НЕФТЕХИМИЯ, 2022, том 62, № 5, с. 715-724
УДК : 616.98:615.281.9 + 628.3 + 579.22 + 504.72
ИССЛЕДОВАНИЕ ПРОИЗВОДСТВА БИОЛОГИЧЕСКИХ
ПОВЕРХНОСТНО-АКТИВНЫХ ВЕЩЕСТВ ИЗ ОТХОДОВ
НЕФТЕПЕРЕРАБОТКИ С ИСПОЛЬЗОВАНИЕМ МЕТОДОЛОГИИ
ПОВЕРХНОСТИ ОТКЛИКА
© 2022 г. Aghareed M. Tayeb1, N. A. Mostafa1, M. A. Olfat 2, Rania Farouq3,*, Aliaa M. Monazie4
1 Chemical Engineering Department, Faculty of Engineering, Minia University, Minia, 61519 Egypt
2 Chemical Engineering Department. Port Said University, 61519 Egypt
3 Petrochemical Engineering Department, Pharos University in Alexandria, Alexandria, 21311 Egypt
4Faculty of Engineering, Fayoum University, Fayoum, 63514 Egypt
*Е-mail: olfat@yahoo.com; **Е-mail: rania.farouq@pua.edu.eg
Потупила в редакцию 4 сентября 2021 г.
После доработки 8 февраля 2022 г.
Принята к публикации 11 июля 2022 г.
Приведены результаты исследования производства биологических поверхностно-активных веществ
(ПАВ) на основе рамнолипидов посредством биохимического разложения отходов нефтепереработки с
использованием синегнойной палочки (Pseudomonas aeruginosa), штамм ATCC 9027. Для активизации
производства рамнолипидов в качестве индуктора добавляли глицерин. Испытания проводили на стоках
с различной исходной концентрацией нефти (1, 1.5 и 2%) при двух вариантах дозировки глицерина (10
и 20% от концентрации нефти в стоках). Была достигнута высокая степень удаления нефти из сточных
вод (99.9% - в отношении как полиароматических, так и полиалифатических углеводородных фракций).
При этом наблюдался высокий процент выхода рамнолипидов (2.7 г/л). Для оптимизации параметров,
влияющих на биохимическое разложение нефти, был применен статистический анализ эксперимен-
тальных данных с использованием методологии поверхности отклика (RSM) и статистического плана
Бокса-Бенкена. Исследование показало, что оптимальные значения длительности реакции, процентного
содержания нефти и добавляемого глицерина составляют 240 ч, 2 и 18.346% соответственно. Эти значе-
ния были сопоставимы с результатами, полученными в ходе экспериментальной работы.
Ключевые слова: биологические ПАВ, оптимизация, синегнойная палочка, очистка сточных вод,
рамнолипид
DOI: 10.31857/S0028242122050100, EDN: JEFLWA
Биологические ПАВ - поверхностно-активные
В последнее время внимание исследователей
вещества, которые производятся живыми клетка-
привлекают природные биологические ПАВ, по-
ми, часто микроорганизмами [1]. Они обладают
скольку они менее ядовитые, биоразлагаемые и
биологическими свойствами, важными для мно-
приемлемы с экологической точки зрения. Био-
гих отраслей промышленности и технологических
логические ПАВ можно широко использовать в
процессов. Биологические ПАВ синтезируются
качестве эмульгаторов, консервантов и моющих
микробами, особенно во время их роста на несме-
средств в косметике, фармацевтике и пищевой
шивающихся с водой субстратах, и с успехом заме-
промышленности [2]. Их можно синтезировать,
няют ПАВ, приготовленные обычным химическим
используя различные субстраты, которые относят-
способом.
ся, главным образом, к возобновляемым ресурсам,
715
716
AGHAREED M. TAYEB и др.
например, растительные масла, отходы молочного
стве продуктов питания, в химической, косметиче-
производства и т. п.
ской и фармацевтичекой промышленности, а также
Биологические ПАВ классифицируют в зависи-
в различных областях экологической биотехноло-
гии. Примеры применения биологических ПАВ
мости от их химической структуры и микробного
приведены в многочисленных обзорных статьях
происхождения. К основным типам биологических
ПАВ относятся гликолипиды, липопептиды, фос-
[14-17].
