AGOSTO DEL 2017

C
G
U
UR
GRRRUUUPPPO
O
RS
SOO D
DE
O:: IIB
E
B77CC
B IIO
OIIN
NGGE
ENNIIE
ER
A
AGGO
OS
AI
RA
STTOO--DDDIIICCCIIIEEEM
MMBBR
B RREE2
E 2001177..
P
P R O F E S O R R ESSSPPPO
R
R O
O F
F E
E S
S O
O R
R R
R E
E ON
O NS
N SA
S AB
A B E::
BLLLE
E PPROFRA ANGLICA S
R
R O
O F
F R
R A
A A NN GG
L
L I
I C
C A
A SAAALLLM
ME
M ER
E R
R N
NA
N A..

P R
ROOG
GRRA
AMMA
A
1. INTRODUCCIN
1.1 Antecedentes
1.2 Modelos matemticos y simuladores de procesos
1.2.1 Modelos, una visin general
1.2.2 Descripcin y aplicacin de modelos
1.2.3 Propsitos de los modelos matemticos en microbiologa
1.2.4 El empleo de modelos matemticos en la enseanza de la ingeniera
1.2.5 Soluciones a los modelos matemticos
1.3 Herramientas matemticas tiles en simulacin.
2. BASES DE BIOINGENIERA PARA EL DISEO DE PROCESOS.
2.1 ESTEQUIOMETRA DE REACCIONES BIOLGICAS
2.1.1 Estimacin de rendimientos tericos
2.1.1.1 Rendimiento celular
2.1.1.2 Rendimiento calrico
2.1.1.3 Rendimiento de oxgeno
2.2 MODELOS BIOCINTICOS

2.2.1 Modelado matemtico de procesos biolgicos

2.2.2 Conceptos cinticos fundamentales.

2.2.2.1 Velocidades de reaccin.

2.2.2.2 Parmetros de estado fisiolgico.

2.2.2.3 Correlaciones inter-paramtricas.

2.2.3 Efecto de factores ambientales sobre la velocidad especfica de crecimiento

2.2.3.1 Dependencia de con respecto a [s]

2.2.3.2 Modelos que describen la inhibicin del metabolismo celular

2.2.3.2.1 Inhibicin por producto

2.2.3.2.2 Inhibicin por substrato o por txicos no metabolizables

2.2.3.2.3 Decaimiento de la velocidad de crecimiento por lisis celular

2.2.4 Efectos del metabolismo endgeno sobre la cintica de reaccin

2.2.5 Modelos descriptivos de la cintica de sntesis de productos

1
 2.2.6 Efecto de la formacin de subproductos sobre la cintica de reaccin

2.2.7 Anlisis de datos cinticos experimentales.

2.2.7.1 Obtencin de modelos cinticos y determinacin de sus constantes

2.3 SISTEMAS BIOLGICOS DE REACCIN. DEFINICIN FORMAL Y CONSTRUCCIN DE MODELOS.

2.3.1 Sistema cerrado. Simulacin del comportamiento del sistema en estado transitorio.
Aplicaciones.

2.3.2 Sistemas abiertos homogneos. Simulacin del comportamiento de los sistemas en

estado transitorio y en estado de equilibrio dinmico. Aplicaciones.

2.3.2.1 Cultivo continuo de simple etapa

2.3.2.2 Cultivo continuo de mltiple etapa con alimentacin mltiple

2.3.2.3 Cultivo continuo con retroalimentacin externa de biomasa (CCRE)

2.3.2.4 Cultivo continuo con retroalimentacin interna de biomasa (CCRI)

2.3.3 Sistemas abiertos heterogneos (Reactores tubulares Plug Flow-). Simulacin del
comportamiento de los sistemas en estado transitorio. Aplicaciones.

2.3.3.1 Cultivo continuo en reactor PF. Una etapa

2.3.3.2 Cultivo continuo en reactor PF. Mltiple etapa

2.3.3.3 Cultivo continuo en reactor PF. Retroalimentacin externa de biomasa

2.3.4 Sistemas semicerrados. Simulacin del comportamiento de los sistemas en estado

transitorio y en estado de virtual equilibrio dinmico. Aplicaciones.

2.3.4.1 Fedbatch con suministro constante de nutrientes

2.3.4.2 Fedbatch exponencial (cultivo extendido)

2.3.4.3 Fedbatch con alimentacin en forma de gradiente

Casos de estudio: diseo, evaluacin y establecimiento de las condiciones de operacin de
sistemas biolgicos para el tratamiento de aguas residuales industriales.

