Documente Academic
Documente Profesional
Documente Cultură
LUCRARE DE DISERTAȚIE
COORDONATOR ȘTIINȚIFIC,
ȘL.DR. ING. IPATE GEORGE
MASTERAND,
MAICAN (RUGĂ) NADIA LOREDANA
- 2020 -
1
CAPITOLUL III. MODELE MATEMATICE CARE DESCRIU
FUNCȚIONAREA BIOREACTOARELOR /PROCESELOR ÎN
BIOREACTOARE
• acceptabilitate ;
• aplicabilitate ;
• utilizabilitate
• complet
2
etc.
3
4
5
6
III.2. Analiza STATE OF ART
Procesele biologice sunt cu adevărat complexe. Mai mult decât atât în cadrul
procesului de fermentație sunt mult mai multe celule angrenate. Datorită
caracteristicelor și a tuturor factorilor putem diviza bioprocesele / procesele de
fermentație în patru grupuri mari care vor fi prezentate în această secțiune.
פNestruturate – ne putem gândi la celule care aplică idea de black box, importanța
acestor modele constă în cantitatea de celule preluată de către proces
(concentrația). Celulele, în acest caz, sunt influențate numai de mediul
înconjurător – exterior.
7
פNesegregate – se ia în considerare existența celulelor individuale; se mai poate
întâlnii sub numele de modele distribuitive, continui.
פSă fie suficient de flexibil pentru a aproxima o serie de tipuri de date fără să
introducă distorsiuni semnificative;
Ecuații de bilanț
Modelarea ce se baza pe aceste ecuații de bilanț a fost utilizată pentru primele dăți
de către Cooney și Wang pentru crearea unui algoritm de calcul ce avea în vedere
monitorizarea continua a indicatorilor de performanta ai unui bioprocess.
Folosind relațiile acestea se pot determina cantinatea de produs obținut precum și
măsurarea debitului de aerare, consumul de sursă de carbon și de amoniac.
Se poate consideră că μ= 1 𝑑𝑋
𝑋 𝑑𝑡
ca fiind viteza specifică se creștere, este variabila
cheie. Aceasta poate depinde de substrat, concentrație, temperature, pH si alți fac-
tori determinați.
Figura de mai sus prezintă evoluția tipica a vitezei de creștere în funcție de S, fără
inhibiție- pentru descrierea celulară, a consumului de substrat și a formării
produsului. Toate cercetările realizate în acest domeniu au reliefat dependența
factorului μ în funcție de timp și alți factori fizico-chimici și biologici precum:
substrat - S, concentrația de celule – X, concentrația de produs – P, ph-ul;
temperatura – T, concentrația de oxigen dizolvat – pO 2 și inhibitori diferiți ai
creșterii.
פ Modelul Monod tinde lent către asimptotă și pentru cazurile simple
פ Modele Teissier sau Blackman reprezintă evoluția cea mai corectă / reală deoa-
rece saturația se atinge mult mai repede.
În această categorie se mai găsesc și alte modele precum modelul lui Verhoff,
Nyholm care aduc diverse deduceri ale vitezei de creștere.
Unul din obiectivele dezvoltării unui model cinetic generalizat este determinarea
bazei conceptuale și stabilirea unor forme utile de descriere a creșterii microbiene.
Cel mai utilizat model din această categorie este modelul Contois. Acesta este
aplicat deoarece simplitatea lui respectă o cinetică cu saturație în funcție de
concentrația substratului limitator. Se poate întâlnii și sub denumirea Contois-
Fujimoto. Ecuația modelului este următoarea:
𝑆
𝜇(𝑋, 𝑆) = 𝜇𝑚𝑎𝑥
𝐾𝑋 𝑋 + 𝑆
Pentru S constant se manifestă inhibiția lui μ la valori ridicate ale concentrației
celulare.
Din numărul mare de ecuații cinetice cu substrat, dintre cele mai cunoscute
amintim Andrews ( Andrews – Noack ), Web, Yano, Aiba etc.