фолипиды, липопротеины, полимерные ПАВ, жир-
Цель данного исследования - оптимизация ра-
ные кислоты и аэрозольные ПАВ [3].
бочих параметров процесса биохимического раз-
Бактерии рода псевдомонады (Pseudomonas) яв-
ложения с целью определения оптимальных значе-
ний рамнозного эквивалента (г/л) и максимальной
ляются наиболее важным производителем большо-
го количества гликолипидов; они состоят из двух
степени разложения нефти, которые позволяют до-
частиц рамнозы и двух частиц b-гидроксидекано-
стигать наивысшего уровня производства рамно-
липидов. В процессе синтеза биологических ПАВ
вой кислоты [4-6].
проводили измерение поверхностного натяжения и
Известно, что рамнолипид представляет собой
сухой массы клеток.
биологическое ПАВ, которое вырабатывается си-
негнойной палочкой (Pseudomonas aeruginosa) в
процессе ферментации. Для синтеза рамнолипида
МАТЕРИАЛЫ И МЕТОДЫ
были использованы такие ресурсы углеродного то-
Бактериальный штамм, продуцирующий
плива, как этанол, глюкоза и растительное масло.
биологические ПАВ. В настоящем исследовании
Он применяется для усиления разложения, эмуль-
для проведения экспериментов использовали про-
гирования и диспергирования углеводородов и
дуцирующий биологические ПАВ микроорганизм,
растительных масел различного типа, а также для
известный как Pseudomonas aeruginosa, штамм
удаления металлов из почвы [7].
ATCC 9027. Штамм был получен из Египетской
Микроорганизмы используют различные орга-
коллекции микробных культур (EMCC) сельскохо-
нические компоненты в качестве источника угле-
зяйственного факультета Университета Айн-Шамс.
рода и энергии, которые требуются для их роста.
Рост синегнойной палочки поддерживали на ско-
Синегнойная палочка производит рамнолипид с
шенном агаре (agar slants). В используемую среду,
помощью водорастворимых соединений углерода,
содержащую (г/л): пептон 5, глюкозу 5, хлорид ам-
в частности, глицерина, глюкозы и этанола [8].
мония 1.07, гидрофосфат калия 1.5 и гептагидрат
сульфата магния 0.37, добавляли 0.5% (по объему)
Поверхностная активность позволяет широко
нефти для адаптации микроорганизмов к субстра-
применять ПАВ в качестве высокоэффективных
ту ферментации и доводили до рН 7 введением ги-
эмульгаторов, пенообразующих и диспергирую-
дроксида натрия.
щих материалов [9]. По сравнению с их альтерна-
тивами, синтезированными химическим способом,
Эксперименты по ферментации проводили в
биологические ПАВ обладают более высокими
герметичном 10-литровом стеклянном реакторе с
пенообразующими свойствами и более высокой
механическим перемешиванием и барботировани-
избирательной способностью. Они очень активны
ем воздухом в течение примерно 360 ч. Темпера-
при экстремальных значениях температуры, рН
туру реактора поддерживали на уровне 37°C [18].
и солености, кроме того, их можно выделять из
Экспериментальная схема и анализ данных.
промышленных отходов и побочных продуктов.
Для оптимизации производства биологических
Последнее свойство делает возможным создание
ПАВ с использованием нефтесодержащих сточных
малозатратного производства биологических ПАВ
вод (в качестве субстрата) и глицерина (в качестве
и позволяет утилизировать отработанные субстра-
индуктора) применяли методологию поверхности
ты, одновременно снижая их загрязняющее дей-
отклика на основе экспериментальной схемы Бок-
ствие [10-13].
