Bases taxonomiques et enzymatiques du consortium microbien cellulolytique KKU

Rapports scientifiques volume 13, Numéro d'article : 2968 (2023) Citer cet article

1818 Accès

5 citations

8 Altmétrique

Détails des métriques

La biomasse lignocellulosique est un substrat prometteur pour la production de biogaz. Cependant, sa structure récalcitrante limite l’efficacité de la conversion. Cette étude vise à concevoir un consortium microbien (MC) capable de produire l'enzyme cellulolytique et d'explorer les aspects taxonomiques et génétiques de la dégradation de la lignocellulose. Une gamme diversifiée de bactéries lignocellulolytiques et d'enzymes dégradantes provenant de divers habitats ont été enrichies pour un KKU-MC1 connu. Le KKU-MC1 s'est avéré abondant chez les Bacteroidetes (51 %), les Protéobactéries (29 %), les Firmicutes (10 %) et d'autres phylums (8 % inconnus, 0,4 % non classés, 0,6 % d'archées et les 1 % restants autres). bactéries à faible prédominance). L'annotation des enzymes actives sur les glucides (CAZyme) a révélé que les genres Bacteroides, Ruminiclostridium, Enterococcus et Parabacteroides codaient pour un ensemble diversifié d'enzymes de dégradation de la cellulose et de l'hémicellulose. De plus, les familles de gènes associées à la déconstruction de la lignine étaient plus abondantes dans les genres Pseudomonas. Par la suite, les effets de la MC sur la production de méthane à partir de diverses biomasses ont été étudiés de deux manières : bioaugmentation et pré-hydrolyse. Le rendement en méthane (MY) de la bagasse de manioc (CB) avant hydrolyse, de l'herbe Napier (NG) et de la bagasse de canne à sucre (SB) avec KKU-MC1 pendant 5 jours s'est amélioré de 38 à 56 % par rapport aux substrats sans préhydrolyse, tandis que MY de le gâteau de filtration préhydrolysé (FC) pendant 15 jours s'est amélioré de 56 % par rapport au FC brut. Le MY de CB, NG et SB (à une concentration initiale de solides volatils (IVC) de 4 %) avec augmentation de KKU-MC1 s'est amélioré de 29 à 42 % par rapport au traitement sans augmentation. Le FC (1 % IVC) avait une MY 17 % plus élevée que le traitement sans augmentation. Ces résultats ont démontré que KKU-MC1 libérait l'enzyme cellulolytique capable de décomposer diverses biomasses lignocellulosiques, entraînant ainsi une production accrue de biogaz.

La production de biogaz à partir de déchets organiques par digestion anaérobie (DA) a suscité un intérêt mondial ces dernières années. Cette technologie pourrait répondre à la demande croissante d’énergie et résoudre le problème de la pollution de l’environnement1. La matière première utilisée pour la fermentation du biogaz est abondante ; La biomasse lignocellulosique, telle que la bagasse de canne à sucre (SB) et les gâteaux de filtration (FC) des industries sucrières, ainsi que l'herbe Napier (NG), la bagasse de manioc (CB) et certains types de déchets industriels, sont les plus courantes et les plus facilement accessibles. Cependant, l’utilisation de cette biomasse lignocellulosique pour la bioconversion est un défi en raison de la nature hautement récalcitrante de la paroi cellulaire végétale, qui comprend des microfibres de cellulose liées à des réseaux d’hémicellulose et protégées par la lignine. De plus, le faible taux d’hydrolyse de la biomasse lignocellulosique ralentit le processus de dégradation, réduisant ainsi l’efficacité de la production de méthane. Afin d'augmenter la production de biogaz à partir de la biomasse lignocellulosique, une méthode de prétraitement est nécessaire avant un traitement ultérieur2. Les méthodes de prétraitement utilisées peuvent être classées comme physiques, chimiques et biologiques3. Les prétraitements physiques et chimiques peuvent perturber la structure de la lignocellulose en très peu de temps, améliorant ainsi sa biodégradabilité. Cependant, ces méthodes augmentent le coût du procédé et génèrent des composés toxiques ou des inhibiteurs dans l’environnement4. De plus, des traitements acides ou alcalins sont nécessaires pour la neutralisation après le prétraitement, ce qui complique le processus.

