Automated Droplet-Based Evaporative Approach for Determining Amino Acid Crystallization Kinetics = 아미노산 결정화 동역학 결정을 위한 자동화된 액적 기반 증발법

다국어 초록 (Multilingual Abstract)

The growing demand for high-purity amino acids in food, pharmaceutical, and cosmetic industries highlights the need for precise crystallization control. Particle size formed during crystallization strongly influences downstream processing and product quality, making reliable kinetic estimation essential. However, neutral amino acids form very small initial crystals (10–50 µm), making nucleation difficult to detect, and conventional tools such as FBRM often misclassify fine crystals. To overcome these challenges, a droplet-based evaporative system, originally developed for protein crystallization, is introduced to study L-tryptophan.
Unlike conventional methods, a novel projected area-based kinetic model (Ac) was developed to quantify the complex dendritic growth of L-tryptophan, moving beyond the limitations of standard polyhedral models. Crystallization proceeds within a single suspended droplet under controlled evaporation, minimizing external disturbances and sample consumption (5 µL). Crucially, an automated cyclic protocol with an intensified rehydration step (RH 98%) was established to eliminate the 'kinetic memory effect,' ensuring the acquisition of reliable stochastic nucleation data. This approach offers a practical, high-throughput method to estimate intrinsic kinetic parameters and guide optimal crystallization conditions.

국문 초록 (Abstract)

식품, 제약 및 화장품 산업에서 고순도 아미노산에 대한 수요가 증가함에 따라 정밀한 결정화 제어의 중요성이 강조되고 있다. 결정화 과정에서 형성되는 입자의 크기는 후속 공정 및 제품의 품질에 지대한 영향을 미치므로, 신뢰할 수 있는 동역학적 추정이 필수적이다. 그러나 중성 아미노산은 10–50 µm 수준의 매우 작은 초기 결정을 형성하여 핵생성을 감지하기 어렵게 만들며, 집속 빔 반사율 측정기와 같은 기존의 분석 장비들은 이러한 미세 결정을 오분류하는 한계가 있다.
이러한 문제를 극복하기 위해, 본 연구에서는 당초 단백질 결정화를 위해 개발된 액적 기반 증발 시스템을 도입하여 L-트립토판(L-tryptophan)의 결정화를 연구하였다. 기존의 방법들과 달리, 표준 다면체 모델의 한계를 넘어 L-트립토판(L-tryptophan)의 복잡한 수지상 성장을 정량화하기 위해 새로운 투영 면적 기반 동역학 모델(Ac)을 개발하였다. 결정화는 제어된 증발 조건 하의 단일 부유 액적 내에서 진행되어 외부 교란을 최소화하였으며, 시료 소모량(5 µL) 또한 획기적으로 줄였다.
무엇보다, '동역학적 기억 효과'를 제거하기 위해 강화된 재수화 단계(상대습도 98%)를 포함한 자동화된 순환 프로토콜을 확립하였으며, 이를 통해 신뢰할 수 있는 확률론적 핵생성 데이터를 확보하였다. 본 연구의 접근 방식은 고유 동역학 매개변수를 추정하고 최적의 결정화 조건을 제시할 수 있는 실용적이고 고효율적인 방법을 제공한다.

목차 (Table of Contents)

• 1. Introduction 1
• 2. Materials and Methods 4
• 2.1. Experimental Framework Overview 4
• 2.2. Materials 5
• 2.3. Solubility Measurement 5
• 2.4. Crystallization Screening using Hanging Drop Vapor Diffusion 6
• 2.5. Experimental Apparatus and Procedure for Crystallization 8
• 2.6. Experimental Design and Conditions 12
• 2.7. Image Analysis Algorithm 15
• 3. Modeling and Parameter Estimation 19
• 3.1. Solubility Model 19
• 3.2. Crystal Growth Model 21
• 3.3. Nucleation Model 24
• 4. Results 27
• 4.1. Measurement and Modeling of Amino Acid Solubility 27
• 4.2. Hanging Drop Screening Test 32
• 4.3. Validation of Experimental Protocol 34
• 4.4. Crystal Growth Kinetics: Parameter Estimation and Model Validation 40
• 4.5. Nucleation Kinetics Parameter Estimation 44
• 5. Conclusion 47
• Bibliography 50
• Abstract in Korean 54