui para o peso seco da matéria-prima. Teor de cinza em matériasprimas de biomassa pode ser determinado usando métodos padrão, publicados, tal como ASTM Standard E1755.
[0056] Processamento bioquímico refere-se a um processo
Petição 870190116043, de 11/11/2019, pág. 29/129
24/116 principalmente biológico onde materiais de planta são convertidos em produtos líquidos usando enzimas e/ou organismos de fermentação. Processamento bioquímico pode requerer prétratamentos termoquímicos.
[0057] Biocombustíveis incluem, mas não estão limitados a, biodiesel, metanol, etanol, butanol, alcanos lineares (C5-C20) , alcanos de cadeia ramificada (C5-C26) , alcanos mistos, alcoóis lineares (C1-C20) , alcoóis de cadeia ramificada (C1-C26) , ácidos carboxílicos lineares (C2-C20) e ácidos carboxílicos de cadeia ramificada (C2-C26) . Ainda, éteres, ésteres e amidas dos ácidos e alcoóis acima mencionados, bem como outros conjugados desses agentes químicos, podem ser de interesse. Muitos desses agentes químicos podem ser subsequentemente convertidos através de reações químicas em outros agentes químicos de volume alto, valor alto.
[0058] Biomassa refere-se à matéria orgânica. Biomassa inclui matéria de planta derivada de culturas de energia herbáceas e de madeira, culturas de alimento e ração agriculturais, refugos e resíduos de cultura agricultural, refugos e resíduos de madeira, plantas aquáticas e outros materiais derivados de planta. Biomassa pode também incluir algas, refugos de jardim e incluem um pouco de esgoto público. Biomassa é um recurso renovável heterogêneo e quimicamente complexo. Componentes de biomassa incluem glicano, xilano, açúcares fermentáveis, arabinano, sacarose, lignina, proteína, cinza, extrativos, ferulato e acetato.
[0059] Bioenergia refere-se ao processo de uso de biomassa de planta para gerar eletricidade e calor. Há três tipos diferentes de sistemas de bioenergia: queima direta, co-queima e
Petição 870190116043, de 11/11/2019, pág. 30/129
25/116 gaseificação. Queima direta envolve queima de biomassa de planta diretamente para produzir vapor para calor. Este sistema pode também ser capturado e direcionado para girar uma turbina que produz eletricidade. Este sistema é muito similar à produção de energia convencional que usa carvão ou óleo para gerar eletricidade. Coqueima é similar à queima direta exceto pelo fato que a biomassa da planta é queimada em combinação com um combustível fóssil, com mais frequência carvão, em um queimador de alta eficiência. Sistemas de gaseificação são diferentes dos outros dois métodos, pelo fato que altas temperaturas são usadas em um ambiente com falta de oxigênio para converter biomassa em um gás (uma mistura de hidrogênio, monóxido de carbono e metano) . Este gás pode então ser usado para alimentar uma turbina de gás de ciclo combinado eficiente em energia, que é muito similar a um motor a jato só que ela liga um gerador elétrico ao invés de propelir um jato. A eletricidade produzida pode ser também armazenada em baterias.
[0060] Material de carboidrato refere-se a polissacarídeos encontrados em biomassa tais como glicanos, arabinanos, xilanos e pectinas.
[0061] Celulose refere-se a um polissacarídeo glicano, isto é, um polímero de glicose com ligações β-1,4-glicosídicas. As ligações β em celulose formam cadeias lineares que são altamente estáveis e resistentes a ataque químico por causa do alto grau de ligação de hidrogênio que pode acontecer entre as cadeias de celulose. Hidrólise de celulose resulta na produção de celobiose, C12H22O11, e a glicose monossacarídeo, C6H12O6. A celulose é o principal carboidrato constituinte de madeira e outra biomassa.
Petição 870190116043, de 11/11/2019, pág. 31/129
26/116 [0062] Coprodutos refere-se a agentes químicos de interesse que podem ser obtidos de culturas de biomassa de planta ou como subprodutos de produção de combustível. Coprodutos podem ser produzidos através de processos empregando a porção carboidrato de biomassa de planta ou de outros componentes. Coprodutos exemplares incluem, mas não estão limitados a, 1,3propanodiol, ácido 3-hidroxipropiônico, glicerol, etileno glicol, propileno glicol, acetona, ácido acrílico, ácido metacrílico, ácido succínico, 1,4-butanodiol, tetra-hidrofurano, butirolactona, ácido fumárico, ácido málico, ácido 2,5furanodicarboxílico, 2,5-dimetilfurano, ácido aspártico, ácido glucárico, ácido glutâmico, ácido itacônico, ácido levulínico, 3-hidroxibutirolactona, sorbitol, xilitol e arabinitol. Vide T. Werpy e G. Peterson, Top Value Added Chemicals from Biomass, U.S. Dept. of Energy (2004), disponível em www.osti. gob/bridge. Ainda, éteres, ésteres e amidas dos ácidos e alcoóis acima mencionados, bem como outros conjugados desses agentes químicos, podem ser de interesse. Muitos desses agentes químicos podem ser subsequentemente convertidos através de reações químicas em outros agentes químicos de valor alto, volume alto. Outros co-produtos de interesse podem incluir lignina, fenilpropanoides, ingredientes nutricionais, ração animal nutricionalmente enriquecida, ração animal enriquecida em proteína, colágeno e gelatina.
[0063] Extrativos refere-se a vários compostos diferentes em biomassa que podem ser extraídos de biomassa por meio de solventes polares e não-polares que não degradam a estrutura da biomassa. Tais solventes incluem água, etanol, hexanol, éster, benzeno e metanol. A quantidade e a natureza química de
Petição 870190116043, de 11/11/2019, pág. 32/129
27/116 extrativos encontrados em uma amostra de biomassa podem variar da espécie, momento de colheita e tipo de amostra.
[0064] Teor de ferulato e acetato refere-se à concentração de moléculas de ácido ferúlico e ácido acético ligadas à estrutura principal do xilano de hemicelulose conforme medido através do procedimento descrito em Sluiter e outros, NREL/TP510-42618, abril de 2008, National Renewable Energy Laboratory, Goldem, Colorado, e o procedimento descrito em Saulinier, L. e outros, Carbohydrate Research (1995) Vol. 272:241253 .
[0065] Carbono fixado refere-se à quantidade de carbono não-volátil em uma amostra de biomassa após processamento termoquímico sob condições padronizadas, conforme mostrado no método ASTM D3175. Carbono fixado é também conhecido como coque.
[0066] Glicano, Xilano e Arabinana referem-se às formas anidro de glicose, xilose e arabinose que são encontradas em polímeros de carboidrato de celulose e hemicelulose. Então, por exemplo, glicano refere-se a um polissacarídeo de monômeros de D-glicose ligados por ligações glicosídicas. O que segue são glicanos: celulose (p-1,4-glicano), dextrano (α-1,6glicano) e amido (α-1,4- e «-1,6-glicano).
[0067] Hemicelulose é um termo geral usado para se referir a polissacarídeos de parede celular que não são celuloses ou pectinas. Hemicelulose contém unidades monoméricas de repetição de um açúcar de cinco carbonos (geralmente D-xilose ou Larabinose) e/ou açúcar de seis carbonos (D-galactose, D-glicose e D-manose). Vide, por exemplo, Patente U.S. 7.112.429. Hemi
Petição 870190116043, de 11/11/2019, pág. 33/129
28/116 celuloses são tipicamente mais curtas em comprimento do que a celulose e são altamente ramificadas. Xilano é frequentemente a estrutura principal de hemiceluloses de madeiras duras e gramas, e hidrólise desses tipos de biomassa libera produtos com alto teor de açúcar de cinco carbonos, xilose. Hemiceluloses de madeiras moles são mais comumente gluco-galactomananos, que têm uma estrutura principal de manano e dão manose como o produto de hidrólise principal. Hemiceluloses principalmente contêm grupos colaterais tais como grupos acetila, ácidos urônicos e ferulatos.
[0068] Valor de aquecimento mais alto (HHV) refere-se à quantidade de calor liberado por uma quantidade especificada de um combustível em uma temperatura inicial de 25°C, seguindo combustão, e retorno dos produtos de combustão para uma temperatura de 25°C. O HHV é também conhecido como o valor calorífico bruto ou energia bruta.
[0069] Lignina refere-se a uma substância polimérica polifenólica de células de planta, com uma estrutura altamente aromática, reticulada, complexa. A lignina é sintetizada em plantas principalmente de três monômeros monolignol, que podem ser metoxilados para vários graus: álcool sinapil (C1H14O4) que é incorporado à lignina como unidades siingila (S); álcool coniferila (C10H12O3) que é incorporado à lignina como unidades guaiacila (G); e álcool p-cumarila (C9H10O2) que é incorporado à lignina como unidades (H)-p-hidroxifenila. Esses monômeros podem ser sintetizados em lignina através de polimerização por condensação extensiva. A lignina presente em variedades de plantas diferentes pode ter porcentagens em peso de siringila:guaiacila:p-hidroxifenila diferentes (porcentagens
Petição 870190116043, de 11/11/2019, pág. 34/129
29/116 em peso de S:G:H). Por exemplo, certas variedades de grama podem ter lignina composta quase que totalmente de guaiacila (G). Lignina é um constituinte estrutural principal de células de planta em espécies de madeira.
[0070] Fechamento de massa (%) refere-se à soma da porcentagem em peso de todos os constituintes medidos. Exemplos de constituintes medidos são: extrativos, cinza, proteína, lignina total, ácido acético, ácidos urônicos, arabinano, xilano, manano, galactano, glicano e amido. Valores constituintes são tipicamente relatados em base em peso seco. Fechamento de massa é um indicador da precisão de uma análise composicional de biomassa completa.
[0071] Modelo de NIR refere-se a uma série de equações matemáticas validadas que prevê uma ou mais propriedades de uma amostra com base em dados espectrais de NIR da amostra. As uma ou mais propriedades podem ser: eficiência de conversão, carboidrato acessível, carboidrato recalcitrante, lignina, porcentagem em peso S, G ou H, eficiência de sacarif icação ou rendimento de açúcar (Glu, Xyl, Ara, Man, Gal), eficiência ou rendimento de extração/conversão de produto, eficiência ou rendimento de conversão de biocombustível, eficiência ou rendimento de extração de co-produto, eficiência ou rendimento de conversão de etanol, valor de aquecimento mais alto (HHV), carbono fixado, cinza, porcentagens em peso de C:H:O, condições enzimáticas (tipo, razão, carga) para sacarificação, condições de pré-tratamento, condições de fermentação, valor econômico, teor de ferulato e acetato, emissões de NOX, coprodutos de proteína, indicadores de sustentabilidade e/ou correlações de quaisquer um dos parâmetros anteriores com sequências
Petição 870190116043, de 11/11/2019, pág. 35/129
30/116 de transgene específicas, marcadores genéticos ou locos genéticos. Em muitos casos, um modelo de NIR diferente é desenvolvido para cada combinação de etapas de processamento, tais como condições de pré-tratamento e enzima(s).
[0072] Aplicação de Modelo de NIR refere-se a uma aplicação de computador para fazer uso de um ou mais modelos de NIR. Uma aplicação de modelo de NIR aceita como entrada uma representação de características de NIR de uma amostra e a processa através da aplicação do modelo de NIR para mostrar uma representação das propriedades previstas da amostra. Uma aplicação de modelo de NIR pode também compreender módulos de entrada e/ou saída adicionais. Por exemplo, um módulo de saída pode permitir um usuário especificar uma espécie de matéria-prima, cultivar ou perfil de marcador genético e/ou enzimas disponíveis para processamento bioquímico, então direcionando a aplicação do modelo de NIR para selecionar o modelo de NIR mais preciso. Um módulo de saída pode permitir processamento adicional das propriedades previstas da amostra para um formato desejado. Por exemplo, um modelo de saída pode transformar uma representação de carboidrato recalcitrante e carboidrato total em galões de etanol por acre de matéria-prima ou em valor monetário por tonelada de matéria-prima.
[0073] No caso de eficiência de sacarificação, um modelo de NIR diferente é desenvolvido para cada combinação de condições de pré-tratamento e enzima(s). Dados espectrais de NIR tipicamente são obtidos da amostra em uma pluralidade de comprimentos de onda diferentes, e as equações matemáticas são aplicadas aos dados espectrais para calcular o valor previsto. As equações de calibragem podem ser derivadas através de regres
Petição 870190116043, de 11/11/2019, pág. 36/129
31/116 são entre dados espectroscópicos para amostras de matériaprima do mesmo tipo, por exemplo, através de regressão múltipla-linear, através de quadrados mínimos parciais ou através de análise de rede neural.
[0074] Emissões de NOX refere-se a óxidos de mono-nitrogênio (NOx), tais como NO e NO2, liberados na atmosfera. Embora gases de oxigênio e nitrogênio não reajam tipicamente em temperaturas ambientes, gases de oxigênio e nitrogênio podem reagir em temperaturas maiores para criar vários óxidos de nitrogênio, incluindo óxidos de mono-nitrogênio. Óxidos de mono-nitrogênio podem ser também produzidos através de materiais de combustão incluindo nitrogênio elementar. Óxidos de mononitrogênio (NOx) liberados em atmosfera podem reagir com compostos orgânicos voláteis para produzir poluição. Desta maneira, emissões de NOX podem ser reguladas através de várias agências governamentais. Óxidos de enxofre (SOx), especificamente dióxido de enxofre, são frequentemente gerados nos mesmos processos. Emissões de SOx são conhecidas contribuir para chuva ácida.
[0075] Pectina refere-se a um polissacarídeo tendo uma estrutura principal de resíduos de ácido D-galacturônico α(1,4)-ligado, com regiões de L-ramnose 1,2-ligada. Cadeias laterais contendo arabinose, xilose e galactose são apresentadas dependendo do material da fonte. Poligalacturonanas, ramnogalacturonanas e algumas arabinanas, galactanas e arabinogalactanas são pectinas. Pectinas são tipicamente encontradas na lamela média e parede primária de células de planta.
[0076] Previsão é um termo usado no campo de estatística para designar determinação feita usando um modelo distinguido de uma calibragem direta.
Petição 870190116043, de 11/11/2019, pág. 37/129
32/116 [0077] Produto refere-se ao produto final de processamento de biomassa de planta que é usado pelos consumidores ou indústria. Produtos derivados de biomassa de planta incluem energia, combustível de transporte líquido, combustível automotivo, combustível de avião, etanol, coprodutos, bioenergia, calor e eletricidade.
[0078] Proteína refere-se a um polímero de aminoácidos ligados por ligações amida. Uma proteína pode conter até várias centenas de aminoácidos. Em seus estados biologicamente ativos, as proteínas funcionam como catalisadores em metabolismo e até certo ponto como elementos estruturais de células e tecidos. Proteína pode prover valor nutricional em ração animal. O teor de proteína em biomassa pode ser estimado multiplicando a % em massa de nitrogênio da amostra por um fator de conversão.
[0079] Material de carboidrato recalcitrante refere-se a mono- e oligossacarídeos que não são liberados na fase aquosa após processamento de uma matéria-prima de biomassa. Ele está relacionado às condições de pré-tratamento e de sacarificação enzimática escolhidas para o processo de sacarificação.
[0080] Sacarificação refere-se à hidrólise de material de carboidrato para os mono- e dissacarídeos que constituem o polímero. Por exemplo, sacarificação de xilano resulta na produção de xilose, o monossacarídeo constituinte de xilano. Sacarificação acontece durante o processamento bioquímico de biomassa em biorrefinarias, por fim levando à produção de biocombustíveis tal como etanol.
[0081] Eficiência de sacarificação de uma amostra de maté
Petição 870190116043, de 11/11/2019, pág. 38/129
33/116 ria-prima refere-se à quantidade total de mono- e dissacarídeos solubilizados por processos de prétratamento/sacarificação enzimática dividida pela quantidade máxima teórica de mono- e dissacarídeos na amostra de biomassa que poderia ter sido liberada com base na análise composicional, convertido para uma porcentagem multiplicando por 100.
[0082] Indicadores de sustentabilidade refere-se a componentes de subprodutos de processamento de biomassa, tais como a composição de cinza esperada e nutrientes do solo, que podem ser reciclados.
[0083] Processamento termoquímico refere-se a um processo não-biológico através do qual materiais de planta são convertidos em produtos líquidos, energia e/ou calor usando temperaturas e pressões altas.
Modelos de NIR para Avaliação de Biomassa de Planta
3.1 Modelos de NIR para Processamento Bioquímico de Matériasprimas [0084] Foi constatado que modelos de NIR podem ser desenvolvidos para matérias-primas lignocelulósicas complexas que se relacionam em padrões em dados espectroscópicos com as características composicional e de conversão de combustível de uma matéria-prima. Nesses modelos, correlações matemáticas validadas são estabelecidas entre espectros de NIR e constituintes químicos independentemente determinados usando métodos de regressão estatística multivariados, preferivelmente Análise de Componente Principal (PCA)(Principal Component Analysis) e Projeção para Estruturas Latentes ((PLS) (Projection to Latent Structures); vide, por exemplo, Martens, H. e Naes, T., Multi
Petição 870190116043, de 11/11/2019, pág. 39/129
34/116 variate Calibration, Wiley & Sons, Nova York (1989); Hoskuldsson, A., J. Chemometrics, 2:211-228 (1988); Geladi, P. e Kowalski, B.R., Analytics Chimica Acta, 185:1-17 (1986) e Wold, S. e outros, Chemometrics Intelligent Laboratory Systems, 2:37-52 (1987)). Modelos apropriadamente construídos deste tipo refletem de maneira robusta e precisa a verdadeira composição química e/ou características de conversão de biocombustível da amostra de matéria-prima. Por exemplo, um modelo NIR chamado SWG_2 foi desenvolvido, onde equações PLS foram obtidas, as quais convertem dados espectroscópicos de amostras de matéria-prima de grama diretamente em informação composicional.
[0085] Um modelo de NIR é tipicamente desenvolvido a partir de um único tipo de biomassa, isto é, tipo herbáceo, de madeira dura ou madeira mole. Um modelo de NIR é geralmente desenvolvido usando uma única espécie de biomassa, isto é, sabugo de milho, choupo, lascas de madeira, etc. A fim de obter perfis composicionais diversos e então uma representação da variabilidade na composição para o tipo de biomassa sob consideração, amostras são coletadas de muitas fontes diferentes. Por exemplo, amostras de biomassa podem ser coletadas de plantas em estágios diferentes de desenvolvimento, por exemplo, plantas vegetativas iniciais, médio-vegetativas e completamente senescidas. Amostras podem ser coletadas representando frações anatômicas diferentes, por exemplo, folhas, galhos e nós. Amostras podem ser coletadas de variedades geneticamente diferentes, locais geográficos diferentes e anos de colheita diferentes. Biomassa é frequentemente um material heterogêneo, e preparação de amostras de biomassa de acordo com técnicas tal
Petição 870190116043, de 11/11/2019, pág. 40/129
35/116 como método ASTM E1757-01 pode facilitar a coleta de dados espectrais de NIR representativos da amostra.
[0086] Um modelo de NIR é formulado submetendo uma pluralidade de amostras de matéria-prima de planta do mesmo tipo à espectroscopia de infravermelho próximo, para produzir dados espectroscópicos de NIR a partir de cada amostra. Técnicas estatísticas multivariadas são usadas para identificar um subconjunto da pluralidade de amostras das quais dados de NIR foram obtidos que transpõe o espaço de variância descrito por todas as amostras. Este subconjunto é chamado o conjunto de calibragem. Um conjunto similar de amostras, sem sobreposição, é reservado como o conjunto de validação. A composição de cada amostra de matéria-prima no conjunto de calibragem é medida através de técnicas de química analítica independentes, tipicamente técnicas químicas úmidas padrão. Componentes que são tipicamente úteis para medir processamento bioquímico incluem, sem limitação, glicano, xilano, arabinano, lignina, proteína e cinza. Para processamento bioquímico através de pré-tratamento acoplado com sacarificação enzimática, a eficiência de sacarificação de cada amostra de calibragem de matéria-prima pode ser medida quando processada por um conjunto definido de condições de pré-tratamento e carga de enzima. Um modelo de NIR é então gerado a partir dos dados espectroscópicos, dados de composição química úmida e dados de eficiência de sacarificação através de regressão dos dados espectrais contra os dados de composição química úmida e os dados de eficiência de sacarificação, por exemplo, através de análise multivariada dos dados e validação das equações de calibragem derivadas a partir dos mesmos. Embora tratamentos matemáticos não sejam ne
Petição 870190116043, de 11/11/2019, pág. 41/129
36/116 cessários para o desenvolvimento de um modelo de NIR, eles são frequentemente empregados para minimizar variáveis nãoconstituintes. Tratamentos matemáticos comuns incluem correção de difração e ajustes de linha de base que minimizam os efeitos de difração devido a variações de comprimento de curso e tamanhos de partícula não-uniformes nas amostras.
[0087] Uma vez o modelo de NIR calibrado construído, ele é independentemente validado usando o conjunto de validação de amostras. Os espectros de NIR das amostras de validação são primeiro usados para produzir valores de composição e conversão para essas amostras. Então, análise química das amostras de validação é realizada usando técnicas analíticas padrão, e os valores de NIR são comparados com aqueles da análise química úmida. Se os dois conjuntos de dados das amostras de validação estiverem dentro dos limites do desvio padrão dos métodos primários usados para obter os dados de calibragem, então o modelo é considerado validado. Para processamento termoquímico, o valor de aquecimento mais alto (HHV) e a quantidade de carbono fixado em cada amostra de matéria-prima são medidos através de técnicas termoquímicas. Um modelo de NIR é então gerado a partir dos dados espectroscópicos, dados de composição química e dados termoquímicos através da regressão dos dados espectrais contra os dados de composição química e os dados termoquímicos, por exemplo, através de análise multivariada dos dados e equações de calibragem de validação derivada a partir dos mesmos. O modelo é validado mais conforme acima descrito.
[0088] Instrumentos de NIR adequados para coleta de dados es pectrais de NIR a partir de amostras de matéria-prima são co
Petição 870190116043, de 11/11/2019, pág. 42/129
37/116 nhecidos. Espectroscopia FT-NIR (Fourier transform nearinfrared) é uma das várias técnicas espectroscópicas que podem prover dados espectrais de uma maneira sensível, não-invasiva e de alto rendimento. Espectrômetros de FT-NIR são interferômetros que separam a luz da fonte em um feixe que é refletido em um espelho fixo e um feixe que é refletido em um espelho oscilante. Os dois feixes são então recombinados para criar um interferograma, e uma Transformação Fourier é aplicada para produzir um espectro. Vide, por exemplo, Patentes U.S. 5.499.095 e 6.137.108. Exemplos de instrumentos de NIR incluem o espectrômetro Bruker Optics MPA® FT-NIR (Bruker Optics, Ettlingen, Alemanha) e o Espectrômetro Foss NIR-Systems Spectrometers (Dinamarca). Espectrômetros móveis em campo estão disponíveis do Analytical Spectral Devices (Boulder, Colorado, USA) , Ocean Optics (Dunedien, FL) , Polychromix (Wilmington, MA) e outros. Instrumentos de tempo real e tempo quase real podem ser também usados (vide, por exemplo, Patentes U.S.
6.483.583 e EP 1 894 461 A1). Informação espectral é coletada a partir de comprimentos de onda visíveis e de NIR, tipicamente na faixa de 400 a 2.500 nm.
[0089] A composição química do tipo de biomassa selecionado pode ser determinada através de métodos estabelecidos, por exemplo, métodos ASTM E1758-01, E1721-01 e E1755-01 e métodos da US Department of Energy/Energy Efficiency and Renewable Energy (DOE/EERE) Determination of Protein content in Biomass and Determination of Extractives in Biomassa. Hames e outros, NREL/TP-510-42625, janeiro de 2008, e Sluiter e outros, NREL/TP-510-42619, janeiro de 2008, ambos disponíveis do National Renewable Energy Laboratory. Métodos termoquímicos para
Petição 870190116043, de 11/11/2019, pág. 43/129
38/116 determinação de valores de Aquecimento Mais Altos e carbono fixado podem ser determinados através de métodos padrão conhecidos na técnica, por exemplo, métodos ASTM D5865-07a, D317689 (2002) e D3172-07a, disponíveis da ASTM International, West Conshohocken, Pensilvânia, US.
