Yuly Milena Hernndez Sierra 2072422

Diana Carolina Ariza Bautista 2051627

ESTIMACION DE PARAMETROS CINETICOS EN CULTIVO DISCONTINUO

A partir delos datos de un cultivo discontinuo

Estimar
Estimar

y en la fase de crecimiento exponencial?

del modelo de monod?

Estimar

t(h)
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Tabla 1.

X(kg/m3 )
0,1
0,134
0,18
0,241
0,323
0,433
0,581
0,778
1,04
1,4
1,87
2,5
3,35
4,49
6
8
10,7
14,1
17,9
18,3
18,3

S(kg/m3 )
40
39,93
39,83
39,2
39,5
39,3
39,1
38,5
37,8
37,2
35,4
34,8
32,9
29,5
27,2
21,8
17,1
9,6
1,11
0
0

N(kg/m3 ) X(kg/m3)*100 Ln (X*100)

4
10
2,30258509
4
13,4
2,59525471
3,99
18
2,89037176
3,98
24,1
3,18221184
3,97
32,3
3,47506723
3,96
43,3
3,76815264
3,94
58,1
4,06216566
3,92
77,8
4,35414143
3,88
104
4,6443909
3,84
140
4,94164242
3,78
187
5,23110862
3,7
250
5,52146092
3,59
335
5,81413053
3,44
449
6,10702289
3,24
600
6,39692966
2,97
800
6,68461173
2,57
1070
6,97541393
1,89
1410
7,25134498
1,5
1790
7,4899709
1,49
1830
7,51207125
1,48
1830
7,51207125

Yuly Milena Hernndez Sierra 2072422

Diana Carolina Ariza Bautista 2051627

CURVA DE CRECIMIENTO
Ln (X*100)

8
6
4
2
0
0

10

15

20

25

Tiempo (h)

Grafica 1.
Al graficar Ln(X*100) vs tiempo obtenemos la curva de crecimiento celular y de esta grafica
podemos identificar la fase de crecimiento la cual vamos a restringir de t=1h hasta t=17 h para
realizar una regresin lineal.

FASE DE CRECIMIENTO

Ln (X*100)

6
4
y = 0.2917x + 2.31
R = 1

2
0
0

10
Tiempo (h)

15

Grafica 2.

_=( 2)/=( 2)/0,2917=2,376233

20

Yuly Milena Hernndez Sierra 2072422

Diana Carolina Ariza Bautista 2051627

De la linealizacin del modelo de monod podemos hallar

dx/dt
0,04
0,0535
0,0715
0,096
0,129
0,1725
0,2295
0,311
0,415
0,55
0,74
0,995
1,325
1,755
2,35
3,05
3,6

1/
0,29850746
3,35
0,29722222 3,36448598
0,2966805 3,37062937
0,29721362 3,36458333
0,29792148 3,35658915
0,29690189 3,36811594
0,29498715 3,38997821
0,29903846 3,34405145
0,29642857 3,37349398
0,29411765
3,4
0,296 3,37837838
0,29701493 3,36683417
0,29510022 3,38867925
0,2925 3,41880342
0,29375 3,40425532
0,28504673 3,50819672
0,25531915 3,91666667
Tabla 2.

1/S
0,02504383
0,0251067
0,0255102
0,02531646
0,02544529
0,02557545
0,02597403
0,02645503
0,02688172
0,02824859
0,02873563
0,03039514
0,03389831
0,03676471
0,04587156
0,05847953
0,10416667

1/

1/ vs 1/S
10
8
6
4
2
0

y = 5.9064x + 3.2075
R = 0.9992
0

0.2

0.4

0.6
1/S

Grafica 3.

0.8

Yuly Milena Hernndez Sierra 2072422

Diana Carolina Ariza Bautista 2051627

(-dS/dt)
0,29850746
0,085
0,29722222
0,365
0,2966805
0,165
0,29721362
-0,05
0,29792148
0,2
0,29690189
0,4
0,29498715
0,65
0,29903846
0,65
0,29642857
1,2
0,29411765
1,2
0,296
1,25
0,29701493
2,65
0,29510022
2,85
0,2925
3,85
0,29375
5,05
0,28504673
6,1
0,25531915
7,995
Tabla 3.

(-ds/dt)/X vs
2.5

(-dS/dt)/X

2
1.5

y = 2.4445x - 0.0313

1
0.5
0
-0.5 0

0.1

0.2

Grafica 4.

