NIR- ja raman-teknologioiden soveltuvuus entsyymien kiteytys- ja saostusprosessien monitorointiin
Prokkola, Pauliina (2020)
2020
All rights reserved. This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-2020121929675
https://urn.fi/URN:NBN:fi:amk-2020121929675
Tiivistelmä
Tämän opinnäytetyön tarkoituksena oli arvioida NIR- ja raman-spektroskopiamenetelmien soveltuvuutta entsyymien kiteytys- ja saostusprosessien monitorointiin ja samalla verrata teknologioita toisiinsa. Kokeiden avulla haluttiin selvittää, voidaanko teknologioista saada lisäarvoa näiden prosessien seurannassa.
NIR ja raman ovat laajasti käytettyjä niin tutkimuksessa kuin teollisuudessakin. Menetelmien suurin hyöty on, että näytettä ei tarvitse esikäsitellä ennen mittausta, vaan mittaus voidaan tehdä jopa suoraan prosessista sopivalla anturilla.
Saostus tehtiin pienessä mittakaavassa entsyymillä 1 ja kiteytys entsyymillä 2. Kummastakin prosessista otettiin näytteitä, joista analysoitiin entsyymiaktiivisuus referenssiksi prosesseista mitatuille NIR- ja raman-spektreille. Kiteytetty materiaali käytettiin edelleen liukoisuuskokeisiin, jotka tehtiin koeputkissa. Saostuskokeita tehtiin myös erikseen koeputkissa. Kaikki koeputkinäytteet mitattiin sekä NIR- että raman-laitteistolla. Koeputkinäytteistä mitattujen spektrien ja analysoitujen referenssiarvojen avulla rakennettiin kalibrointimalleja, joita voisi käyttää kyseisten prosessien monitorointiin.
NIR-spektreistä saatiin rakennettua mallit sekä kiteytys- että saostusprosessin liukoiselle aktiivisuudelle. NIR-mittausanturin ongelmien takia kaikkien koeputkikokeiden spektrit mitattiin kyveteissä ja lasiastioissa. Ennen sitä prosesseista oli mitattu spektrit anturilla, joten mallit eivät ennustaneet järkevästi prosesseja erilaisesta mittaustavasta johtuen.
Raman-kalibrointimalli rakennettiin liukoiselle aktiivisuudelle ja se ennusti kiteytysprosessin trendin riittävän hyvin. Sen sijaan saostusprosessille ei saatu rakennettua järkevää raman-kalibrointimallia ja prosessin muutosten todettiin tapahtuvan liian nopeasti raman-spektrien mittausaikaan nähden. Raman-spektrejä tarkastelemalla voitiin kuitenkin saada tietoa esimerkiksi proteiinien rakenteista ja molekyylimuutoksista, joten tutkimukseen raman voisi tässä tapauksessa olla hyödyllinen.
Tulosten perusteella kumpaakin teknologiaa voidaan käyttää kummassakin prosessissa, mutta tässä tapauksessa raman ei tuo lisäarvoa saostusprosessin monitorointiin. The aim of this thesis was to assess the feasibility of raman- and NIR-technologies for monitoring of enzyme crystallization and precipitation process but also to compare the technologies. The tests were carried out to see, if these technologies could add value for monitoring the processes in question.
NIR and raman are widely used in the research and industry fields. The biggest advantage of these methods is that samples don’t need preparation and with a suitable probe the measurements can be done straight from the process.
The precipitation tests were done with enzyme 1 and the crystallization tests with enzyme 2. Samples were taken to analysis from both of the processes to get reference data for the measured NIR and raman spectrums. The crystallized enzyme material was used further for solubility tests, which were carried out in test tubes. The precipitation tests were also carried out in test tubes. The spectrums of all test tube samples were measured with NIR and raman devices. The analyzed reference values and measured spectrums were used to build calibration models for monitoring of the crystallization and precipitation processes.
The models for soluble activity of the precipitation and crystallization processes were built successfully with measured NIR-spectrums. Due to problems with the NIR probe, the spectrums of the test tube samples were measured in cuvettes and glass vials. As the processes were measured with the probe, the calibration models did not fit due to different measurement methods.