2
 O
OBBBJJJEEETTTIIIVVVO
OS
O S::
S

El curso de Bioingeniera, integra conocimientos y herramientas metodolgicas de

las disciplinas ms diversas, entre otras: matemticas, computacin,
fisicoqumica, fenmenos de transporte en la ingeniera qumica, cintica de
reacciones biolgicas, microbiologa y bioqumica. Tiene como uno de sus
propsitos fundamentales capacitar al alumno en el diseo y evaluacin de
bioprocesos industriales empleando una de las herramientas ms poderosas que
existen actualmente en el campo del diseo, la simulacin basada en modelos
matemticos. El otro propsito es formativo y consiste en buscar el desarrollo
simultneo de un pensamiento crtico a travs del anlisis y la evaluacin de
mltiples alternativas de solucin.

Lo anterior explica que la Bioingeniera sea considerada, en todas las

universidades del mundo que la ofrecen, como una disciplina con alto grado de
complejidad. Por lo mismo, requiere una mayor dedicacin y estudio que otras
disciplinas consideradas ligeras.

E V A L UA C I N DEL CURSO.

El curso terico tiene tres evaluaciones parciales que representan el 80% de la

calificacin. El otro 20 % esta dado por el curso prctico.

TEMTICA POR EVALUAR EVALUACIN % DE LA

PARCIAL N EVALUACIN
ESTEQUIOMETRA DE REACCIONES BIOLGICAS
MODELOS BIOCINTICOS 1 26.6

SISTEMAS DE REACCIN I. 2 26.7

SISTEMAS DE REACCIN II 3 26.7

SUBTOTAL TEORA 80.0

Cualquier actividad que eventualmente se asigne, tendr una

calificacin que se considerar en el parcial correspondiente.

El actual modelo educativo de muchas universidades se basa en la capacitacin

del alumno en un conjunto de competencias laborales especficas para un
determinado puesto de trabajo en el que presuntamente se insertar (saber

3
hacer). La formacin contempla tambin el conjunto de actitudes (comportamiento
tico y social) del egresado en el entorno en el que presuntamente va a laborar y
a desarrollarse (saber estar). En este modelo de formacin tcnica tradicional, al
alumno se le considera un consumidor pasivo de informacin, sujeto de
transformacin conductual (el aprendizaje se da y puede medirse cuando se
observa un cambio conductual). La enseanza se basa en el aprendizaje, casi
siempre acrtico, de algoritmos (procedimientos o recetas) que el alumno debe
seguir para conseguir objetivos particulares. Esto puede convertir al alumno en
una tecno-autmata (repetidor de actitudes aprendidas), incapaz de modificar
crticamente lo aprendido para llevarlo a un plano cualitativamente ms elevado
(innovacin).

E DUCACIN BASADA EN EL PENSAMIENTO CRTICO (F ORMACIN ):

CONTEXTO: La educacin actual considera que el mercado de trabajo puede crecer

uniformemente (en otras palabras, siempre existir demanda por un determinado
conjunto de competencia laborales). Esto efectivamente ocurri antes de la
denominada globalizacin comercial y financiera. No es nuevo ni sorpresivo que
en los ltimos tiempos se est dando una salvaje contraccin del mercado laboral
mexicano, producto de la destruccin del mercado interno que ha generado una
recesin comercial e industrial de duracin impredecible.

Ante esta nueva realidad cambiante y enormemente competida, en donde los

cambios tecnolgicos pueden darse a gran velocidad, parece obsoleta una
educacin basada en competencias laborales estticas. Se requiere ms que
nunca de profesionales con gran capacidad de adaptacin a nuevos escenarios
econmicos, cientficos y tecnolgicos, caracterizados fundamentalmente por su
capacidad de aprendizaje e innovacin. Esto necesariamente requiere de
bases conceptuales slidas y habilidad para el anlisis, la emisin crtica de juicios
y la propuesta de alternativas ante situaciones o escenarios inditos. Algn
pensador le llam a esto, preparacin para la incertidumbre.

Con una educacin de este tipo se fomenta el pensamiento crtico y la generacin

de mltiples alternativas de solucin, incluso algunas inditas (pensamiento
innovador). Esto, eventualmente lleva al alumno al auto-aprendizaje (aprender a
aprender). El modelamiento y las tcnicas de simulacin matemtica de procesos
o fenmenos expande la posibilidad de visualizacin de alternativas de solucin

4
(un problema puede tener muchas soluciones). A travs del anlisis y la
evaluacin de ellas fomenta el pensamiento crtico.

NOTAS

1. Para fomentar la construccin del conocimiento se espera que los estudiantes

sean activos e independientes en la bsqueda de informacin y de
herramientas para el procesamiento crtico de informacin.

2. Para la simulacin de biosistemas es necesario obtener y resolver diversas

ecuaciones de diseo. Estas pueden ser conjuntos de ecuaciones algebraicas
lineales o no lineales o conjuntos de ecuaciones diferenciales
interdependientes, usualmente irresolubles por los mtodos analticos
tradicionales, lo que hace necesario el empleo de mtodos numricos (MN)
para su solucin. En caso de presentarse deficiencias en conocimientos
adquiridos en cursos anteriores, estas se subsanarn con algunas sesiones de
mtodos numricos (aplicados), fuera de programa, de ser posible, en las
aulas de cmputo.