Modelul lui Andrews folosește inhibiția prin substrat în regim chemostat. Ecuația
acestuia este:
1 = 𝑆 1
𝜇 = 𝜇𝑚𝑎𝑥 𝐾𝑠 𝑆 𝐾 +𝑆 𝑆
𝑠
1+ + 1+
𝑆 𝐾𝑖 𝐾𝑖
unde:
Tipul 0. Producția are loc chiar in celulele in faza staționară care folosesc numai o
mica parte din substrat pentru nevoile lor metabolice. Celulele microbiene
funcționează numai ca purtătoare ale enzimelor necesare biosintezei produsului,
d.e. transformările steroizilor si sinteza vitaminei E de către Saccharomyces cerevisiae
Putem reprezenta grafic tipuri de relații cinetice liniare între viteza specifică de
creștere μ și viteza de producție exact cum sunt reprezentate în graficul alăturat.
III.4. Modele structurate
Cele mai importante modele structurale sunt corelate cu structura chimica
celulara (chimic structurate). Williams și Ramkrishna au propus printre primii
modele cu doua componente. Williams a considerat concentrația componentelor
R cu rol în sinteza celulara (în principal ARN) și concentrația componentelor D cu
rol structural - genetic (ADN și proteine), pe când Ramkrishna a împărțit celula în
masa G (ADN și ARN) și masa D (proteine). Fredrickson a analizat ulterior aceste
modele demonstrând invaliditatea lor deoarece în formularea expresiilor cinetice
nu erau utilizate concentrațiile intrinseci ale componentelor structurale luate în
considerație. Totuși modelele Williams și Ramkrishna rămân importante datorita
modificări conceptuale introduse în tratarea dinamicii microbiene.
Unde:
b = constantă
Partea experimentală
O cultură a fost izolată într-un bioreactor cu agitare mecanica – Bioengineering
AG cu volum de 100 L. Dezvoltarea celulară a avut loc în 42 L, volumul util al
bioreac- torului. Pe tot parcursul dezvoltării celulare, parametrii precum
temperature, pH, viteza de amestescare, debitul de aer, presiunea si pO 2, au fost
controlați și obser- vați de aproape.
פTemperatură - 37° C
פViteza de amestecare/ Rotații – 250 rpm (experimentele 1-8) și 300 rpm (experi-
mentele 9-12)
Pentru experimentele studiate de noi pe parcursul acestui proiect s-a folosit Orga-
notech ca mediu de cultură cu excepția experimentului 5 unde s-a folosit IC. Sub-
stratul este constituit din azot aminic – NNH2.
Modele abordate
Andrews-Noack
Ecuația modelul lui Andrews-Noack folosită este cea de-a doua care are
următoarea formă:
𝑆 1
𝜇=𝐾 +𝑆 𝑆
𝑠
1+
𝐾𝑖
Prelucrând această formă ajungem la:
𝑆
𝑆2 𝑆
1 (𝐾𝑠 + 𝑆)(1 + ) 𝐾𝑠 + 𝑆 + 𝑆 + 𝐾𝑖 1 1 𝐾𝑠 1
𝐾𝑖 = 𝐾 → 𝜇 = 𝐾𝑠𝑆𝑆 + 1 + 𝐾 + 𝐾
𝜇= 𝑆 𝑆 𝑖 𝑖 𝑖
Final:
1 1 𝐾𝑠
1
= 𝐾𝑠 + 𝑆 + ( + 1)
𝜇 𝑆 𝐾𝑖 𝐾 𝑖
1 1 𝐾𝑆
𝑆 1
𝜇1 1
1
𝑆1
⋮ = ⋮ ⋮ ⋮ 𝐾1
1 1 𝐾
1 𝑆+ 1
𝑘
[𝜇𝑘] [𝑆𝑘 ] [𝐾1 ]
Notăm pentru simplificare astfel:
1 𝐾𝑆
1 𝑆 1
𝜇1 𝑆1 1 1
Y= [ ⋮ ]; X= [ ⋮ ⋮ ⋮ ]; A= 𝐾1 .
1
1 𝑆 1 𝐾𝑆
𝜇𝑘 𝑆𝑘 𝑘 [𝐾1 + 1]
Sistemul obținut în final are următoarea formă: Y=XA. Pentru a afla 𝐾𝑆 este necesar
să fie aflat A ceea ce duce sistemul la următoarea formă: X-1Y=A.
