UNIVERSITATEA POLITEHNICA DIN BUCUREȘTI

FACULTATEA DE INGINERIA SISTEMELOR BIOTEHNICE

Programul de studii: Ingineria și managementul sistemelor biotehnice

LUCRARE DE DISERTAȚIE

MODELAREA ȘI SIMULAREA PROCESELOR ÎN

BIOREACTOARE CU FUNCȚIONARE ÎN ȘARJĂ

RAPORT DE CERCETARE ȘTIINȚIFICĂ II

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

III.1. MODELUL MATEMATIC

Modelul matematic este descrierea unor fenomene, sociale sau naturale, sau obiecte
naturale în care elementele fizice sunt înlocuite cu elemente logice, de matematica formala
în vederea studierii fenomenului respectiv. Modelul în general trebuie să oglindească
proprietăţile principale ale fenomenului sau obiectului într-o formă simplificată. Un model
concret general este foarte complicat şi chiar imposibil de elaborat. Din acest motiv se
folosesc modele simplificate, care reproduc doar anumite aspecte ale realităţii. În acest fel
în locul sistemelor, fenomenelor şi obiectelor reale se analizează un model mai mult sau
mai puţin asemănător cu cel real şi din comportarea modelului se trag concluzii
asupra funcţionării întregului sistem real. Modelul matematic trebuie să descrie în
mod riguros sub forma unor reprezentări matematice a relaţiilor existente în
sistemul respectiv, practic formalizând legile de comportare ale sistemului. Pentru
un sistem se pot stabili o serie de modele. Specialiştii sunt de părere, că nu există
un model unic sau corect pentru un anumit sistem, ci doar există modele bune şi
proaste [1]. Este de dorit ca modelul alcătuit să satisfacă două cerinţe aflate mereu
în conflict: să fie cât mai complet şi fidel. Alegerea corectă este posibilă doar prin
aplicarea unor metode de cuantificare, observaţii statistice, teste, tehnici de
măsurare, etc. La alegerea modelului trebuie luate în considerare limitele
calculelor de efectuat pe platforma de calcul dat (viteză de calcul şi memorie
disponibilă).

Principalele proprietăţi ale unui model matematic sunt următoarele:

• acceptabilitate ;

• aplicabilitate ;

• utilizabilitate

• complet

Clasificarea modelelor se poate realiza după mai multe criterii şi anume:

• după scopul folosirii modelului: de descriere, de prezentare, de analiză şi de

prognoză,

• după caracterul fenomenului modelat: social, chimic, biologic, de producţie,

etc.,

• după caracterul modelului: material, electric, mecanic, de gândire, pe calculator,

2
etc.

3
4
5
6
III.2. Analiza STATE OF ART

Progresul și îmbunătațirea unei proces biologic este determinat de

capacitatea și caracteristicele celulelor, performanta bioreactorului cât și de
domeniul culturii, nu în ultimul rând parametrii evolutivi. Modelarea unui proces
poate fi o unealtă importantă pentru controlul și optimizarea proceselor biologice
folosite în diferite aplicații și sisteme.

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.

Un element extrem de important în modelarea matematică a unui bioproces o

constituie structura de model. Modelele matematice, ce descriu în amănunt
evoluția microorganismelor, reușesc să reprezinte natura dinamică a sistemului,
atât de general cât se poate realiza, având în vedere biochimia culturii analizate.
În acest caz, modelul poate fi implementat bazându-ne pe o aproximare între
precizia descrierii bioprocesului (numărul mare de detalii) și utilizarea
parametrilor (un număr finit de parametrii).

Modelele matematice pot fi realizate întrucât există sens în descrierea

matematică cantitativă a proceselor metabolice ale microorganismelor ce
evoluează în bioreactor astfel în acest pas putem preciza trei direcții:

‫ פ‬Reprezentarea matematică folosind metode optimizate de conducere (Moser);

‫ פ‬Modelare folosind mecanica de reacție folosind comportamentul

microorganismelor (Chen, Bastin);

‫ פ‬Modelarea folosind predictii date de un anumit model elaborat folosind o

stategie de conducere optimala ( Mosrati).

La rândul lor modelele deterministice pot fi:

‫ 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.

‫ פ‬Structurate – se ține cont de structura celulară: modele structurate chimic,

modele structurate morfologic ( se ține cont de efecte legate de formă – vârstă,
dimensiune).