са-Бенкена. Эта моделирующая аппроксимация
Биологические ПАВ часто используются в раз-
может быть полезным инструментом при проекти-
личных отраслях промышленности: при производ-
ровании и масштабировании биореакторов, необ-
НЕФТЕХИМИЯ том 62 № 5 2022
ИССЛЕДОВАНИЕ ПРОИЗВОДСТВА БИОЛОГИЧЕСКИХ ПОВЕРХНОСТНО-АКТИВНЫХ ВЕЩЕСТВ
717
Таблица 1. Экспериментальный диапазон и уровни независимых технологических переменных
Диапазон и уровни
Независимая переменная
Обозначение
-1
0
+1
Продолжительность контакта, ч
X1
48
144
240
Концентрация нефти, %
X2
1
1.5
2
ходимых для производства биологических ПАВ с
В качестве эмпирической математической мо-
несмешиваемыми ресурсами углеродного топлива
дели можно использовать полиномиальное уравне-
[19-22].
ние (1):
Для определения оптимальных рабочих пара-
метров при производстве рамнолипидов из отхо-
(1)
дов нефтепереработки путем аэробной фермента-
ции была применена одна из схем Бокса-Бенкена.
где r - отклик; β0, βi, βii и βij (i и j = 1, 2, 3) - коэффи-
Схемы Бокса-Бенкена представляют собой части
циенты модели; Xi и Xj (i и j = 1, 2, 3) - кодирован-
3N-схем, используемых для определения полной
ные независимые параметры.
квадратичной модели в N-факторах. Схемы состоят
В процессе численного анализа были разрабо-
из 2k возможных комбинаций высокого и низкого
таны две модели, в первой из которых в качестве
уровней для различных подмножеств элементов
независимых переменных процесса использова-
размера k, при этом все остальные элементы нахо-
лись продолжительность контакта и концентрация
дятся на центральных уровнях. Подмножества вы-
нефти. Длительность реакции и процентное содер-
бираются согласно скорректированному плану не-
жание нефти обозначены X1 и X2 (как показано в
полных блоков для N-обработок в блоках факторов
табл. 1); им соответствуют экспериментальные зна-
размера k. Кроме того, на центральных уровнях в
чения x1 и x2. Отклики обозначены как Y1 и Y2 -
них могут быть включены различные центральные
выход рамнолипидов и поверхностное натяжение
точки со всеми элементами [23].
(мН/м) соответственно. На основе оптимальной
В настоящем исследовании была разработа-
концентрации нефти можно разработать еще одну
на математическая модель для прогнозирования
модель для добавления глицерина.
производства рамнолипидов с использованием си-
негнойной палочки. Были определены три уровня
РЕЗУЛЬТАТЫ И ИХ ОБСУЖДЕНИЕ
естественных и кодированных переменных, кото-
рые представлены в табл. 1.
Результаты проведенных экспериментов пред-
ставлены в табл. 2. После аппроксимации данных
Оптимальные условия для биохимического раз-
были получены полиномиальные уравнения ап-
ложения нефти были рассчитаны с помощью ме-
проксимации второго порядка (2), (3):
тодологии поверхности отклика (RSM). Для этого
использовали экспериментальную схему, состоя-
2
щую из набора статистических и математических
Y
=
1.96
+
0.98
X
+
0.25
X
−
0.56
X
1
1
2
1
методов, которые позволяли улучшить и оптими-
2
−
0.14
X
+
0.25
X
X
,
(2)
2
1
2
зировать результаты выбранного эксперимента.
Основная цель методологии RSM состояла в том,
2
чтобы найти оптимальные значения факторов, вли-
Y
=
35.54
−
16.63
X
+
1.77
X
+
11.33
X
2
1
2
1
яющих на отклик. Методология была основана на
2
+
0.23
X
−
1.92
X
X
(3)
2
1
2
представлении отклика в экспериментальном поле.
При применении эмпирической математической
модели оно зависело от контролируемых перемен-
Модели производства биологических ПАВ в от-
ных (входных данных), называемых естественны-
ношении кодированных переменных выражены в
ми переменными.
уравнениях (2) и (3), представляющих выход рам-
НЕФТЕХИМИЯ том 62 № 5 2022
718
AGHAREED M. TAYEB и др.