[0090] Dados espectrais de NIR tipicamente são obtidos a partir da amostra em uma pluralidade de comprimentos de onda diferentes, e as equações matemáticas são aplicadas aos dados espectrais para calcular o valor previsto. As equações de calibragem podem ser derivadas através de regressão entre dados espectroscópicos para amostras de matéria-prima do mesmo tipo, por exemplo, através de regressão múltipla-linear, através de quadrados mínimos parciais ou através de análise de rede neural.
[0091] Condições de processamento enzimático são definidas pelo tipo de enzimas usadas e pela quantidade de cada enzima(s) usada(s) durante o processo de sacarificação em uma biorrefinaria. Por exemplo, uma condição de processamento enzimático pode envolver o uso de uma preparação de enzima simples tal como Spezyme® CP (Genencor, USA) ou Celluclast 1.5L (Novozymes, Franklinton, Carolina do Norte) . Spezyme® CP e Celluclast 1.5L são misturas de enzima comercialmente disponíveis contendo celulases que são preparadas através de fermentação de cultura submersa do fungo filamentoso, Trichoderma reesei. Essas preparações de celulase são deficientes em atividade de β-glicosidase, de maneira que elas são frequentemente suplementadas com uma preparação de β-glicosidase tal como Novozyme 188, obtida através de fermentação de cultura submersa de Aspergillus niger. A novozyme 188 está disponível da
Petição 870190116043, de 11/11/2019, pág. 44/129
39/116
Sigma (St. Louis, MO, USA) como número de catálogo C6105. Modelos de NIR podem ser também desenvolvidos para os exemplos que seguem de outras enzimas: p-1,4-endoglicanases (EG I, EG II, EG III e EG V); β-1,4-celobioidrolases (CHB I & CBH II); xilanases (XYN I & XYN II); β-glicosidase; α-Larabinofuranosidase; acetil xilano esterase; β-mananase; e αglucuronidase. Em algumas modalidades, um modelo de NIR é desenvolvido para uma condição de processamento enzimático que inclui o uso de dois tipos de enzima. Por exemplo, um modelo de NIR pode ser desenvolvido para uma condição de processamento enzimático que inclui o uso de Spezyme® CP em combinação co uma xilanase. Vide, por exemplo, Patente U.S. 5.874.274; Patente U.S. 6.333.181 e Publicação de Patente 2007/0092935. Coquetéis de enzima contendo uma pluralidade de enzimas são algumas vezes usados em processamento de biomassa, tal como coquetéis que diferem um do outro no tipo e quantidade de cada enzima. Será compreendido que um modelo de NIR pode ser desenvolvido para cada tal coquetel e cada tipo de biomassa. Então, por exemplo, um modelo de NIR é desenvolvido para uma condição de processamento enzimático que inclui o uso de três enzimas, e endo^-(1,4)-glicanase (EC 3.2.1.4), uma exo^-(1,4)glicanase (EC 3.2.1.91) e uma β-D-glicosidase (EC 3.2.1.21). Vide, Patente U.S. 7.059.993.
[0092] Algumas vezes processamento de biomassa inclui um prétratamento antes do processamento enzimático. Um prétratamento típico é um pré-tratamento termoquímico diluído em ácido, que hidrolisa parcialmente ou completamente a hemicelulose e pode também hidrolisar um pouco da lignina. Vide, por exemplo, Patente U.S. 6.090.595. Modelos de NIR podem ser de
Petição 870190116043, de 11/11/2019, pág. 45/129
40/116 senvolvidos para tais procedimentos. Então, em algumas modalidades, um modelo de NIR é gerado, o qual prevê eficiência de sacarificação para uma matéria-prima quando um pré-tratamento é usado antes do processamento enzimático.
[0093] Conversão de sacarificação é determinada e eficiência de conversão é calculada através de técnicas conhecidas. Eficiência de sacarificação pode ser calculada para monossacarídeos individuais, por exemplo, eficiência de conversão de glicose, para combinações de monossacarídeos, por exemplo, eficiência de conversão de glicose + xilose ou para todos os monossacarídeos. A escolha de mono- e dissacarídeo(s) para os quais eficiência de sacarificação é calculada em um modelo de NIR particular é baseada em fatores tais como o tipo de biomassa a ser processada e a capacidade do processo de conversão em usar todos ou apenas um pouco dos açúcares disponibilizados para fermentação.
[0094] Uma vez um modelo de NIR tendo sido gerado, o modelo pode ser aplicado a uma amostra de teste de biomassa para rapidamente prever vários parâmetros e características úteis para produção de biocombustível. Por exemplo, a quantidade de material de carboidrato acessível em uma amostra de teste pode ser prevista através da coleta de dados espectrais de NIR a partir de uma amostra de matéria-prima a ser testada, aplicando um modelo de NIR de carboidrato acessível em matériasprimas do mesmo tipo que a amostra aos dados espectrais e previsão da quantidade de material de carboidrato acessível na amostra de teste, com base no resultado do modelo. Como outro exemplo, um modelo de NIR conforme aqui descrito permite que a eficiência de sacarificação de uma amostra de matéria-prima
Petição 870190116043, de 11/11/2019, pág. 46/129
41/116 seja prevista através da coleta de dados espectrais de NIR de uma amostra de matéria-prima a ser testada, aplicação de um modelo de NIR de carboidrato acessível nas matérias-primas do mesmo tipo que a amostra aos dados espectrais e previsão da eficiência de sacarificação da amostra com base no resultado do modelo. Será compreendido que a quantidade de material de carboidrato acessível e o rendimento de sacarificação são valores matematicamente interconversíveis. Então, um modelo de NIR que é capaz de prever um valor é prontamente modificado para prever o outro valor. Similarmente, um modelo de NIR pode ser gerado, o qual prevê a quantidade de material de carboidrato recalcitrante em uma amostra de matéria-prima, isto é, a diferença entre material de carboidrato total e material de carboidrato acessível.
[0095] Será compreendido que a quantidade de material de carboidrato acessível em uma matéria-prima pode ser diferente se a matéria-prima for processada através de uma segunda condição de pré-tratamento/carga enzimática definida. Então, dois, três ou mais modelos de NIR são tipicamente gerados a partir de uma dada matéria-prima, cada modelo relacionado com uma condição de pré-tratamento/carga enzimática definida diferente.
[0096] Em algumas modalidades, um modelo de NIR é desenvolvido, o qual prevê a eficiência com a qual a biomassa é sacarificada sob uma combinação de pré-tratamento e/ou carga de enzima definida. Uma série de tais modelos pode ser usada para determinar as condições ótimas para processamento de biorrefinaria de uma matéria-prima tendo um perfil de composição particular. Em algumas modalidades, um modelo de NIR é gerado para prever as condições de pré-tratamento/carga de enzima para
Petição 870190116043, de 11/11/2019, pág. 47/129
42/116 processamento de biomassa que são otimizadas ou para rendimento de produto ou lucratividade do processo. Por exemplo, dados espectrais de NIR de uma amostra de matéria-prima de teste podem ser coletados, e um ou mais modelos de NIR de carboidrato acessível em matérias-primas do mesmo tipo que a amostra são aplicados aos dados espectrais. Com base nos resultados da aplicação do modelo, condições de pré-tratamento/carga de enzima que produzem sacarificação máxima da amostra de matériaprima são identificadas. Como outro exemplo, uma biorrefinaria pode coletar dados espectrais de NIR após pré-tratamento de uma batelada de matéria-prima e prever o carboidrato acessível médio usando modelos de NIR para este tipo de biomassa e condições de sacarificação diferentes. A condição de sacarificação que é mais econômica ou dá a maior produção de biocombustível pode ser então selecionada. É também compreendido que dados espectrais de NIR podem ser coletados durante a sacarificação e usados nos modelos de NIR para modificar as condições de sacarificação em tempo real, seja o processo sacarificação em batelada, sacarificação semicontínua ou sacarificação contínua. Então, biorrefinarias podem identificar condições de pré-tratamento e/ou coquetéis de enzima que otimizam o processamento da biomassa para resultado econômico máximo. Vide, por exemplo, Publicação de Patente U.S. 2003/0092097.
3.2 Modelos de NIR para Processamento Termoquímico de Matérias-primas [0097] Condições de processamento termoquímico são definidas pela quantidade de oxigênio presente, pela temperatura de processamento e pelo tempo de processamento na zona de reação da biorrefinaria. Dependendo das condições selecionadas, proces
Petição 870190116043, de 11/11/2019, pág. 48/129
43/116 samento termoquímico resulta em ou 1) degradação completa de polímeros de biomassa em monóxido de carbono (CO) e hidrogênio (H2) (isto é, gás de síntese ou syngas), um processo conhecido como gaseificação ou 2) quebra parcial dos polímeros de biomassa para óleo de pirólise, um processo conhecido como pirólise. Em processos termoquímicos híbridos, biocombustíveis são produzidos a partir de syngas ou gás do produtor submetido à fermentação, por exemplo, através de bactérias anaeróbicas ou acetogênicas facultativas tais como Acetogenium kivui, Acetobacterium woodii, Acetoanaerobium noterae, Clostridium aceticum, Butyribacterium methylotrophicum, Clostridium acetobulyticum, Clostridium thermoaceticum, Eubacterium limosum, Clostridium ljungdahlii PETC, Clostridium ljungdahlii ER12, Clostridium ljungdahlii C-01, Clostridium ljungdahlii O-52 e Peptostreptococcus productus. Vide, por exemplo, US 7.285.402, Publicações de Patente U.S. 20070275447 e 20080057554 e Datar e outros (2004) Biotechnology and Bioengineering, Vol. 86, no. 5, 587-594.
[0098] Por exemplo, uma condição de processamento termoquímico pode ser o uso de um reator de leito fluidizado para pirólise, onde biomassa é pirolisada no reator na ausência de oxigênio, seguido por gaseificação dos vapores de pirólise para gás de síntese através de introdução de vapor em um processo multiestágio a fim de prover hidrogênio e a quantidade apropriada de oxigênio para realizar a gaseificação. Calor para o processo é provido através de queima de alcatrão. Como outro exemplo, uma condição de processamento termoquímico pode ser o uso de um reator de parafuso, onde umidade e então oxigênio são introduzidos no estágio de pirólise. Calor para o processo
Petição 870190116043, de 11/11/2019, pág. 49/129
44/116 é provido através da queima de um pouco do gás produzido no estágio de pirólise. Em ainda outro exemplo, uma condição de processamento termoquímico pode ser o uso de um reator de leito fluidizado e um reator de gaseificação de estágio único onde vapor externo e ar são introduzidos em um fluxo aprisionado durante gaseificação.
[0099] Modelos de NIR podem ser desenvolvidos para processos termoquímicos de uma maneira análoga à descrita para processos bioquímicos. Similar a processos bioquímicos, um prétratamento é algumas vezes usado antes do processamento termoquímico e modelos de NIR podem ser desenvolvidos para tais procedimentos também. Vide, por exemplo, Patente U.S. 4.982.027. Então, em algumas modalidades, um modelo de NIR é gerado, o qual prevê eficiência de processamento termoquímico para uma matéria-prima quando um pré-tratamento é usado com uma condição de processamento termoquímico particular.
[00100] Uma vez um modelo de NIR tendo sido gerado, o modelo pode ser aplicado a uma amostra de teste de biomassa para rapidamente prever vários parâmetros e características úteis para produção de biocombustível ou para geração de calor/eletricidade. Por exemplo, a quantidade de carbono fixado em uma amostra de teste pode ser prevista através da coleta de dados espectrais de NIR a partir de uma amostra de matériaprima a ser testada, aplicação de um modelo de NIR de carbono fixado em matérias-primas do mesmo tipo que a amostra aos dados espectrais e previsão da quantidade de carbono fixado na amostra de teste, com base no resultado do modelo. Como outro exemplo, um modelo de NIR conforme aqui descrito permite que a eficiência/rendimento de pirólise de uma amostra de matéria
Petição 870190116043, de 11/11/2019, pág. 50/129
45/116 prima seja previsto através de coleta de dados espectrais de NIR a partir de uma amostra de matéria-prima a ser testada, aplicação de um modelo de NIR de carbono fixado em matériasprimas do mesmo tipo que a amostra aos dados espectrais e previsão da quantidade de material volátil na amostra com base no resultado do modelo. Será compreendido que a quantidade de carbono fixado e a quantidade de material volátil são valores matematicamente interconversíveis. Então, um modelo de NIR que é capaz de prever um valor é prontamente modificado para prever o outro valor. Esses valores podem ser então relacionados com o teor de energia da matéria-prima permitindo uma previsão do rendimento e/ou eficiência de conversão de calor, eletricidade ou biocombustível quando do processamento térmico da matéria-prima.
[00101] Em algumas modalidades, um modelo de NIR é desenvolvido, o qual prevê rendimentos de produto a partir de gaseificação de biomassa sob condições de processamento termoquímico. Tal modelo pode ser usado para prever rendimentos de produto para processamento em biorrefinaria de uma matéria-prima tendo um perfil de composição particular. Por exemplo, dados espectrais de NIR de uma amostra de matéria-prima de teste podem ser coletados, e um ou mais modelos de NIR de carbono fixado em matérias-primas do mesmo tipo que a amostra são aplicados aos dados espectrais. Com base nos resultados da aplicação do modelo, condições de processamento termoquímico que produzem gaseificação máxima da amostra de matéria-prima são identificadas. Como outro exemplo, uma biorrefinaria pode coletar dados espectrais de NIR após pré-tratamento de uma batelada de matéria-prima e prever os rendimentos de produto e/ou eficiên
Petição 870190116043, de 11/11/2019, pág. 51/129
46/116 cias de conversão médios usando modelos de NIR para este tipo de biomassa e condições de processamento termoquímico diferentes. A condição de processamento termoquímico que é mais econômica e/ou eficiente (isto é, dá a maior produção de biocombustível) pode ser então selecionada. É também compreendido que dados espectrais de NIR podem ser coletados durante gaseificação e usados em modelos de NIR para modificar condições de processamento termoquímico em tempo real. Então, biorrefinarias podem identificar condições de pré-tratamento e/ou condições de processamento que otimizam processamento de biomassa para resultado econômico máximo.
3.3 Modelos de NIR para Processamento de Calor e Eletricidade de Matérias-primas [00102] Condições de processamento termoquímico são definidas pela quantidade de oxigênio presente, pela temperatura de processamento e pelo tempo de processamento na zona de reação da biorrefinaria. Dependendo das condições selecionadas, processamento termoquímico resulta em ou 1) degradação completa de polímeros de biomassa em monóxido de carbono (CO) e hidrogênio (H2) (isto é, gás de síntese ou syngas), um processo conhecido como gaseificação ou 2) quebra parcial dos polímeros de biomassa para óleo de pirólise, um processo conhecido como pirólise. Processos termoquímicos projetados para produzir eletricidade e calor tomam a primeira abordagem (isto é, syngas). Após produção de syngas, hidrogênio é purificado dos outros gases não-combustíveis e é queimado para gerar calor adicional, que é usado para acionar geradores de vapor que geram eletricidade, muito do que é feito hoje em serviços públicos elétricos acionados por carvão.
Petição 870190116043, de 11/11/2019, pág. 52/129
47/116 [00103] Para esses processos, HHV e carbono fixado são parâmetros importantes com relação à qualidade da matéria-prima. Modelos de NIR para estimar esses parâmetros são criados e validados conforme descrito na Seção 3.2.
4. Matérias-primas para Modelos de NIR [00104] Conforme acima mencionado, modelos de NIR são desenvolvidos para uso com um tipo único de biomassa. Então, modelos de NIR podem ser gerados para matérias-primas de plantas monocotiledôneas e dicotiledôneas, seja do tipo herbácea, de madeira dura ou madeira mole, que são conhecidas ou esperadas ser úteis para produção de combustíveis tal como etanol. Espécies das famílias que seguem são conhecidas ou esperadas ser úteis: Acanthaceae, Alliaceae, Alstroemeriaceae, Amaryllidaceae, Apocynaceae, Arecaceae, Asteraceae, Berberidaceae, Bixaceae, Brassicaceae, Bromeliaceae, Cannabaceae, Caryophyllaceae, Cephalotaxaceae, Chenopodiaceae, Colchicaceae, Cucurbitaceae, Dioscoreaceae, Ephedraceae, Erythroxylaceae, Euphorbiaceae, Fabaceae, Lamiaceae, Linaceae, Lycopodiaceae, Malvaceae, Melanthiaceae, Musaceae, Myrtaceae, Nyssaceae, Papaveraceae, Pinaceae, Plantaginaceae, Poaceae, Rosaceae, Rubiaceae, Salicaceae, Sapindaceae, Solanaceae, Taxaceae, Theaceae, or Vitaceae. Gêneros adequados incluem Panicum spp., Sorghum spp., Miscanthus spp., Saccharum spp., Erianthus spp. Salix spp., Eucalyptus spp. e Populus spp. Então, espécies de plantas adequadas incluem Panicum virgatum (grama), Sorghum bicolor (sorgo, sudangrass) , Miscanthus giganteus (miscanto) , Saccharum sp. (cana-de-açúcar), Populus balsamifera (choupo), outras espécies de choupo e seus híbridos, Zea mays (milho) , Glycine max (soja), Brassica napus (canola), Brassica juncea, Triticum
Petição 870190116043, de 11/11/2019, pág. 53/129
48/116 aestivum (trigo), Gossypium hirsutum (algodão), Oryza sativa (arroz), Helianthus annuus (girassol), Medicago sativa (alfafa) , Beta vulgaris (beterraba açucareira) , Pennisetum glaucum (painço-pérola), Andropogon gerardii (pasto azul gigante), Pennisetum purpureum (grama elefante), Phalaris arundinacea (alpiste-dos-prados), Cynodon dactylon (grama bermuda), Festuca arundinacea (festuca alta), Spartina pectinata (espartina), Arundo donax (cana-do-reino), Secale cereale (centeio), Triticosecale (trigo x centeio), Carthamus tinctorius (açafrão), Jatropha curcas (jatropha), Ricinus communis (rícino), Elaeis guineensis (óleo de palma), Linum usitatissimum (linho) ou Manihot esculenta (mandioca).
5. Parâmetros e aplicações do modelo de NIR [00105] Conforme explicado em mais detalhes abaixo, modelos de NIR são úteis para uma variedade de aplicações. Por exemplo, modelos de NIR podem ser usados em métodos para: previsão da composição da matéria-prima, características de conversão de biocombustível, escolha entre alternativas de processamento bioquímico e/ou termoquímico disponíveis, seleção de matériaprima para processamento, seleção de variedade para processamento, seleção de plantas individuais a partir de uma população, produção de planta, avaliação de matéria-prima, definição de condições de processamento ótimas, análises em tempo real e matéria-prima para ajuste de processo, previsão de rendimento de biocombustível, previsão de rendimento de produto, gerenciamento de operações de biorrefinaria, gerenciamento de uma cadeia para fornecimento para uma biorrefinaria e influenciamento de projeto de biorrefinaria. Modelos de NIR podem ser disponibilizados para usuários de várias maneiras, tais como
Petição 870190116043, de 11/11/2019, pág. 54/129
49/116 aplicações em computador ou instrumento firmware.
5.1 Previsão de composição [00106] Em alguns aspectos a invenção refere-se a métodos para previsão de composição de matéria-prima, tal como carboidrato total, carboidrato acessível, carboidrato recalcitrante, glicano, xilano, arabinano, manana, galactano, lignina, ferulato, acetato, nitrogênio, proteína, carbono fixado, cinza e teor de composição elementar. Ainda, quantidades de subunidade de lignina (porcentagem em peso S:G:H), porcentagens em peso de carbono:hidrogênio:oxigênio (C:H:O) e valor de aquecimento mais alto podem ser previstas. Todos esses parâmetros composicionais podem ser correlacionados, ou ligados, a sequências de transgene específicas, polimorfismos de sequência natural, marcadores genéticos ou locos genéticos. Desta maneira, espectros de NIR de amostras de biomassa são coletados e usados em um modelo de NIR. O resultado poderia ser uma previsão direta de uma ou mais propriedades de composição de matéria-prima, um ou mais valores intermediários que podem servir para previsão da composição da matéria-prima ou um ou mais parâmetros a jusante que são influenciados pela composição de matéria-prima. Previsões de composição podem ser usadas para calcular as características de desempenho de matéria-prima em um ou mais métodos de processamento de interesse. Tais características de desempenho incluem eficiência de sacarificação ou rendimento de açúcar (Glu, Xyl, Ara, Man, Gal), várias condições enzimáticas (tipo, razão, carga) para sacarificação, condições de pré-tratamento, rendimento de energia total ou líquido ou eficiência de conversão de energia, rendimento de biopolímero ou eficiência de conversão, rendimento de biocombustível ou efi
Petição 870190116043, de 11/11/2019, pág. 55/129
50/116 ciência de conversão, rendimento de coproduto ou eficiência de extração/conversão, valor econômico da matéria-prima original, emissões de NOX, co-produtos de proteína ou indicadores de sustentabilidade.
5.2 Previsão de conversão [00107] Em alguns aspectos a invenção refere-se a métodos para previsão de eficiência de conversão de matéria-prima. Eficiência de conversão pode ser em termos da conversão de matériaprima de biomassa em açúcares livres, açúcares fermentáveis, syngas, biocombustível, etanol, calor ou energia em um processo de escala de laboratório, piloto ou produção. Os parâmetros de eficiência de conversão relevantes são dependentes do tipo de processo de conversão empregado (bioquímico, termoquímico para combustível ou termoquímico para calor e eletricidade). Todos esses parâmetros de conversão podem estar relacionados, ou ligados, a sequências de transgene específicas, polimorfismos de sequência naturais, marcadores genéticos ou locos genéticos. Desta maneira, espectros de NRI de amostras de biomassa são coletados e traduzidos através de um modelo de NIR. O resultado poderia ser uma previsão direta de propriedades de conversão de matéria-prima (tais como açúcares livres ou carboidrato acessível), um ou mais valores intermediários que podem servir para previsão de propriedades de conversão de matéria-prima (tal como carboidrato recalcitrante), um ou mais parâmetros a jusante que são influenciados pela eficiência de conversão de matéria-prima (tal como rendimento de biocombustível ou energia). Previsão de propriedades de conversão pode ser usada para calcular as características de desempenho de matéria-prima em um ou mais métodos de processamento de inte
Petição 870190116043, de 11/11/2019, pág. 56/129
51/116 resse. Tais características de desempenho incluem eficiência de sacarificação ou rendimento de açúcar (Glu, Xyl, Ara, Man, Gal), várias condições enzimáticas (tipo, razão, carga) para sacarificação, condições de pré-tratamento, rendimento de energia total ou pura ou eficiência de conversão de energia, rendimento de biocombustível ou eficiência de conversão de biocombustível, rendimento de bioenergia ou eficiência de conversão de bioenergia, rendimento de coproduto ou eficiência de extração/conversão, valor econômico da matéria-prima original, emissões de NOX, coprodutos de proteína ou indicadores de sustentabilidade.
5.3 Seleção de matéria-prima (espécie e/ou variedade) [00108] Em alguns aspectos a invenção refere-se a métodos para seleção de uma espécie de planta que têm características de composição ou conversão desejáveis para uma matéria-prima de biomassa. Desta maneira, espectros de NIR de amostras de biomassa são coletados e traduzidos através de um modelo de NIR para prever características de composição ou conversão ou rendimento de produto ou biocombustível da espécie de planta diferente sob consideração. Comparação de características de composição ou conversão ou rendimentos de produto ou biocombustível relevantes para um processo de conversão particular sob consideração pode permitir a seleção de matérias-primas de biomassa particularmente bastante adequadas para uso neste processo. A espécie de planta selecionada pode requerer menos recursos (calor, energia, reagentes, enzimas, catalisadores) para processar, quantidades de rendimento maiores de produto (biocombustível, bioenergia, calor, eletricidade, energia ou coprodutos), então aperfeiçoando a economia do processo de
Petição 870190116043, de 11/11/2019, pág. 57/129
52/116 conversão de biomassa de planta em produtos. Espécies desejáveis podem ser também selecionadas através da detecção de sequências de transgene específicas, polimorfismos de sequência naturais, marcadores genéticos ou locos genéticos que foram associados com características de composição ou conversão desejáveis ou rendimento de produto ou biocombustível.