Având în vedere că suntem la partea de clasificări ale modelelor, în această

secțiune propunem o altă clasificare ce este făcută în funcție de recunoașterea /
neglijarea numărului de indivizi ( celule ) a unei populații, ce pot avea
caracteristici diferite:

7
‫ פ‬Nesegregate – se ia în considerare existența celulelor individuale; se mai poate
întâlnii sub numele de modele distribuitive, continui.

‫ פ‬Segregate- se explicitează prin model existența celulelor individuale cu

proprietăți distincte. O altă denumire – modele corpusculare.

In funcție de precizia dorită pentru modelul implementat și cât proprietățile de

interes pot fi prezentate în mod adecvat prin valori medii, abordarea nesegregata
este suficientă. Există și cazuri în care modelele nesegregate nu sunt suficiente
pentru a descrie eficient, în această categorie intră și celulele transformate prin
inginerie genetică. Cantitatea de informație codificată utilizată în biosinteza unui
produs poate fi diferită de la un grup de celule la altul, astfel corelarea nu mai este
identică pentru toate celulele. Importanța modelelor segregate devin importante
în aceste cazuri.

Cele mai simple și utilizate modele sunt cele nestructurate, nesegregate – de

exemplu modelul Monod de creștere microbiană. Modelele structurate și numai
ele pot prezice răspunsul culturilor în condiții neechilibrate de creștere ( creșterea
este echilibrată într-un anumit interval de timp dacă în această perioadă fiecare
proprietate extensivă a biosistemului crește în aceeași proporție ).

În sfârșit, postulatele formulate de Edwards și Wilkie în domeniul modelării unui

bioproces stabilesc norme de realizare a oricărei cinetici a viului. În acest sens
modelul trebuie:

‫ פ‬Să fie capabil să reprezinte toate fazele culturii;

‫ פ‬Să fie suficient de flexibil pentru a aproxima o serie de tipuri de date fără să
introducă distorsiuni semnificative;

‫ פ‬Să existe parametrii de aproximare cu corespondent fizic direct;

‫ פ‬Sa fie derivabil continuu;

‫ פ‬Să aibă parametrii ușor de evaluat;

‫ פ‬Să fie ușor de folosit, odată cu parametrii evaluați.

III.3. Modele nestructurate nesegregate

Kossen și Oosterhuis consideră modelele

nestructurate ca având un caracter
pronunțat de tratare a fenomenului
biologic de tip black box, iar cele structurate
de tip gray box, concepută ca o colecție de
„cutii negre” ceea ce reprezintă structura
biosistemului. Putem spune că modelele lor
matematice pot reprezenta:

‫ פ‬Ecuații constituitive: de viteza – cinetică,

de transport, termodinamice;

‫ פ‬Ecuații de bilanț – stoichiometrice.

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.

Modele cinetice nestructurate pentru creștere și utilizarea substratului

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.

În următoarele rânduri o să tratăm modele cinetice cu limitare a creșterii de către

substrat, fără inhibiție. Această categorie este guvernată de către Monod. Aceasta
este funcție de substrat: μ= μ(S). Putem scrie ecuația acestui model astfel:
μ 𝑆
𝑚𝑎𝑥
μ(S)= ,
𝐾𝑠+𝑆
unde: μ𝑚𝑎𝑥 = viteză maximă specifică de creștere [ 1/h]

Ks = constantă de saturație [g/L]

Dependența μ= μ(S) conform legii lui Monod

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.

O altă alternativă pentru această categorie este modelul Teissier

𝑆
−
𝜇(𝑆) = 𝜇𝑚𝑎𝑥(1 − 𝑒 𝐾𝑠)

Dependența μ= μ(S) conform legii lui Teissier

O altă alternativă a categoriei este modelul Moser. Ecuația acestui model este:
μ 𝑆𝑛
𝑚𝑎𝑥
μ(S)=
𝐾𝑠 + 𝑆𝑛

Dependența μ= μ(S) conform legii lui Moser

Tot din această categorie face parte și ecuația dată de Blackman:

𝜇𝑚𝑎𝑥
𝑆(𝑡) 𝑑𝑎𝑐ă 𝑆(𝑡) ≤ 𝐾
𝜇={ 𝐾 𝑚
𝑠
𝜇max 𝑑𝑎𝑐ă 𝑆(𝑡) > 𝐾𝑚
Un alt model ce dorim să îl amintim din această categorie este modelul Powell.
Acesta exprimă prin factorul KD influența permeabilității celulare, difuzia substra-
tului și a dimensiunii celulare. Ecuația lui Powell este următoarea:
𝜇𝑚𝑎𝑥S
μ(S)=
𝐾𝑠 + 𝐾 𝐷 + 𝑆

Dependența μ= μ(S) conform legii lui Powell

Dintre toate modelele prezentate putem valida în acest moment următoarele afir-
mații:

‫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.