3. La simulacin de biosistemas puede llevarse a cabo empleando diversos

lenguajes de programacin, paquetera matemtica especfica (EZ Solve,
R
Maple, MathCad, MatLab o Mathemtica ). En algunos casos, la solucin de
conjuntos de ecuaciones algebraicas o diferenciales puede obtenerse con
alguna hoja de clculo. Cualquiera que sea el caso, el alumno debe tener
dominio de la herramienta de programacin. De no ser as, es necesario que
comience de inmediato su estudio.

4. Dada la importancia y el mercado actual y potencial que han adquirido las

denominadas tecnologas ambientales, el curso tratar de enfocarse al diseo
de biotecnologas para el tratamiento de aguas residuales, con nfasis en
aquellas de origen industrial.

5
MODELOS:

CONCEPTOS INTRODUCTORIOS. La idealizacin o aproximacin a un fenmeno,

proceso o situacin real se conoce tambin como modelo. En particular, desde la
publicacin en 1960, del texto de Baird y col., Transport Phenomena, el modelado
de procesos en el rea de la Ingeniera Qumica y ltimamente en el rea de
Ingeniera de Procesos y Sistemas Biolgicos (Bioingeniera), se ha convertido en
un procedimiento comn. A pesar de la existencia de herramientas matemticas,
el ejercicio del modelado no haba encontrado gran aplicacin hasta el desarrollo
de equipo y lenguajes de cmputo, que facilitaron enormemente la solucin de
los modelos matemticos en trminos cuantitativos.

CLASIFICACIN DE MODELOS.

Adems de los modelos fsicos (maquetas, rplicas, modelos a escala), existen

los modelos abstractos. Para estos ltimos existen diversas clasificaciones. Con el
propsito de manejar un lenguaje comn, se presentan en pares contrastantes
(Galndez y Ruiz, 1994, pp 5-8).
Descriptivo Predictivo
Estructurado No estructurado
Determinstico Estocstico
Continuo Discreto
Distribuido Segregado

Un modelo puede pertenecer a ms de una clase. Por ejemplo el modelo de

crecimiento logstico de la poblacin es matemtico, descriptivo, no estructurado,
determinstico y continuo.

6
Modelos descriptivos (empricos) y predictivos (tericos) Un modelo descriptivo
de un sistema, slo da informacin del comportamiento de ste dentro de los
lmites experimentales bajo los cuales fue obtenido y no hay garanta de que el
modelo sea vlido en condiciones diferentes a las experimentales. Generalmente,
el modelo procede de un ajuste de resultados experimentales a algn tipo de
curva y permite la interpolacin, ms no la extrapolacin.

Por otra parte, un modelo predictivo permite su utilizacin bajo condiciones

distintas a las experimentales (extrapolacin). Usualmente, este tipo de modelo
considera algunos mecanismos de funcionamiento del microorganismo y sus
constantes poseen significado fsico o biolgico (modelos de induccin-represin
de Gad Yagil).

(Transcripcin )

Acumulacin intracelular de mRNA m'[t] = q m -m(k d m+)

(Traduccin)

Acumulacin intracelular de enzima e'[t]=q e -e(k d e +) = m(k t r d )-e(k d e +)

kdm y kde son velocidades especficas de decaimiento intracelular de mRNA (m) y de enzima (e),
respectivamente. k t r d es una constante de velocidad de transcripcin. q m y q e s on
respectivamente velocidades especficas de sntesis de (m) y (e)

Modelos estructurados y no estructurados

Los modelos estructurados o compartamentalizados toman en consideracin la

estructura interna de la clula, en tanto que los no estructurados no lo hacen.
Dado que una poblacin celular cambia su composicin macromolecular (RNA,
DNA, protenas, materiales de reserva, enzimas, etc.) como una respuesta a
cambios ambientales, es de esperarse que un modelo no estructurado presente
fallas al tratar de describir un proceso fermentativo transitorio en el que las
condiciones ambientales se modifican en el tiempo, y con ello la velocidad de
sntesis y la concentracin de los diversos componentes que constituyen la
biomasa. Dada la complejidad estructural de una clula, no es posible definirla

7
sino superficialmente, por lo que es comn considerar en el modelo slo un
nmero relativamente pequeo de componentes clave {expansin celular
balanceada [proporcionalidad entre las velocidades de sntesis de componentes
en un estado de equilibrio dinmico] vs expansin celular no balanceada
[alteracin temporal de la proporcionalidad entre velocidades de sntesis de
componentes durante una transicin de estado fisiolgico represin, induccin,
cambio de sustrato limitante-]}.