Таблица 2. Экспериментальная схема и результаты
Кодированные переменные
Естественные переменные
Отклики
Номер
эксперимента
концентрация
X1
X2
время, ч
Y1, г/л
Y2, мН/м
нефти, %
1
+1
-1
1
240
1.7619
30.8
2
+1
+1
2
240
2.6811
30.1
3
-1
0
1.5
48
0.3306
64.0
4
0
-1
1
144
1.4603
33.9
5
0
+1
2
144
2.1278
38.2
6
0
0
1.5
144
2.0221
35.0
7
-1
+1
2
48
0.2859
67.0
8
+1
0
1.5
240
2.4107
30.3
9
-1
-1
1
48
0.3864
60.0
Таблица 3. Дисперсионный анализ выхода рамнолипидов (Y1)
Значение критерия
Значение вероятности
Источник
Степень свободы
Сумма квадратов
Средние квадраты
Фишера F
p prob > F
Модель
5
7.00
1.40
97.43
0.0016
Остаток
3
0.043
0.014
Всего
8
7.04
R2
0.9939
Таблица 4. Дисперсионный анализ поверхностного натяжения (Y2)
Значение критерия
Значение вероятности
Источник
Степень свободы
Сумма квадратов
Средние квадраты
Фишера F
p prob > F
Модель
5
1950.55
390.11
937.31
0.0001
Остаток
3
1.25
0.42
Всего
8
1951.80
R2
0.9994
нолипидов (Y1) и поверхностное натяжение (Y2) как
В табл. 3 и 4 представлены поверхности от-
функцию продолжительности контакта (X1) и кон-
клика для выхода рамнолипидов (Y1), поверхност-
центрации нефти (X2).
ного натяжения (Y2) и статистического анализа
для данных. Этот анализ проводили методами,
Собранные экспериментальные данные были
использующими коэффициент корреляции экспе-
проанализированы с помощью пакета статисти-
риментальных данных (R2) и критерий Фишера
ческого анализа Statistical Analysis System (SAS)
(F). Коэффициент корреляции являлся критерием
и аппроксимированы с использованием полино-
согласия между данными моделирования и экспе-
миальной модели второго порядка для проведе-
риментальными данными. С помощью критерия
ния дисперсионного анализа Analysis of variance
Фишера (F) определяли значимость коэффициен-
(ANOVA). Дисперсионный анализ часто исполь-
тов регрессии переменных. Если F равно 97.43 для
зуется для проверки значимости и адекватности
Y1 и 937.31 для Y2, то модель является значимой.
модели. Уровень значимости (называемый вероят-
Вероятность того, что такое большое значение F
ностью ошибки P) и критерий Фишера рассчиты-
может возникнуть из-за шума, составляет лишь
ваются с помощью компьютерных программ.
0.16 и 0.01% соответственно.
НЕФТЕХИМИЯ том 62 № 5 2022
ИССЛЕДОВАНИЕ ПРОИЗВОДСТВА БИОЛОГИЧЕСКИХ ПОВЕРХНОСТНО-АКТИВНЫХ ВЕЩЕСТВ
719
Рис. 1. Поверхность отклика, описываемая моделью Y1,
Рис. 2. Поверхность отклика, описываемая моделью
которая представляет выход рамнолипидов в зависи-
Y2, которая представляет поверхностное натяжение в
мости от продолжительности контакта и концентрации
зависимости от продолжительности контакта и концен-
нефти.
трации нефти.
«Прогнозируемый R-квадрат» 0.9310 для Y1 и
На основе разработанных математических мо-
0.9938 для Y2 находится в разумном согласии со
делей были определены оптимальные значения
«скорректированным R-квадратом» 0.9837 и 0.9983
параметров производства биологических ПАВ, по-
соответственно; разность составляет менее 0.2.
зволяющие достигать максимального выхода рам-
нолипидов Y1 и минимизировать поверхностное
Очевидно, что эти факторы достаточно объяс-
натяжение Y2.
няют разброс данных относительно их среднего
Оптимальные эксплуатационные факторы име-
значения, т.е. оцениваемые факторы верны. Однако
ли следующие значения: продолжительность кон-
небольшое значение расчетной вероятности ошиб-
такта - 232.8 ч, концентрация нефти - 1.913%.
ки свидетельствует о том, что регрессионная мо-
Максимальный выход рамнолипидов, достигнутый
дель более значима.