În următoarea parte ne vom ocupa cu modele cu influenta concentrației celulare

si a concentrației substratului limitator de creștere asupra vitezei specifice μ.
Dependența acestui μ în funcție de X cuprinde implicit și dependența de S astfel
sunt multe modele procesate ce depinde de X și S în defavoarea celor ce depind
numai de X.

Din punct de vedere al creșterii s-a observat în destule experimente ca viteza de

evoluție a culturii scade la concentrații ridicate ale lui X. Un exemplu relevant este
modelul Verhulst care consideră ca viteza specifică descrește liniar cu concentrația
de celule. Ecuația acestui model este:
𝜇(𝑋) = 𝜇𝑚𝑎𝑥(1 − 𝑘𝑥𝑋)
Acest model mai este numit și numele de modelul logistic al cresterii.

Dependența μ= μ(S) conform legii lui Verhulst

O altă ecuație mai realistică care exprimă și limitarea prin concentrația
substratului, conform cineticii lui Monod. Aceasta a fost introdusă de către
Meyrath, care îi poartă și numele:
𝑋
𝜇(𝑋, 𝑆) = 𝜇 𝑆0 − 𝑌
𝑚𝑎𝑥
𝑋
𝐾𝑠 + 𝑆0 − 𝑌

Unde Y= randamentul de transformare a substratului de celule.

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.

Introducem o nouă categorie de modele – cele ce au cinetica cu inhibiție prin

concentrația substratului. În multe cazuri de inhibiție, ecuațiile modelului cinetic
sunt ca și modelul Monod derivate din teoriile inhibiției reacțiilor enzimatice. De
aceea, aceste ecuații sunt mai puțin general valabile, ele putându-se substitui
unele cu altele în funcție de adecvanța la realitate a modelului experimental.

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:

Ki – constante de inhibiție în raport cu substratul.

 Dependența μ= μ(S) conform legii lui Andrews – Noack

Vorbind de inhibiție putem aplica acest concept și prin concentrația de produs. In

funcție de tipul de inhibiție exercitate exista mai multe variații ale vitezei
specifice. Pentru această categorie putem întâlnii următoarele modele:
Hinshelwood, Hol- zberg, Ghose si Tyagi, Aiba-Schoda. De asemenea se poate
vorbii la fel de bine despre influența oxigenului asupra celui de-al doilea substrat
sau de influența pH si nu în ultimul rând despre cinetica de creștere pe mai multe
substrate.

Modele nestructurate pentru formarea produsului

Cinetica de formare a produsului se ia în considerație în raport cu cinetica
creșterii. Pana in prezent, din acest punct de vedere, a rămas valabila clasificarea
lui Gaden ce distinge patru tipuri de cinetica de formare a produsului:

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

Tipul 1. Acumularea produsului este direct asociata cu creșterea (produs asociat

creșterii). Este cazul producerii metaboliților primari, formarea produsului fiind
legata de metabolismul energetic, d.e. producerea acidului gluconic, obținerea
enzimelor respirației și creșterii.

Tipul 2. Acumularea produsului este parțial asociata cu creșterea (produs parțial

asociat creșterii), existând o legătura indirecta cu metabolismul energetic, d.e.
producerea acidului citric, obținerea aminoacizilor prin biosinteza.
Tipul 3. Acumularea produsului nu este asociata cu creșterea si nici nu exista o
conexiune directa sau indirecta cu metabolismul energetic primar (produs
neasociat cresterii). Obținerea metaboliților secundari (streptomicina, penicilina)
este un exemplu de cinetica de acest tip.

Recunoașterea tipului de cinetica de formare a produsului se face conform

diagramelor caracteristice rS, rX, rP = f(t) si in special considerând vitezele
specifice qS, μ, qP.

