Documente Academic
Documente Profesional
Documente Cultură
Oflia Arajo
Programa de PG em Tecnologia de Processos Qumicos e Bioqumicos Escola de Qumica - UFRJ
Diferenas Fundamentais
Uma dificuldade fundamental no entendimento de sistemas biolgicos a questo da auto-regulao. Os organismos vivos sobrevivem pela constante adaptao de nveis e atividades enzimticas em resposta s condies ambientais. Em reatores qumicos, o catalisador e as variveis de controle definem o desempenho. Em engenharia metablica, os objetivos de desempenho esto em conflito com os objetivos nutricionais da clula: os microrganismos agem para mitigar a modificaes impostas.
2 Abordagens Clssicas
Anlise de Fluxo Metablico (MFA)
calcula os fluxos intracelulares para os principais caminhos metablicos usando um modelo estequiomtrico e aplicando balanos de massa (estacionrios) para cada metablito representado. As entradas do MFA so um conjunto de fluxos extracelulares medidos como consumo de substratos e excreo de produtos. MFA genera um mapa bioqumico das reaes metablicas e os fluxos de estado estacionrio mas no diz como controlar estes fluxos.
Modelagem Ciberntica
Ramkrishna (1982) introduziu uma nova perspectiva de metabolismo de crescimento microbiano: a modelagem ciberntica. Atribui aos microrganismos a capacidade de ajustar seu maquinrio celular s condies prevalentes para maximizar um objetivo especfico. Este ajuste visam utilizao dos recursos disponveis da forma mais eficiente para atingir o objetivo pretendido. Neste sentido, os microrganismos so estrategistas timos e tm pelo menos um sentido abstrato de inteligncia (que se atribui a seres superiores).
Modelagem Ciberntica
um conceito de biologia evolucionria. Estende o conceito de adaptao natural para maximizar a sobrevivncia a um ambiente controlado pela interveno humana tal que a estratgia tima dos microrganismos seja direcionada maximizao do objetivo humano. A modelagem ciberntica oferece uma abordagem sistemtica para descrever a regulao metablica, mesmo quando o mecanismo por trs pouco compreendido. Ao contrrio da Anlise de Fluxo Metablico, que se baseia em estado estacionrio e programao linear, a Modelagem Ciberntica COMPLETAMENTE DINMICA.
u v
Growth of E. coli on Growth of E. coli on Glucose and Glucose and Xylose Xylose
XILOSE
GLICOSE
0 0
0.5 0.5
1.5 1.5
2.5 2.5
3.5 3.5
4.5 4.5
Monod no consegue descrever o crescimento diuxico eficientemente. Mltiplos modelos de Monod, ou suas variaes, tm capacidade limitada de extrapolao
0.12
0.1
X = mx
S KS + S
0.08
X (g/l)
0.06
0.04
0.02
0 0
time
Modelagem Ciberntica
Microrganismos = timos estrategistas Habilidade de pensar e decidir qual a melhor estratgia para utilizar os recursos disponveis de forma a maximizar um objetivo. Traduz a idia que a clula regula sua atividade metablica atravs do controle das atividades e taxas de sntese das enzimas para atingirem um OBJETIVO. Para manter as equaes resultantes suficientemente simples, detalhes dos mecanismos de regulao so absorvidos no critrio de otimalidade.
sntese atividade
Modelagem Ciberntica
Substratos: S1, S2, , Sn, Produtos: P1, P2, , Pn, Ri a taxa de alocao de Si para Pi R a taxa de alocao total ui= Ri/R a alocao fracional de Ri para Pi Assumindo R constante: A taxa total de produo de massa, X, a soma da constribuio por cada substrato: Ysi o rendimento em X por Si consumido
Modelagem Ciberntica
A taxa de consumo pode ser escrita de qualquer forma, por exemplo: ei a concentrao adimensional de Pi, cuja taxa de formao degradao dada por: formao Objetivo = maximizar crescimento:
alocao
Como a taxa para quando todos os sbstratos so esgotados, a otimizao est restrita por:
Otimizao de longo prazo (at o final do processo)! Um ponto fraco da formulao!