Blackman
Ecuația modelului este următoarea:
𝜇𝑚𝑎𝑥
𝑆(𝑡) 𝑑𝑎𝑐ă 𝑆(𝑡) ≤ 𝐾
𝜇={ 𝐾 𝑚
𝑠
𝜇max 𝑑𝑎𝑐ă 𝑆(𝑡) > 𝐾𝑚
𝜇𝑚𝑎𝑥𝑆 𝜇𝑚𝑎𝑥
𝜇 = 𝐾𝑚
→ = 𝑌𝑆−1, unde Y este vectorul 𝜇-ilor.
𝐾𝑚
Monod
Ecuația modelului Monod abordată pe parcursul acestui proiect este:
𝑆
μ(S)= μ𝑚𝑎𝑥
𝐾𝑠 + 𝑆
1 1 1 𝐾𝑠
𝜇1 𝑆1 μ
⋮ = ⋮ ⋮ 𝑚𝑎𝑥
1 1 1
1 [μ ]
[𝜇𝑘] [𝑆𝑘 ] 𝑚𝑎𝑥
Unde s-a notat:
1 1 𝐾𝑠
𝜇1 𝑆1 1 μ
𝑚𝑎𝑥
Y= [ ⋮ ]; X= [ ⋮ ⋮ ]; A=[ 1 ]
1
1 μ
𝜇𝑘 𝑆𝑘 1 𝑚𝑎𝑥
Moser
Se utilizează aceeași concept ca și-n celelalte cazuri și ne așteptăm la acest model să
se comporte asemănător cu monodul.
Ecuația modelului:
μ 𝑆𝑛
𝑚𝑎𝑥
μ(S)=
𝐾𝑠 + 𝑆𝑛
1 1 𝐾𝑠
1
𝜇 1= 𝑆1𝑛 μ
𝑚𝑎𝑥
⋮ ⋮ ⋮
1 1 1
𝑛 1 μ
[𝜇𝑘] [𝑆 𝑘 ] [ 𝑚𝑎𝑥]
Sistemul se rezolvă în aceeași manieră ca modelul monod.
Powell
În cazul acestui model am plecat de la ecuația:
𝜇𝑚𝑎𝑥S
μ(S)=
𝐾𝑠 + 𝐾𝐷 + 𝑆
𝐾𝑆
1 1 1 μ
𝜇
𝑆 1 𝐾
𝑚𝑎𝑥
1 1 𝑆1 𝐷
= ⋮
1⋮ 1 1⋮ ⋮
μ
1 𝑚𝑎𝑥
[𝜇𝑘] [𝑆𝑘 𝑆 1
]
𝑘
[μ𝑚𝑎𝑥]
Pseudoinversa
Următorul pas ce trebuie urmat este rezolvarea sistemului. Aici intervin metodele
numerice de calcul.
Teoria calculului numeric precizează că există două moduri de a calcula astfel de
sisteme: utilizarea algoritmului QR sau calcularea pseudoinversei. Acestea fiind
prinse sub umbrela problemei celor mai mici patrate – CMMP.
Concluzii
Problematica proceselor biologice presupune studiul și monitorizarea evoluției
acelui proces. Precizia de măsurare a condițiilor intracelulare în bioprocese se da-
torează utilizării genomului și a altor instrumente formale de măsură. Există di-
verse căi care facilitează funcționarea optimă a unui sistem biologic. Am văzut că
modelarea matematică a datelor obținute de la bioinformatica sau metode monito-
rizate în timp real sunt absolut necesare pentru a gestiona fluxul de date dense
care sunt generate.
XSim este aplicația care a putut să-și atingă scopul – modelează și simulează pro-
cesul de creștere a unei populații microbiene. Acesta:
24
BIBLIOGRAFIE
5. Legea, A. M., şi W. D. Kelton. 1991. Modelare, simulare și analiză, Ediția a II-a, Mcgraw – Hill;
7. „Study of the Growth Kinetic Models of a Bacterium for a Human Therape- utic Product”,
Cristina Tănase, Mihai Caramihai, Ovidiu Muntean
8. „Recent developments in the monitoring, modeling and control of biologi- cal production
systems”, Carls-Fredrik Mandenius
25