The raman calibration model for soluble activity predicted the trend of the crystallization process sufficiently. Instead, a reasonable raman calibration model for precipitation could not be built and the changes were found to be too quick in the process compared to the measurement time of the raman spectrum. Raman spectrums can provide information for example of protein structures and molecule changes, so raman could be feasible for research purposes in this case.
Results show that both of the technologies are feasible for both of the processes, but in this case raman does not add value for monitoring of the precipitation process.
NIR ja raman ovat laajasti käytettyjä niin tutkimuksessa kuin teollisuudessakin. Menetelmien suurin hyöty on, että näytettä ei tarvitse esikäsitellä ennen mittausta, vaan mittaus voidaan tehdä jopa suoraan prosessista sopivalla anturilla.
Saostus tehtiin pienessä mittakaavassa entsyymillä 1 ja kiteytys entsyymillä 2. Kummastakin prosessista otettiin näytteitä, joista analysoitiin entsyymiaktiivisuus referenssiksi prosesseista mitatuille NIR- ja raman-spektreille. Kiteytetty materiaali käytettiin edelleen liukoisuuskokeisiin, jotka tehtiin koeputkissa. Saostuskokeita tehtiin myös erikseen koeputkissa. Kaikki koeputkinäytteet mitattiin sekä NIR- että raman-laitteistolla. Koeputkinäytteistä mitattujen spektrien ja analysoitujen referenssiarvojen avulla rakennettiin kalibrointimalleja, joita voisi käyttää kyseisten prosessien monitorointiin.
NIR-spektreistä saatiin rakennettua mallit sekä kiteytys- että saostusprosessin liukoiselle aktiivisuudelle. NIR-mittausanturin ongelmien takia kaikkien koeputkikokeiden spektrit mitattiin kyveteissä ja lasiastioissa. Ennen sitä prosesseista oli mitattu spektrit anturilla, joten mallit eivät ennustaneet järkevästi prosesseja erilaisesta mittaustavasta johtuen.
Raman-kalibrointimalli rakennettiin liukoiselle aktiivisuudelle ja se ennusti kiteytysprosessin trendin riittävän hyvin. Sen sijaan saostusprosessille ei saatu rakennettua järkevää raman-kalibrointimallia ja prosessin muutosten todettiin tapahtuvan liian nopeasti raman-spektrien mittausaikaan nähden. Raman-spektrejä tarkastelemalla voitiin kuitenkin saada tietoa esimerkiksi proteiinien rakenteista ja molekyylimuutoksista, joten tutkimukseen raman voisi tässä tapauksessa olla hyödyllinen.
Tulosten perusteella kumpaakin teknologiaa voidaan käyttää kummassakin prosessissa, mutta tässä tapauksessa raman ei tuo lisäarvoa saostusprosessin monitorointiin.
NIR and raman are widely used in the research and industry fields. The biggest advantage of these methods is that samples don’t need preparation and with a suitable probe the measurements can be done straight from the process.
The precipitation tests were done with enzyme 1 and the crystallization tests with enzyme 2. Samples were taken to analysis from both of the processes to get reference data for the measured NIR and raman spectrums. The crystallized enzyme material was used further for solubility tests, which were carried out in test tubes. The precipitation tests were also carried out in test tubes. The spectrums of all test tube samples were measured with NIR and raman devices. The analyzed reference values and measured spectrums were used to build calibration models for monitoring of the crystallization and precipitation processes.
The models for soluble activity of the precipitation and crystallization processes were built successfully with measured NIR-spectrums. Due to problems with the NIR probe, the spectrums of the test tube samples were measured in cuvettes and glass vials. As the processes were measured with the probe, the calibration models did not fit due to different measurement methods.
The raman calibration model for soluble activity predicted the trend of the crystallization process sufficiently. Instead, a reasonable raman calibration model for precipitation could not be built and the changes were found to be too quick in the process compared to the measurement time of the raman spectrum. Raman spectrums can provide information for example of protein structures and molecule changes, so raman could be feasible for research purposes in this case.
Results show that both of the technologies are feasible for both of the processes, but in this case raman does not add value for monitoring of the precipitation process.