[00109] Em alguns aspectos a invenção refere-se a métodos para seleção de uma variedade, cultivar, cruzamento entre a mesma espécie, híbrido, linhagem ou genótipo de uma matéria-prima de biomassa de planta que tem características de composição ou conversão desejáveis. Desta maneira, espectros de NIR de amostras de biomassa são coletados e traduzidos através de um modelo de NIR para prever características de composição ou conversão de variedades, cultivares, cruzamentos entre a mesma espécie, híbridos, linhagens ou genótipos de planta sob consideração. Comparação de características de composição ou conversão relevantes para um processo de conversão particular sob consideração pode permitir a seleção de matérias-primas de biomassa particularmente bastante adequadas para uso neste processo. Uma variedade, cultivar, cruzamento entre a mesma espécie, híbrido, linhagem ou genótipo de planta pode requerer menos recursos (calor, energia, reagentes, enzimas, catalisadores) para processar, render quantidades maiores de produto (biocombustível, bioenergia, calor, eletricidade, energia ou coprodutos), então aperfeiçoando a economia do processo de conversão de matéria-prima em produto. Uma variedade, cultivar, cruzamento entre a mesma espécie, híbrido, linhagem ou genótipo pode ser também selecionado através da detecção de sequências de transgene específicas, polimorfismos de sequên
Petição 870190116043, de 11/11/2019, pág. 58/129
53/116 cia natural, marcadores genéticos ou locos genéticos que foram associados com características de composição e conversão desejáveis. Sequências de transgene específicas que conferem uma alteração desejada em características de composição de e/ou conversão de biomassa podem ser identificadas através da avaliação de plantas modelo que contêm esses transgenes, usando modelos de NIR conforme aqui descrito. Plantas modelo adequadas incluem, sem limitação, Arabídopsís, Brachypodíum e arroz.
5.4 Seleção a partir de uma população [00110] Em alguns aspectos a invenção refere-se a métodos para seleção de indivíduos a partir de uma população geneticamente diversa de uma variedade, cultivar, cruzamento entre a mesma espécie, híbrido, linhagem ou genótipo de uma matéria-prima de biomassa de planta que tem características de composição ou conversão desejáveis. Desta maneira, espectros de NIR de amostras de biomassa de plantas individuais são coletados e traduzidos por um modelo de NIR para prever características de composição ou conversão dos indivíduos sob consideração. Comparação de características de composição ou conversão de interesse entre os indivíduos na população geneticamente diversa pode permitir a seleção de genótipos únicos que são particularmente bastante adequados para sistemas de produção de biomassa em energia. Indivíduos selecionados podem ser sexualmente ou vegetativamente propagados para desenvolver uma nova variedade, cultivar, cruzamento entre a mesma espécie, híbrido, linhagem ou genótipo que pode requerer menos recursos (calor, energia, reagentes, enzimas, catalisadores) para processar, rendem quantidades maiores de produto (biocombustível, bioenergia, calor, eletricidade, energia ou co-produtos), então aperfeiço
Petição 870190116043, de 11/11/2019, pág. 59/129
54/116 ando a economia do processo de conversão de matérias-primas em produtos. Indivíduos selecionados podem ser usados como origens em cruzamentos genéticos ou em um policruzamento para desenvolver uma nova variedade, cultivar, cruzamento entre a mesma espécie, linhagem ou genótipo que pode requer menor recursos (calor, energia, reagentes, enzimas, catalisadores) para processar, dão quantidades maiores de produto (biocombustível, calor, energia ou co-produtos), então aperfeiçoando a economia do processo de conversão de matéria-prima em produtos.
5.5 Produção de Planta [00111] Em alguns aspectos a invenção refere-se a métodos para produção de plantas com características de composição ou conversão desejáveis que as tornariam mais valiosas como matérias-primas para biocombustível para esse objetivo. Desta maneira, espectros de NIR de amostras de biomassa de plantas individuais em uma população de produção são coletados e traduzidos por um modelo de NIR para prever características de composição ou conversão. Modelos de NIR podem ser usados para selecionar plantas de produção previstas ter atributos desejáveis com relação à eficiência de conversão. Eficiência de conversão pode ser em termos de eficiência de sacarificação, a conversão de matéria-prima de biomassa em açúcares livres, açúcares fermentáveis, syngas, biocombustível, etanol, calor, energia ou produto em um processo de escala de laboratório, piloto ou de produção. O(s) parâmetro(s) de eficiência de conversão relevante(s) é/são dependente(s) do tipo de processo de conversão empregado (bioquímico, termoquímico para biocombustível ou termoquímico para bioenergia, calor e eletricidade).
Petição 870190116043, de 11/11/2019, pág. 60/129
55/116
Características de composição incluem carboidrato, carboidrato acessível, carboidrato recalcitrante, glicano, xilano, arabinano, manano, galactano, lignina, ferulato, acetato, nitrogênio, proteína, carbono fixado, cinza e teor de composição elementar ou rendimento total. Ainda, porcentagens em peso de siringila:guaiacila:p-hidroxifenol (porcentagens em peso de S:G:H), carbono:hidrogênio:oxigênio (C:H:O) e valor de aquecimento mais alto (HHV) podem ser previstos. Todos esses parâmetros de conversão e composicionais podem ser correlacionados, ou ligados, a sequências de transgene específicas, polimorfismos de sequência naturais, marcadores genéticos ou locos genéticos que podem ser úteis na aceleração do processo de produção de planta usando a abordagem de produção auxiliada por marcador. Seleção de origens de produção com características de composição ou conversão de biomassa desejáveis pode ser usada em conjunto com produção auxiliada por marcador, resultando em desenvolvimento acelerado de germoplasma superior para matérias-primas de bioenergia para tal objetivo.
[00112] Em alguns aspectos a invenção refere-se a métodos para produção de plantas que permitem condições enzimáticas favoráveis (tipo, razão, carga) para sacarificação, condições de pré-tratamento, valor econômico, emissões de NOX, coprodutos de proteína, indicadores de sustentatibilidade quando empregados em um sistema de processamento de biomassa em combustíveis, bioenergia ou energia. Seleção de origens de produção com as características de biomassa desejáveis acima pode ser usada em conjunto com produção auxiliada por marcador, resultando em desenvolvimento acelerado de germoplasma superior para matéria-prima de bioenergia para tal objetivo.
Petição 870190116043, de 11/11/2019, pág. 61/129
56/116 [00113] Então, um método para produção de uma variedade de planta compreende cruzamento de duas ou mais plantas de biomassa de origem e seleção das progênies do cruzamento que têm eficiência de sacarificação maior com relação à eficiência de sacarificação de pelo menos uma das origens.
[00114] Técnicas adequadas para uso em um programa de produção de planta são conhecidas no campo e incluem, sem limitação, retrocruzamento, policruzamento, seleção de massa, cruzamento de pedigree, seleção de população, cruzamento com outra população e seleção recorrente. Essas técnicas podem ser usadas sozinhas ou em combinação com uma ou mais outras técnicas em um programa de produção.
[00115] O número de plantas usadas no cruzamento inicial é escolhido com base na biologia das espécies a serem usadas no método e nos programas de cruzamento adequados para aquela espécie. Qualquer uma das plantas monocotiledôneas e dicotiledôneas mencionadas acima podem ser usadas nos métodos de produção descritos aqui. Plantas tais como grama, sorgo ou sudangrass, miscanto, cana-de-açúcar, choupo, milho, mandioca, soja, canola, açafrão, jatropha, rícino, palma, triticale, trigo, algodão, arroz, girassol, alfafa, cana-de-açúcar, beterraba açucareira, festuca alta, alpiste-dos-prados, grama-dapradaria, grama bermuda, grama elefante, pasto azul alto, cana-do-reino, centeio, linho ou painço-pérola são particularmente adequados. Técnicas de produção aplicáveis a várias espécies de biomassa são conhecidas no campo. Vide, por exemplo, Allard, Principles of Plant Breeding, John Wiley & Sons, Inc.
(1960); Simmonds, Principles of Crop Improvement, Longman Group Limited (1979); e Jensen, Plant Breeding Methodology,
Petição 870190116043, de 11/11/2019, pág. 62/129
57/116
John Wiley & Sons, Inc. (1988) . Por exemplo, técnicas de produção aplicáveis a espécies de polinação aberta tal como grama são conhecidas. Vide, por exemplo, Vogel e Jung, Critical Rev. Plant Sci., 20:15-49 (2001).
[00116] Progênies do cruzamento de plantas de origem são avaliadas quanto àquelas que têm níveis de carboidrato mais acessíveis. Progênies que podem ser avaliadas incluem descendentes de F1, F2, F3, F4, F5, F6 e plantas de geração subsequente BC1, BC2, BC3 e plantas de geração subsequente ou F1BC1, F1BC2, F1BC3 e plantas de geração subsequente. Então, a etapa de seleção pode incluir coleta de dados espectrais de NIR a partir de uma amostra de matéria-prima de cada uma de uma ou mais plantas progênies, aplicação de um modelo de NIR de carboidrato acessível em matérias-primas do mesmo tipo que a amostra e previsão da eficiência de sacarificação da amostra. Essas progênies que têm um aumento previsto em eficiência de sacarificação com relação à eficiência de sacarificação prevista de pelo menos uma das plantas de origem são selecionadas para produção adicional.
[00117] Seleção usando níveis previstos de carboidrato acessível de modelos de NIR pode ser aplicada começando com a progênie da geração F1 ou pode ser aplicada começando com progênie de uma geração subsequente. Por exemplo, uma população polinada aberta pode utilizar um programa de seleção com teste de progênie. Exemplos de seleção com programas de produção de teste de progênies para grama incluem Restricted Recurrent Phenotypic Selection (RRPS) e Between and Within Half-Sib Family Selection (B&WFS). Alternativamente, um programa de seleção de massa pode ser usado. Em seleção de massa, plantas in
Petição 870190116043, de 11/11/2019, pág. 63/129
58/116 dividuais desejáveis são escolhidas, a semente colhida e a semente composta sem teste para produzir a geração seguinte. Uma vez que seleção é baseada na origem materna apenas, e não há nenhum controle sobre a polinação, a seleção de massa corresponde a uma forma de emparceiramento aleatório. Seleção de massa tipicamente aumenta a proporção de genótipos desejados na população. Grama pode ser usada em qualquer um desses programas embora seleção com teste de progênie seja geralmente preferida sobre a seleção de massa.
[00118] Como outra alternativa, plantas de uma espécie polinada aberta podem ser usadas como origens em um cruzamento inicial para gerar uma variedade sintética. Uma variedade sintética é produzida através de cruzamento de várias plantas de origem. O número de variedades de planta de origem, populações, acessos selvagens, ecotipos e similar que são usados para gerar um sintético pode de no mínimo 10 a tanto quanto 500. Tipicamente, cerca de 100 a 300 variedades, populações, etc., são origens usadas para gerar uma variedade sintética. Semente do lote de produção de semente de origem de uma variedade sintética pode subsequentemente sofrer uma ou duas gerações de multiplicação, dependendo da quantidade de semente produzida no lote de origem antes de ser submetida à seleção conforme aqui discutido.
[00119] Seleção e/ou avaliação pode ser realizada em uma ou mais gerações e/ou em mais de um local geográfico. Ainda, seleção e/ou avaliação pode ser aplicada durante um estágio de desenvolvimento particular onde o fenótipo é esperado ser exibido pela planta. Seleção e/ou avaliação pode ser realizada para escolher aquelas plantas tendo uma diferença estatistica
Petição 870190116043, de 11/11/2019, pág. 64/129
59/116 mente significante no nível de material de carboidrato acessível para a uma planta controle ou para a média de uma população controle.
[00120] Em outro aspecto, modelos de NIR descritos aqui podem ser usados para identificar aqueles membros de populações de planta que têm eficiências de conversão de sacarificação maiores. Uma população de plantas de biomassa é provida, por exemplo, como uma coleção de plantas de acessos diferentes ou uma população sintética. Amostras de biomassa de plantas nas populações são avaliadas usando modelos de NIR para determinar a eficiência de sacarificação média da população. Uma ou mais plantas na população que têm uma eficiência de sacarificação maior com relação à média podem ser então identificadas. Em particular, planta(s) que têm uma eficiência de sacarificação estatisticamente e significantemente maior são então propagadas através de técnicas sexuadas ou assexuadas. Tais plantas podem ser adicionalmente avaliadas quanto à sua adequabilidade para produção comercial em localizações geográficas diferentes ou usadas em programas de produção conforme aqui descrito.
[00121] Em outro aspecto, modelos de NIR descritos aqui podem ser usados em métodos de identificação de se um ou mais polimorfismos estão associados com variação no nível de material de carboidrato acessível. Tais métodos envolvem determinação de se polimorfismo genético em uma dada população exibe ligação com o nível previsto de material de carboidrato acessível em plantas da população. Se a presença de um alelo particular for estatisticamente significantemente relacionada com uma diferença desejada no nível previsto de material de carboidrato acessível, o alelo está associado com variação para a caracte
Petição 870190116043, de 11/11/2019, pág. 65/129
60/116 rística e é útil como um marcador para a característica. Se, por um lado, a presença de um alelo particular não for significantemente correlacionada com a modulação desejada, o alelo não é associado com variação para a característica e não é útil como um marcador.
[00122] Polimorfismos genéticos que são úteis em tais métodos incluem repetições de sequência simples (SSRs ou microssatélites), amplificação rápida de DNA polimórfico (RAPDs), polimorfismos de nucleotídeo simples (SNPs), polimorfismos de comprimento de fragmento amplificado (AFLPs) e polimorfismos de comprimento de fragmento de restrição (RFLPs). Polimorfismos SSR podem ser identificados, por exemplo, fazendo sondas específicas de sequência e amplificando DNA molde de indivíduos na população de interesse através de PCR. Se as sondas flanquearem uma SSR na população, produtos de PCR de tamanhos diferentes serão produzidos. Vide, por exemplo, Patente U.S. 5.766.847. Alternativamente, polimorfismos SSR podem ser identificados usando produto(s) de PCR como uma sonda contra Southern blots de indivíduos diferentes na população. Vide U.H. Refseth e outros (1997), Electrophoresis 18:1519. A identificação de RFLPs é discutida, por exemplo, em Alonso-Blanco e outros (Methods in Molecular Biology, vol. 82, Arabidopsis Protocols, pp. 137-146, J.M. Martinez-Zapater e J. Salinas, Eds., c. 1998 da Humana Press, Totowa, NJ); Burr (Mapping Genes with Recombinant Inbreds, pp. 249-254, em Freeling, M. e V. Walbot (Ed.), The Maize Handbook, c. 1994 da Springer-Verlag New York, Inc.; Nova York, NY, USA; Berlin Alemanha) ; Burr e outros, Genetics (1998) 118:519, e Gardiner, J. e outros (1993) Genetics 134:917). A identificação de AFLPs é discutida, por exemplo,
Petição 870190116043, de 11/11/2019, pág. 66/129
61/116 na EP 0 534 858 e na Patente U.S. 5.878.215.
[00123] Polimorfismos genéticos identificados conforme acima descrito podem ser usados em um programa de produção auxiliado por marcador para facilitar o desenvolvimento de linhagens que têm níveis maiores de material de carboidrato acessível. Uma vez um polimorfismo genético tendo sido identificado como estando associado com variação na característica, uma ou mais plantas individuais são identificadas aquelas que possuem o alelo polimórfico relacionado com a variação desejada. Essas plantas são então avançadas em um programa de produção para combinar o alelo polimórfico com uma pluralidade de outros alelos em outros locos, se algum, que estejam relacionados com a característica desejada. O programa de cruzamento pode ser realizado por várias gerações conforme apropriado a fim de atingir uniformidade e estabilidade desejadas na variedade ou população de planta resultante, a qual retém o(s) alelo(s) polimórfico(s). Na maioria dos programas de produção, análise do alelo polimórfico particular será realizada em cada geração, embora análise possa ser realizada em gerações alternativas se desejado.
[00124] Variedades e populações de planta obtidas através dos métodos descritos aqui têm tipicamente um nível de material de carboidrato acessível com relação a um controle que é estatisticamente significantemente maior em p<0,05 com uma estatística paramétrica ou não-paramétrica apropriada, por exemplo, teste do Chi-quadrado, teste t de Student, teste Mann-Whitney ou teste F. E algumas modalidades, a diferença na quantidade de material de carboidrato acessível é estatisticamente significante em p<0,01, p<0,05 ou p<0,001.
Petição 870190116043, de 11/11/2019, pág. 67/129
62/116 [00125] Em alguns casos, seleção de outras características úteis é também realizada, por exemplo, seleção de resistência fúngica ou tolerância à seca. Seleção de tais outras características pode ser realizada antes, durante ou após identificação de plantas individuais que possuem o nível desejado de carboidrato acessível.
5.6 Rendimento de Produto [00126] Em alguns aspectos a invenção refere-se a métodos para provisão de rendimento de produto a partir de uma matériaprima de biomassa. Produtos relevantes derivados de matériaprima de biomassa incluem energia, combustível de transporte líquido, biocombustível, combustível automotivo, combustível de avião, etanol, coprodutos, bioenergia, calor e eletricidade. Rendimento de produto pode ser previsto para processos de escala de laboratório, piloto ou produção. Desta maneira, espectros de NIR de amostras de biomassa são coletados e traduzidos por um modelo de NIR. O resultado pode ser uma previsão direta de um ou mais rendimentos de produto ou um ou mais valores intermediários que podem estar relacionados com rendimento(s) de produto(s) . Um modelo de NIR para rendimento de produto produzido a partir de dados de escala de laboratório pode ser usado para prever desempenho em um serviço de escala de produção. Previsões de rendimento de produto podem ser úteis para gerenciamento de biorrefinaria ou operações de geração de bioenergia, seleção de matérias-primas preferidas para processamento, atribuição de valor em matérias-primas entregues, antecipação e programação de produção e gerenciamento de uma cadeia de fornecimento. Previsões de rendimento de produto podem ser úteis na seleção de espécies, variedades, popu
Petição 870190116043, de 11/11/2019, pág. 68/129
63/116 lações de planta ou plantas individuais que serão mais produtivas. Plantas individuais selecionadas desta maneira podem ser introduzidas em programas de produção para produzir novas variedades, cultivares, cruzamentos entre a mesma espécie e híbridos com rendimento de produto aperfeiçoado.
5.7 Rendimento de biocombustível [00127] Em alguns aspectos a invenção refere-se a métodos para previsão de rendimento de bicombustível a partir de uma matéria-prima de biomassa. Biocombustíveis são definidos acima e incluem etanol, butanol, biodiesel, syngas e alcanos mistos. Rendimento de biocombustível pode ser previsto para processos de escala de laboratório, piloto ou produção. Desta maneira, espectros de NIR de amostras de biomassa são coletados e traduzidos através de um modelo de NIR. O resultado pode ser uma previsão direta de rendimento de biocombustível ou um ou mais valores intermediários que podem estar relacionados com o rendimento de biocombustível. Um modelo de NIR para rendimento de biocombustível produzido a partir de dados de escala de laboratório pode ser usado para prever o desempenho em um serviço de escala de produção. Previsões de rendimento de biocombustível podem ser úteis para gerenciamento de operações de biorrefinaria, seleção de matérias-primas preferidas para processamento, atribuição de valor em matérias-primas entregues, antecipação e programação de produção e gerenciamento de uma cadeia de fornecimento. Previsões de rendimento de biocombustível podem ser úteis em seleção de espécies, variedades, populações ou indivíduos de planta que serão mais produtivos. Indivíduos selecionados desta maneira podem ser introduzidos em programas de produção para produzir novas variedades, cultiva
Petição 870190116043, de 11/11/2019, pág. 69/129
64/116 res, cruzamentos entre a mesma espécie e híbridos com rendimento de biocombustível aperfeiçoado.
5.8 Atribuição de valor (avaliação) [00128] Em alguns aspectos, a invenção refere-se a métodos para atribuição de um valor econômico em uma matéria-prima de biomassa de planta. Desta maneira, espectros de NIR de amostras de biomassa de planta são coletados e traduzidos por um modelo de NIR em características de composição ou conversão previstas conhecidas como sendo favoráveis para um processo particular, ou uma previsão direta, ou indireta, de rendimento de biocombustível ou produto. O valor de uma matéria-prima pode ser determinado através de previsões das características de composição ou conversão da matéria-prima que revelam que recursos reduzidos (calor, energia, reagentes, enzimas, catalisadores) são requeridos para o processamento de tal matériaprima, então aperfeiçoando a economia geral. Previsão de rendimento de produto ou biocombustível a partir de uma matériaprima de biomassa de planta pode ser usada para prever diretamente o rendimento produzido através do processamento da matéria-prima. O valor que um fazendeiro, atacadista, intermediário ou outro comerciante de matéria-prima de biomassa de planta então paga pela sua matéria-prima pode ser então diretamente influenciado pelo valor de produtos produzidos e o custo de produção. A avaliação de matéria-prima pode ser implementada na porta de uma biorrefinaria ou serviço de geração de bioenergia. Assim que trens, caminhões ou barcos de biomassa de planta chega para processamento, espectros de NRI são obtidos e traduzidos através de um modelo de NIR para atribuir um valor com base na economia geral do processo.
Petição 870190116043, de 11/11/2019, pág. 70/129
65/116
5.9 Definição de custos de processamento [00129] Em alguns aspectos, a invenção refere-se a métodos para determinação do custo de conversão de uma matéria-prima de biomassa de planta em produto(s). O custo associado com processos alternativos múltiplos pode ser determinado simultaneamente. Desta maneira, espectros de NIR de amostras de biomassa de planta são coletados e traduzidos através de um modelo de NIR para prever características de composição ou conversão ou rendimento de produto ou biocombustível. Esses resultados são então usados para calcular a economia associada com processamento da biomassa usando métodos alternativos. A previsão de custos de processamento pode permitir uma decisão de quanto uma matéria-prima é mais produtiva em um processo particular. Por exemplo, espectros de NRI de matéria-prima de biomassa podem ser traduzidos através de um modelo de NIR para prever o teor de lignina. Matérias-primas acima de um teor de lignina especificado podem ser selecionadas para um processo de combustão termoquímico para gerar calor e eletricidade para a biorrefinaria, enquanto amostras de biomassa abaixo do teor de lignina especificado são direcionadas a um processo bioquímico para produzir biocombustíveis.
5.10 Definição de condições de processo [00130] Em alguns aspectos, a invenção refere-se a métodos para determinação das condições para conversão de uma matériaprima de biomassa de planta em um ou mais produtos. Parâmetros associados com processos alternativos múltiplos podem ser determinados simultaneamente. Desta maneira, espectros de NIR de amostras de biomassa de planta são coletados e traduzidos através de um modelo de NIR para prever características de
Petição 870190116043, de 11/11/2019, pág. 71/129