Diagrama evoluției in timp a vitezelor specifice într-un bioproces poarta numele

de diagrama de cuantificare. Ea oferă imaginea cea mai corecta a avansării vitezelor
caracteristice si este fundamentala pentru stabilirea unor modele matematice
adecvate.

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.

Formularea riguroasa a unui model structural chimic implica introducerea in

ecuațiile cinetice a concentrației intrinseci a unui component al structurii luate in
considerație, ceea ce înseamnă cantitatea de component/unitatea de volum celular
sau unitatea de masa celulara; in acest fel se renunță la concentrațiile extrinseci
din modelele nestructurate, in care masa celulara considerata nestructurata era
exprimata in unități de concentrație raportate la volumul reactorului.
𝑑(𝑚𝑉̂𝑐𝑗 )
𝑑𝑡 = 𝑚𝑉̂ ∑ 𝑟𝑖𝑗
𝑖

Unde:

m=biomasa totală la timpul

t

𝑉̂=volumul ocupat de celule pe unitatea de masă celulară

𝑐𝑗= masa componentului j pe unitatea de volum celular

𝑟𝑗= viteza de apariție / dispariție în procesul i a componentului j raportată la

volumul celular

Dacă 𝑉̂ este constant și se consideră prin similitudine cu cinetică nestructurată:

1 𝑑𝑚
𝜇= 𝑑𝑐𝑗
= ∑ 𝑟𝑖𝑗 − 𝜇𝐶𝑗
→ 𝑑𝑡 𝑖
𝑚 𝑑𝑡
Termenul 𝜇𝐶𝑗 poate fi neglijat în majoritatea modelelor structurale. Se poate
întâlnii în locul lui 𝐶𝑗 concentrația 𝑋𝑗 – masa componentului j raportată la unitatea
de masă celulară), conform relației:
𝑋𝑗 = 𝐶𝑗 𝑉̂
Aplicabilitatea modelelor structurate se regăsește în tratarea culturilor mixte,
structurarea chimică fiind înlocuită cu divizarea în specii componente – modele
de populație.

Harder si Roels au trecut în revista aplicatiile în biotehnologie ale modelelor

simple structurale (Harder, Roels, 1981). Autorii prezintă primul rând principiile
de baza folosite în construcția modelelor structurale, derivate în special din
biologia moleculara:

‫ פ‬modificările concentrațiilor unor substrate sau intermediari determina schimbări

în vitezele de reacție în care sunt implicate aceste substanțe;
‫ פ‬interacțiunile enzimelor cu unele molecule mici, efectorii, conduc la modificări
în conformația enzimelor si în consecința a acțiunii lor catalitice;
‫ פ‬concentrațiile diferitelor macromolecule celulare se adaptează la schimbarea
condițiilor de mediu prin modificarea vitezei lor de sinteza (d.e. concentrația
ARN creste în mod deosebit odată cu creșterea ratei de diluție în cultura
continua), în urma exercitării unor mecanisme de control genetic;
‫ פ‬selecția naturala este o modalitate de adaptare; prin variația genetica în
interiorul unei specii se poate selecționa un individ cu proprietăți ce-i oferă un
avantaj în mediul înconjurător considerat;
‫ פ‬schimbările de mediu pot induce modificări în raportul dintre diferitele specii
prezente într-o cultura mixta.

Pornind de la aceste principii si de la conceptul de timp de relaxare, autorii

propun o serie de modele structurale:

‫ פ‬creșterea biomasei conform unui model compartimental;

‫ פ‬creșterea biomasei conform unui model tricompartimental;
‫ פ‬sinteza enzimelor supuse unui control genetic (modelul operonului, al represiei
catabolice, al creșterii diauxice).

Deși valabilitatea diferitelor ipoteze ale modelului este discutabila si forma

ecuațiilor cinetice a fost supusa criticii, metoda teoretica de deducere a unui
model structural chimic are valoare si in viitor - pentru situații în care compoziția
unui microorganism se modifica sub influenta mediului, aceasta modificare
afectând comportamentul culturii la un nivel semnificativ. In același timp,
modelele cinetice structurale își găsesc o aplicație interesanta in descrierea
dinamicii bioprocesului cu celule modificate genetic. Astfel, Ryu si Kim (Ryu,
Kim, 1992) au studiat un bioproces cu celule recombinate, unde evoluează celule
purtătoare de plasmide conținând informații genetice privind producția unui
metabolit de interes alături de celule lipsite de aceste plasmide.

