PNRR ‐ Missione 4 - Componente 2 - Investimento 1.1: Progetti di Ricerca di Rilevante Interesse Nazionale (PRIN) – Avviso 1409 del 14/09/2022 - BANDO PRIN 2022 PNRR
Codice progetto: P2022HKNNA
CUP: E53D23014640001
Titolo progetto: “Control of smart microbial communities for wastewater treatment”
Coordinatore nazionale: Dott. Davide FIORE
Durata: biennale - dal 30/11/2023 al 29/11/2025
Budget: € 242,983
Le acque reflue da attività domestiche, agricole e industriali vengono trattate in impianti specializzati per rimuovere agenti inquinanti per poter essere riutilizzate o reimmesse in sicurezza nel ciclo dell’acqua. Uno dei principali metodi per la depurazione è l’utilizzo di microorganismi, come batteri, lieviti e alghe, i quali metabolizzano e rimuovo gli agenti inquinanti mediante processi organici all’interno di vasche o bioreattori. A seconda della complessità del processo richiesto, in ognuna delle sue fasi possono venire impiegate diverse popolazioni cellulari, ognuna specializzata per una fase di lavorazione. In alternativa, è possibile impiegare comunità microbiche, formate da due o più popolazioni, che comunicano e cooperano per svolgere il processo di depurazione in maniera più efficiente dividendo il carico metabolico tra di esse. L’utilizzo di tali comunità ha però lo svantaggio di richiedere una progettazione più complessa e sofisticata, allo scopo di garantire equilibrio tra le popolazioni e la comunicazione tra di esse. L’obiettivo di questo progetto di ricerca è lo sviluppo di nuove metodologie per accelerare il design, il deployment e il controllo di comunità microbiche per un più efficiente e affidabile trattamento di acque reflue. Saranno sviluppate nuove architetture di controllo multicellulare per permettere alle cellule di regolare autonomamente la loro crescita e di comunicare tra di esse per permettere il bilanciamento del carico di lavoro tra le popolazioni. Inoltre, verranno sviluppate strategie di controllo data-driven per aumentare l’efficienza e capacità produttiva in bioreattori. La validazione di tali risultati verrà condotta tramite esperimenti su una piattaforma innovativa che verrà sviluppata durante il progetto, consistente in un bioreattore multicamera che permetterà la crescita separata e in parallelo di due o più popolazioni cellulari, che comunicheranno e si coordineranno per mezzo di interfacce virtuali realizzate in optogenetica.
[O1] Self-regulation control of populations in microbial communities
[O2] Development of data-driven control strategies for fast deployment and reliable bioproduction
[O3] Development of a multi-chamber bioreactor for in vivo experiments of multicellular systems
[O4] Validation of the developed multicellular architecture and external control strategies
UNINA
Davide Fiore - Coordinatore nazionale e Responsabile di unità
Vittoria Martinelli - Assegnista di Ricerca dal 01/11/2024 al 31/10/2025
Giovanni Campanile - Assegnista di Ricerca dal 01/11/2024 al 31/10/2025
Virginia Fusco - Componente unità dal 30/11/2023 al 31/10/2024
Sara Maria Brancato - Componente unità dal 30/11/2023 al 31/10/2025
UNISA
Giovanni Russo - Responsabile di unità
Veronica Centorrino - Assegnista di Ricerca dal 01/11/2024 al 31/10/2025
Hozefa Jesawada - Assegnista di Ricerca dal 01/12/2024 al 29/11/2025
Preprints
F. Rossi, É. Garrabé, G. Russo, “Neo-FREE: Policy Composition Through Thousand Brains and Free Energy Optimization”, submitted for publication in the proceedings of the 7th Annual Learning for Dynamics & Control Conference (L4DC). Preprint available at https://arxiv.org/abs/2412.06636
A. Davydov, V. Centorrino, A. Gokhale, G. Russo, F. Bullo, “Time-Varying Convex Optimization: A Contraction and Equilibrium Tracking Approach”, submitted for publication on IEEE Transactions on Automatic Control, Preprint available at https://arxiv.org/abs/2305.15595
G. Campanile, V. Martinelli, D. Salzano, D. Fiore “Regulating population density through antithetic feedback control of cell growth”. Preprint available at https://www.biorxiv.org/content/10.1101/2025.04.16.648696v1.abstract
Journal Papers
S. M. Brancato, D. Salzano, D. Fiore, G. Russo, M. di Bernardo, "Ratiometric control of two microbial populations via a dual chamber bioreactor", IEEE Control Systems Letters, 2024. bioRxiv
V. Centorrino, A. Gokhale, A. Davydov, G. Russo, F. Bullo, "On Weakly Contracting Dynamics for Convex Optimization", IEEE Control Systems Letters, 2024
G. Campanile, V. Martinelli, D. Salzano, D. Fiore, M. di Bernardo “In silico analysis of metabolic burden effects on a multicellular integral controller”, selected for publication on the European Journal of Control. Preprint at https://www.biorxiv.org/content/10.1101/2024.11.12.623154v2.abstract . DOI: 10.1016/j.ejcon.2025.101322
Refereed Conference Papers
S. M. Brancato, D. Salzano, F. De Lellis, D. Fiore, G. Russo, M. di Bernardo, "In vivo learning-based control of microbial populations density in bioreactors", Proc. of 6th Annual Learning for Dynamics and Control (L4DC 2024), arXiv
V. Martinelli, D. Fiore, D. Salzano, M. di Bernardo, “Root Contours Guided Design of a Multicellular PID Controller”, Proc. of Mediterranean Conference on Control and Automation (MED’2025). Preprint available at https://www.biorxiv.org/content/10.1101/2025.05.05.652201v1.abstract