66/116 composição ou conversão. Esses resultados são então usados para calcular parâmetros economicamente importantes (calor, energia, tempo, reagentes, enzimas, catalisadores e carga de matéria-prima) associados com processamento da biomassa em produto(s) ou biocombustível(eis) . A previsão de condições de processamento pode permitir uma decisão de otimizar os parâmetros em um processo particular a fim de minimizar os custos de processamento desta maneira aumentando a economia da biorrefinaria. Por exemplo, espectros de NIR de uma matéria-prima de biomassa podem ser traduzidos por um modelo de NIR para prever carboidrato acessível. Matérias-primas acima de um nível de carboidrato acessível especificado podem ser selecionadas para um protocolo de processamento acelerado, enquanto amostras de biomassa abaixo do nível de carboidrato acessível especificado são processadas por um processo mais caro e que consome mais tempo.
5.11 Análise em tempo real e matéria-prima [00131] Em alguns aspectos a invenção refere-se a métodos para monitoramento da biomassa para processo de conversão de produtos. A conversão de biomassa de planta em combustíveis e produtos é um processo multietapa. Mudanças químicas que acontecem durante o, e em cada etapa do processo têm efeitos potenciais sobre etapas subsequentes. Características de composição da biomassa, biomassa pré-processada, mistura de sacarificação, mistura de fermentação, syngas e outros intermediários podem ser determinados durante, entre ou após etapas neste processo multietapa. Desta maneira, espectros de NIR de biomassa, biomassa processada, mistura de sacarificação, mistura de fermentação, syngas e outros intermediários são coletados e
Petição 870190116043, de 11/11/2019, pág. 72/129
67/116 traduzidos por um modelo de NIR para prever características de composição e conversão. Esses resultados são então usados para calcular parâmetros economicamente importantes (calor, energia, tempo, reagentes, enzimas, catalisadores e carga de matéria-prima) associados com processamento de biomassa em produto(s) (por exemplo, biocombustível) nas etapas atuais ou subsequentes no processo. A previsão de condições de processamento pode permitir uma decisão para otimizar os parâmetros em um processo particular a fim de minimizar custos de processamento desta maneira aumentando a economia da biorrefinaria.
5.12 Gerenciamento de Matéria-prima e Biorrefinaria [00132] Modelos de NIR desenvolvidos conforme aqui descrito podem ser também incorporados a métodos para gerenciamento de produção e fornecimento de matéria-prima e/ou gerenciamento de operações de biorrefinaria e economia. Em algumas modalidades, cujo exemplo é mostrado na figura 9, dados espectrais de NIR 106 são coletados a partir da amostra de matéria-prima 102 a ser testada usando espectrômetro de NIR 104. Um modelo de NIR 110 de carboidrato acessível em matérias-primas do mesmo tipo que a amostra é aplicado aos dados espectrais, e a eficiência de sacarificação 112 da amostra de matéria-prima é prevista com base nos resultados da etapa de aplicação. A eficiência de sacarificação prevista 112 é então inserida em um sistema de índice de cultura 114 acessível por um processador de matériaprima tal como uma biorrefinaria, mostrado como servidor 116. O sistema de índice de cultura 114 pode conter vários dados em adição à eficiência de sacarificação prevista 112, por exemplo, dados do clima, dados de plantio, dados de rendimento e informação de colheita. Um processador de matéria-prima 116
Petição 870190116043, de 11/11/2019, pág. 73/129
68/116 tem capacidade melhor em gerenciar recursos de matéria-prima, serviços de operação e distribuição de produto através de acesso de tal informação no sistema de índice de cultura 114. Por exemplo, um processador de matéria-prima 116 utilizando grama como uma fonte de biomassa pode necessitar de menos biomassa quando lotes de biomassa que estão dando entrada são previstos ter uma eficiência de sacarificação particularmente alta. Um processador 116 com acesso a um sistema de índice de cultura 114 pode levar em consideração eficiência momento de colheita esperado e distância geográfica entre um produtor e a biorrefinaria, a fim de gerenciar mais eficientemente as operações da biorrefinaria. Em alguns casos, a matéria-prima 102 é classificada adicionalmente de acordo com as especificações de qualidade da matéria-prima fixadas pelo processador de matéria-prima 116 e um preço específico 120 é oferecido ao produtor 122 da matéria-prima 102 com base na classificação da matéria-prima 118. Por exemplo, um processador de matériaprima pode fixar um preço mais alto para biomassa tendo uma eficiência de sacarificação prevista maior, mas também modificar o preço com base na distância entre o produtor e a biorrefinaria. Em alguns casos, o produtor 122 pode aceitar ou rejeitar o preço 124.
[00133] Tipicamente, os métodos descritos acima são implementados em um sistema de computador configurado para aceitar dados espectrais de NIR coletados de uma amostra de matériaprima a ser testada, cujo exemplo é mostrado na figura 10. Tais sistemas tipicamente contêm um modelo de NIR 121 de carboidrato acessível em matérias-primas do mesmo tipo que a amostra de matéria-prima, de maneira que a eficiência de saca
Petição 870190116043, de 11/11/2019, pág. 74/129
69/116 rificação 214 da amostras de matéria-prima pode ser prevista com base na aplicação do modelo de NIR 212. A eficiência de sacarificação prevista 214 é então mostrada para uso por um sistema de índice de cultura 216. Em algumas modalidades, tais métodos implementados por computador incluem recepção, em um sistema de índice de cultura 216, de uma eficiência de sacarificação prevista 214 de uma matéria-prima 102. A matéria-prima 102 é associada no sistema de computador com o produtor 202 que proveu a matéria-prima. Uma distribuição de cadeia de fornecimento é então determinada com base na eficiência de sacarificação prevista 214 e outra informação no sistema de índice de cultura 216, e uma indicação da distribuição da cadeia de fornecimento é mostrada 218 em um formato acessível a um processador de matéria-prima, mostrado como servidor 202. Processador de matéria-prima 220 pode então enviar instruções de entrega ao produtor 222, que pode confirmar o recebimento de tais instruções 224 e pode entregar a matéria-prima 102 de acordo com essas instruções.
[00134] Um sistema útil em tais métodos inclui uma interface para recebimento de dados espectrais de NIR a partir de uma amostra de matéria-prima, um modelo de NIR de carboidrato acessível em matérias-primas do mesmo tipo que a amostra de matéria-prima que sai, para uso por um sistema de índice de cultura, uma eficiência de sacarificação prevista da amostra de matéria-prima com base na aplicação do modelo de NIR. O sistema de índice de cultura é configurado para determinar a qualidade da biomassa para matérias-primas do mesmo tipo que a amostra de matéria-prima.
[00135] A invenção refere-se também a um método de previsão do
Petição 870190116043, de 11/11/2019, pág. 75/129
70/116 rendimento de biocombustível a partir de condições de bioprocessamento e processo termoquímico consolidadas. O método é útil não apenas para previsão do rendimento de biocombustível a partir de uma biomassa, mas também para seleção de variedades adequadas em um programa de produção de planta e para colocação de um valor na biomassa recebida por um processador de matéria-prima. Tal método envolve coleta de dados espectrais de NIR a partir de uma amostra de matéria-prima a ser testada. Um modelo de NIR do HHV e/ou carbono fixado de matérias-primas do mesmo tipo que a amostra é aplicado aos dados espectrais para determinar o HHV e/ou carbono fixado da amostra de matéria-prima, com base nos resultados da etapa de aplicação. Um modelo de NIR de carboidrato acessível em matérias-primas do mesmo tipo que a amostra é também aplicado aos dados espectrais e a eficiência de sacarificação da amostra de matériaprima é prevista, com base nos resultados da etapa de aplicação. Condições de processamentos bioquímico e termoquímico consolidadas que produzem um rendimento de biocombustível definido a partir da amostra de matéria-prima são então previstas, com base nos resultados da aplicação dos modelos de NIR.
5.13 Gerenciamento de Cadeia de Fornecimento [00136] Em alguns aspectos, a invenção refere-se a métodos para gerenciamento da cadeia de fornecimento de matéria-prima de biomassa de planta para uma biorrefinaria ou estação de geração de bioenergia. O conhecimento de momento de colheita ótimo para culturas de biomassa, distância e tempo de transporte, tempo de processamento previsto e rendimento de produto ou biocombustível previsto vão permitir entrega na hora de matériaprima adequada para assegurar que a biorrefinaria ou estação
Petição 870190116043, de 11/11/2019, pág. 76/129
71/116 de geração de bioenergia esteja funcionando em eficiência ótima. Desta maneira, espectros de NIR de amostras de biomassa de planta são coletados e traduzidos por um modelo de NIR para prever características de composição ou conversão conhecidas como sendo favoráveis para um processo particular, ou uma previsão direta, ou indireta, de rendimento de biocombustível ou produto. Esta informação pode ser coletada de campos múltiplos onde crescem múltiplas culturas e produzidas por múltiplos cultivadores. Previsões de características de composição ou conversão ou rendimento de produto ou biocombustível de uma matéria-prima de biomassa de planta podem ser feitas no campo a fim de determinar o momento de colheita ótimo. Previsões de momento de colheita ótimo em múltiplos campos permite a coordenação de colheita para agregar mais valor ao fazendeiro e à biorrefinaria. Momento de colheita de coordenação com distância de transporte e tempo pode também permitir entrega na hora de matéria-prima então reduzindo a quantidade de armazenamento no local que a biorrefinaria precisa. Ainda, a previsão de características de composição ou conversão e a previsão direta, ou indireta, de biocombustível ou rendimento de produto podem permitir que o operador da biorrefinaria ou estação de geração de bioenergia gerencie a quantidade e a qualidade de matéria-prima processada em qualquer momento a fim de assegurar que objetivos e cotas de produção sejam atingidos de maneira confiável. Conforme acima mencionado, as medições de NIR e previsões de parâmetro podem iniciar no campo, mas podem também ser usadas enquanto caminhões, trens ou barcas de matéria-prima de biomassa entram na biorrefinaria, e continuam enquanto os materiais são trazidos para o processo e durante
Petição 870190116043, de 11/11/2019, pág. 77/129
72/116 processamento .
5.14 Indicadores de sustentabilidade [00137] Em alguns aspectos a invenção refere-se a métodos para previsão da sustentabilidade de um sistema de produção de biomassa de planta através do monitoramento dos níveis de nitrogênio, enxofre, fósforo, potássio, magnésio, cálcio, silício, manganês, ferro, zinco, cloro, boro e outros micronutrientes presentes em biomassa de planta colhida (ref.: Biochemistry and Molecular Biology of Plants, Buchanan, Gruissem, Jones, Ed., ASPB Press, 2000, pg. 1205). Desta maneira, espectros de NIR ou RAMAN de amostras de biomassa de planta são coletados e traduzidos através de um modelo de NIR ou Raman para prever composição elementar. Análise de materiais de biomassa usando métodos tais como absorção atômica (AA) e espectroscopia de plasma indutivamente acoplada (ICP) permite medição direta de composição elementar que pode estar relacionada com características espectrais de NIR e Raman para criar o modelo de NIR ou Raman para previsão desses parâmetros. Previsão de níveis elementares em biomassa de planta colhida pode ser usada para monitorar a quantidade e a taxa que certos elementos e micronutrientes estão sendo removidos do solo e então a quantidade e a taxa nas quais esses elementos devem ser substituídos. Este conhecimento pode ser usado para tomar decisões de gerenciamento de cultura, tais como determinações de rotações de cultura ou decisões de realização de cocultura. Este conhecimento pode ser também usado para determinar a quantidade e a composição de fertilizante aplicado a campos em anos subsequentes para assegurar um sistema de produção sustentável.
5.15 Emissões de NOX
Petição 870190116043, de 11/11/2019, pág. 78/129
73/116 [00138] Em alguns aspectos a invenção refere-se a métodos para previsão do NOX, SOX e outras emissões de gás-estufa associadas com o processamento de uma matéria-prima de biomassa de planta em uma biorrefinaria ou estação de geração de bioenergia. O nitrogênio, enxofre e outra composição elementar de matéria-prima podem ser usados para prever a emissão produzida quando do processamento. Desta maneira, espectros de NIR ou Raman de amostras de biomassa de planta são coletados e traduzidos por um modelo de NIR ou Raman para prever composição elementar. Análise de materiais de biomassa usando métodos tais como absorção atômica (AA) e espectroscopia de plasma indutivamente acoplado (ICP) permite medição direta de composição elementar que pode ser então relacionada com características espectrais de NIR e Raman para criar o modelo de NIR ou Raman para previsão desses parâmetros. Previsão de níveis elementares na biomassa de planta colhida pode ser usada para monitorar a quantidade e a taxa que certos elementos estão sendo liberados para a atmosfera quando do processamento da biomassa de planta sob condições diferentes. Este conhecimento pode ser usado para tomar decisões de gerenciamento de fornecimento de matéria-prima. Com a probabilidade que certas emissões serão taxadas, decisões tais como a seleção de matéria-prima de biomassa de planta a ser usada em uma estação de biorrefinaria ou geração de bioenergia ou o preço pago por uma matéria-prima de biomassa de planta pode ser influenciado pela previsão de NOX, SOX e outras emissões de gases-estufa.
5.16 Proteína e outros coprodutos [00139] Em alguns aspectos a invenção refere-se a métodos para previsão do rendimento de proteína e outros coprodutos a parPetição 870190116043, de 11/11/2019, pág. 79/129
74/116 tir de uma matéria-prima de biomassa de planta usada em uma biorrefinaria. Coprodutos de proteína relevantes derivados de matéria-prima de biomassa de planta incluem grãos de destiladores, frações enriquecidas em proteína de biomassa de planta para ração animal ou aplicações alimentícias, colágeno, gelatina, proteína nutricionalmente relevante e proteínas úteis para aplicações em processamento de alimento, nutricionais e farmacêuticas. Outros coprodutos de interesse podem incluir fitoquímicos com aplicações nutricionais, de saúde e farmacêuticas. Coprodutos químicos tais como ácido metacrílico, ácido acrílico e seus ésteres, bem como outros agentes químicos e intermediários para processamento químico podem ser previstos. Esses incluem os agentes químicos definidos como parte da definição de biocombustíveis acima. Rendimento de co-produto pode ser previsto para processos de escala de laboratório, piloto ou produção. Desta maneira, espectros de NIR de amostras de biomassa são coletados e traduzidos através de um modelo de NIR. O resultado pode ser uma previsão direta de um ou mais rendimentos de coproduto ou um ou mais valores intermediários que podem estar relacionados com o(s) rendimento(s) de coproduto. Um modelo de NIR para rendimento de co-produto produzido a partir de dados de escala de laboratório pode ser usado para prever desempenho em uma instalação de escala de laboratório. Previsões de rendimento de coproduto podem ser úteis para gerenciamento de operações de biorrefinaria ou geração de bioenergia, seleção de matérias-primas preferidas para processamento, atribuição de valor às matérias-primas entregues, antecipação e programação de produção e gerenciamento de uma cadeia de fornecimento. Previsões de rendimento de coproduto po
Petição 870190116043, de 11/11/2019, pág. 80/129
75/116 dem ser úteis em seleção de espécies, variedades, populações de planta ou indivíduos que serão os mais produtivos. Indivíduos selecionados desta maneira podem ser introduzidos em programas de produção para produzirem novas variedades, cultivares, cruzamentos entre a mesma espécie e híbridos com rendimento de coproduto aperfeiçoado.
6. Software [00140] Em alguns aspectos, a invenção refere-se a software para desenvolvimento de modelos de NIR. Por exemplo, o software pode relacionar dados espectroscópicos com características composicionais e de desempenho de conversão de biocombustível para matérias-primas de lignocelulose. O software pode estabelecer correlações matemáticas validadas entre espectros de NIR e constituintes químicos independentemente determinados usando métodos de regressão estatística multivariados, tais como aqueles discutidos acima.
[00141] Em alguns aspectos a invenção refere-se a software para uso de um ou mais modelos de NIR para determinar as características composicionais e/ou eficiências de conversão para uma amostra de biomassa. O software pode ser usado para prever a composição de uma matéria-prima, tal como carboidrato total, carboidrato acessível, carboidrato recalcitrante, glicano, xilano, arabinano, manano, galactano, lignina, ferulato, acetato, nitrogênio, proteína, carbono fixado, cinza e teor de composição elementar. O software pode também prever as porcentagens em peso de siringila:guiacila:p-hidroxifenol (porcentagens em peso de S:G:H), porcentagens em peso de carbono:hidrogênio:oxigênio (C:H:O) e valor de aquecimento mais alto (HHV) . O software pode também prever a eficiência de con
Petição 870190116043, de 11/11/2019, pág. 81/129
76/116 versão de uma matéria-prima em açúcares livres, açúcares fermentáveis, syngas, biocombustível, etanol, calor ou energia em um processo em escala de laboratório, piloto ou produção. O software pode também prover o rendimento de proteína e outros coprodutos a partir de uma matéria-prima de biomassa de planta usada em uma biorrefinaria. O software pode também prever as emissões de NOX, SOX e outras de gás-estufa associadas com o processamento de uma matéria-prima de biomassa de planta particular em uma estação de geração de biorrefinaria ou bioenergia particular. O software pode também prever características de composição e/ou conversão em uma população de cruzamento entre a mesma espécie e/ou plantas recomendadas ou selecionadas para produção com base nessas previsões.
[00142] O software pode também usar os modelos de NIR para selecionar uma matéria-prima particular para um processo particular. O software pode ser também usado para projetar um processo particular, projetar uma biorrefinaria e/ou projetar uma instalação de geração de bioenergia com base na matéria-prima. Matérias-primas particulares podem ser agrupadas e analisadas com base na espécie, variedade, cultivar, cruzamento entre a mesma espécie, híbrido, linhagem, genótipo e/ou plantas individuais dentro de uma população de plantas geneticamente diversa. O software pode também usar espectros de NIR e modelos de NIR para avaliar uma batelada particular de matéria-prima com base nas características de composição ou conversão da matéria-prima. Ao dar um valor da batelada de matéria-prima, o software pode intermediar o processamento, transporte, taxação e outros custos para aquela batelada de matéria-prima para um processo particular.
Petição 870190116043, de 11/11/2019, pág. 82/129
77/116 [00143] O software pode ser também usado para gerenciamento de produção e fornecimento de matéria-prima e/ou gerenciamento de operações e economia de biorrefinaria. Por exemplo, o software pode gerenciar a cadeia de fornecimento da matéria-prima de biomassa para uma biorrefinaria ou estação de geração de bioenergia. O software pode também prever a sustentabilidade de um sistema de produção de biomassa de planta através de rastreamento dos níveis de nitrogênio, enxofre, fósforo, potássio, magnésio, cálcio, silício, manganês, ferro, zinco, cloro, bromo e outros micronutrientes presentes em biomassa de planta colhida a partir de uma fonte particular.
7. Usos/Vantagens [00144] A tecnologia descrita provê várias vantagens quando comparada com soluções alternativas, embora nem todas as vantagens possam estar presentes em uma modalidade específica. Em geral, modelos de NIR reduzem custo e aceleram análise de teor de matéria-prima, e então são úteis para muitos participantes na indústria de conversão de energia de biomatéria-prima. Consequentemente, modelos de NIR podem acelerar o desenvolvimento de processos economicamente viáveis para degradação de biomassa celulósica em açúcares fermentáveis. Em alguns aspectos, os métodos e materiais descritos aqui podem ser usados para obter processamento mais eficiente em açúcares livres, e subsequentemente etanol. Por exemplo, o uso de modelos de NIR conforme aqui descrito para rapidamente e precisamente analisar amostras de matéria-prima provê novos meios com os quais ajustar condições de conversão de biomassa para obter processamento mais econômico e/ou mais eficiente. Usando esta tecnologia, uma biorrefinaria pode escolher os processos mais eficazes pa
Petição 870190116043, de 11/11/2019, pág. 83/129
78/116 ra as matérias-primas disponíveis. Por exemplo, fila de matéria-prima, condições de pré-tratamento e combinações e carregamento de enzima e outros parâmetros de sacarificação podem ser selecionados em parte nos resultados de aplicação de modelos de NIR a dados de amostras de matéria-prima. Particularmente atraentes são previsões de material de carboidrato acessível em amostras de biomassa que permitem que instalações de biomassa otimizem a carga de enzima para cada lote de matériaprima de biomassa, uma vez que custo de enzima é frequentemente um componente de custo principal na produção de bioetanol celulósico. Ao prover rendimentos mais altos em um custo de produção equivalente ou ainda menor, os métodos e materiais descritos aqui melhoram a lucratividade para fazendeiros e processadores bem como diminuem os custos para consumidores, então ajudando os biocombustíveis a se tornarem mais competitivos em preço, e diminuído a necessidade de subsídios para sua adoção. Análise de variáveis outras que não custo, tais como biocombustível, bioproduto e/ou rendimento de coproduto, emissões, sustentabilidade do sistema, projeto de biorrefinaria, atividades de matéria-prima a jusante ou a montante podem ser também realizadas para influenciar as decisões de processamento de biomassa e gerenciamento de cadeias de fornecimento da indústria.
[00145] Em outros aspectos, modelos de NIR contribuem para desenvolvimento e produção de matérias-primas melhores. O uso de modelos de NIR conforme descrito aqui permite identificação rápida de variabilidade composicional e de eficiência de conversão e capacidade de herança dentro de populações de plantas de biomassa desta maneira guiando a produção de variedades ou
Petição 870190116043, de 11/11/2019, pág. 84/129
79/116 populações de planta com desempenho superior no rendimento de biomassa e biocombustível. Os modelos são também de ajuda na seleção de origens potenciais a partir de populações e avaliação de suas progênies, então avançando programas de produção de matéria-prima para bioenergia. Atributos de conversão de bioenergia valiosos podem ser associados a marcadores moleculares específicos de uma espécie de matéria-prima de interesse, ajudando mais na produção em direção a alvos de rendimento de energia alta. Por exemplo, variedades de matéria-prima podem ser desenvolvidas com características otimizadas para opções de conversão de energia específicas. Usando a tecnologia descrita, produtores de planta podem otimizar germoplasma para características economicamente valiosas, tal como rendimento maior de biocombustível produzido por acre de fazenda, rendimento maior para um processo de conversão específico, rendimento e qualidade de co-produto, sustentabilidade de fazenda de matéria-prima e emissões de estufa menores de processos de conversão de energia de matéria-prima. A tecnologia descrita pode ajudar a determinar adequadamente ou otimamente momento de colheita, transporte e/ou condições de armazenamento.
[00146] Ainda, modelos de NIR relatam dados em uma forma que pode ser integrada diretamente a modelos de engenharia, econômicos e de ciclo de vida para uma avaliação mais clara de valor aumentado e pontos de preço apropriados em uma ampla variedade de processos de conversão de biomassa. Avaliação de matéria-prima pode ser mais precisa, uma vez que ela pode levar em consideração estimativas mais precisas de rendimento e custos de processamento. Em suma, a tecnologia descrita pode ser valiosa para muitos participantes na indústria de produção de