Modelagem Ciberntica
Nova proposta: os microrganismos otimizam a cada instante o crescimento. A ALOCAO DE RECURSO i (Ri) DEVE SE IGUALAR AO RETORNO DA ALOCAO (Pi) O retorno total: maximizado sob a restrio:
Total de recursos
O timo: Fornecendo:
Modelagem Ciberntica
A restrio definida como degenera para e R for constante. se ui for
Se for definida como a taxa de crescimento de biomassa com o substrato Si, a matching law fornece
Modelagem Ciberntica
At este ponto, a taxa de crescimento em cada substrato considerada ser catalizada por uma enzima. Para o j-simo substrato: Como vrias enzimas podem estar envolvidas, tem-se, na verdade: As enzimas E1, E2,En podem agir, em srie, em paralelo ou em combinaes srie-paralelo. Ciberneticamente, isto significa que um microrganismo deve canalizar seus recursos na sntese das enzimas E1, E2,En para sobreviver em um ambiente transiente.
Modelagem Ciberntica
A sobrevivncia por Processos Substitutivos:
Modelagem Ciberntica
Ampliando o conceito para que rotas metablicas distintas possam ser consideradas (diferentes usos para um mesmo recurso, Pij sendo o retorno):
Modelagem Ciberntica
Fornecendo: A regulao da atividade enzimtica baseada no postulado que a ativao da rede metablica deve ser proporcional aos retornos fornecidos pelas respectivas enimas. Assim, a enzima que promover o mais retorno no investimento de recursos deve ser mais ativada. A varivel ciberntica correspondente:
Modelagem Ciberntica
Processos Complementares
Modelagem Ciberntica
A funo objetivo deve ser um produto ao invs de uma soma:
Modelagem Ciberntica
As variveis cibernticas para caminhos substitutivos e caminhos complementares so das formas (respectivas):
l =c ou s
Modelagem Ciberntica
Resumindo
Substitui a modelagem detalhada dos processos regulatrios pelas variveis cibernticas ui e vi apresentando as estratgias timas da sntese enzimtica e da atividade, respectivamente.
Varivel Ciberntica na Sntese Enzimtica Variveis Cibernticas das Atividades Enzimtica Taxa de Produo (crescimento celular) Taxa de sntese de enzimas chaves
ui = ri rj
vi =
ri max rj
rg = ri vi
d ei eimax = rei ui dt
Modelagem Ciberntica
A realizao topolgica da rede metablica definida como um conjunto de vias elementares, que juntas criam a estrutura da rede As realizaes topolgicas no so nicas!
S P1 P2 P3 P2 P4 X X S P1 P3
Modelagem Ciberntica
Uma via elementar, por definio, considerada isolada, ou seja, um elemento local do mapa metablico global. A nica influncia sentida pela via elementar da poro restante da rede atravs das conexes de fluxo (entrada e sada de material). Admite-se que os elementos isolados de uma via formam uma rede coesa coordenada, onde as unidades individuais se comunicam entre si. Estrutura hierrquica de controle que possui como base o conceito da via elementar.
S P1 P2 P3
Componentes de Controle
Componente Base: componente regulatrio elementar cuja regulao encontra-se associada as vias elementares que constituem a realizao topolgica da rede metablica; Componente Regulatrio Local: construdo a partir dos componentes elementares e governa a interao entre eles; Componente Global: ao regulatria que consiste de sinais de controle nutricionais e topolgicos, coordenando a atividade de todas as redes metablicas locais.
Po
e0
P2
uj =
P1 e1
rj
ri
i =1
j = 1, 2, ..., k
vj =
rj max(ri )
i =1, 2, ...,k
max pnj+1 ( R j )
Rj j =0
s.t. g = R1 + R2 + L + Rn R
A condio de otimalidade
J = p (Rj ) + (R Rj )
j n +1 j =0 j =0 0 n dpn +1 dp1 +1 dpn +1 = n =L = = dR0 dR1 dRn
dpnj+1 J = = 0 j R j dR j
dp
j n +1
= dR j
dR j dpnj+1 = dpnj+1 dR j
A alocao de recursos para a produo de enzimas : rj u sj = (cybernetic variable for enzyme production) Varivel Ciberntica para produo de enzimas rj
r
i i=1
j =1, 2, ...,k
vj =
rj max (ri )
i = 1, 2, ..., k
e1 e e2 so enzimas substitutivas
uj =
rj Pj+1
ri
i=1
j =1, 2, ..., z
P+1 i
Atividade Enzimtica:
vj =
rj Pj+1
[max(ri
P+1 )] i
i = 1, 2, ..., z
J = p (R ) + (R R )
j 1 j 0 j 0 j =1 1 1 1 1 1 0 j j 1 1 j j 1 1 j =1
dp
j 1
/ p1j = dR0j
The resource allocation for enzyme production should be r0j / p1j c u0 j = (cyberneticCibernticafor enzyme production) Varivel variable para produo de enzimas r0j / p1j
uj =
rj Pj+1
ri
i=1
j =1, 2, ..., z
P+1 i
Atividade Enzimtica:
Apesar de cada ramo localmente ignorar o outro, todos constribuem para o objetivo complementar de maximizar as concentraes de metablitos finais.