Pentru cinetica formării produsului se propune ecuația:

 qP=k0εGP(μ++b)
Unde:

k0 = constanta vitezei globale de biosinteza

ε = eficienta exprimării genetice

𝐺𝑃= concentrația ADN în plasmide

𝜇+= viteza specifică de creștere a celulelor purtătoare de plasmide

b = constantă

În funcție de modelul cinetic propus / ales, se pot introduce diverse strategii de

reglare a temperaturii optimale de producție sau a ratei de diluție.

III. 5. Modele cinetice segregate – corpusculare

Dincolo de structurarea pe baza compoziției chimice a unui model, literatura de
specialitate nu deosebește cu claritate alte tipuri de modele structurate de
modelele segregate.

Shuler definește ca modele segregate, dar nestructurate (considerând compoziția

chimica) modelele care pornesc de la prezumția ca o unica variabila (vârsta
celulelor, dimensiunea celulara, etc.) poate descrie complet starea unei celule in
sensul ca toate celulele de aceeași vârsta sau dimensiune au aceeași compoziție si
același potențial productiv.

De asemenea, Bley propune un model considerând celulele de drojdie aflate in

doua stări fiziologice distincte - celule neînmugurite / celule înmugurite. Cele
doua stări fiziologice diferă prin μ, dS / dt, eficienta în producerea biomasei, etc.
Daca se considera concentrațiile X1 si X2 pentru celulele neînmugurite si respectiv
înmugurite, S fiind concentrația substratului, atunci in cazul unui proces
continuu, in care tranziția de la o stare la alta este in principal influențată de
concentrația S, se propun relațiile:
𝑑𝑋1
= (𝜇 (𝑆 ) − 𝑘
(𝑆) − 𝐷)𝑋 + 𝑘 (𝑆)𝑋
1 1 1 2 2
𝑑𝑡
𝑑𝑋2
= (𝜇 (𝑆) − 𝑘2 (𝑆) − 𝐷)𝑋2 + 𝑘1 (𝑆)𝑋1
2
𝑑𝑡
𝑑𝑆 = (𝑆 − 𝑆)𝐷 − 𝛼 (𝑆)𝑋 − 𝛼 (𝑆)𝑋
{ 𝑑𝑡 0 1 1 2 2
În modelul de față:

k1(S) = viteza specific a trecerii de la starea X 1 la X2

k2(S) = viteza procesului invers

𝛼1și 𝛼2 = coeficienții de randament de conversie S în X1 și respective S în X2.

Modelele structurate si segregate sunt încă insuficient aplicate in modelarea

bioproceselor fiind preluate din biologia moleculara si fiziologie, unde au un rol
important in investigarea si validarea unor mecanisme celulare. Pentru
dezvoltarea si utilizarea lor in conducerea bioproceselor sunt necesare:

‫ פ‬evoluția rapida a tehnicilor analitice nedistructive (care sa nu interfere cu

mecanismele funcționale și reglările interne ale celulei) folosindu-se proprietățile
optice, electrice sau electromagnetice ale celulei sau a unor componente celulare
(fluorimetrie, rezonanta magnetica nucleara, spectroscopie IR);
‫ פ‬progrese însemnate in modelarea matematica in conexiune cu teorii despre
mecanismele celulare.
III.6.B Justificarea soluției

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.

Parametrii operaționali au fost:

‫ פ‬Temperatură - 37° C

‫ פ‬Debit de aer – 15 L/min (experimentele 1-8) și 40 L/min (experimentele 9-12)

‫ פ‬Viteza de amestecare/ Rotații – 250 rpm (experimentele 1-8) și 300 rpm (experi-
mentele 9-12)

‫ פ‬Presiune – 1.2 bar (experimentele 1-8) și 1.5 bar (experimentele 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