Petição 870190116043, de 11/11/2019, pág. 85/129
80/116 biocombustível, tais como fabricantes de instrumento de NIR, pesquisadores em campos tal como aperfeiçoamento de germoplasma e produção de enzima, fazendeiros de matéria-prima, atacadistas e biorrefinadores, bem como operações de transporte e logística associadas.
[00147] A invenção será descrita adicionalmente nos exemplos que seguem, que não limitam o escopo da invenção descrito nas reivindicações.
Exemplos
Exemplo 1 - Preparação da Amostra e Espectroscopia de NIR [00148] Amostras de biomassa (tipicamente pelo menos 20 g de peso seco) de plantas de grama foram coletadas e preparadas para análise composicional conforme descrito em Preparation of Samples for Compositional Analysis, setembro de 2005, pelo U.S. Dept. of Energy National Renewable Energy Laboratory, que é substancialmente similar ao método ASTM E1757-01. Rapidamente, as amostras foram secas para um teor de umidade de 10% ou menos, ou em temperatura ambiente ou em um forno de ar forçado ajustado em ou abaixo de 45°C. Após secagem, as amostras foram moídas em um moedor de faca de laboratório padrão para passar por uma tela de 2 mm.
[00149] Dados espectrais de infravermelho próximo foram adquiridos a partir das amostras de grama usando um espectrômetro Bruker Optics MPA® FT-NIR (Bruker Optics, Ettlingen, Alemanha), rodando o software Opus 5.5 essencialmente de acordo com os protocolos do fabricante.
[00150] Uma esfera de integração com um copo de montagem de copo de amostra giratório foi usada para obter espectros. Uma
Petição 870190116043, de 11/11/2019, pág. 86/129
81/116 disposição de detector de chumbo-sulfito padrão foi usada para monitorar luz de NIR de 12.800-5.800 cm-1. Uma função de apodização de 3 tempos Blackman-Harris foi selecionada com um fator de enchimento zero de 2. O instrumento Bruker tem uma resolução máxima de 2 cm-1. Para minimizar o efeito de água nos espectros de biomassa, cada amostra foi seca ao ar para menos do que 10% de umidade antes da análise de NIR. Informação espectral foi coletada de 12.500 cm-1 a 3600 cm-1 com uma resolução de 8 cm-1. Para cada amostra espectroscópica, um total de 64 espectros foi coletado e tirado a média para compensar heterogeneidade da amostra. Cada amostra de calibragem foi subamostrada três vezes e os espectros da subamostra tiveram uma média tirada. Espectros de média final foram usados na calibragem do método. Essas técnicas espectroscópicas permitiram que um espectro de refletância de NIR reproduzível, de alta qualidade, fosse obtido para cada uma das amostras de calibragem. O espectro era representativo dos dados de química úmida conforme indicado pelos experimentos de validação discutidos abaixo. Testes de reproducibilidade de instrumento indicaram que os limites de reproducibilidade do espectrômetro de NIR contribuíram com menos do que 0,2% para os erros de previsão absolutos em modelos de NIR/PLS.
Exemplo 2. Faixas de Composição de Conjunto de Calibragem [00151] Aproximadamente 1.000 amostras de biomassa de grama foram coletadas de locais geográficos diversos nos Estados Unidos. Usando análise de componente principal (PCA), um conjunto de calibragem de 55 amostras cultivadas no campo e cultivadas em estufa foi selecionado para representar um conjunto de amostra maior. A figura 1 compara os scores de PCA do con
Petição 870190116043, de 11/11/2019, pág. 87/129
82/116 junto de calibragem com relação aos scores da população de grama maior, demonstrando a habilidade do conjunto de calibragem menor em representar a população maior. Os componentes glicano, xilano, arabinano, lignina e cinza foram determinados através de métodos ASTM E1758-01 Determination of Biomass Sugars by High Performance Liquid Chromatography, E1721-01 Determination of Acid Insoluble Residue (Lignin) in Biomass e E1755-01 Determination of Ash Content in Biomass. A proteína foi determinada usando o Método DOE/EERE Determination of Protein Content in Biomass. Os extrativos foram medidos seguindo os métodos Automated Solvent Extraction (ASE) no método DOE/EERE Determination of Extractives in Biomass. Açúcares fermentáveis foram calculados como a soma de glicano, xilano e arabinana. As faixas de composição do conjunto de calibragem são mostradas na Tabela 1.
Tabela 1. Faixas Composicionais de Conjunto de Calibragem
Componente Faixa (% peso seco)
Glicano 17,9 - 42,5
Xilano 15, 7 - 26,7
Açúcares fermentáveis 45, 6 - 64,5
Arabinana 3,1 - 9, 0
Sacarose 0,4 - 12,7
Lignina 17,2 - 23,5
Proteína 0,9 - 1, 8
Cinza 0,9 - 7,9
Extrativos 5,0 - 28,3
Petição 870190116043, de 11/11/2019, pág. 88/129
83/116 [00152] Uma análise de fechamento de massa somatório de todas as 55 amostras foi obtida usando um portfólio de métodos analíticos padrão listados acima. O fechamento de massa médio para as amostras de calibragem foi 100,34 ± 3,5% (Intervalo de Confiança de 95%).
Exemplo 3 - Desenvolvimento e Validação de Modelo de Composição [00153] Métodos de análise multivariada foram usados para revelar correlação entre a composição química das 55 amostras de grama do Exemplo 2 e dados espectrais de NIR das mesmas amostras. Um procedimento de validação cruzada integral foi usado para desenvolver e validar uma série de estruturas de equações de análise multivariada de projeção a estruturas latentes (PLS-1) que poderiam ser usadas para determinar a composição química de amostras desconhecidas. Durante o processo de validação cruzada, uma amostra única foi removida do conjunto de calibragem, todas as outras amostras foram usadas para fazer uma equação e a amostra faltante foi prevista usando esta equação. As equações do método final foram uma média de todas as equações de validação cruzada. As equações de PLS-1 resultantes designaram o modelo SWG_2. Uma equação representativa é mostrada na figura 2.
[00154] A figura 3 mostra o peso seco percentual de vários componentes de biomassa previstos pelo modelo SWG_2 para cada amostra versus o peso seco percentual desses componentes conforme determinado através de química úmida. O gráfico indica que o modelo SWG_2 prevê a análise composicional para uma faixa ampla de amostras com uma precisão que se iguala aos métodos de química úmida.
Petição 870190116043, de 11/11/2019, pág. 89/129
84/116 [00155] A composição de duas amostras de biomassa de grama foi determinada através dos métodos do Exemplo 2. Dados espectrais de NIR foram coletados de cada amostra e a composição prevista pelo modelo SWG_2. A figura 4 mostra os resultados das análises. Os resultados indicam que a composição prevista pelo modelo SWG_2 é indistinguível da composição determinada pelos erros do método de química úmida. Então, o modelo de NIR SWG_2 pode ser usado para determinar a composição química de amostras de teste de grama diretamente de seus espectros de NIR.
[00156] O modelo SWG_2 foi usado para identificar amostras de biomassa adicionais que tinham quantidades de um ou mais componentes que estavam fora da faixa para aquele componente no conjunto de calibragem e/ou tinham um valor não representado no conjunto de calibragem original. Modelos de NIR expandidos foram então desenvolvidos usando as amostras de calibragem SWG_2 originais bem como amostras adicionais e validadas. Resultados representativos para certos componentes de biomassa de modelos de NIR adicionais são mostrados na Tabela 2.
Tabela 2
Modelo Número de Amostras de Calibragem N° de PCs R2 RMSECV Faixa (% peso seco)
Lignina
SWG_2 44 4 0,72 1,1 16,1 - 23,5
SWG_3 81 6 0, 93 0,8 11.6 - 22.6
Petição 870190116043, de 11/11/2019, pág. 90/129
85/116
SWG_4 85 6 0, 93 0,8 11.6 - 22.6
Glicano
SWG_2 37 4 0,79 1,7 30,3 - 40,2
SWG_3 55 6 0,81 2,1 23,3 - 40,8
SWG_4 83 6 0,82 2,3 20.8 - 42.8
Exemplo 4 - Desenvolvimento e Validação do Modelo de Conversão [00157] Vinte e oito das amostras usadas no desenvolvimento do modelo de composição SWG_2 (Exemplo 3) foram usadas para desenvolvimento e validação do modelo de conversão de NIR. Espectros de NIR foram coletados de cada amostra antes de processamento adicional. Cada amostra foi então submetida a um pré-tratamento ácido e procedimento de sacarificação enzimática como segue. Cerca de 0,025 g em peso seco de cada amostra e 55, 6 ul de ácido sulfúrico 72% (p/p) em volume total de 5 ml (1,3% em peso de ácido na fase líquida do recipiente) foram adicionados a um tubo de micro-ondas. O tubo foi aquecido em um sistema de micro-ondas Biotage Initiator 60 a 160°C por 5 minutos com agitação. Após esfriar com esfriamento convectivo forçado, cada tubo foi centrifugado a 4.000 rpm por 5 minutos. O sobrenadante (líquido de pré-tratamento, PL) foi removido, o pH registrado e o sobrenadante foi congelado. Os sólidos centrifugados de cada tubo de amostra foram então lavados três a quatro vezes com água até que o pH da lavagem estivesse entre 5-6.
Petição 870190116043, de 11/11/2019, pág. 91/129
86/116 [00158] Após remoção do excesso de água dos tubos, os sólidos úmidos, lavados, de cada amostra foram transferidos para um novo tubo contendo tampão de citrato 50 mM (pH 4,8), 0,04 mg/ml de tetraciclina, 0,03 mg/ml de cicloeximida e 20 mg de proteína total de Spezyme® CP e 20 mg de proteína total da mistura Novozyme 188 por Gm de biomassa seca. O volume total foi 1 ml. Cada tubo foi incubado a 50°C com agitação. Após 1 hora, 150 ul foram removidos de cada tubo usando uma ponteira de 200 ul de orifício largo, transferidos para um frasco de centrífuga de 1,5 ml e fervidos por 5 minutos. A ponteira de orifício largo permitiu a coleta completa dos sólidos em cada tubo. Cada frasco foi então centrifugado a 14.000 rpm por 2 minutos. Uma porção de 100 ul de cada sobrenadante foi transferida para um tubo de 12 x 75 mm, 900 ul de água foram adicionados e as amostras foram analisadas quanto à glicose em um YSI 2700D Dual-Channel Biochemistry Analyzer (YSI Life Sciences, Yellow Springs, Ohio). Após 24 horas, toda amostra restante foi removida, fervida e centrifugada conforme acima descrito. Uma alíquota de 100 ul foi removida, diluída 1:10 e analisada quanto à glicose no analisador YSI.
[00159] A quantidade de glicose total liberada no líquido de pré-tratamento ácido foi determinada como segue. Para glicose monomérica, carbonato de cálcio foi adicionado a uma porção de cada amostra de PLC enquanto vortexando, até que o pH atingiu 5-6. Os frascos foram então centrifugados a 4000 rpm por 5 minutos, uma alíquota de 1 mL de cada amostra foi transferida para um tubo 12 x 75 mm e cada alíquota foi analisada quanto à glicose no analisador YSI. Para a determinação da quantidade de glicose oligomérica, os pHs previamente registrados foram
Petição 870190116043, de 11/11/2019, pág. 92/129
87/116 usados para determinar a quantidade de ácido sulfúrico 72% que deve ser adicionada a fim de atingir ácido total 4% (NREL Lab Practice Determination of Sugars, Byproducts and Degradation Products in Liquid Fraction Process Samples). O ácido sulfúrico a 72% foi adicionado a 2 mL de PL em um frasco de soro, então selado com grampo e autoclavado a 121°C por 60 minutos usando o ciclo líquido. Após permitir que as amostras esfriassem para temperatura ambiente, carbonato de cálcio foi adicionado enquanto vortexando até que o pH fosse aumentado para 56. Carbonato de cálcio foi então separado do líquido através de centrifugação e glicose foi medida através de YSI. Glicose oligomérica foi então calculada subtraindo a concentração de glicose monomérica medida na amostra de PL original da concentração de glicose monomérica medida da amostra de PLC hidrolisada com ácido.
[00160] Trinta e sete amostras de grama diferentes foram analisadas usando um procedimento de pré-tratamento de base. Para pré-tratamento alcalino, 5 mL de uma solução diluída de hidróxido de amônio foram adicionados a aproximadamente 0,025 g de peso seco de biomassa em um tubo de micro-ondas Biotage de 2-5 mL de maneira que a razão da massa de amônia para biomassa foi 2:25. O tubo foi aquecido em um micro-ondas Biotage Initiator 60 para 205°C e mantido em temperatura constante por 30 minutos enquanto agitando a 900 rpm. Após esfriamento convectivo forçado para 50°C, o tubo foi centrifugado a 400 rpm por 5 minutos e o líquido de pré-tratamento (PL) foi coletado. Sólidos foram lavados adicionando água, centrifugando e descartando água de lavagem 2-3 vezes até que pH 5-6 fosse atingido conforme medido através de uma fita indicadora de pH 2-9.
Petição 870190116043, de 11/11/2019, pág. 93/129
88/116 [00161] Os sólidos úmidos, lavados, de cada amostra de prétratamento ácido e alcalino foram sacarificados conforme acima descritos usando 20 mg de proteína/g de biomassa seca de cada um de Spezyme® CP e Novozyme 188. A quantidade de glicose liberada foi determinada conforme descrito para o sistema de prétratamento ácido. Para amostras de sacarificação de prétratamento alcalino, uma avaliação adicional de açúcares oligoméricos foi realizada. 200 ul de líquido de sacarificação foram diluídos 1:10 e 69,7 ul de ácido sulfúrico 72% foram adicionados a cada amostra. Os frascos foram então autoclavados e açúcar oligomérico foi determinado da mesma maneira que as amostras de PL pré-tratadas com ácido.
[00162] A quantidade de glicose total liberada no líquido de pré-tratamento alcalino foi determinada como segue. Para glicose monomérica, uma porção do PL foi diretamente avaliada quanto ao teor de glicose no analisador YSI. A quantidade de glicose oligomérica foi determinada adicionando 69,7 ul de ácido sulfúrico 72% a 2 ml de PL em um frasco de soro. Os frascos foram então autoclavados e avaliados através dos mesmos métodos conforme descrito acima para as amostras de PL de pré-tratamento ácido.
[00163] Uma análise de açúcar integral foi realizada através de HPLC em cada amostra de PLC e a amostra de sacarificação de 24 h a fim de quantificar todos os outros açúcares disponíveis, por exemplo, xilose e arabinose.
[00164] O modelo de composição SWG_2 foi usado para calcular o rendimento teórico de glicose que poderia ser liberado no máximo por uma dada amostra de biomassa. A eficiência de conversão de glicose foi calculada como a quantidade total de glico
Petição 870190116043, de 11/11/2019, pág. 94/129
89/116 se liberada por pré-tratamento ácido/sacarificação enzimática, dividida pela quantidade máxima teórica de glicose na amostra de biomassa que poderia ter sido liberada, e convertida em uma porcentagem multiplicando por 100.
[00165] Métodos de análise multivariada foram usados para revelar relações entre a porcentagem de rendimento de glicose teórico sob condições de conversão ácida e dados espectrais de NIR das mesmas amostras. A figura 5 compara a eficiência de conversão de glicose percentual medida versus a eficiência de conversão de glicose prevista a partir do modelo de conversão de NIR. Os resultados mostraram que o valor R2 para eficiência de conversão de glicose percentual prevista pelo modelo de conversão versus a eficiência de conversão medida era 0,78, com um Erro Médio Quadrático de Validação Cruzada (RMSECV) de 2,89 indicando uma relação boa.
[00166] Métodos de análise multivariada foram usados para revelar relações entre a glicose total liberada por grama de biomassa seca sob as condições de pré-tratamento alcalino/sacarificação e dados espectrais de NIR das mesmas amostras. Os resultados de validação cruzada indicam que o valor R2 para glicose total medido versus previsto liberada por grama de biomassa seca foi 0,85 com um RMSECV de 12,4. A boa relação entre os valores medidos e aqueles previstos pelo modelo indica que modelos de NIR para outros tipos de biomassa podem ser desenvolvidos para prever glicose total liberada por grama de biomassa seca sob condições de conversão alcalina.
[00167] A porcentagem de rendimento teórico, glicano recalcitrante percentual em peso e glicose total liberada por grama de biomassa seca eram valores interconversíveis, e um modelo
Petição 870190116043, de 11/11/2019, pág. 95/129
90/116 de NIR que pode determinar um desses valores a partir de espectros de NIR pode ser usado para determinar os outros valores .
Exemplo 5 - Variabilidade em Populações de Grama [00168] Cerca de 30 a 200 g de biomassa foram coletados conforme descrito no Exemplo 1 a partir de cada uma das 790 plantas de grama cultivadas em um local na região das planícies centrais do sul dos Estados Unidos. A biomassa foi obtida de plantas que tinham sido estabelecidas por cerca de 10 a 15 anos. As plantas eram de 150 acessos de grama diferentes. Um espectro de FT-NIR foi adquirido conforme descrito no Exemplo 1 e a composição de cada amostra foi prevista usando o modelo SWG_2. As figuras 6-8 são histogramas mostrando a distribuição de frequência das quantidades de glicano, xilano e lignina, respectivamente, em biomassa das 790 plantas. A Tabela 3 mostra a faixa e quantidades médias de certos componentes de biomassa no conjunto de 790 plantas.
Tabela 3. Composição de Plantas de Grama
Componente da Biomas- Média Faixa
sa
Glicano 34,9 27,6 - 41, 1
Xilano 23,0 17,1 - 27, 8
Lignina 20,1 15,3 - 22, 9
Cinza 4,5 1,0 - 12,1
Exemplo 6 - Composição de Grama em Estágios Desenvolvimentais
Diferentes [00169] Amostras de biomassa de duas plantas de grama foram
Petição 870190116043, de 11/11/2019, pág. 96/129
91/116 coletadas em estágios desenvolvimentais diferentes. As amostras foram preparadas e dados de NIR adquiridos conforme descrito no Exemplo 1. A composição foi determinada a partir de dados de NIR usando o modelo SWG_2. As quantidades de componentes da biomassa são mostradas na Tabela 4 abaixo.
Tabela 4. Composição de Biomassa em Estágios Desenvolvimentais
Diferentes
Componente da Biomassa SWG E SWG F
Está- Estágio de Está- Está- Estágio de Está-
gio cultivo de gio gio cultivo de gio
de emborracha- de de emborracha- de
cul- mento cul- cul- mento cul-
tivo tivo tivo tivo
j ovem de jovem de
flor flor
Glicano 31,2 33,6 35, 1 29,3 32,1 36, 6
Xilano 20,2 20,2 21,0 19,8 19,9 20, 6
Arabi- 4,1 4,6 6,2 3,8 4,2 4,7
nana
Sacaro- 0,0 0,2 0,5 0,5 0,3 2,3
se
Lignina 17, 0 18,3 19, 6 16,1 17,5 20, 0
Brotei- 7, 0 5, 8 5,2 8,9 7,4 5,5
na
Petição 870190116043, de 11/11/2019, pág. 97/129
92/116
Cinza 3, 0 2,6 1,9 3,6 2,6 2,0
Extrativos 13, 9 13,2 11,1 13,4 12,9 10,1
[00170] O procedimento de pré-tratamento ácido/sacarificação enzimática descrito no Exemplo 4 foi realizado em cada uma das amostras de biomassa. A Tabela 5 mostra a conversão de glicose percentual nos pontos de tempo 1 e 24 horas após prétratamento ácido/sacarificação enzimática das amostras de biomassa.
[00171] Os resultados indicam que a quantidade de glicano e outros componentes na grama varia em estágios desenvolvimentais diferentes. Os resultados também indicam que a eficiência de conversão de glicose para essas amostras é mais do que 87% no estágio de cultivo jovem após uma sacarificação de 24 horas. Em contraste, a eficiência de conversão de glicose para essas amostras é 81% ou menos no estágio de cultivo de flor. Tais dados podem ser usados para desenvolver um modelo de NIR para prever composição em vários estágios desenvolvimentais de um dado tipo de biomassa e carboidrato acessível em cada tal estágio com um dado procedimento de prétratamento/sacarificação. Um uso de tal modelo é gerenciar uma cultura de biomassa de maneira que a colheita aconteça no estágio desenvolvimental de planta que resulte em produção de biocombustível máxima para a cultura com um dado procedimento de pré-tratamento/ sacarificação.
Tabela 5
Amostra SWG E SWG F
Petição 870190116043, de 11/11/2019, pág. 98/129
93/116
Está- Estágio de Está- Está- Estágio de Está-
gio cultivo de gio gio cultivo de gio
de emborracha- de de emborracha- de
cul- mento cul- cul- mento cul-
tivo tivo tivo tivo
j ovem de j ovem de
flor flor
% de 59, 5 55, 0 44,2 66,0 56,8 42,2
Efici-
ência
de Con-
versão
de Gli-
cose (1
h de
incuba-
ção)
% de 87, 8 85,5 79,3 89,3 88,4 81,0
Efici-
ência
de Con-
versão
de Gli-
cose
(24 h
de in-
cuba-
ção)
Petição 870190116043, de 11/11/2019, pág. 99/129
94/116
Exemplo 7 - Eficiência de Conversão de Glicose de Amostras de Grama [00172] A composição da biomassa para duas das 790 plantas de grama do Exemplo 5 conforme previsto pelo modelo SWG_2 é mostrada na Tabela 6.
Tabela 6
[002 [003 [004] [005] [006] [007] [008] [009 [001 [0011]
lan li- ila- rab- aca- çú- ig- rot in- xtra-
ta ca- no inan rose cares nina eín za tivos
no a Fer- a
men-
táveis
[001 [001 [0014 [0015 [0016 [0017] [0018 [001 [002 [0021]
9,5 4,10 , 79 , 04 3,64 2,36 , 14 ,28 , 62
4
[002 [002 [0024 [0025 [0026 [0027] [0028 [002 [003 [0031]
5,2 3,34 , 68 ,5 8,58 0,17 , 22 , 82 ,7
4
[00173] O procedimento para a determinação de eficiência de conversão sob condições de pré-tratamento ácido descrito no Exemplo 4 foi repetido para amostras de biomassa de plantas A e B, medindo a eficiência de conversão de glicose em 24 e 72 horas de incubação com quantidades variáveis de uma mistura de celulose suplementada com Novozyme 188. A figura 11 mostra a eficiência de conversão no ponto de tempo de 72 horas após pré-tratamento ácido/sacarificação enzimática de biomassa de plantas de grama A e B, versus a quantidade de enzima. Os resultados indicam que mais de 90% do rendimento de glicose teó
Petição 870190116043, de 11/11/2019, pág. 100/129
95/116 rico da planta B são atingidos quando cerca de 5 a 20 mg de celulase são adicionados por grama de biomassa. Em contraste, cerca de 55 a 65% do rendimento teórico de glicose máximo da planta A são atingidos quando cerca de 5 a 20 mg de celulase são adicionados por g de biomassa. Esses resultados indicam que biomassa da planta B é mais facilmente digerida com uma dada quantidade de enzima comparado com biomassa da planta A, e que a planta A não pode atingir 100% de conversão em glicose sob essas condições mesmo em cargas de enzima altas.
[00174] Amostras de biomassa de 90 outras plantas de grama foram submetidas ao mesmo pré-tratamento ácido e procedimento de sacarificação enzimática conforme acima descrito para plantas A e B, usando 20 mg de proteína/g de biomassa seca de cada uma de Spezyme® CP e Novozyme 188 filtrada. A figura 12 mostra a distribuição de frequência para eficiência de conversão de glicose para todas as 90 amostras de biomassa. Os resultados indicam que eficiência de conversão de glicose varia consideravelmente entre as plantas de grama.
Exemplo 8. Porcentagem em Peso Prevista de Glicano vs. Glicose Liberados [00175] Amostras de biomassa múltiplas foram coletadas de uma variedade de plantas de grama diferentes de locais geográficos diversos nos Estados Unidos e preparadas conforme descrito no Exemplo 1. Dados de NIR de cada amostra de biomassa foram então usados para prever a porcentagem em peso de glicano em cada amostra usando um modelo SWG_2. As amostras de biomassa foram então submetidas ao procedimento de pré-tratamento ácido ou procedimento de pré-tratamento alcalino descrito no Exemplo 4.
Petição 870190116043, de 11/11/2019, pág. 101/129
96/116 [00176] A quantidade de glicose liberada, em termos de mg/g, foi então posta em gráfico contra a porcentagem em peso prevista por SWG_2 de glicano para cada amostra de pré-tratamento ácido e para cada amostra de pré-tratamento de base. Os resultados são mostrados nas figuras 13 e 14. Os resultados indicam que não há nenhuma relação significante entre a quantidade de glicano prevista versus a quantidade de glicose liberada para pré-tratamento ácido, e uma relação ligeiramente positiva para pré-tratamento com base.
[00177] Os resultados desses experimentos junto com os resultados descritos no Exemplo 4 indicam que a medição ou previsão da quantidade de glicano presente em uma amostra de biomassa é insuficiente para identificar material de biomassa que dá uma quantidade maior de glicose. Ainda, os resultados indicam que um modelo de NIR de conversão tal como aquele descrito no Exemplo 4 prevê eficiência de conversão de glicose com precisão suficiente para identificar um material de biomassa que dá uma quantidade relativamente maior de glicose liberada mesmo que o material possua um teor de glicano relativamente menor.
Exemplo 9 - Rendimento de Etanol a partir de Biomassa de Grama [00178] Biomassa foi coletada de três plantas de grama e dados de NIR adquiridos conforme descrito no Exemplo 1. A quantidade de glicano foi prevista usando o modelo SWG_2 para cada planta, e o rendimento de biomassa de cada planta foi determinado. Os resultados, que são mostrados na Tabela 7, indicam que a quantidade de glicano em cada amostra foi similar, enquanto o rendimento de biomassa variou entre as amostras. Com base nesses dados, o rendimento teórico máximo de etanol a partir de glicano por tonelada de biomassa e o rendimento teórico máximo