Modelos distribuidos y segregados

En biologa, las clulas han de considerarse como unidades discretas (individuos

que pueden presentar diferencias). Sin embargo, en un gran nmero de modelos
tal naturaleza discreta no es tomada en consideracin y una poblacin celular en
un cultivo es considerada como un conjunto homogneo de individuos que
presentan idnticas caractersticas. Las caractersticas del conjunto estn
distribuidas homogneamente entre todos los individuos .

Un modelo segregado considera diferencias entre los individuos. La poblacin es

heterognea. [bacterias que se reproducen por fisin binaria] y aquellos que no
[levaduras que se reproducen por gemacin].

Modelos determinsticos y estocsticos

La gran mayora de los modelos utilizados en microbiologa son determinsticos.

Con este tipo de modelos, se obtiene siempre una misma respuesta (output) para
determinado conjunto de valores de entrada (input).Tales modelos son aplicables
cuando se manejan poblaciones con un gran nmero de individuos (propiedades
macroscpicas). Si se trabaja con poblaciones pequeas, las diferencias entre
organismos pueden tener tal influencia en el comportamiento general de la
poblacin que para describir su variacin resulta ms conveniente recurrir a
trminos de probabilidad. En este caso se estara manejando un modelo
estocstico.

8
Modelos continuos y discretos

En los modelos continuos, las variables dependientes cambian continuamente con

respecto a la independiente. Aunque muchos sistemas biolgicos son discretos, al
manejarse una gran cantidad de individuos en una poblacin ocurre una
dispersin de eventos en el tiempo, por ejemplo la multiplicacin celular, lo que
permite considerar al fenmeno como si ocurriese de manera continua.

ALGUNOS MODELOS MATEMTICOS QUE PUEDEN EMPLEARSE PARA REPRESENTAR LA CINTICA DE

CRECIMIENTO CELULAR

NO ESTRUCTURADO ESTRUCTURADO
NO SEGREGADO Idealizacin como NO SEGREGADO
crecimiento balanceado
La poblacin Poblacin celular
celular es tratada homognea
como soluto multicomponente
unicomponente

Idealizacin como Idealizacin como
clula promedio clula promedio

Clulas Clulas individuales
individuales multicomponente
unicomponente
SEGREGADO SEGREGADO
NO ESTRUCTURADO Idealizacin como ESTRUCTURADO
crecimiento balanceado

Los dos casos mostrados a la izquierda de la figura corresponden a una

expansin celular balanceada (todos los componentes se expanden a la misma
velocidad) y a la derecha se tiene el caso de una expansin desbalanceada, la
velocidad de sntesis de algunos componentes es distinta a la del resto.
Generalmente esto ocurre de forma transitoria (induccin y represin)

En ltima instancia, el tipo de modelo empleado depender del sistema bajo

investigacin y del propsito del estudio, sin embargo, la gran mayora de los
modelos matemticos empleados para simular sistemas biolgicos son
determinsticos y usualmente expresan a la poblacin celular en trminos de
concentracin y no en nmero de individuos. Esto implica que la poblacin sea
considerada como una masa celular no estructurada y no segregada que se

9
encuentra homogneamente distribuida en el medio. Esto evita las
complicaciones que surgen debido a los fenmenos aleatorios asociados con la
existencia de organismos individuales. Una condicin para describir a la poblacin
microbiana en forma continua y no en forma corpuscular es que la poblacin sea
muy elevada. Esto se cumple en la mayora de los procesos fermentativos en
donde intervienen microorganismos unicelulares.

Propsitos de los modelos matemticos.

Un modelo puede definirse como una especificacin matemtica de las

interrelaciones entre las diferentes partes de un sistema. Tal especificacin toma
generalmente la forma de un conjunto de ecuaciones que cumplen con los
siguientes propsitos:

Un modelo permite estudiar sistemticamente el

comportamiento de sistemas especficos para los cuales existe
informacin terica o experimental.

El uso de modelos obliga al cientfico a ser ms riguroso en sus

planteamientos y definiciones. Trminos como rendimiento,
productividad, velocidad de sntesis o de consumo, deben
expresarse matemticamente de tal forma que no exista ninguna
ambigedad en su significado.

Un modelo validado es una gua til para el diseo y la operacin

de bioprocesos. Puede predecir, bajo condiciones hipotticas, la
respuesta del sistema, a diversas estrategias de operacin, lo que
permite la evaluacin de su impacto en el comportamiento del
proceso y por lo tanto, su optimizacin.

Los modelos son herramientas conceptuales auxiliares en la

interpretacin de mecanismos biolgicos. Pueden utilizarse para la
prediccin de comportamientos en situaciones no
experimentadas, lo que define situaciones crticas hacia donde
deba dirigirse la investigacin

10
 Un modelo permite llevar a cabo experimentos virtuales para
estudiar un sistema bajo condiciones extremas, que en una
situacin real resulten peligrosas o muy costosas.

