Thèse soutenue

Mesure en ligne par spectroscopie Raman appliquée à un photobioréacteur de microalgues
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Christopher Lieutaud
Direction : Gérald ThouandOlivier GonçalvesGaëtane Wielgosz-Collin
Type : Thèse de doctorat
Discipline(s) : Génie des procédés
Date : Soutenance le 08/11/2019
Etablissement(s) : Nantes
Ecole(s) doctorale(s) : Sciences de l'ingénierie et des systèmes (Centrale Nantes)
Partenaire(s) de recherche : Laboratoire : Génie des Procédés Environnement – Agroalimentaire (GEPEA) (Saint-Nazaire)
Jury : Examinateurs / Examinatrices : Claire Hellio, Annie Marc, Philippe Michaud

Mots clés

FR

Mots clés contrôlés

Mots clés libres

Résumé

FR  |  
EN

Les microalgues représentent une source de matières premières prometteuse pour l’industrie. Le suivi de bioprocédé algal est réalisé sur l’environnement extracellulaire en routine par des outils analytiques robustes mais monoparamétriques. L’étude de la cellule ellemême permet d’obtenir l’ensemble des informations de la bioréaction mais fait appel à des méthodes analytiques destructives qui nécessitent la préparation d’un échantillon. Ce projet propose de compléter ces méthodes classiques par une approche de spectroscopie Raman non invasive, en permettant de suivre les étapes physiologiques à tout moment d’une croissance à partir d’un spectre Raman. Cette méthode optique fournit des empreintes spectrales correspondant à la composition chimique intracellulaire. L’analyse de Chlamydomonas reinhardtii par spectroscopie Raman a permis de créer une banque de données spectrales caractéristique de ses trois états physiologiques. Cette preuve de concept a permis d’interroger en aveugle la banque de données pour aboutir à des prédictions de 89,2 %. Ces études ont été validées par des outils de transcriptomique. Une seconde démarche a par la suite ciblé un défi technologique. Le suivi en ligne par spectroscopie Raman de la croissance de Parachlorella kessleri a été réalisé. Cette étude a permis de suivre la bioproduction de lipides et de discriminer quatre phases physiologiques au cours de la croissance, avec des taux de prédiction de 84.9%. Ces travaux s’inscrivent dans la recherche et le développement de solutions de monitoring de bioprocédés industriels de microalgues.