Petição 870190116043, de 11/11/2019, pág. 102/129
97/116 de etanol por acre foram calculados para cada amostra, e são mostrados na Tabela 7.
Tabela 7 % de Glicano e Rendimento de Biomassa para Amostras de Grama
[0032] Var- [0033] % [0034] Ren- [0035] Ren- [0036] Ren-
iedade de Glicano* dimento de dimento de dimento de
Grama Etanol Teóri- Biomassa Etanol Teóri-
co Gal/Ton)** (tons/acre) co
(Gal/Acre)***
[0037] Par- [0038] 3 [0039] 67,6 [0040] 7,7 [0041] 518
ent 9,11
[0042] Va- [0043] 4 [0044] 69,4 [0045] 7,9 [0046] 548
riety C 0,18
[0047] Va- [0048] 3 [0049] 67,9 [0050] 6,4 [0051] 435
riety D 9,27
*Previsto a partir do modelo SWG_2.
**Gal etanol/ton de biomassa (com base na quantidade de glicano e supondo 100% de conversão de glicano em glicose).
***Gal etanol/acre de grama (com base na quantidade de glicano, rendimento de biomassa e supondo 100% de conversão de glicano em glicose).
[00179] A eficiência de conversão de glicose de biomassa de cada planta foi determinada usando o pré-tratamento ácido/procedimento de sacarificação enzimática descrito no exemplo 4, e os resultados são mostrados na Tabela 8. Os resultados indicam que biomassa da Variedade D tinha uma eficiência de conversão de glicose maior do que a biomassa da outras duas
Petição 870190116043, de 11/11/2019, pág. 103/129
98/116 plantas e então tinha carboidrato mais acessível como uma % de carboidrato total com relação à Variedade C.
Tabela 8.
Eficiência de Conversão de Glicose de Amostras de Grama
Variedade de Grama % Gli- cano Eficiência de Conversão de Glicose Rendimento de Etanol (Gal/Ton)* Rendimento de Etanol Teórico (Gal/Acre)**
Origem 39, 11 75, 7 51,2 393
Variedade 40, 18 74,8 52,0 410
C
Variedade 39, 27 83,2 56,5 362
D
*Com base na quantidade de glicano e eficiência de conversão de glicose.
**Com base na quantidade de glicano, eficiência de conversão de glicose e rendimento de biomassa.
[00180] Com base na eficiência de conversão de glicose e rendimento de biomassa, o rendimento de etanol por ton e rendimento de etanol por acre que seria produzido por cada planta foram calculados. Os resultados são mostrados na Tabela 5, e indicam que eficiência de conversão de glicose maior pode compensar rendimentos de biomassa reduzidos. Os resultados também indicam que podem ser identificadas aquelas plantas que têm ambos o rendimento de biomassa maior e a eficiência de conversão de glicose maior.
Petição 870190116043, de 11/11/2019, pág. 104/129
99/116
Exemplo 10 - previsão de Condições de Carga de Enzima para Processamento de Biomassa [00181] Biomassa foi coletada de uma pluralidade de plantas de grama cultivadas no campo de uma única variedade. Uma amostra de biomassa foi preparada conforme descrito no Exemplo 1 e a composição determinada usando técnicas de química úmida descritas no Exemplo 1. O componente glicano constituía 36,8% do peso seco da biomassa. A quantidade máxima teórica de glicose na amostra de biomassa que poderia ter sido liberada foi calculada ser 408 mg de glicose por g de biomassa seca.
[00182] O procedimento de pré-tratamento ácido/ sacarificação enzimática descrito no Exemplo 4 foi realizado na amostra de biomassa, e a quantidade média de glicose liberada após 24 horas de incubação com um excesso de Spezyme® e Novozyme 188 (20 mg de Spezyme® suplementado com 20 mg de Novozyme 188 por g de biomassa) foi determinada ser 254 mg de glicose por g de biomassa. Com base no rendimento de glicose máximo teórico com um excesso de enzima, a quantidade de enzima necessária para atingir eficiência de conversão de glicose máxima foi calculada ser 12,5 mg de Spezyme e 12,5 mg de Novozyme 188 por g de glicano acessível.
[00183] O procedimento de pré-tratamento ácido/sacarificação enzimática foi repetido com a amostra de biomassa, exceto que 12,5 mg de Spezyme® e 12,5 mg de Novozyme 188 foram usados por g de glicano acessível. A quantidade de glicose solubilizada após incubação por 1 e 24 horas foi determinada e é mostrada na Tabela 9. Os resultados indicam que a conversão de glicose percentual em 12,5 mg/g de glicano acessível é equivalente a ou melhor do que a conversão de glicose percentual em 20 mg/g
Petição 870190116043, de 11/11/2019, pág. 105/129
100/116 de biomassa.
Tabela 9
Quantidade de Enzima (mg/g) % de Conversão de Glicose (1 de in- cubação) % de Conversão de Glicose (24 h de incubação)
20 25 65
12,5 26 70
[00184] Supondo um custo de enzima de $0,32 por galão de etanol, esses resultados indicam que uma economia de $0,13 por galão de etanol resultaria. Sob esta suposição, uma biorrefinaria que produz 378541,2 m2 (100.000.000 de galões) de etanol por ano poderia reduzir os custos anuais com enzima em cerca de $12.800.000 carregando as enzimas com base em carboidrato acessível.
Exemplo 11 - Previsão de Misturas de Enzima Ótimas para Processamento de Biomassa [00185] Biomassa foi coletada de uma pluralidade de plantas de grama cultivadas no campo de uma única variedade. Uma amostra de biomassa foi preparada conforme descrito no Exemplo 1 e a composição determinada usando técnicas de química úmida descritas no Exemplo 1. O componente glicano constituía 36,8% do peso seco da biomassa. A quantidade máxima teórica de glicose na amostra de biomassa que poderia ter sido liberada foi calculada ser 408 mg de glicose por g de biomassa seca.
[00186] O procedimento de pré-tratamento ácido/sacarificação enzimática descrito no Exemplo 4 foi realizado na amostra de biomassa, exceto que coquetéis de enzima diferentes foram usa
Petição 870190116043, de 11/11/2019, pág. 106/129
101/116 dos. O coquetel de enzima I continha um complexo de celulase da proprietária (chamado S13) e Novo 188. O complexo de celulase catalisa a quebra de material de celulose em glicose, celobiose e polímeros de glicose superiores. O coquetel de enzima II continha um complexo de enzima da proprietária (chamado S12) e Novo 188. O complexo de enzima continha várias carboidrases, incluindo arabinase, celulase, beta-glicanase, hemicelulase e xilanase. O coquetel de enzima III continha uma xilanase da proprietária (chamada S14), Spezyme9R) e Novo 188. A xilanase era uma endoxilanase de temperatura alta que hidrolisa xilanos e arabino-xilanos em oligossacarídeos e alguns mono-, di- e trissacarídeos, e é ativa com ambos os arabinoxilanos solúveis e insolúveis. Um coquetel de enzima contendo Spezyme® e Novo 188 foi usado como um controle.
[00187] Os resultados são mostrados na Tabela 10. Os resultados indicam que a quantidade de glicose solubilizada varia dependendo do coquetel de enzima usado para sacarificação. Tais dados podem ser usados para desenvolver um modelo de NIR de carboidrato acessível para cada combinação de coquetel de enzima, tipo de biomassa e procedimento de prétratamento/sacarificação.
Tabela 10
% de Eficiência de Conversão de Glicose (24
de incubação)
Quantidades Mistura de Coquetel Coquetel Coquetel
de Enzima* Enzima Con- de Enzima de Enzima de Enzima
trole I II III
0 0 0 0 ND
Petição 870190116043, de 11/11/2019, pág. 107/129
102/116
2,5 45 42 5 ND
5 53 52 7 ND
10 56 55 12 ND
20 58 58 14 56
40 58 58 13 ND
• = mg de cada enzima ou complexo de enzima por g de biomassa .
ND = Não-determinado
Exemplo 12 - Modelos de NIR para Teor de Lignina [00188] Amostras de biomassa foram preparadas conforme descrito no Exemplo 1 a partir de grama, Arabídopsís thalíana e plantas de sorgo. Vinte e seis, 71 e 24 amostras foram preparadas de grama, Arabídopsís e sorgo, respectivamente. Espectros de NIR foram coletados para cada uma das amostras de biomassa de grama, Arabídopsís e sorgo antes de processamento adicional.
[00189] Quantidades de S, G e H foram determinadas através da técnica de química úmida que segue. GC-MS de pirólise foi realizada em um pirolisador Py-2020is (Frontier Labs, Japão) acoplado a um QP2010 GC-MS (Shimadzu, Japão). Três mg de material de biomassa finamente moído (máximo de 2 mm) de cada amostra foram pesados em um copo de aço inoxidável desativado. Cada amostra foi introduzida através da gravidade no pirolisador ajustado a 550°C. A interface entre a entrada do pirolisador e de GC foi ajustada em 300°C. Separação de pirolisatos foi realizada em uma coluna de CG (VF-5MS, 30 M x 0,25 mm x 0,25 um). Fluxo de hélio através do pirolisador e da coluna foi ajustado
Petição 870190116043, de 11/11/2019, pág. 108/129
103/116 a 450 mL/min e 1,0 mL/min, respectivamente. A razão de separação de entrada era 350:1. O programa de temperatura da coluna foi inicialmente ajustado a 70°C (mantido por 4 minutos) em uma taxa de aumento de 20°C/min para uma temperatura final de 350°C. Aquisição espectral de massa foi a 3333 amu/seg de 50 amu - 300 amu após um retardo de 4,5 minutos.
[00190] As áreas dos picos correspondendo a unidades de lignina diferentes e a levoglicosano e furfural (ambos como marcadores de celulose) foram coletadas. Metilestearato foi usado como um padrão interno para quantificar a quantidade de cada componente e então determinar quantitativamente a quantidade de H, G e S presentes na amostra. Lignina total foi calculada como a soma de H, G e S.
[00191] Os dados de GC-MS de pirólise e dados espectrais de NIR foram usados para desenvolver e validar modelos de NIR para H, G, S e quantidades de lignina totais em grama, Arabidopsis e sorgo. Os valores de R2 e RMSECV para H, G, S e/ou teor de lignina total são mostrados na Tabela 11. As correlações positivas significantes entre os valores medidos e aqueles previstos pelos modelos indicam que modelos de NIR podem ser desenvolvidos para H, G, S e quantidades de lignina totais em outros tipos de biomassa e outras espécies de planta.
Tabela 11
Espécie de Planta Componente R2 RMSECV
Grama H Lignina 0,61 0,408
G Lignina 0, 81 0,487
S Lignina 0, 91 0,0591
Petição 870190116043, de 11/11/2019, pág. 109/129
104/116
Lignina Total __* --
Arabidopsis H Lignina 0,78 0,347
G Lignina 0,78 0,763
S Lignina 0,70 0, 133
Lignina Total 0,79 1, 13
Sorgo H Lignina -- --
G Lignina 0,77 0, 886
S Lignina 0,90 0,22
Lignina Total 0, 81 1,86
= Não-determinado
Exemplo 13 - Modelo de NIR para Teor de Ferulato [00192] Amostras de biomassa livres de extrativos foram obtidas como segue. Um grama de uma amostra de biomassa, preparada conforme descrito no Exemplo 1 foi extraído com 7 0 mL de água e 70 mL de etanol por 15 minutos cada a 70°C para remover extrativos. Os sólidos que permaneceram após remoção do solvente foram secos no forno a 45°C e armazenados em um dissecador.
[00193] Espectros de NIR foram coletados de cada uma das dez amostras de grama livres de extrativos. Cinquenta mg de cada amostra foram reagidos com 1,5 mL de KOH 2M a 80°C por 10 minutos usando um extrator auxiliado por micro-ondas. O extrato foi removido e sólido descartados. Cada extrato, de cor marrom, foi neutralizado com 500 microlitros de HCl 4M, o que tornou cada extrato de cor amarelo pálido. Cada extrato foi seco em um secador a vácuo com uma armadilha criogênica, ressuspenso em 1,0 mL de metanol, sonificado para facilitar res
Petição 870190116043, de 11/11/2019, pág. 110/129
105/116 suspensão e filtrado para remover partículas. A solução resultante tinha uma cor dourado-claro.
[00194] Quinhentos microlitros de cada solução filtrada foram transferidos para um frasco de LC-MS, junto com 200 ul de 1 mg/ml de padrão de ácido sinapínico (50/50 metanol:água). 300 uL de água foram adicionados ao frasco. Separação de ácido ferúlico foi realizada em um espectrômetro de massa Agilent 1200 acoplado a um Unique ToF usando um Phenomenex Synergi Max-RP (150x4,6 mm) e um perfil de eluição de gradiente de Metanol 10% com Ácido acético a 90%. O tempo de aquisição de espec. de massa de voo foi ajustado em 4 espectros/s com uma faixa de 50-500 m/z. O teor de ferulato em cada amostra foi calculado.
[00195] Os dados de MS e dados espectrais de NIR foram usados para desenvolver e validar um modelo de NIR para teor de ferulato em grama. Os resultados de validação cruzada indicam que o valor R2 para teor de ferulato medido versus previsto era 0,95 com um RMSECV de 0,26. A boa relação entre os valores medidos e aqueles previstos pelo modelo indica que modelos de NIR podem ser desenvolvidos para teor de ferulato para outros tipos de biomassa e outras espécies de planta.
Exemplo 14 - Análise de Variedades de Grama de Planalto e Baixada [00196] Um modelo de NIR expandido para composição de grama e eficiência de conversão de glicose foi desenvolvido e validado conforme descrito para o modelo SWG_2. O modelo expandido foi chamado o modelo SWG_2. Três variedades de planalto e três variedades de baixada foram cultivadas em um único local em Illinois. O modelo SWG_5 foi usado para prever teor de glicano
Petição 870190116043, de 11/11/2019, pág. 111/129
106/116 livre de extrativos e eficiência de conversão de glicose de cada variedade. Os dados mostraram que variedades de planalto e baixada podem ser distinguidas com base em seu teor de glicano livre de extrativos e eficiência de conversão de glicose.
Exemplo 15 - Desenvolvimento e Validação de Modelo de Sorgo [00197] Amostras de biomassa foram preparadas conforme descrito no Exemplo 1 de 30 amostras de sorgo. Espectros de NIR foram coletados de cada amostra antes de processamento adicional conforme descrito no Exemplo 1.
[00198] A composição das 30 amostras de sorgo foi determinada usando métodos conforme descrito no Exemplo 2. Amido foi medido seguindo o método DOE/EERE Determination of Starch in Biomass.
[00199] Vinte e quatro das amostras de biomassa foram submetidas a pré-tratamento ácido e sacarificação enzimática conforme descrito no Exemplo 4 exceto que as condições de prétratamento ácido foram 0, 6% em peso de ácido na fase líquida do recipiente e o sistema de micro-ondas foi ajustado para 180°C. Glicose total liberada por grama de biomassa seca foi medida bem como o rendimento de glicose teórico, conforme descrito no Exemplo 4. Ainda, a quantidade de glicano recalcitrante em porcentagem em peso foi medida.
[00200] A glicose total liberada, o rendimento de glicose teórico e a quantidade de glicano recalcitrante foram usados para desenvolver e validar modelos de conversão de NIR para sorgo. Os modelos foram gerados usando o software Opus conforme descrito no Exemplo 1. Modelos de NIR foram desenvolvidos usando o software de análise multivariada integrado ao software OPUS.
Petição 870190116043, de 11/11/2019, pág. 112/129
107/116
Modelos para análise de composição de sorgo usaram uma faixa de comprimento de onda de 8000-3800 cm-1. Tratamentos matemáticos usados foram primeiro derivado e normalização de vetor com 17 pontos de alizamento.
[00201] O modelo para rendimento de glicose teórico utilizou cinco componentes principais, o modelo para glicano recalcitrante utilizou quatro componentes principais e o modelo para glicose total liberada utilizou cinco componentes principais. Os resultados de validação cruzada indicam que o valor R2 para rendimento de glicose teórico medido versus previsto foi 0,92, com um RMSECV de 2,45. O valor R2 para glicano recalcitrante medido versus previsto foi 0,92, com um RMSECV de 1,01. O valor R2 para glicose total medida versus prevista liberada foi 0,86, com um RMSECV de 9,4. A boa relação entre os valores medidos e aqueles previstos pelos modelos indica que vários outros modelos de NIR podem ser desenvolvidos para sorgo.
[00202] Dados espectrais de infravermelho próximo foram adquiridos das mesmas 30 amostras de sorgo usando um analisador de teor Foss XDS Rapid (Foss North America, Eden Prairie, MN), rodando o software WinISI 4.0 de acordo com os protocolos do fabricante.
[00203] Um módulo de transporte de sólidos Foss RCA com uma célula de amostra granular grossa foi usado para obter espectros de todas as amostras. O instrumento é equipado com uma disposição de detector de refletância padrão incluindo dois detectores de silício para monitorar luz visível de 400-850 nm e quatro detectores de chumbo-sulfito para monitorar luz de NIR de 850-2500 nm. O instrumento Foss tem uma resolução máxima de 1 nm. Para minimizar o efeito de água nos espectros de
Petição 870190116043, de 11/11/2019, pág. 113/129
108/116 biomassa, cada amostra foi seca ao ar para menos do que 10% de umidade antes da análise de NIR. Informação espectral foi coletada de 400-250 mm (25000cm-1 a 4000 cm-1) com uma resolução de 1 nm. Para cada amostra espectroscópica, um total de 64 espectros foi coletado e tirada a média para compensar heterogeneidade da amostra. Cada amostra de calibragem foi subamostrada três vezes e os espectros da subamostras tiveram média tirada. Espectros de média final foram usados na calibragem do método. Essas técnicas espectroscópicas permitiram que um espectro de refletância de NIR reproduzível, de alta qualidade, fosse obtido para cada uma das amostras de calibragem. Testes de reproducibilidade de instrumento indicaram que os limites de reproducibilidade do espectrômetro de NIR contribuíram menos de 0,2% para os erros de previsão absolutos em modelos de NIR/PLS.
[00204] Modelos de NIR foram desenvolvidos usando o software de análise multivalente integrado ao software WinISI. Modelos para análise de composição de sorgo usaram uma faixa de comprimento de onda de 400-2500 nm. Tratamentos matemáticos usados foram primeira derivada seguido por uma correção de difração de variada normal padrão e ajuste de linha de base detrend com um polinomial de primeira ordem, bloco de 4 nm e lacuna de 4 nm.
[00205] Resultados de validação cruzada para modelos de NIR de vários componentes de biomassa usando o instrumento Bruker e o instrumento Foss são mostrados na Tabela 12. As boas relações entre os valores medidos e aqueles previstos pelos modelos indicam que modelos de NIR podem ser desenvolvidos usando instrumentos e programas de software diferentes. As boas relações
Petição 870190116043, de 11/11/2019, pág. 114/129
109/116 também indicam que vários outros modelos de NIR podem ser desenvolvidos para sorgo.
Tabela 12
Bruker OPUS Foss WinISI
Componente R2 SECV PCs R2 SECV PCs
Glicano 0, 923 2,1 5 0,969 2,5 4
Xilano 0, 858 1,0 3 0,949 0,9 3
Lignina 0, 861 1,2 3 0,954 0,9 3
Proteína 0,800 0,4 7 0,951 0,3 3
Cinza 0,869 0,8 4 0,658 0,6 2
Amido 0,547 0,4 4 0,976 0,8 3
Extrativos 0,925 1,2 4 0,992 1,2 7
Sacarose 0,978 1,0 4 0,997 1,0 6
Acetila 0,483 1,4 3 0, 875 0,2 2
Exemplo 16 - Processamento Termoquímico de Biomassa [00206] Amostras de biomassa foram coletadas de onze plantas de grama diferentes de locais geográficos diversos nos Estados Unidos e preparadas conforme descrito no Exemplo 1. Um espectro de FT-NIR foi adquirido conforme descrito no Exemplo 1 e a composição de cada amostra foi prevista usando o modelo SWG_2. Os resultados são mostrados nas Tabelas 13 e 14.
Tabela 13. Quantidades de Vários Componentes em Amostras de Grama
Petição 870190116043, de 11/11/2019, pág. 115/129
110/116
Planta Arab inan a Cin za Extrativo s Gli ca- no Lig ni- na Prot eína Saca rose Xi- lano To- tal
2439 37, 21, 103
079 9, 0 3,4 4,6 8 9 1,4 0,7 24,8 ,5
2439 37, 20, 100
118 5, 9 2,1 7,2 3 7 1,1 4,0 21,9 ,2
2439 33, 19, 93,
204 7,0 3,2 7,5 9 3 1,0 1,3 20,6 8
2439 32, 18, 96,
471 7,8 5,2 7,7 3 8 1,2 0,3 23,1 4
2439 32, 19, 102
507 9,5 8,1 5,8 0 4 1,6 1,3 25,0 ,6
2439 33, 19, 98,
613 8,2 4,9 6,1 7 8 1,1 1,4 23,0 2
2439_52 27, 16, 88,
0 8,0 7,8 7,4 6 7 0,6 0,8 20,0 7
7000 31, 17, 97,
000 3,8 4,2 9,4 9 5 5,6 3,8 21,0 2
7000 31, 17, 95,
005 3,2 4,3 11,8 5 3 3,9 2,2 21,4 6
7000 40, 22, 102
484 6,2 1,1 7,3 7 4 2,4 1,0 21,5 ,5
7000 40, 22, 101
487 6,5 1,6 7,8 2 4 2,2 -0,6 21,9 ,9
Petição 870190116043, de 11/11/2019, pág. 116/129
111/116
Tabela 14.
Faixa em Vários Componentes em Amostras de Grama
Ara- bi- nana Cin za Extra- tivos Gli- cano Lignina Proteína Saca- rose Xi- la- no
Min 3,2 1,1 4,6 27,6 16,7 0,6 -0,6 20, 0
Max 9, 5 8, 1 11,8 40,7 22,4 5,6 4,0 25, 0
Médio 6,6 4,2 7,8 34,1 19,4 2,1 1,5 21, 9
Desvio Padrão 2,0 2,3 1,9 4,1 2,0 1,5 1,4 1,6
[00207] Uma análise elementar para carbono, hidrogênio, nitrogênio, oxigênio e enxofre foi realizada em algumas amostras de biomassa acima bem como amostras de biomassa de uma planta adicional. Ainda, as quantidades de cinza, matéria volátil e carbono fixado foram determinadas usando os métodos mostrados na Tabela 15. Os resultados dessas técnicas de química úmida são mostrados nas Tabelas 16 e 17.
Tabela 15
Métodos ASTM Padrão para Análise Termoquímica (ASTM 2007)
Determinação Método
Final ASTM D3176
Próxima ASTM D3172
Petição 870190116043, de 11/11/2019, pág. 117/129
112/116
Umidade ASTM D3173
C, H, N ASTM D5373
Enxofre ASTM D4239
Oxigênio ASTM D5622
Cinza ASTM D3174
Matéria vo- látil ASTM D3175
HHV ASTM D5865
Tabela 16
Composição Elementar de Amostras de Grama*
Planta C H N O S Ash Matéria Volá- til Carbono Fixado
2439 47,0 6,5 49,0 0,0
079 9 3 0,23 1 5 4,02 78,40 17,58
2439 46,9 6,5 49,2 0,0
118 3 5 0,26 0 5 4,03 78,16 17,81
2439 46,6 6,5 48,3 0,0
204 4 7 0,32 3 5 4,52 78,50 16,98
2439 45,6 6,4 48,0 0,0
471 7 7 0,27 4 8 6,48 77,79 15,73
2439 45,6 6,4 47,4 N,D
507 8 7 0,26 8 , 7,73 76,59 15,68
Petição 870190116043, de 11/11/2019, pág. 118/129
113/116
Planta C H N O S Ash Matéria Volá- til Carbono Fixado
2439 46,7 6,3 47,2 0,0
613 6 7 0,25 4 5 5,26 77,37 17,37
2439_52 45,2 6,4 47,4 0,0
0 9 2 0,33 4 5 7,38 76,66 15,96
7000 46,9 6,7 46,8 0,1
000 1 5 1,11 2 2 4,68 75,80 19,52
7000 46,2 6,6 46,2 0,1
005 1 4 0,97 3 0 5,42 74,87 19,71
7000 48,0 6,7 48,7 0,0
484 1 4 0,49 6 8 2,84 76,62 20,54
7000 44,1 6,2 46,2 0,0 12,0
488 6 9 0,84 5 9 7 71,84 16,09
*Valores são expressos como porcentagem de peso seco
Tabela 17
Faixa em Quantidades Elementares em Amostras de Grama*
Carbo- no Hidrogênio Nitrogênio Oxi- gênio En- xo- fre Cin za Matéria Volá- til Carbono Fixado
44,16 6,29 0,23 46,2 0,0 2,8 71,84 15,68
Min 3 5 4
Petição 870190116043, de 11/11/2019, pág. 119/129
114/116
48, 01 6, 75 1,11 49, 2 0,1 12, 78,50 20,62
Max 0 2 07
46, 30 6,52 0,53 47,6 0,0 5,8 76,39 17,80
Média 5 8 1
Desvio 1,00 0,14 0,35 1,02 0,0 2,4 1,98 1,86
Padrão 2 2
*Valores são expressos como porcentagem de peso seco [00208] O HHV para cada amostra foi determinado através de técnicas de química úmida descritas em ASTM D5865, Standard Test Method for Determination of Higher Heating Value in Coal. Os resultados são mostrados na Tabela 18.
Tabela 18. HHV de Amostras de Grama
Planta HHV*
2439 079 8045,16
2439 118 8031,80
2439 204 7968,95
2439 471 7854,22
2439 507 7834,56
2439 613 7988,43
2439_520 7816,57
7000 000 8166,72
7000 005 8020,21
7000 484 8160,44
7000 488 7508,44
Petição 870190116043, de 11/11/2019, pág. 120/129
115/116
Planta HHV*
Min 7508,44
Max 8166,72
Média 7 94 6, 69
Desvio Pa- drão 178,16
*Valores são expressos com BTU por libra de biomassa [00209] Os resultados indicam que o HHV varia cerca de 10% entre as amostras. Os resultados também indicam que a faixa em quantidades de carbono fixado entre as amostras variou cerca de 25% e não há uma relação forte entre análise elementar e carbono fixado.
Exemplo 17 - Desenvolvimento de Validação de Modelo Termoquímico [00210] Cento e vinte e quatro plantas de grama foram preparadas e espectros de NIR foram coletados de cada amostra conforme descrito no Exemplo 1. Espectros de NIR foram coletados de cada uma das amostras antes de processamento adicional. O valor de aquecimento mais alto, C, H, N, O e a matéria volátil de cada amostra foram determinados usando os métodos padrão ASTM listados no Exemplo 16.
[00211] Os dados termoquímicos e dados espectrais de NIR foram usados para desenvolver e validar modelos de NIR para HHV, C, H, N, O e matéria volátil em grama. Os valores R2 e RMSECV para HHV, C, H, N, O e matéria volátil medidos versus previstos são mostrados na Tabela 19. As relações positivas significantes entre os valores medidos e aqueles previstos pelos modelos
Petição 870190116043, de 11/11/2019, pág. 121/129
116/116 indicam que modelos de NIR podem ser desenvolvidos para HHV,
C, H, N, O, carbono fixado e matéria volátil em outros tipos de biomassa e outras espécies de planta.
Tabela 19
Componente (PC) R2 RMSECV
Nitrogênio (5) 0, 964 0, 1
Carbono (9) 0,719 0,4
Carbono Volátil (6) 0, 813 1,0
Hidrogênio (4) 0, 681 0,7
Oxigêinio (6) 0,708 0, 6
HHV(5) 0,696 69, 2
Outras Modalidades [00212] Deve ser compreendido que embora a invenção tenha sido descrita em conjunto com o seu relatório descritivo, o relatório acima pretende ilustrar e não limitar o escopo da invenção, que é definido pelo escopo das reivindicações apensas. Outros aspectos, vantagens e modificações estão dentro do escopo das reivindicações que seguem.