La utilidad de un modelo depende de varios criterios:

La precisin del modelo en la descripcin de una trayectoria o

proyeccin.

La facilidad de obtencin de sus constantes, partiendo de la

teora que le sustenta o de datos experimentales.

La facilidad de manejo matemtico del complejo obtenido, al

combinarse un el modelo con otro conjunto de ecuaciones que
integran al complejo.

El empleo de modelos matemticos en la enseanza de la ingeniera

La enseanza del diseo y la evaluacin de procesos, mediante el uso de

simuladores basados en modelos matemticos, presenta varias ventajas.

El modelado y la simulacin matemtica facilitan la comprensin de

procesos o fenmenos complejos. La comprensin es el primer paso para
lograr un eventual avance en el proceso o para profundizar en el
conocimiento de un fenmeno.

Creacin de una disciplina de precisin. El alumno gradualmente deja

de emplear trminos vagos y sin sentido que cuando se expresan
oralmente pasan muchas veces desapercibidos. Los trminos deben ser
conceptual y matemticamente correctos. Esto desemboca en un
comportamiento ms profesional en el alumno.

Creacin de una disciplina de pensamiento lgico en el alumno, de

enorme utilidad para la vida profesional:

Razonamiento -> estructuracin de soluciones -> prediccin de resultados

en diferentes escenarios

El modelador aprende a considerar las relaciones causa-efecto que a

menudo son extremadamente complejas. Esto mejora su capacidad

11
 analtica y le permite evaluar y discriminar las variables ms importantes
que afectan el comportamiento de un proceso

En disciplinas como la ingeniera, es importante tener la capacidad de

observacin de la repercusin econmica causada por la modificacin del
equipo, o de sus variables de operacin. Mediante la simulacin es posible
predecir tales efectos. La enseanza tradicional de la ingeniera sustentada
nicamente en conocimiento de los fundamentos tericos y de la
metodologa de clculo, es a menudo insuficiente para que un estudiante
de ingeniera, o un ingeniero con poca experiencia, pueda emitir juicios de
valor para seleccionar las condiciones que ms favorezcan a la economa
de un proceso. Un programa de simulacin permite evaluar al proceso
despus de haberlo sometido a un exhaustivo anlisis bajo las ms
variadas condiciones.

Creacin de una disciplina de optimizacin. El alumno aprende que un

problema puede tener infinidad de soluciones. La dificultad radica en
definir cual es la ms adecuada para un escenario particular (conjunto de
factores limitantes o permisibles). Este es el sentido final del concepto de
diseo.

Desventajas de los modelos matemticos (John Bolte, 1997)

En ocasiones las representaciones matemticas pueden ser

intimidatorias o difciles de comprender por no-matemticos.
Por ejemplo, algunos modelos ecolgicos son complejos debido
a que la realidad que pretenden representar es tambin
compleja. Esto puede poner barreras de comprensin a los
usuarios finales del modelo.

Los resultados de una simulacin muy fcilmente son tomados

por ciertos. Pero con gran frecuencia pueden tener distorsiones
y falacias en su representacin. En otras palabras, la
computadora acepta cualquier modelo, bueno o malo. La
respuesta generada por la mquina depender de la calidad del
modelo, de las condiciones iniciales, de los valores asignados a
sus constantes y de las variables de entrada. La interpretacin
de los resultados obtenidos debe tomar todo esto en cuenta.

12
 Los modelos matemticos pueden tener una serie de
consideraciones implcitas y a menudo ocultas, que pueden
influir en los resultados o en su interpretacin, los que podran
ser errneos o indeseables

Los modelos, particularmente los complejos, pueden consumir

una gran cantidad de tiempo para ser desarrollados,
implementados y sobre todo; validados. Un modelo no validado
es una herramienta intil para propsitos prcticos en tanto no
sea confrontado con la realidad.

Solucin a los modelos matemticos

Un modelo puede ser una simple relacin matemtica o puede estar constituido
por un complejo de ecuaciones de diversa naturaleza. La solucin a este complejo
consiste en transformarlo en correlaciones fciles de visualizar. La solucin puede
ser analtica, o numrica, y debe relacionar explcitamente a las variables
dependientes (respuesta del sistema) con las variables controlables (variables de
diseo y de operacin).

En el esquema siguiente se muestran las principales variables que intervienen en

un modelo de biorreactor y que puede manejarse como un sistema fermentativo
unitario o descomponerse en subsistemas, con el fin de simplificar la solucin del
modelo para realizar un posterior anlisis del proceso.