в этих условиях, составил 2.689 г/л при минималь-
Как показано в табл. 3 и 4, анализ ANOVA также
ном поверхностном натяжении 30.003 мН/м.
свидетельствует о наличии несоответствия. Если
На основе оптимальной концентрации нефти
в экспериментальной матрице имеются повторяю-
можно разработать модель добавления глицери-
щиеся оценки, например, отклики, основанные на
на, в которой модель производства биологических
одних и тех же группах независимых параметров,
ПАВ в отношении кодированных переменных (как
что имеет место в данном случае, можно прове-
показано в табл. 5) выражается уравнениями (4) и
сти тест, который даст значимость дублирующей
(5), представляющими выход рамнолипидов (Y1)
ошибки при сравнении с ошибкой, обусловленной
и поверхностное натяжение (Y2) в зависимости от
моделью.
продолжительности контакта (X1) и концентрации
Для графического представления взаимосвязи
глицерина (X2):
между одним откликом и двумя независимыми пе-
Y
= 2.72 +1.95X
+ 0.82X
,
(4)
1
1
2
ременными использовали MATLAB 7.0. На рис. 1,
2 показаны трехмерные кривые, построенные для
2
Y
=
29.55
−
11.27
X
−
5.54
X
+
8.62
X
2
1
2
1
откликов Y1 и Y2 соответственно (примеры резуль-
2
+
3.60X
+5.30X
X
(5)
2
1
2
татов).
НЕФТЕХИМИЯ том 62 № 5 2022
720
AGHAREED M. TAYEB и др.
Таблица 5. Экспериментальный диапазон и уровни независимых технологических переменных
Диапазон и уровни
Независимая переменная
Обозначение
-1
0
+1
Продолжительность контакта, ч
X1
48
144
240
Концентрация глицерина, %
X2
0
10
20
Таблица 6. Экспериментальная схема и результаты
Кодированные переменные
Естественные переменные
Отклики
Номер
концентрация
эксперимента
X1
X2
время, ч
Y1, г/л
Y2, мН/м
глицерина, %
1
+1
-1
0
240
2.6811
30.10
2
+1
0
10
240
5.1987
29.00
3
-1
-1
0
48
0.2859
65.00
4
-1
+1
20
48
0.6820
42.50
5
0
+1
20
144
3.9068
28.77
6
0
0
10
144
3.5760
28.88
7
-1
0
10
48
0.6257
48.00
8
0
-1
0
144
2.1278
38.20
9
+1
+1
20
240
5.4274
60.00
Таблица 7. Дисперсионный анализ выхода рамнолипидов (Y1)
Значение критерия
Значение вероятности
Источник
Степень свободы
Сумма квадратов
Средние квадраты
Фишера F
p prob > F
Модель
2
26.90
13.45
22.89
0.0016
Остаток
6
3.53
0.59
Всего
8
30.43
R2
0.8841
Таблица 8. Дисперсионный анализ поверхностного натяжения (Y2)
Значение крите-
Значение вероятности
Источник
Степень свободы
Сумма квадратов
Средние квадраты
рия Фишера F
p prob > F
Модель
5
1232.31
246.46
59.75
0.0033
Остаток
3
12.37
4.12
Всего
8
1244.69
R2
0.9901
Результаты проведенных экспериментов пред-
Критерий Фишера (F) использовали для опре-
ставлены в табл. 6.
деления значимости коэффициентов регрессии
переменных. Если F равно 22.89 для Y1 и 59.75
В табл. 7 и 8 представлены значения поверх-
для Y2, то модель является значимой. Вероятность
ностей отклика для выхода рамнолипидов (Y1),
того, что такое большое значение F может возник-
поверхностного натяжения (Y2) и статистического
нуть из-за шума, составляет лишь 0.16 и 0.33%
анализа для данных.
соответственно.
