[pt] Objetivo: Otimização da produção de lipases por células de Yarrowia lipolytica, através do planejamento experimental e avaliação dos aspectos metrológicos envolvidos no processo. Motivação: Embora existam muitos trabalhos na literatura que relatem a produção de lipases por microrganismos, poucos abordam a otimização do processo através do planejamento experimental e nenhum deles considera o rigor metrológico e a estimativa da incerteza de medição. Contextualização: As enzimas lipases serão objeto de estudo por apresentarem grande versatilidade de aplicações e por serem produzidas por muitos microrganismos. As leveduras, no entanto, apresentam inúmeras vantagens operacionais sobre os demais microrganismos e entre elas foi selecionada uma cultura de Yarrowia lipolytica, isolada no Brasil. A produção de lipases depende de muitas variáveis, como temperatura, pH, concentração da fonte de carbono e nitrogênio, inóculo, entre outras. Nos processos de fermentação, onde há interação entre estas variáveis e a influência de cada uma é importante, é essencial estabelecer um método que considere estas interações, e otimize as condições experimentais para obtenção de melhores resultados. A confiabilidade metrológica do processo é de fundamental importância uma vez que diferenças significativas nos resultados são evidenciadas, principalmente em escala industrial. Metodologia: Dez experimentos foram planejados através do método D-optimal nos quais foram variadas as concentrações da fonte de carbono, da fonte de nitrogênio e de inóculo. A estimativa da incerteza de medição da atividade lipásica foi feita com base nas recomendações do Guia para Expressão da Incerteza de Medição (GUM) e do Guia CG 4 publicado pela EURACHEM. Resultados: A maior atividade lipásica obtida foi de 4815 U/L (80,3 (mi)kat/L) com incerteza expandida de 137 U/L (2,3 (mi)kat/L), nas seguintes condições: 0,5% de óleo de oliva (fonte de carbono), 0,7% de peptona (fonte de nitrogênio) e 10 mg/mL de inóculo. Em termos de produtividade volumétrica, tais condições forneceram o valor de 69,28 U/L h. Conclusões: Com estes resultados, foi possível concluir que a utilização do planejamento D-optimal favoreceu a produção em agitador de frascos, já que foi atingida uma atividade lipásica superior às alcançadas anteriormente por outros autores sem otimização, em frascos agitados (2700 U/L) ou em fermentador (4240 U/L). Sugere-se a produção de lipases por células de Yarrowia lipolytica, nas condições citadas acima, com vistas à obtenção de materiais de referência certificados, desde que estudos posteriores de purificação e estabilidade da lipase obtida sejam feitos. / [en] Objective: Optimization of lipase production by Yarrowia lipolytica cells through experimental design and evaluation of metrological aspects related to process. Motivation: Although several published papers are found describing lipase production by microorganisms, few of them refer to process optimization through experimental design and none of them refer to metrological evaluation and the estimate of the uncertainty in measurement. Context: Microbial lipases are an important group of biotechnologically valuable enzymes that present widely diversified catalytic properties. The interest in production of these versatile enzymes increased significantly, due to the vast amplitude of their industrial applications. There are many microorganisms able to produce lipases, but yeasts present some operational advantages compared to other microorganisms, and for this reason a strain of Yarrowia lipolytica was used in this work. A serie of factors, individually or in association, can affect production of such substances leading to different levels of product concentration and productivity. Empirical studies have been traditionally used to determine the effect of these factors on process parameters. A possible approach is to vary one factor while keeping the other at a constant level, but this approach is time consuming, does not include the interaction effects among variables, and does not necessarily lead to optimized results. Nowadays, different strategies are employed to optimize production parameters. These strategies not only allow process optimization but can also establish the dependent and independent variables. Methodology: Ten experiments were planned with the D-optimal design in which concentrations of inoculum, carbon source and nitrogen source were changed. The estimate of the uncertainty in measurement of the lipase activity was developed based on the Guide to the Expression of Uncertainty in Measurement (GUM) and on the Guide CG 4 published by EURACHEM. Results: The highest lipolytic activity obtained was 4815 U/L (80,3 (mi)kat/L) with an expanded uncertainty of 137 U/L (2,3 (mi)kat/L), under the following conditions: 0.5% of olive oil (carbon source),0.7% of peptone (nitrogen source) and 10 mg/mL of inoculum. In terms of volumetric productivity, these conditions provided 69.28 U/L h. Conclusions: It is possible to conclude that the D-optimal design usage enhanced lipase production in shaken-flasks. Moreover the activity obtained in this work was higher than others previously reported with the same microorganism, without experimental design, in shaken-flasks (2700 U/L) or even in bench-fermenter (4240 U/L). The production of lipases by Yarrowia lipolytica cells aiming the classification as certified reference material can be recommended after further purification and stability studies.