vj =
rj Pj+1
[max(ri
P+1)] i
i =1, 2, ..., z
Modelagem Ciberntica
Se pelo menos uma enzima for membro de vrios caminhos, a unidade elementar dita overlap (ponto de comunicao entre os 2 caminhos)
Po P1 eo e1a e1b P3 P2 Pool a (convergente) e0,e1a
uj = rj j =1, 2, ...,k
r
i i=1
vj =
rj max (ri )
i = 1, 2, ..., k
uj =
rj Pj+1
ri
i=1
j =1, 2, ..., z
P+1 i
Atividade Enzimtica:
vj =
rj Pj+1
[max(ri
P+1)] i
i =1, 2, ..., z
Modelagem Ciberntica
Se pelo menos uma enzima for membro de vrios caminhos, a unidade elementar dita overlap (ponto de comunicao entre os 2 caminhos)
Po P1 eo e1a e1b P3 P2 Pool a (convergente) e0,e1a
uj = rj j =1, 2, ...,k
r
i i=1
vj =
rj max (ri )
i = 1, 2, ..., k
uj =
rj Pj+1
ri
i=1
j =1, 2, ..., z
P+1 i
Atividade Enzimtica:
b ue1a =
vj =
rj Pj+1
r1a r1a
) )
[max(ri
P+1)] i
i =1, 2, ..., z
b ue1b
Modelagem Ciberntica
Se pelo menos uma enzima for membro de vrios caminhos, a unidade elementar dita overlap (ponto de comunicao entre os 2 caminhos)
Po P1 eo e1a e1b P3 P2 Pool a (convergente) e0,e1a
uj = rj j =1, 2, ...,k
r
i i=1
vj =
rj max (ri )
i = 1, 2, ..., k
a v eo =
a u eo =
ro ; ro + r1a
ro max ro , r1a
) )
uj =
rj Pj+1
ri
i=1
j =1, 2, ..., z
a u e1 a
P+1 i
r1a = ; a ro + r1
a v e1 a
Atividade Enzimtica:
b ue1a =
vj =
rj Pj+1
r1a r1a
) )
[max(ri
P+1)] i
i =1, 2, ..., z
b ue1b
Po P1
eo e1a e1b
P2 P3
Pool a (convergente)
a ueo =
) )
a ue1a
ej max ej
pj K j + pj
Induo enzimtica
re j = j pj Kej + p j
pn +1 K n +1 + pn +1
max (en +1 en +1 )
Consumo de Intermedirios
max rn +1 = n +1
Notao
Rk: Fluxo material especfico (constante), pj: nvel de metablito e maxmax. concentrao enzimtica especfica ej: concentrao da enzima : j: max j , : Taxas de reao j Kj: constante,
v sj rj and 0 v sj 1 j e
0 1/ rj j
Balano de Massa
dp j =R j rj v sj rg p j
( j = 0,1,L , n) dt Taxa de crescimento especfico dpn +1 n s s = rj v j rn +1vn +1 rg pn +1 dt j =0 de j dt =re j u sj (rg + )e j + re*j ( j = 0,1,L , n)
e0j j ,max e0
p0 j K 0 + p0
Induo enzimtica
re j = 0j
0
p0 K e j + p0
0
Consumo de intermedirio
r1 =
j j ,max 1
A atividade da enzima
0 1/(r0j /p1j ) j
dp1j c =r0j v0 j r1 j rg p1j ( j = 1, 2,L , n) dt Taxa de sntese de enzimas constitutiva j (ocorre a taxa constante, no induzvel) de0 c j * =r j u0 j (rg + )e0 + re j ( j = 1, 2,L , n) 0 dt e0
Taxa de reao governando decaimento de 1a-order decay
j n
j n 1
j n2
(L))) + ( R R j )
j =0
dpnj J = = 0 j R j dR j
dR j dpnj+1 = dpnj+1 dR j
dp
j n +1
= dR j
u =
s j
rj
(cybernetic variable for enzyme production) Varivel Ciberntica para produo de enzimas
j
A condio de otimalidade