0.3

0.4

Yuly Milena Hernndez Sierra 2072422

Diana Carolina Ariza Bautista 2051627

X
0,04
0,0535
0,0715
0,096
0,129
0,1725
0,2295
0,311
0,415
0,55
0,74
0,995
1,325
1,755
2,35
3,05
3,6
Tabla 4.

~dN/dt
0,005
0,01
0,01
0,01
0,015
0,02
0,03
0,04
0,05
0,07
0,095
0,13
0,175
0,235
0,335
0,54
0,535

(-ds/dt)/X
0,63432836
2,02777778
0,6846473
-0,15479876
0,46189376
0,68846816
0,83547558
0,625
0,85714286
0,64171123
0,5
0,79104478
0,63474388
0,64166667
0,63125
0,57009346
0,56702128

-dN/dt vs X
0.8

-dN/dt

0.6
y = 0.1507x - 0.0114
R = 0.9589

0.4
0.2
0
-0.2

2
X

Grafica 5.

Yuly Milena Hernndez Sierra 2072422

Diana Carolina Ariza Bautista 2051627

m
Ks
ms
Yxs
Yxn
X0
S0
N0
h

0,30118
1,84
0,0313
0,4091
6,6357
0,134
39,93
4
1

i
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

t
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

Xi+i
0,134
0,17394071
0,22574207
0,29296022
0,38017629
0,4933277
0,64010605
0,83046907
1,07729709
1,39723067
1,81173165
2,34841092
3,04265624
3,93955052
5,0959398
6,58211836
8,48132335

Si+1
39,93
39,1701129
39,0380458
38,8666727
38,644313
38,3558273
37,9816026
37,4962457
36,8669081
36,0511462
34,9942108
33,6256501
31,8551384
29,5675438
26,6175693
22,8252662
17,9768479
Tabla 5.

Ni+1
4
3,99398094
3,98617447
3,97604469
3,96290123
3,94584931
3,92372982
3,89504211
3,85784513
3,80963114
3,74716584
3,66628827
3,5616655
3,42650353
3,25223566
3,02826855
2,74205836

Yuly Milena Hernndez Sierra 2072422

Diana Carolina Ariza Bautista 2051627

Experimentales
s
N
39,93
4
39,83
3,99
39,2
3,98
39,5
3,97
39,3
3,96
39,1
3,94
38,5
3,92
37,8
3,88
37,2
3,84
35,4
3,78
35,8
3,7
32,9
3,59
29,5
3,44
27,2
3,24
21,8
2,97
17,1
2,57
9,6
1,89

x
0,134
0,18
0,241
0,323
0,433
0,581
0,778
1,04
1,4
1,87
2,5
3,35
4,49
6
8
10,7
14,1
Tabla 6.

Concentracion de sustrato S (g/l)

Perfiles de Smod,Sexp vs t
45
40
35
30
25
20
15
10
5
0

modelado
experimental

10

15

Tiempo t (h)

Grafica 6.

20

Yuly Milena Hernndez Sierra 2072422

Diana Carolina Ariza Bautista 2051627

Concentracion de nitrogeno N (g/l)

Perfiles de Nmod,Nexp vs t
4.5
4
3.5
3
2.5
2
1.5
1
0.5
0

modelado
Experimental

10

15

20

Tiempo t (h)

Grafica 7.

Concentracion de biomasa X (g/l)

Perfiles de Xmod,Xexp vs t
16
14
12
10
8

modelado

Experimental

4
2
0
0

10

15

Tiempo t (h)

Grafica 8.

20

Yuly Milena Hernndez Sierra 2072422

Diana Carolina Ariza Bautista 2051627
Objetivos

Adquirir destreza en la simulacin de datos

Desarrollar habilidades en la interpretacin de datos y ver su sentido fsico
Reconocer la importancia sobre la simulacin de datos como punto de partida
para la comprensin y el estudio de cualquier proceso.

Introduccin

Diariamente ocurren procesos metablicos, en la naturaleza, en nuestro organismo, en

donde existe transformacin de sustancias. Sin embargo, en la mayora de procesos
estos cambios evolutivos que suceden mientras avanza la transformacin son
imperceptibles al ojo humano. Aun as existe una necesidad de entender, describir y
evaluar estos fenmenos para llegar a controlarlos, y de esta forma contar con un
punto de partida para crear un proceso que tenga aplicacin para la produccin de
cualquier sustancia (industria de alimentos, industria farmacutica, petroqumica). Es
all donde surge el uso de modelos matemticos, el uso de la simulacin, permitiendo
entender las tendencias, comportamientos de cualquier tipo de transformacin por
medio de la observacin de tabla de datos, grficos, comparacin y a travs del
sentido comn y la lgica poder interpretar, no solo con el fin de conocer y entender,
tambin el de concluir, de esta forma se establece una base para futuras
investigaciones.