[pt] O bagaço da cana-de-açúcar é uma biomassa vegetal que possui muito potencial de uso devido aos seus três elementos estruturais: celulose, hemicelulose e lignina. Para servir como matéria prima na produção de insumos, o bagaço da cana-de-açúcar precisa passar por um processo de pré-tratamento. Nesse estudo, duas metodologias para o processo de pré-tratamento do bagaço da cana-de-açúcar foram utilizadas: a deslignização via peróxido de hidrogênio (H2O2) e via dióxido de carbono supercrítico (ScCO2). Para o estudo utilizando H2O2, foram desenvolvidos modelos a partir de planejamento experimental, Algoritmos Genéticos (GA, do inglês Genetic Algorithms), Redes Neurais Artificiais (RNA) e Neuro-Fuzzy (ANFIS). As variáveis independentes foram temperatura (25 – 60 graus Celsius), concentração de H2O2 (2 – 15 por cento m/v) e pH (10 – 13), tendo como resposta os teores de lignina residual e oxidada no processo, através de análises de FT-IR e análise pelo método de Klason. Para o estudo utilizando ScCO2 foram construídos modelos a partir de RNA e ANFIS. As variáveis estudadas no processo foram: temperatura (35 – 100 graus Celsius), pressão (75- 300 bar) e teor de etanol na solução de co-solvente (0 – 100 graus Celsius). De modo geral, para os dois processos, os modelos desenvolvidos consideram as variáveis independentes como sendo neurônios na camada de entrada e as variáveis dependentes como sendo neurônios na camada de saída. Todos os modelos neurais e ANFIS desenvolvidos neste trabalho foram avaliados pelo coeficiente de correlação e índices de erro (SSE, MSE e RMSE), além do número de parâmetros. Os resultados mostraram que, dentre estas estratégias estudadas, os modelos neurais se mostraram mais satisfatórios para predição das respostas do pré-tratamento com H2O2, já que se encaixa nos índices de performance estipulados. O mesmo ocorreu no modelo neural para predição do teor de lignina residual no pré-tratamento com ScCO2. Para cada modelo polinomial e neural desenvolvido, foi realizada a investigação das superfícies de respostas e das curvas de contorno. Com esse recurso, foi possível a identificação dos melhores pontos operacionais para os processos, visando a minimização dos teores de lignina residual e oxidada na biomassa. / [en] Sugarcane bagasse is a plant biomass that has a great potential for use due to its three structural elements: cellulose, hemicellulose and lignin. To serve as raw material in the production of other products, sugarcane bagasse needs to undergo a pre-treatment process. In this study, two methodologies for the sugarcane bagasse pretreatment process were used: delignification via hydrogen peroxide (H2O2) and via supercritical carbon dioxide (ScCO2). The models for study the process with H2O2 were developed from experimental planning, Genetic Algorithms (GA), Artificial Neural Networks (ANN) and Neuro-Fuzzy (ANFIS). The independent variables were: temperature (25- 60 degrees Celsius), H2O2 concentration (2 - 15 percent m/v) and pH (10-13). The residual and oxidized lignin contents in the process were evaluated from FT-IR and Klason method analysis. The models for study the process with ScCO2 were developed from RNA and ANFIS. The variables studied in the process were: temperature (35-100 degrees Celsius), pressure (75-300 bar) and ethanol content in the aqueous solution of co-solvent (0-100 percent). In general, for the two processes, the developed models consider the independent variables to be neurons in the input layer and the dependent variables to be neurons in the output layer. All the neural and ANFIS models developed in this study were evaluated by the correlation coefficient and error indexes (SSE, MSE and RMSE), as well as the number of parameters. From the stipulated indices of performance, among the results obtained by the different strategies, the neural models were the most satisfactory for the prediction of pretreatment responses with H2O2. The same occurred in the neural model for prediction of the residual lignin content in the pre-treatment with ScCO2. Response surfaces and the contour curves were investigated for each polynomial and neural model developed. With this resource, it was possible to identify the best operational points for the processes, pointing at minimizing the residual and oxidized lignin contents in the biomass.