Le prétraitement biologique, qui utilise des enzymes ou des micro-organismes pour préparer la biomasse lignocellulosique pour la production de biogaz, peut prendre beaucoup de temps par rapport aux prétraitements physiques et chimiques. Toutefois, ces technologies sont prometteuses car elles sont respectueuses de l’environnement et rentables4. Cependant, divers facteurs doivent être soigneusement contrôlés pour maintenir une activité enzymatique stable ou persistante, tels que le type de substrat, la durée du prétraitement, le pH et la température. Selon Parawira, l’utilisation d’enzymes libres peut être moins efficace que la culture de micro-organismes produisant des composés stables et persistants dégradant la lignocellulose5. En revanche, l’utilisation d’un mélange de plusieurs micro-organismes isolés est plus efficace que l’utilisation de souches uniques en raison de la nature complexe de la lignocellulose6. Le consortium microbien (MC) peut être isolé de diverses niches écologiques, notamment les sols de compost forestier7, les habitats de compost8, le compost SB9 et le compostage sous AD10. Plusieurs études ont utilisé avec succès la MC pour améliorer la biodégradation de la biomasse lignocellulosique et augmenter la production de biogaz. Par exemple, Wongwilaiwalin et al. ont découvert que le GN traité avec du MC (créé à partir de cultures de graines récoltées à partir d'un compost de bagasse dégradant) pendant 7 jours augmentait le rendement en méthane (MY) de 37 % par rapport au NG11 non traité. De plus, le MC enrichi à partir de compost, de litière végétale et de déchets animaux et agricoles a amélioré la production de méthane du NG12.

0.05) is shown in Supplementary Table S1. The quadratic and cubic model was chosen as the most effective one for explaining the experimental data (Table S1). The quadratic and cubic model obtained from the mixture design with D-optimal and the analysis of variance (ANOVA) for this model is presented in Supplementary Table S2. To validate the model, an increase in the proportions of SGS resulted in increased FPase activity, while TI does not affect the FPase activity (supplementary Fig.S1a). The avicelase and CMCase may be changes in activities when adjusted the proportion of SGS, which amount should be in the range of 2.0–2.5 mL (supplementary Fig. S1b,c). Additionally, xylanase activity and VS removal efficiency has been strongly affected by the amount of TI, with these values rising as the fraction of SGS increases (supplementary Fig. S1d, S1e). In the meantime, the combination of RSG and SGS is unrelated to improving xylanase activity and VS removal efficiency. From the validation of the model, the combination of RSG, SGS, and TI at optimal proportions 1:1:1 was conducted. The calculation of the combination effect from the response of the mixture design is shown in Table 3. In the case of FPase, the combination effect of Runs 1–16 was in the ranges of 0.22 to 2.03. The combination effect greater than 1 indicates that using a combination of RSC, SGS, and TI at a 1:1:1 ratio (Run 11) is a good way to increase FPase activity. In addition, Run 5 showed a relatively high combination effect (1.98). However, the antagonistic effect of 0.22 on FPase was observed in the proportion of RSC and TI at a 1:1 ratio (Run 6). The synergistic effect on CMCase and avicelase activity was observed in all Runs, especially in Runs 4, 10, and 11. However, Runs 6, 8 (CMCase activity), and 8 (avicelase activity) had a combined effect of 0.9–1.0, approximately the same proportion with neither antagonistic nor synergistic effect. Antagonistic effect on xylanase activity, a combination effect of 0.10–0.12 was obtained from the combination in Run 5 and 7. Meanwhile, a synergistic effect on xylanase activity, a combination effect of 3.13, was found at the optimal proportions of microorganism source, i.e., at a 1:1:1 ratio of combination as RSC, SGS, and TI (Run 11). A synergistic effect on VS removal efficiency was also found in Run 11, with a combined effect of 2.43. The results showed that the combined MC of Run 6 antagonizes all enzymes involved in lignocellulose degradation. In contrast, the combination of MC from Run 11 showed a synergistic effect on enzymes involved in lignocellulose degradation and the efficiency of VS removal. Lin et al. stated that sharing and exchanging public goods such as carbohydrates and aromatic monomers is the essence of cellulolytic microbial synergistic interactions25. In our case, the MC1 showed mutualism (+/+), one of the synergistic interactions caused by sharing public goods26,27./p>

SB > NG > FC, depending on the lignocellulosic content of each substrate. The CB has a lower lignin content (12.61 ± 5.6%) than the NG, and SB (see Table 1), so lignin and hemicellulose are readily degraded, and microbes use cellulose more easily. Meanwhile, the lowest MPR of FC could be due to an imbalance of the carbon-to-nitrogen (C:N) ratio in the AD process. The FC had a relatively low C:N ratio (24:1), around the lowest recommended limit63. Thus, a co-digestion strategy was introduced to balance C:N nutrients to improve this substrate's degradability and energy production./p> 10%, reads containing adaptor sequences, and reads where 40% of the bases had a Q score of 38). Clean reads were assembled using SOAPdenovo83, and reads with the default parameters (k-mer size of 55 and scaftigs less than 500 bp) were kept for further analysis. Genes were predicted using MetaGeneMark from the scaftigs. After dereplication, all unique genes were used to construct the gene catalogue. BLAST was performed against the MicroNR database to generate taxonomy annotation information for the gene catalog. The top 10 taxa, including phylum, class, order, family, and genus, were visually shown using Krona84. The functional annotation databases were used: the KEGG85,86,87, eggNOG (Version: 4.1)88, and CAZymes (Version: 2014.11.25)89. To represent the number of genes coding for lignocellulose degrading enzymes with the most abundant genus found in the KKU-MC1 metagenome. We have used Microsoft Excel 365 to visualize heat maps and Microsoft PowerPoint 365 to visualize pathways./p>