13
 VARIABLES QUE INTERVIENEN EN UN SISTEMA FERMENTATIVO UNITARIO

VARIABLES CONTROLABLES M VARIABLES DEPENDIENTES

O
Tipo de reactor D Concentracin de inhibidores
metablicos

Configuracin geomtrica del E Concentracin de material celular

reactor

Tipo de difusor L Concentracin de oxgeno disuelto

Clase y nmero de turbinas O Concentracin de productos

Sistema de enfriamiento Concentracin de reactantes

rea de transferencia de calor D pH

VARIABLES DE DISEO E Temperatura de operacin

Tensin superficial

B Viscosidad

VARIABLES DE OPERACIN I VARIABLES AMBIENTALES

MANIPULADAS

Composicin del flujo de O

alimentacin

Flujo de cido o lcali R

Flujo de agua de enfriamiento R VARIABLES FISIOLGICAS

Flujo de aire E Composicin de la biomasa

Flujo de alimentacin de A Velocidad de consumo de oxgeno

nutrientes

Tasa de retroalimentacin de C Velocidad de consumo de

biomasa reactantes

Temperatura del agua de T Velocidad de crecimiento

enfriamiento

Velocidad de agitacin O Velocidad de formacin de

productos

Volumen del reactor R Velocidad de generacin de calor

14
Ms que por la carencia de modelos, el anlisis del comportamiento de un sistema
puede estar limitado por las herramientas matemticas disponibles para la
solucin del complejo de ecuaciones (formalismo matemtico y mtodos
matemticos). Evidentemente, entre ms compleja es la descripcin matemtica
de un proceso, mayores dificultades presenta su solucin. Por lo tanto, el xito del
anlisis de procesos radica en la capacidad para definir un problema con un grado
de detalle suficiente que permita resolver el complejo matemtico y describir el
comportamiento del sistema o subsistema con una precisin aceptable, evitando
que el exceso de detalles nos lleve a un conjunto de ecuaciones inmanejable.
D.M. Himmelblau y K.B. Bischoff en su texto PROCESS ANALYSIS AND SIMULATION
justamente mencionan: "Existe escaso mrito en dar una solucin analtica formal
a un problema, no obstante lo elegante que sta pudiera ser, si es tan poco
tratable (matemticamente) que se tengan serias dificultades para obtener
nmeros de tal solucin".

M
MOOD
O DE
D EL
E LO
L OS
O SE
S EN
E NB
N BIIIO
B OIIIN
O NG
N GE
G EN
E NIIIE
N ER
E A..
RA
R A

El modelo de una fermentacin es una descripcin abstracta y generalizada de los

aspectos ms relevantes de un proceso. Usualmente contempla, tanto la
conversin de nutrientes a masa celular y otros productos de reaccin, como la
transferencia de materiales y energa en el sistema.

Para definir el modelo de una fermentacin es necesario, previamente,

definir el sistema y sus lmites. Usualmente es el propio reactor, en donde se
lleva a cabo la transferencia de nutrientes hacia su interior, y de productos de
reaccin y energa hacia el entorno. Los procesos de transporte se describen
mediante ecuaciones que contienen trminos de concentracin, para transporte a
travs de los lmites del sistema, o bien de gradientes, para transporte en el
interior del sistema. Mediante la conjuncin de expresiones matemticas que
describen las velocidades de reaccin y de transporte, se obtiene un modelo
biolgico unitario que permite predecir el comportamiento de una fermentacin
en funcin de las variables de operacin del sistema.

Mediante la conjuncin de expresiones matemticas que describen las

velocidades de reaccin y de transporte, se obtiene un modelo biolgico unitario
que permite predecir el comportamiento de una fermentacin en funcin de las
variables de operacin y de diseo del sistema.

15
La simulacin de procesos fermentativos basada en modelos matemticos
validados, es una herramienta de gran utilidad, tanto para el diseo y evaluacin
de procesos, como de reactores biolgicos. Una vez conocida la respuesta de un
sistema biolgico a un conjunto de variables de operacin, fcilmente se define la
demanda de O2 (OUR), y la generacin de calor (HGR) del sistema. Estos valores
constituyen la base de clculo de reactores biolgicos a cualquier escala. La
desviacin del comportamiento cintico de un cultivo que se lleve a cabo en un
reactor real con respecto a uno perfecto (virtual) en el que se simul el proceso,
permite valorar las limitaciones de transferencia de masa, calor y momento en el
reactor real. El comportamiento cintico de un microorganismo se supone
independiente de la escala. Si al modificar sta se presenta una desviacin en el
comportamiento cintico previsto, tal desviacin es puede ser adjudicado a
limitaciones en el reactor empleado en el escalamiento.

16
S
SIIISSSTTTEEEM
MA
M AS
A S.. D
S DEEEFFFIIINNNIIICCCIII
N
NY
N YT
Y TIIIP
T PO
P OS
O S.
S

De acuerdo a Heijnen (1992), un sistema es una parte de la realidad bajo estudio,

que est separada de su entorno por un lmite, a travs del cual puede llevarse a
cabo un intercambio de materiales y energa.