Claims (15)

  1. REIVINDICAÇÕES
    1. Método de usar um modelo NIR para prever a quantidade de material de carboidrato acessível em uma amostra de matéria-prima CARACTERIZADO por compreender:
    a) coletar dados espectroscópicos de NIR de uma amostra de matéria-prima de teste;
    b) aplicar, aos referidos dados espectroscópicos, um modelo de NIR de carboidrato acessível calibrado para matérias-primas do mesmo tipo que a dita amostra, em que dito modelo de NIR é formulado pela:
    i) submissão de um conjunto de amostras de calibração de matérias-primas de biomassa à espectroscopia de infravermelho próximo para produzir dados espectroscópicos de NIR de cada dita amostra, cada dita amostra de calibração do mesmo tipo de matéria-prima que a dita amostra teste;
    ii) medição das composições químicas de cada dita amostra de matéria-prima de calibração através de técnicas químicas líquidas;
    iii) medição da quantidade total de mono e dissacarídeos solubilizados por cada dita amostra de matéria-prima de calibração após processamento sob uma condição definida de pré-tratamento ou condição definida de carga de enzima; e iv) geração do dito modelo de NIR calibrado para prever a quantidade de carboidrato acessível em dita amostra de matéria-prima de teste processada sob a dita condição definida de pré-tratamento ou condição definida de carga de enzima, a partir dos ditos dados espectroscópicos, ditas composições
    Petição 870190003736, de 14/01/2019, pág. 128/139
  2. 2/4 químicas e ditas quantidades de mono e dissacarídeo solubilizados, e
    c) prever a quantidade de material de carboidrato acessível na referida amostra de matéria-prima de teste, baseada nos resultados da dita etapa de aplicação, em que as etapas b) e c) são executadas em um programa de computador adequado.
    2. Método de acordo com a reivindicação 1, CARACTERIZADO por a dita etapa de geração compreender regressão dos ditos dados espectrais contra os ditos dados da composição química e ditas quantidades de mono e dissacarídeo.
  3. 3. Método de acordo com a reivindicação 1, CARACTERIZADO por a dita condição definida ser uma condição definida de pré-tratamento.
  4. 4. Método de acordo com a reivindicação 1, CARACTERIZADO por a dita condição definida ser uma condição definida de carga de enzima.
  5. 5. Método de acordo com a reivindicação 1, CARACTERIZADO pelo fato de que: a etapa iii) compreende a medição da quantidade total de mono e dissacarídeos solubilizados por cada uma das ditas amostras de matéria-prima de calibração após processamento sob uma condição definida de pré-tratamento e uma condição definida de carga enzimática; e a etapa iv) compreende a geração de dito modelo de NIR calibrado para prever a quantidade de carboidrato acessível na referida amostra de matéria-prima de teste processada sob dita condição definida de pré-tratamento e condição definida de carga enzimática, a partir de ditos dados espectroscópicos, ditas composições química, e ditas quantidades de mono e dissacarídeos solubiliza
    Petição 870190003736, de 14/01/2019, pág. 129/139
    3/4 dos .
  6. 6. Método de acordo com a reivindicação 1, CARACTERIZADO por a dita amostra de matéria-prima de teste compreender uma biomassa de uma espécie selecionada do grupo consistindo de grama, sorgo, cana-de-açúcar, miscanto, papoula, salgueiro, arroz, trigo e milho.
  7. 7. Método de acordo com a reivindicação 6, CARACTERIZADO por a dita amostra de matéria-prima de teste compreender biomassa de sorgo.
  8. 8. Método de acordo com a reivindicação 6, CARACTERIZADO por a dita amostra de matéria-prima de teste compreender biomassa de cana-de-açúcar.
  9. 9. Método de acordo com a reivindicação 6, CARACTERIZADO por a dita amostra de matéria-prima de teste compreender biomassa de grama.
  10. 10. Método de acordo com a reivindicação 6, CARACTERIZADO por a dita amostra de matéria-prima de teste compreender biomassa de milho.
  11. 11. Método de acordo com a reivindicação 6, CARACTERIZADO por a dita amostra de matéria-prima de teste compreender biomassa de trigo.
  12. 12. Método de acordo com a reivindicação 1, CARACTERIZADO pelo fato de que o dito modelo de NIR é ainda para prever a eficiência de sacarificação de cada dita amostra de matériaprima de teste.
  13. 13. Método de acordo com a reivindicação 1, CARACTERIZADO pelo fato de que o dito modelo de NIR é ainda para prever
    Petição 870190003736, de 14/01/2019, pág. 130/139
    4/4 o rendimento de produto da dita amostra de matéria-prima de teste.
  14. 14. Método de acordo com a reivindicação 13, CARACTERIZADO por o dito rendimento de produto ser rendimento de etanol .
  15. 15. Método de acordo com a reivindicação 14, CARACTERIZADO por a dita amostra de matéria-prima de teste compreender sorgo, grama ou trigo.
BRPI0818924A 2007-11-02 2008-10-31 método de formulação de um modelo de nir BRPI0818924B1 (pt)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US98497607P 2007-11-02 2007-11-02
US2503308P 2008-01-31 2008-01-31
US5663108P 2008-05-28 2008-05-28
PCT/US2008/082047 WO2009059176A2 (en) 2007-11-02 2008-10-31 Materials and methods for use in biomass processing