НЕФТЕХИМИЯ том 62 № 5 2022
ИССЛЕДОВАНИЕ ПРОИЗВОДСТВА БИОЛОГИЧЕСКИХ ПОВЕРХНОСТНО-АКТИВНЫХ ВЕЩЕСТВ
721
Рис. 3. Поверхность отклика описывается моделью Y1,
Рис. 4. Поверхность отклика описывается моделью Y2,
которая представляет выход рамнолипидов в зависи-
которая представляет поверхностное натяжение в зави-
мости от продолжительности контакта и концентрации
симости от продолжительности контакта и концентра-
глицерина.
ции глицерина.
«Прогнозируемый R-квадрат» 0.6924 для Y1 и
на взаимосвязь между двумя взаимодействующи-
0.8826 для Y2 находится в разумном согласии со
ми факторами и откликом, в то время как третий
«скорректированным R-квадратом» 0.8455 и 0.9735
фактор остается постоянным на нулевом уровне.
соответственно; разность составляет менее 0.2.
Результаты показали, что при кодированных пе-
Для графического представления взаимосвязи
ременных длительности реакции и процентного
между одним откликом и двумя независимыми пе-
содержания нефти значительное снижение поверх-
ременными использовали MATLAB 7.0. На рис. 3 и
ностного натяжения имело место при увеличении
4 показаны трехмерные кривые, построенные для
длительности реакции до тех пор, пока оно не до-
откликов Y1 и Y2 соответственно.
стигало постоянного значения. Однако при более
высоких концентрациях нефти снижение поверх-
На основе разработанных математических мо-
ностного натяжения занимало больше времени.
делей были определены оптимальные значения для
производства биологических ПАВ, позволяющие
Кроме того, снижение поверхностного натяже-
достигать максимального выхода рамнолипидов
ния происходило при повышении процентного со-
(Y1) и минимизировать поверхностное натяжение
держания добавляемого глицерина и увеличении
(Y2).
длительности реакции.
Оптимальные эксплуатационные факторы при
Любое повышение процентного содержания
использовании 2% нефти составили 240 ч для про-
нефти увеличивало выход продукта до тех пор,
должительности контакта и 18.346% для концен-
пока концентрация нефти не достигала 2%. Эта
трации глицерина. Максимальный выход рамно-
точка соответствовала максимальному выходу
липидов, достигнутый в этих условиях, составил
продукта, после чего любое дальнейшее увеличе-
5.360 г/л при минимальном поверхностном натя-
ние концентрации нефти снижало выход продукта,
жении 29.216 мН/м.
поскольку более высокая концентрация субстрата
На рис. 1-4 информативно и наглядно показа- приводит к замедлению роста бактерий.
НЕФТЕХИМИЯ том 62 № 5 2022
722
AGHAREED M. TAYEB и др.
По виду трехмерной поверхности, показанной
полученные в результате статистического анализа,
на рис. 1, можно заключить, что увеличение дли-
хорошо согласуются с экспериментальными дан-
тельности реакции и концентрации нефти ведет к
ными.
повышению эффективности производства рамно-
липидов до тех пор, пока она не достигнет свое-
ПРАКТИЧЕСКИЕ АСПЕКТЫ
го максимального значения, после чего скорость
производства снижается в результате увеличения
1. Биохимическое разложение нефтесодержа-
показателя гибели бактерий. По мере увеличения
щих стоков для получения биологических ПАВ на
процентного содержания нефти увеличивается вы-
основе рамнолипидов.
ход продукта, пока концентрация нефти не достиг-
2. Изучение влияния концентрации нефти
нет 2%. В этот момент выход продукта достигает
(1, 1.5, 2, 2.5%).
максимального значения, после чего увеличение
3. Оптимизация параметров, влияющих на био-
концентрации нефти снижает производительность,
химическое разложение нефти: с использованием
поскольку концентрация субстрата становится ин-
методики RSM и статистического плана Бокса-
гибитором роста бактерий. Следует отметить, что
Бенкена.
увеличение концентрации глицерина повышает
4. В качестве индуктора добавляли глицерин.
скорость роста клеток.
Аналогичным образом трехмерные поверхно-
КОНФЛИКТ ИНТЕРЕСОВ
сти, показанные на рис. 2-4, свидетельствуют о
том, что сочетание длительности реакции и кон-
Авторы заявляют об отсутствии конфликта ин-
центрации нефти оказывает существенное влия-
тересов, требующего раскрытия в данной статье.