Heijnen considera 3 tipos de sistema.

aislado, en el que no hay ninguna clase de intercambio con

el exterior.

cerrado, en el que slo existe flujo de energa

abierto, en el que se permite el libre intercambio de

materiales y energa con el exterior

Para los sistemas fermentativos puede hacerse una subclasificacin; los

sistemas semicerrados, en los que hay intercambio de energa y entrada de
materiales, pero no salida de ellos.

VISIN MACROSCPICA DE UN SISTEMA.

La reduccin de una realidad compleja en un modelo matemtico manejable, que

describa adecuadamente el sistema microbiano, es una tarea que se simplifica
cuando se aplica al sistema una visin macroscpica. Aunque se asume que a
escala microscpica el sistema contiene partculas que se desplazan
caticamente, es posible despreciar la naturaleza discreta y el comportamiento
estocstico de stas (burbujas de gas, clulas y molculas).

Las condiciones prcticas que permiten hacer esta simplificacin del sistema son:

El sistema es suficientemente grande y contiene un gran nmero de

volmenes elementales.

El volumen elemental es muy pequeo en relacin con el sistema pero muy

grande cuando se compara con las partculas que contiene.

Las partculas que contiene el sistema estn uniformemente distribuidas

(mezclado perfecto) y pueden describirse por su valor promedio. ste es

17
 una propiedad del sistema. La variacin estocstica es tan pequea que
puede despreciarse.

Las propiedades del sistema se denominan propiedades macroscpicas.

P
P RRR OOO PPP III EEE DDD AAA DDD EEE SSS D
DE
D E U
E UN
U N S
N S III S
S ST
S TE
T EM
E MA
M A
A

En cada volumen elemental de un sistema, puede definirse un conjunto de

propiedades macroscpicas, que se ubican en dos clases distintas. Estas son las
propiedades intensivas y las extensivas.

PROPIEDADES INTENSIVAS PROPIEDADES

EXTENSIVAS

cualitativas cuantitativas

no aditivas aditivas
no susceptibles de susceptibles de
balance balance

Ejemplos: Ejemplos:

temperatura, presin, masa, volumen,

concentracin, calor energa, entropa, ........
especfico, ........

Para cada propiedad extensiva puede formularse un balance macroscpico.

En un reactor biolgico se llevan a cabo una serie de procesos, los cuales en su

interaccin determinan el comportamiento del sistema. Tales procesos pueden
dividirse en dos clases:

Procesos de transferencia (Transporte)

Procesos de transformacin (Conversin)

18
Ambos estn descritos mediante ecuaciones de velocidad (de transporte o
de conversin), respectivamente y definen la transferencia de masa o energa
entre el medio ambiente y el sistema. En un proceso fermentativo se lleva a cabo
la transferencia de nutrientes hacia el sistema, y de metabolitos y energa hacia el
entorno.

Los procesos de transporte se describen mediante ecuaciones que contienen

trminos de concentracin (para transporte a travs de los lmites de un sistema
homogneo) o bien de gradientes de concentracin (para transporte en el interior
de un sistema heterogneo).

Los procesos de conversin de nutrientes a masa celular, energa y otros

productos de reaccin, se efectan por el metabolismo microbiano y son descritos
mediante ecuaciones cinticas que tienen la forma general:

r = f(c1,c2,......cn)

Donde los trminos c1......cn representan las concentraciones de componentes en

el sistema, reactantes o productos, que afectan a la velocidad de reaccin (r).
Generalmente, los procesos de transferencia y conversin se combinan en las
ecuaciones de balance de masa o de energa y tienen la forma general:

Transferencia + Conversin = Acumulacin

La solucin de las ecuaciones de balance para cada componente, permite obtener

un conjunto de ecuaciones que describen la variacin de la concentracin de cada
uno de los componentes del sistema, como una funcin de las variables de
operacin que afectan al sistema de reaccin. Dependiendo del tipo de sistema y
de las condiciones de proceso, se obtienen soluciones para procesos transitorios
(dc/dt 0) o en estado de equilibrio dinmico (dc/dt = 0).

Por ejemplo, si se emplea el smbolo para representar una propiedad extensiva,

el balance macroscpico establece que la velocidad de acumulacin en el sistema
(d/dt) es el resultado de la velocidad de conversin (r) y de la velocidad de
transporte a travs de la frontera del sistema (). La ecuacin de balance se
describe como:

(d/dt)acum. = r +

19
MODELOS BIOCINTICOS

CONCEPTOS CINTICOS BSICOS:

VELOCIDADES DE REACCIN Y CONCEPTOS ESTEQUIOMTRICOS

AUXILIARES.

Velocidades de reaccin (volumtricas) para los principales componentes

involucrados en la mezcla de reaccin: x, s, p, cL, energa.