J = p1j ( R0j , p1j 1 ( R0j 1 , ( p1j 2 ( R0j 2 ,L))) + ( R R0j )
j =1 j =1 n n
1 1
1 1
2 1
2 1
n 1
n 1
dp
j 1
/ p = dR
j 1
j 0
(cybernetic variable for enzyme production) de enzimas Varivel Ciberntica para produo
u j = u ij
i =1
( j = 1, 2,L , n)
Alterao Genica
Se houver deleo de enzimas do caminho, considere as variveis cinernticas correspondentes iguais a zero Se houver qualquer alterao gentica do gene que codifica uma enzima chave, utiliza-se uma varivel ciberntica fracional para a atividade
Exemplo I
DIVERGENTE
Sntese Enzimtica:
CONVERGENTE
rj
uj =
rj Pj+1
ri
i=1
j =1, 2, ..., z
uj =
P+1 i
r
i i=1
j =1, 2, ...,k
Atividade Enzimtica:
vj =
rj Pj+1
vj =
rj max (ri )
i = 1, 2, ..., k
[max(ri
P+1)] i
i =1, 2, ..., z
Exemplo I
A rede hbrida pode ser decomposta em dois caminhos elementares
Sntese Enzimtica:
uj =
rj
r
i i=1
j =1, 2, ...,k
uj =
rj Pj+1
ri
i=1
j =1, 2, ..., z
P+1 i
Atividade Enzimtica:
vj =
rj max (ri )
i = 1, 2, ..., k
vj =
rj Pj+1
[max(ri
P+1)] i
i =1, 2, ..., z
CONVERGENTE
DIVERGENTE
Exemplo I
A rede hbrida pode ser decomposta em dois caminhos elementares
r u = 0 a r0 + r1
a 0 a 0
r1a u = r0 + r1a
a 1a
r1b / p3 u = a r1 / p2 + r1b / p3
b 1b
a u0 = u0
a v0 = v0
p1 a K1 + p1
p1 b K1 + p1
Modelo Completo
dp0 =R0 r0 v0 rg p0 dt Taxa de crescimento especfica dp1 =R1 r1a v1a r1b v1b rg p1 dt dp2 =r0 v0 + r1a v1a r2 rg p2 dt dp3 b =r1 v1b r3 rg p3 dt de0 =re u0 (rg + )e0 + re* Taxa de sntese de enzimas constitutiva 0 0 dt (ocorre a taxa constante, no induzvel) j de1 =re j u1 j (rg + )e1j + re*j ( j = a, b) 1 1 dt
Taxa de expresso da enzima e1 j Taxa de reao governando decaimento de 1a-order decay
Exemplo II
Decomposio
S1 M2 E1 E2 M1 M1 S2 E3 E4 M2
Variveis Cibernticas
Y1r1 r2 r3 Y4 r4 u2 = u3 = u4 = Y1r1 + r2 Y1r1 + r2 r3 + Y4 r4 r3 + Y4 r4 Y1r1 r2 r3 Y4 r4 v1 = v2 = v3 = v4 = max(Y1r1 , r2 ) max(Y1r1 , r2 ) max(r3 , Y4 r4 ) max(r3 , Y4 r4 ) u1 =
Modelo Completo
dS1 rvc = 1 1 + D ( S1f S1 ) dt YS1c dS 2 r4 v4 c = + D( S 2f S 2 ) dt YS2c
rg dm1 =Y1r1 v1 + r2 v2 r3 v3 rg m1 dt Ym1c rg dm2 =Y4 r4 v4 + r3 v3 r2 v2 rg m2 dt Ym2c dc = (rg D )c dt dei =re ui ( rg + i )ei + re* i i dt
(i = 1,L , 4)
where Y1 onde dm1 dS1 Y4 dm2 dS 2 YSi c dc dSi
Modelo Ciberntico
O Experimento
ESTUDO DE CASO 2
ESTUDO DE CASO 2
ESTUDO DE CASO 2
global D alfa beta mi Y K phi Kla Ostar Ko2 Ko3 gama alfastar Ga alfa=0.3; alfastar=0.1; beta=0.7; % 1/h, coeficiente estequiomtricopara sntese enzimtica % g/g/h, coeficiente estequimtrico para reserva de substrato
% Taxas especficas de crescimento mimax(1)=0.44; mimax(2)=0.19; mimax(3)=0.36; % fermentao de glicose % oxidao de etanol % oxidao de glicose