Yuly Milena Hernndez Sierra 2072422

Diana Carolina Ariza Bautista 2051627
Anlisis de grficos
Las grficas 1 y 2 dejan ver una tendencia lgica y muy favorable respecto a la
formacin de biomasa a medida que pasa el tiempo; tambin se puede apreciar y
corroborar que el sustrato es compuesto limitante de este proceso, pues en la tabla 1.
Se observa que una vez este se consume se detiene la formacin de biomasa. La
grafica 2 corresponde a la regresin lineal de la curva de crecimiento la cual deja ver
un buen ajuste de los datos lo cual se puede comprobar a travs del dato estadstico
R2, adems observando la variacin de biomasa con el tiempo, efectivamente tiene la
forma predicha por la ecuacin de monod. A partir de la regresin de estas graficas
tambin fue posible obtener el parmetro y calcular el tiempo de duplicacin.
En la grfica 3 que efectivamente los datos se comportan de forma lineal, siguiendo la
ecuacin de monod, es por eso que al realizar la regresin lineal de esta grafica se
puede determinar m y ks; parmetros que corresponden a la ecuacin de monod. A
pesar que la variacin de es pequea fue posible obtener un perfil.
En la grfica 4 la velocidad de consumo de sustrato se ve restringida por = 0,3 y tiene
coherencia pues el m obtenido a partir de la regresin lineal de los datos
correspondientes a la grfica 3 fue de 0,3118. Ya en este valor no se sigue un
comportamiento lineal sino constante, es decir, continua la variacin de la velocidad de
consumo de sustrato en torno a m que precisamente se define como velocidad
especifica mxima de crecimiento.
En la grfica 5 se observa dos valores atpicos generando un perfil el cual no es
congruente con lo que se espera en la vida real, sin embargo, al realizar la regresin
los datos ajustan muy bien, adems son ms los valores que se ajustan al modelo que
los que no.
En la grfica 6 y 7 se observa que el perfil concuerda con lo que se espera del proceso
en la vida real, es decir, tanto el sustrato como la fuente de nitrgeno son las fuentes
de las que se alimenta el proceso para la produccin de biomasa, por lo tanto es de
esperarse que con el tiempo cada una de estas sustancias se vaya consumiendo, en
la tabla 1 ntese que el sustrato se gasta por completo confirmando as que este es el
compuesto limitante. En la grfica 8 el perfil va aumentando con el tiempo, esto es por
la formacin de biomasa a medida que se consume el sustrato y la fuente de
nitrgeno. Al comparar estos perfiles con el modelado se puede concluir que el modelo
puede predecir con bastante prediccin los datos experimentales.

Conclusiones
Observando los datos iniciales podemos deducir la tendencia del proceso, sin
embargo para tener una visin ms clara y entender porque el cultivo tiene
determinado comportamiento es til contar con la velocidad a la que una sustancia
(clulas) se produce y se consume, ya con estos datos tambin podemos graficar perfil
que nos muestra un comportamiento ms tangible y luego al efectuar la regresin
lineal de los modelos matemticos obtenidos al ajustar los datos poder estimar

Yuly Milena Hernndez Sierra 2072422

Diana Carolina Ariza Bautista 2051627
parmetros como los de la ecuacin de monod y saber que tanto el modelo predice los
datos experimentales.
Al graficar las tasas de formacin y consumo en el dominio del tiempo podemos
observar no solo que tan rpido hay consumo o formacin, tambin podemos apreciar
en qu proporcin.
Realizar un estudio a nivel molecular en bioprocesos no es tan fcil y aun as si se
lograra profundizar la interpretacin de datos no es tan sencilla; es por eso que se
recurren a modelos matemticas que nos ayudan a predecir un comportamiento y de
esta forma adquirir conocimiento de una forma ms eficiente y racional. Lo anterior
hace posible la implementacin de bioprocesos en el mundo real.
Esta aproximacin en el estudio de comportamiento intracelular ha otorgado hoy da
herramientas como las utilizadas en este trabajo (ecuacin de monod) y a partir del
clculo y una interpretacin fsica de estos parmetros conocer, comprender y evaluar
este tipo de procesos.

Yuly Milena Hernndez Sierra 2072422

Diana Carolina Ariza Bautista 2051627