Modelizado de la levadura Saccharomyces cerevisiae para la producción de ethanol

Autor

Paul A. Valle Posgrado en Ciencias de la Ingeniería, Grupo de investigación BioMath, Tecnológico Nacional de México/IT Tijuana, Blvd. Alberto Limón Padilla s/n, Tijuana, C.P. 22454, B.C., México. Email: paul.valle@tectijuana.edu.mx

Resumen de la actividad

Los sistemas dinámicos son una rama de las Matemáticas y de la Física que se encargan de estudiar cómo evolucionan diversos tipos de sistemas a lo largo del tiempo, estos pueden ser físicos, biológicos, económicos o sociales, entre otros. El análisis de sistemas dinámicos es importante en la comprensión de fenómenos complejos y en la resolución de problemas prácticos en distintas áreas del conocimiento. En esta actividad se aplican conceptos de sistemas dinámicos y modelizado matemático para describir el proceso de producción de etanol mediante la levadura Saccharomyces cerevisiae (S. cerevisiae) cuando se utiliza un sustrato combinado de fructosa y glucosa. La levadura S. cerevisiae es un microorganismo unicelular de gran importancia en la investigación biológica y en numerosas aplicaciones biotecnológicas, es conocida comúnmente como levadura de panadería o levadura de cerveza y es valorada por su versatilidad y su capacidad para fermentar una amplia gama de sustratos, produciendo etanol y dióxido de carbono como los principales metabolitos del proceso de fermentación. El origen de los datos experimentales que se utilizan en el desarrollo de esta actividad es descrito por Páez-Lerma et al. en https://doi.org/10.1080/08905436.2013.840788.

Contexto o pre-requisitos

Las competencias previas que el alumno debe tener para desarrollar esta actividad de enseñanza son las siguientes:

1. Emplea un lenguaje de programación para la solución de problemas.
2. Emplea técnicas de modelado de sistemas para aplicaciones en procesos biológicos y fisiológicos.
3. Aplica métodos numéricos para la solución de ecuaciones diferenciales ordinarias que permitan resolver problemas que involucran sistemas dinámicos en ingeniería.
4. Entiende los conceptos de la teoría de la probabilidad y estadística para organizar, clasificar, analizar e interpretar datos para la toma decisiones en aplicaciones de Ingeniería.

Asignaturas o departmento donde se puede usar la Actividad

Ingeniería Biomédica Sistemas Dinámicos Biestadística Modelado Matemático

Notas para los Educadores usando la Actividad

Objetivo general Integrar conceptos relacionados con sistemas dinámicos, sistemas biológicos, modelizado matemático-computacional de sistemas no lineales, análisis de datos, ajuste de ecuaciones diferenciales ordinarias de primer orden a datos experimentales mediante regresión no lineal y bioestadística. Objetivos específicos

1. Conocer los antecedentes sobre la experimentación in silico y la implementación de modelos matemáticos con base en datos experimentales.
2. Desarrollar modelos para la evolución de diversos sistemas biológicos y fisiológicos con base en las distintas leyes de crecimiento.
3. Realizar análisis estadísticos, filtrados de datos experimentales y determina intervalos de confianza.
4. Formular y ajustar modelos matemáticos de ecuaciones diferenciales ordinarias para definir estrategias de control con ayuda de la experimentación in silico.

Evaluación

A definir por el docente.

Recursos adicionales

[1] Páez-Lerma, J. B., Arias-García, A., Rutiaga-Quiñones, O. M., Barrio, E., & Soto-Cruz, N. O. (2013). Yeasts isolated from the alcoholic fermentation of Agave duranguensis during mezcal production. Food biotechnology, 27(4), 342-356. https://doi.org/10.1080/08905436.2013.840788

[2] Walker, G. M., & Stewart, G. G. (2016). Saccharomyces cerevisiae in the production of fermented beverages. Beverages, 2(4), 30. https://doi.org/10.3390/beverages2040030

[3] Salazar, Y., Valle, P. A., Rodríguez, E., Soto-Cruz, N. O., Páez-Lerma, J. B., & Reyes-Sánchez, F. J. (2023). Mechanistic modelling of biomass growth, glucose consumption and ethanol production by Kluyveromyces marxianus in batch fermentation. Entropy, 25(3), 497. https://doi.org/10.3390/e25030497

[4] Wolfenden, R., & Yuan, Y. (2008). Rates of spontaneous cleavage of glucose, fructose, sucrose, and trehalose in water, and the catalytic proficiencies of invertase and trehalas. Journal of the American Chemical Society, 130(24), 7548-7549. https://doi.org/10.1021/ja802206s

[5] Motulsky, Harvey, and Arthur Christopoulos. Fitting models to biological data using linear and nonlinear regression: a practical guide to curve fitting. Oxford University Press, 2004.

[6] Bryan, K. (2022). Differential equations: A toolbox for modeling the world. Simiode.

[7] Garfinkel, A., Shevtsov, J., & Guo, Y. (2017). Modeling life: the mathematics of biological systems. Springer International Publishing AG.