ние на скорость разложения. Так, при повышении
концентрации сырой нефти рост длительности
ИНФОРМАЦИЯ ОБ АВТОРАХ
реакции увеличивает скорость разложения до тех
Aghareed M. Tayeb, ORCID: https://doi.org/0000-
пор, пока она не достигнет своего максимального
0002-3266-8318
значения (см. рис. 2-4). При содержании нефти 2%
N. A. Mostafa, ORCID: https://doi.org/0000-0002-
производительность достигает максимального зна-
1147-1970
чения, после чего любое увеличение концентрации
нефти снижает скорость разложения, поскольку
более высокая концентрация субстрата действует
4987-9696
как ингибитор роста бактерий. Следует отметить,
что увеличение концентрации глицерина повыша-
1616-7169
ло скорость разложения.
Таким образом, проведены эксперименты по
СПИСОК ЛИТЕРАТУРЫ
биохимическому разложению отходов нефтепере-
1. Sáenz-Marta C.I., de Lourdes Ballinas-Casarrubias M.,
работки с целью получения рамнолипидных био-
Rivera-Chavira B.E., Nevárez-Moorillón G.V. Biosur-
логических ПАВ с использованием синегнойной
factants as useful tools in bioremediation. In: Advances
палочки (Pseudomonas aeruginosa), штамм ATCC
in bioremediation of wastewater and polluted soil, 2015.
9027. Для активизации производства рамноли-
пидов добавляли глицерин в качестве индуктора.
2. Subasioglu T., Cansunar E., Nutritional factors effecting
Для проведения статистического анализа экспери-
rhamnolipid production by a nosocomial Pseudomonas
ментальных данных использовали методологию
aeruginosa // Hacettepe J. of Biology and Chemistry.
поверхности отклика. Результаты показали, что
2008. V. 36. № 1. P. 77-81.
оптимальные значения длительности реакции, про-
центного содержания нефти и добавляемого глице-
3. Van Bogaert I.N., Saerens K., De Muynck C., Develter D.,
рина составляют 240 ч, 2 и 18.346% соответствен-
Soetaert W., Vandamme E.J. Microbial production and
но. Было обнаружено, что оптимальные значения,
application of sophorolipids // Appl. Microbiol. Bio-
НЕФТЕХИМИЯ том 62 № 5 2022
ИССЛЕДОВАНИЕ ПРОИЗВОДСТВА БИОЛОГИЧЕСКИХ ПОВЕРХНОСТНО-АКТИВНЫХ ВЕЩЕСТВ
723
13.
Wu J.L., Lu J.K. Marine Microbial Biosurfactin. In:
s00253-007-0988-7
Springer Handbook of Marine Biotechnology. Spring-
4.
Syldatk C., Wagner F. Production of biosurfac-
org/10.1007/978-3-642-53971-8_64
tants. In: Biosurfactants and Biotechnology, ed. by
N. Kosaric, W.L. Cairns, Neil C.C. Gray,
14.
Rahman K.S.M., Rahman T.J., Kourkoutas Y., Petsas
W.L. Cairns, N.C.C. Gray, 1987, Chapter 3, 32 p. https://
I., Marchant R., Banat I.M. Enhanced bioremediation
doi.org/10.1201/9781315138428
of n-alkane in petroleum sludge using bacterial consor-
tium amended with rhamnolipid and micronutrients //
5.
Sharma D., Ansari M.J., Al-Ghamdi A., Adgaba N.,
Bioresour. Technol. 2003. V. 90. № 2. P. 159-168.
Khan K.A., Pruthi V., Al-Waili N. Biosurfactant produc-
tion by Pseudomonas aeruginosa DSVP20 isolated from
petroleum hydrocarbon-contaminated soil and its physi-
15.
Das K., Mukherjee A.K. Comparison of lipopeptide
cochemical characterization // Environ. Sci. Pollut. Res.
biosurfactants production by Bacillus subtilis strains
in submerged and solid state fermentation systems
s11356-015-4937-1
using a cheap carbon source: Some industrial appli-
cations of biosurfactants // Process Biochem. 2007.