mi = mimax.*(mimax+beta)/(alfa+alfastar);
ESTUDO DE CASO 2
global D alfa beta mi Y K phi Kla Ostar Ko2 Ko3 gama alfastar Ga alfa=0.3; % g/g/h, coef. Esteqi.para reserva de substrato alfastar=0.1; beta=0.7; % 1/h, coef esteqpara sntese enzimtica
% Coeficientes de rendimento, g clulas/g de substrato Y(1)=0.16; Y(2)=0.75; Y(3)=0.60; K(1)=0.05; K(2)=0.01; K(3)=0.001; % g/l % g/l % g/l
% Taxas especficas de crescimento mimax(1)=0.44; mimax(2)=0.19; mimax(3)=0.36; % fermentao de glicose % oxidao de etanol % oxidao de glicose
phi(1)=0.403; % g/g phi(2)=2; % g/g phi(3)=1; % g/g phi(4)=0.95; % g/g Kla=1200/3600; Ostar=7.5; % mg/l % 1/h
mi = mimax.*(mimax+beta)/(alfa+alfastar);
% Constante de saturao de O2 nos caminhos oxidativos Ko2=0.01; % mg/l Ko3=2.2; % mg/l %Coeficientes estequiomtricos gama(1)=10; % g/g gama(2)=10; % g/g gama(3)=0.8; % g/g
ESTUDO DE CASO 2
Ga = 2.8; D = 0.14; % Estado inicial X(1) G(1) E(1) O(1) = 0.5; = 0.038; = 0.08; = 1.6; % g/l, substrato na alimentao % 1/h, taxa de diluio u(j,k)=r(j,k)./sum(r(j,:)); v(j,k)=r(j,k)./max(r(j,:)); mqco2(k)=phi(k)*r(j,k)*v(j,k)/Y(k); mqo2(k)=phi(k)*r(j,k)/Y(k); end; qco2(j)=sum(mqco2); qo2(j)=sum(mqo2(2:3)); end; RQ=qco2./qo2; figure(1) subplot(2,2,1), plot(t,est(:,1)), ylabel('X (g/L)') subplot(2,2,2), plot(t,est(:,2),'m',t,est(:,8),'b'), ylabel('G (g/L), CH (g/g)'),legend (['G';'C']) subplot(2,2,3), plot(t,est(:,3),'m',t,est(:,4),'b'), ylabel('E (g/L), O (mg/L)'),legend (['E';'O']) subplot(2,2,4), plot(t,est(:,5:7)), ylabel('e1, e2, e3 (g/g)'), legend (['e1';'e2';'e3']) figure(2) subplot(3,1,1), plot(t,r), title('Taxas de Reao'),legend(['e1';'e2';'e2']) subplot(2,1,1), plot(t,u),title('Sntese enzimtica'),legend(['u1';'u2';'u3']) subplot(2,1,2), plot(t,v),title('Atividade enzimtica'),legend(['v1';'v2';'v3']) figure(3) subplot(2,1,1), plot(t,RQ),title('Quociente de Respirao') subplot(2,1,2), plot(t,qco2,'m',t,qo2,'b'), legend(['qco2';'qo2 '])
e(1,:) = [0.43 0.65 0.8]; C(1) = 0.1; est0(1,:) = [X G E O e C]; [t,est]=ode23s('dciber',[0 70],est0); r(:,1) = mi(1)*est(1,5).*est(:,2)./(K(1)+est(:,2)); r(:,2) = mi(2)*est(2,6).*est(:,3)./(K(2)+est(:,3)).*est(:,4)./(Ko2+est(:,4)); r(:,3) = mi(3)*est(3,7).*est(:,2)./(K(3)+est(:,2)).*est(:,4)./(Ko3+est(:,4)); for j=1:length(t) for k=1:3
ESTUDO DE CASO 2