În lucrarea de față abordăm cinci modele: Andrews-Noack, Blackman, Monod,

Moser și Powell. O să reamintim ecuațiile acestor modele:
1 𝑆 1
𝜇 = 𝜇𝑚𝑎𝑥 =
Andrews-Noack 𝐾
1+ +
𝑠 𝑆 𝐾𝑠 + 𝑆 1+ 𝑆
𝑆 𝐾𝑖 𝐾𝑖
𝜇𝑚𝑎𝑥
𝑆(𝑡) 𝑑𝑎𝑐ă 𝑆(𝑡) ≤ 𝐾𝑚
Blackman 𝜇 = { 𝐾𝑠
𝜇max 𝑑𝑎𝑐ă 𝑆(𝑡) > 𝐾𝑚
𝑆
Monod μ(S)= μ𝑚𝑎𝑥
𝐾 𝑠+ 𝑆
μ𝑚𝑎𝑥 𝑆 𝑛
Moser μ(S)=
𝐾𝑠 + 𝑆 𝑛
𝜇𝑚𝑎𝑥S
Powell μ(S)=
𝐾𝑠 + 𝐾𝐷 + 𝑆
Pentru dezvoltarea aplicației, abordarea modelelor a condus la rezolvarea unui
sistem liniar. În partea următoare o să prezentăm ecuațiile și sistemul obținut
pentru fiecare model ca apoi să prezentăm conceptul aplicat.

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

Datorită numărului de date per experiment, ecuația se poate transforma în un sis-

tem asemănător cu următorul:

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

S-a folosit prima ramură a ecuației din care a rezultat:

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

Prelucrată ajunge la următoarea formă:

1 𝐾𝑠 1 1
= +
μ
𝜇 μ𝑚𝑎𝑥 S 𝑚𝑎𝑥

Forma matriceală a sistemului este:

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

În final se ajunge la sistemul A=X-1Y.

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

încercăm să o prelucrăm și ajungem la:

1 𝐾𝑠 1 1
= +
𝜇 𝑚𝑎𝑥
𝑆𝑛 μ 𝑚𝑎𝑥

Sistemul ajunge în următoarea formă:

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

ca în final după etapa de prelucrare să se ajungă la:

1 𝐾𝑠 1 𝐾𝐷 1 1
= + +
μ μ
𝜇 μ𝑚𝑎𝑥 S 𝑚𝑎𝑥 𝑚𝑎𝑥
S

Forma matriceală a sistemului este:

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]

Unde s-au realizat notațiile:

 𝐾𝑆
1 μ
1 1 𝑚𝑎𝑥
𝜇1 𝑆1 𝑆1 1 𝐾𝐷
Y= [ ⋮ ]; X= [ ⋮ A=
⋮ ⋮ ]; μ
1 𝑚𝑎𝑥
1 1 1
𝜇𝑘 𝑆𝑘 𝑆𝑘 1 [μ ]
𝑚𝑎𝑥

Se ajunge așadar la sistemul: X-1Y=A.

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.

Pentru aplicația de față ne-au oprit asupra calculării pseudoinversei.

Calcularea pseudoinversei este mult mai ușor de implementat în C#, fiind o metoda
mai intuitiva de rezolvare a sistemelor decât descompunerea QR.

După calcularea sistemului, graficele au fost obținute cu ajutorul formulelor fiecărui

model.

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:

‫ פ‬Implementarea modelelor matematice într-un mod intuitiv

‫ פ‬Realizintă grafice aproximate prin modelele matematice alese
‫ פ‬Realizintă o interfețe intuitive (user-friendly)
‫ פ‬Oferă posibilitatea utilizatorului de a importa propriile date experimentale
‫ פ‬Oferă posibilitatea utilizatorului de a salva datele obținute împreună cu
graficul dorit.

24
 BIBLIOGRAFIE

1. Fishwick, P. A. 1995. Model de simulare, proiectare şi execuţie: construirea de lumi, Prentice-

Hall Digital;

2. Freund, J. E. 1992. Statistici matematice, a cincea ediţie, Prentice-Hall;

3. Hogg, R. V. şi A. T. Craig. 1995. Introducere în statisticile matematice, a cincea ediţie, Prentice-

Hall;

4. Kleijnen, J. P. C. 1987. Instrumente statistice pentru practicienii de simulare, Marcel Dekker,

New York;

5. Legea, A. M., şi W. D. Kelton. 1991. Modelare, simulare și analiză, Ediția a II-a, Mcgraw – Hill;

6. „Problematica conducerii bioproceselor”, Capitolul 2

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

9. „A tutorial review on bioprocess systems engineering”, Kazuyuki Shimizu

10. Cursuri Programare Orientată pe Obiect, Mihai Caramihai

25