6.
Rahman P.K., Gakpe E. Production, characterisation and
applications of biosurfactants - Review // Biotechnology.
bio.2007.05.011
biotech.2008.360.370
16.
Das P., Mukherjee S., Sen R. Improved bioavailability
and biodegradation of a model polyaromatic hydrocar-
7.
Pacwa-Płociniczak M., Płaza G.A., Piotrowska-Seget Z.,
bon by a biosurfactant producing bacterium of marine
Cameotra S.S. Environmental applications of biosurfac-
origin // Chemosphere. 2008. V. 72. № 9. P. 1229-1234.
tants: Recent advances // Int. J. Mol. Sci. 2011. V. 12.
17.
Banat I.M., Franzetti A., Gandolfi I., Bestetti G., Mar-
8.
Van der Vegt W., Van der Mei H.C., Noordmans J.,
tinotti M.G., Fracchia L., Marchant R. Microbial biosur-
Busscher H.J. Assessment of bacterial biosurfactant
factants production, applications and future potential //
production through axisymmetric drop shape analysis by
Appl. Microbiol. Biotechnol. 2010. V. 87. № 2. P. 427-
profile // Appl. Microbiol. Biotechnol. 1991. V. 35. № 6.
9.
De S., Malik S., Ghosh A., Saha R., Saha B. A review
18.
Mostafa N.A., Tayeb A.M., Mohamed O.A., Farouq R.
on natural surfactants // RSC Adv. 2015. V. 5. № 81.
Biodegradation of petroleum oil effluents and production
of biosurfactants: Effect of initial oil concentration // J.
10.
Karlapudi A.P., Venkateswarulu T.C., Tammineedi J.,
org/10.1002/jsde. 12240
Kanumuri L., Ravuru B.K., ramu Dirisala V., Kodali V.P.
Role of biosurfactants in bioremediation of oil pollution -
19.
Smith L.H., McCarty P.L., Kitanidis P.K. Spreadsheet
a review // Petroleum. 2018. V. 4. № 3. P. 241-249.
method for evaluation of biochemical reaction rate co-
efficients and their uncertainties by weighted nonlinear
least-squares analysis of the integrated Monod equation //
11.
Tripathi L., Irorere V.U., Marchant R., Banat I.M. Marine
Appl. Environ. Microbiol. 1998. V. 64. № 6. P. 2044-
derived biosurfactants: a vast potential future resource //
Biotechnol. Lett. 2018. V. 40. № 11-12. P. 1441-1457.
20.
Moshtagh B., Hawboldt K., Zhang, B. Kinetic modeling
of biosurfactant production by Bacillus subtilis N3-1P
12.
Souza K.S.T., Gudiña E.J., Schwan R.F., Rodrigues L.R.,
using brewery waste // Chemical Product and Process
Dias D.R., Teixeira J.A. Improvement of biosurfactant
production by Wickerhamomyces anomalus CCMA
org/10.1515/cppm-2020-0118
0358 and its potential application in bioremediation //
21.
Selvaraj S., Natarajan K., Nowak A., Murty V.R. Math-
org/10.1016/j.jhazmat.2017.12.021
ematical modeling and simulation of newly isolated
НЕФТЕХИМИЯ том 62 № 5 2022
724
AGHAREED M. TAYEB и др.
bacillus cereus M1GT for tannase production through
production // J. Chem. Technol. Biotechnol. 2016. V. 91.
semi-solid state fermentation with agriculture residue
triphala // S. Afr. J. Chem. Eng. 2021. V. 35. № 1.
23. Youssef N.H., Duncan K.E., Nagle D.P., Savage K.N.,
Knapp R.M., McInerney M.J. Comparison of methods
22. Maass D., Ramirez M.I., Roman G.R., Alameda E.J., de
to detect biosurfactant production by diverse microor-
Souza A.A.U., Valle J.A.B., Vaz D.A. Two-phase olive
ganisms // J. Microbiol. Methods. 2004. V. 56. № 3.
mill waste (alpeorujo) as carbon source for biosurfactant
НЕФТЕХИМИЯ том 62 № 5 2022