Publications (1)

Publication Number Publication Date
BRPI0818924B1 true BRPI0818924B1 (pt) 2020-04-14

Family

ID=40344620

Family Applications (1)

Application Number Title Priority Date Filing Date
BRPI0818924A BRPI0818924B1 (pt) 2007-11-02 2008-10-31 método de formulação de um modelo de nir

Country Status (9)

Country Link
US (2) US8489340B2 (pt)
EP (1) EP2215455B1 (pt)
CN (1) CN101918815B (pt)
AU (1) AU2008318505A1 (pt)
BR (1) BRPI0818924B1 (pt)
CA (1) CA2707535A1 (pt)
ES (1) ES2453111T3 (pt)
MX (1) MX2010004863A (pt)
WO (1) WO2009059176A2 (pt)

Families Citing this family (34)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
ES2885873T3 (es) * 2009-05-14 2021-12-15 Pioneer Hi Bred Int Modelado inverso para predicción de características de conjuntos de datos multiespectrales e hiperespectrales detectados de manera remota
US20110040399A1 (en) * 2009-08-14 2011-02-17 Honeywell International Inc. Apparatus and method for integrating planning, scheduling, and control for enterprise optimization
WO2012047834A1 (en) * 2010-10-05 2012-04-12 Bayer Cropscience Lp A system and method of providing agricultural pedigree for agricultural products throughout production and distribution and use of the same for communication, real time decision making, predictive modeling, risk sharing and sustainable agriculture
WO2012058223A1 (en) 2010-10-27 2012-05-03 Ceres, Inc. Transgenic plants having altered biomass composition
WO2013043947A1 (en) * 2011-09-23 2013-03-28 Dow Agrosciences Llc Chemometrics for near infrared spectral analysis
IN2014DN07029A (pt) 2012-02-15 2015-04-10 Inbicon As
US20130304546A1 (en) * 2012-05-11 2013-11-14 Agni Corporation (Cayman Islands) Novel systems and methods for optimizing profit or gross margin based on one of more values of process parameters for producing biofuel
EP2850408A1 (en) * 2012-05-16 2015-03-25 Poet Research Incorporated Systems and methods for automated biomass sampling and analysis
US20150355083A1 (en) * 2012-11-20 2015-12-10 Teknologian Tutkimuskeskus Vtt An optical sampling apparatus and method for utilizing the sampling apparatus
CA2910274C (en) * 2013-04-27 2022-01-18 Charles M. Cai Co-solvent to produce reactive intermediates from biomass
US9672331B2 (en) 2013-12-17 2017-06-06 Alltech, Inc. Systems and methods for computer models of animal feed
US10537122B2 (en) 2013-12-17 2020-01-21 Alltech, Inc. Systems and methods for adjusting animal feed
WO2015095255A1 (en) * 2013-12-20 2015-06-25 Bp Corporation North America Inc. Method of monitoring and controlling a bioprocess using near- and mid-infrared spectroscopy
WO2015131123A1 (en) * 2014-02-27 2015-09-03 Kior, Inc. Process for enhancing process performance during the thermocatalytic treatment of biomass
US10045540B2 (en) 2014-04-01 2018-08-14 Fayetteville State University Pest control composition
CN103983472A (zh) * 2014-05-29 2014-08-13 广东科立恩环保科技有限公司 一种声光识别的生物质燃料智能采样系统及方法
CN104568821B (zh) * 2014-10-24 2017-09-29 中华人民共和国黄埔出入境检验检疫局 一种同时检测煤炭样品中7项指标的方法
EP3325637A4 (en) * 2015-07-20 2019-04-03 Buckman Laboratories International, Inc. MEASURING, CONTROLLING AND AUTOMATING AN ETHANOL MANUFACTURING METHOD FOR MAXIMIZING THE EFFECT OF ETHANOL AND BY-PRODUCTS
CN105424539A (zh) * 2015-11-06 2016-03-23 中国科学院天津工业生物技术研究所 基于神经网络的预测玉米秸秆水解后产糖量的方法
CN105424762B (zh) * 2015-11-09 2018-01-30 哈尔滨工业大学 一种快速测定矿物掺合料火山灰活性的装置及其测量方法
CN105388206A (zh) * 2015-12-11 2016-03-09 宜宾五粮液股份有限公司 一种检测酿酒粮食中淀粉碳稳定同位素的方法
CN106383094A (zh) * 2016-10-25 2017-02-08 中国林业科学研究院热带林业研究所 一种快速测定尾细桉木材化学成分含量的方法
US11262342B2 (en) 2017-07-12 2022-03-01 Accenture Global Solutions Limited Waste material analysis system
CN107523606B (zh) * 2017-10-19 2020-07-17 中南大学 一种木质纤维素酶解产糖能力的预评估方法
JP7213018B2 (ja) * 2018-02-27 2023-01-26 三菱重工業株式会社 情報出力装置、情報出力方法、およびプログラム
WO2020092648A1 (en) * 2018-10-30 2020-05-07 Teakorigin Inc. Techniques for scoring food specimens, and related methods and apparatus
IL293609A (en) * 2019-12-05 2022-08-01 The State Of Israel Ministry Of Agriculture & Rural Development Agricultural Res Organization Aro Vo A device for measuring concentrations of components in leaves of plants and a method for applying the device
CN111337443B (zh) * 2020-03-30 2022-11-01 西安建筑科技大学 一套测定微藻生物质组成的方法
US20220101277A1 (en) * 2020-09-25 2022-03-31 X Development Llc End to end platform to manage circular economy of waste materials
CN113046266B (zh) * 2021-03-22 2022-11-29 华南农业大学 一种防止土壤板结的液体微生物菌剂及其制备方法
CN113340605B (zh) * 2021-04-29 2023-01-24 广西玉柴机器股份有限公司 一种拖拉机整车累碳试验方法及系统
WO2023177644A1 (en) * 2022-03-15 2023-09-21 Carbon Technology Holdings, LLC Processes and systems for producing biocoke in a kinetic interface reactor, and biocoke produced therefrom
CN115404711A (zh) * 2022-09-15 2022-11-29 江苏大惠生物科技发展有限公司 对农业秸秆进行生物分解清洁生产纤维素的方法及生产系统
CN117368146B (zh) * 2023-12-08 2024-03-12 苏陀科技(北京)有限公司 一种菌丝体蛋白含量的快速检测方法

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3602041C2 (de) * 1986-01-24 1996-02-29 Rwe Entsorgung Ag Verbessertes Verfahren zur Aufarbeitung von Kohlenstoff enthaltenden Abfällen
US5766847A (en) * 1988-10-11 1998-06-16 Max-Planck-Gesellschaft Zur Forderung Der Wissenschaften E.V. Process for analyzing length polymorphisms in DNA regions
HU223760B1 (hu) 1991-09-24 2005-01-28 Keygene N.V. Szelektív restrikciós fragmentumsokszorosítás, általános módszer DNS-fingerprint analízisére
DE4233192C2 (de) * 1992-10-02 1996-07-11 Bruker Analytische Messtechnik Fourierspektrometer
EP0746206B1 (en) * 1994-03-02 2004-09-08 Novozymes A/S Processing plant material with xylanase
US5878215A (en) * 1994-05-23 1999-03-02 Mastercard International Incorporated System and method for processing multiple electronic transaction requests
CN100362100C (zh) * 1996-09-17 2008-01-16 诺沃奇梅兹有限公司 纤维素酶变体
US6483583B1 (en) * 1997-02-27 2002-11-19 Textron Systems Corporation Near infrared spectrometry for real time analysis of substances
US6333181B1 (en) * 1997-04-07 2001-12-25 University Of Florida Research Foundation, Inc. Ethanol production from lignocellulose
US5916780A (en) * 1997-06-09 1999-06-29 Iogen Corporation Pretreatment process for conversion of cellulose to fuel ethanol
US6137108A (en) * 1998-06-17 2000-10-24 Foss Nirsystems Incorporated Instrument and method for spectroscopic analysis by reflectance and transmittance
DK1303629T3 (da) * 2000-07-25 2006-10-30 Emmaus Foundation Inc Fremgangsmåde til forögelse af ethanolproduktion fra mikrobiel fermetering
US7059993B2 (en) * 2001-07-28 2006-06-13 Midwest Research Institute Thermal tolerant cellulase from Acidothermus cellulolyticus
US7112429B2 (en) * 2001-07-28 2006-09-26 Midwest Research Institute Thermal tolerant mannanase from acidothermus cellulolyticus
CN101300335A (zh) * 2003-04-30 2008-11-05 金克克国际有限公司 新颖的杆菌BagCel纤维素酶
US7408145B2 (en) * 2003-09-23 2008-08-05 Kyle Holland Light sensing instrument with modulated polychromatic source
US20070275447A1 (en) * 2006-05-25 2007-11-29 Lewis Randy S Indirect or direct fermentation of biomass to fuel alcohol
CN100458411C (zh) 2006-07-24 2009-02-04 中国林业科学研究院木材工业研究所 植物纤维材料中化学成分含量模型的建立和含量测定方法
DK1894461T3 (da) 2006-08-31 2012-03-05 Monsanto Agrar Deutschland Gmbh System til realtidsanalyse af ensilagebestanddele
US7704723B2 (en) * 2006-08-31 2010-04-27 The Board Of Regents For Oklahoma State University Isolation and characterization of novel clostridial species

Also Published As

Publication number Publication date
EP2215455B1 (en) 2014-03-05
WO2009059176A2 (en) 2009-05-07
CN101918815B (zh) 2013-05-08
US20110087470A1 (en) 2011-04-14
ES2453111T3 (es) 2014-04-04
AU2008318505A1 (en) 2009-05-07
MX2010004863A (es) 2010-07-28
EP2215455A2 (en) 2010-08-11
CN101918815A (zh) 2010-12-15
US20140046641A1 (en) 2014-02-13
WO2009059176A3 (en) 2009-08-27
CA2707535A1 (en) 2009-05-07
US8489340B2 (en) 2013-07-16

Similar Documents

Publication Publication Date Title
US8489340B2 (en) Method for predicting the amount of accessible carbohydrate in a feedstock sample using a near-infrared model
Vogel et al. Quantifying actual and theoretical ethanol yields for switchgrass strains using NIRS analyses
Huang et al. A rapid and consistent near infrared spectroscopic assay for biomass enzymatic digestibility upon various physical and chemical pretreatments in Miscanthus
Williams et al. Sources of biomass feedstock variability and the potential impact on biofuels production
Vermerris et al. Molecular breeding to enhance ethanol production from corn and sorghum stover
Hodgson et al. Genotypic and environmentally derived variation in the cell wall composition of Miscanthus in relation to its use as a biomass feedstock
Hou et al. Rapid characterization of woody biomass digestibility and chemical composition using near‐infrared spectroscopy free access
Pei et al. G-lignin and hemicellulosic monosaccharides distinctively affect biomass digestibility in rapeseed
Thomsen et al. Compositional analysis and projected biofuel potentials from common West African agricultural residues
Allison et al. Measurement of key compositional parameters in two species of energy grass by Fourier transform infrared spectroscopy
Allison et al. Quantification of hydroxycinnamic acids and lignin in perennial forage and energy grasses by Fourier-transform infrared spectroscopy and partial least squares regression
Martin et al. A holistic high-throughput screening framework for biofuel feedstock assessment that characterises variations in soluble sugars and cell wall composition in Sorghum bicolor
Decker et al. Biomass conversion
van der Weijde et al. Stability of cell wall composition and saccharification efficiency in Miscanthus across diverse environments
Tingley et al. Combined whole cell wall analysis and streamlined in silico carbohydrate-active enzyme discovery to improve biocatalytic conversion of agricultural crop residues
Tenkolu et al. Optimization of fermentation condition in bioethanol production from waste potato and product characterization
Baum et al. Rapid near infrared spectroscopy for prediction of enzymatic hydrolysis of corn bran after various pretreatments
Godin et al. Prediction of chemical characteristics of fibrous plant biomasses from their near infrared spectrum: comparing local versus partial least square models and cross-validation versus independent validations
Adnan et al. A quick and precise online near-infrared spectroscopy assay for high-throughput screening biomass digestibility in large scale sugarcane germplasm
Sohn et al. Near-infrared analysis of ground barley for use as a feedstock for fuel ethanol production
Rinnan et al. Predicting the ethanol potential of wheat straw using near-infrared spectroscopy and chemometrics: The challenge of inherently intercorrelated response functions
Silva et al. Selection strategy for indication of crosses between potential sugarcane genotypes aiming at the production of bioenergy
Li et al. Rapid determination of acetic acid, furfural, and 5-hydroxymethylfurfural in biomass hydrolysates using near-infrared spectroscopy
Kongchan et al. Bioethanol production from low-grade konjac powder via combination of alkaline and thermal pretreatments
Vogler et al. Bioethanol Production: Glucose Testing and Quantification Using DNS Analysis and Addition Analytical Methods

Legal Events

Date Code Title Description
B07A Application suspended after technical examination (opinion) [chapter 7.1 patent gazette]
B06A Patent application procedure suspended [chapter 6.1 patent gazette]
B09A Decision: intention to grant [chapter 9.1 patent gazette]
B16A Patent or certificate of addition of invention granted [chapter 16.1 patent gazette]

Free format text: PRAZO DE VALIDADE: 10 (DEZ) ANOS CONTADOS A PARTIR DE 14/04/2020, OBSERVADAS AS CONDICOES LEGAIS.