function [dest]=dciber(t,est) global D alfa beta mi Y K phi Kla Ostar Ko2 Ko3 gama alfastar Ga global r v u somarv est=max(0,est); X=est(1); G=est(2); E=est(3); O=est(4); e=est(5:7); C=est(8); % Taxas r(1) = mi(1)*e(1)*G/(K(1)+G); r(2) = mi(2)*e(2)*E/(K(2)+E)*O/(Ko2+O); r(3) = mi(3)*e(3)*G/(K(3)+G)*O/(Ko3+O); % Substratos das reaes enzimticas % 1= fermentao de glicose % 2= oxidao de etanol % 3= oxidao de glicose S = [G E G]; % variveis cibernticas u = r / sum(r); v = r / max(r); somarv=sum(r.*v); % Modelo % dX/dt (Massa celular) dest(1) = (somarv-D)*X; % dE/dt (Concentrao de etanol) dest(3) = -D*E + (phi(1)*r(1)*v(1)/Y(1)-r(2)*v(2)/Y(2))*X; % dO/dt (Concentraao de O2) dest(4) = Kla*(Ostar-O)(phi(2)*r(2)*v(2)/Y(2)+phi(3)*r(3)*v(3)/Y(3))*X; % de(i)/dt (Concentraes enzimticas) dest(5:7) = alfa*u.*(S./(K+S))-(somarv+beta)*e' + alfastar; % dC/dt (reserva de carbohidrato) dest(8) = gama(3)*r(3)*v(3)(gama(1)*r(1)*v(1)+gama(2)*r(2)*v(2))*C-somarv*C; % dG/dt (Concentrao de glicose) dest(2) = (Ga - G)*D - (r(1)*v(1)/Y(1)+r(2)*v(2)/Y(2))*X phi(4)*(C*dest(1)+X*dest(8)); dest=dest';
ESTUDO DE CASO 2
10 G (g/L), CH (g/g) 8 X (g/L) 6 4 2 0 0 20 40 60 80 0.5 0.4 0.3 0.2 0.1 0 0 20 40 60 80 G C
20
40
60
80
20
40
60
80
ESTUDO DE CASO 3
ESTUDO DE CASO 3
Variveis cibernticas:
ESTUDO DE CASO 3
Balanos de massa:
ESTUDO DE CASO 3
ESTUDO DE CASO 3
Trabalho 2 Artigo: An implementation of Flux Balance Analysis: simulating dynamic metabolic profiles - Costa L. C. et al
1. REDE METABLICA
Carbon 1 Tc1 A ATP R1 R3 B R2b 2NADH 2ATP 2ATP Th H ext H 2NADH 1 ATP R8 G R5a 2NADH Growth 10ATP R4 C R6 3D Td 3D ext F NADH Rres O2 ATP Tf TO2 Fext Oxygen
Biomass
Reao
Reao
Reao
2. MATRIZ ESTEQUIOMTRICA
R1 A B C D F G H O2 ATP NADH -1 1 0 0 0 0 0 0 -1 0
R2b 0 1 -1 0 0 0 0 0 -2 -2
R3 0 -1 0 0 1 0 0 0 0 0
R4 0 0 -1 0 0 1 0 0 0 0
R5a 0 0 0.8 0 0 -1 0 0 0 2
R6 0 0 -1 3 0 0 0 0 2 0
R8 0 0 0 0 0 1 -1 0 1 2
Rres 0 0 0 0 0 0 0 -1 1 -1
Tc1 1 0 0 0 0 0 0 0 0 0
Tf 0 0 0 0 1 0 0 0 0 0
Td 0 0 0 -1 0 0 0 0 0 0
Th 0 0 0 0 0 0 1 0 0 0
To2 0 0 0 0 0 0 0 1 0 0
Growth 0 0 -1 0 -1 0 -1 0 -10 0
3. OTIMIZAO 3.1 Obter o timo 3.2 Inserir o MFA em modelo macroscpico com CSTF
1. Propor Topologia de Rede Metablica para Sntese de Lipdios 1. Definir a Rede Metablica 2. Definir os Pools presentes na Rede Metablica 3. Classificar as diferentes vias da Rede Metablica 4. Definir as equaes de Sntese e Atividade Enzimtica 5. Definir as equaes de Sntese e Atividade Locais 6. Definir as Taxas Especficas de Sntese e Atividade 7. Definir as Variveis Cibernticas Globais para Sntese e Atividade Enzimtica 8. Definir as Variveis Cibernticas Completas para Sntese e Atividade Enzimtica 9. Fazer os Balanos para os Produtos Internos. 10. Fazer os Balanos para as Variveis externas clula 11. Fazer os Balanos para as Enzimas da Rede Metablica 12. Calcular jmax.
10
11
12