A la rapidez de cambio en la concentracin (M/V o E/V) de productos o

reactantes se le denomina velocidad volumtrica de reaccin. Sus unidades son
M/(V t) o E/(V t). Las principales son:

dx/dt gcel/(L h)

ds/dt gs/(L h)

dp/dt gp/(L h)

dcL/dt gO2/(L h)

dq/dt kcal/(L h)

Velocidades de reaccin (especficas): parmetros de estado fisiolgico

Cuando la rapidez de cambio en la concentracin se refiere a la masa de

biocatalizador (masa celular), se denomina velocidad especfica de reaccin
(rapidez de cambio producido por unidad de masa celular). A las velocidades
especficas se les conoce tambin como cuotas metablicas o parmetros de
estado fisiolgico dado que son indicadores cuantitativos del estado fisiolgico de
una poblacin celular.

(dx/dt) (1/x) = gcel/(gcel h) o [h-1]

(ds/dt) (1/x) = qs gs/(gcel h)

(dp/dt) (1/x) = qp gp/( gcel h)

(dcL/dt) (1/x) = qO2 gO2/( gcel h)

(dq/dt) (1/x) = qk kcal/( gcel h)

20
Rendimientos

La estequiometra y la cintica de reaccin se interrelacionan mediante los

trminos de rendimiento (eficiencias de conversin de substratos en productos y
energa). La transformacin de reactantes en productos puede representarse
mediante coeficientes estequiomtricos (eficiencias de conversin o rendimientos)
que son relaciones de cambio en una determinada unidad de tiempo. Pongamos
por caso el rendimiento celular:

x dx dx
x t dt ( xdt )

s s ds ds qs
t dt ( xdt )

Para otros coeficientes estequiomtricos se procede de igual forma. Mediante la

combinacin de velocidades volumtricas o especficas de reaccin, se obtienen
diversas relaciones estequiomtricas (correlaciones interparamtricas).

Rendimiento unidades

Yxs rendimiento celular (dx/xdt)/(ds/xdt) /qs gc /gs

Yps rendimiento de producto (dp/xdt)/(ds/xdt) qp/qs gp /gs

Ypx rendimiento de producto (dp/xdt)/(dp/xdt) qp/ gp /gc

Yxo rendimiento de oxgeno (dx/xdt)/(dcL/xdt) /qO2 gc/ gO2

Yxk rendimiento calrico (dx/xdt)/(dq/xdt) /qk gc /kcal

OBTENCIN DE MODELOS Y SUS CONSTANTES CINTICAS Y ESTEQUIOMTRICAS A PARTIR

DE INFORMACIN EXPERIMENTAL.

A partir de la informacin obtenida de una fermentacin, pueden obtenerse

modelos biocinticos procesando los datos experimentales originales con el
propsito de encontrar correlaciones matemticas. Por ejemplo los cambios en las
concentraciones de reactantes, productos y biocatalizador (clulas) que se
producen en funcin del tiempo (procesos transitorios) o de la velocidad de
dilucin (procesos en equilibrio) pueden expresarse en trminos de velocidad de

21
reaccin {velocidades de desaparicin de reactantes [donador y aceptor de
electrones] o de generacin de productos de reaccin [metabolitos, biomasa y
calor]}, ya sea en trminos volumtricos [dx/dt, ds/dt, dp/dt, dcL/dt, dq/dt] o ms
frecuentemente, en trminos de velocidades especficas de reaccin [, qs, qp,
qO2, qk].

Al representar grficamente una correlacin interparamtrica es posible observar

la naturaleza de los cambios en la estequiometra de reaccin. Esto es; los
coeficientes de rendimiento permanecen constantes o varan a lo largo de un
proceso, por ejemplo, en funcin del estado fisiolgico celular

Aun cuando se puede establecer todo tipo de correlaciones interparamtricas,

aquellas que resultan de mayor utilidad para la obtencin de modelos
matemticos son las que toman como base para definir la variacin de cualquier
parmetro de estado fisiolgico a la velocidad especfica de crecimiento (). La
razn de esto es que se han establecido una gran cantidad de modelos que
relacionan a con variables ambientales como la temperatura, el pH,
concentraciones de oxgeno, de sustrato y de inhibidores del crecimiento. Una vez
definida la funcionalidad de [t, pH,CL, s, I], las relaciones del resto de los
parmetros de estado [qs, qp, qK, qO2] con las variables ambientales pueden
hacerse a travs de la velocidad especfica de crecimiento ():

Conociendo la relacin entre y las velocidades especificas de produccin (qp, qK)

o de consumo (qO2, qs), es factible conocer la forma en que las variables
ambientales afectan al resto de los parmetros de estado.

Por ejemplo: qp[t,pH,cL, s, I, ...]}= f{[t,pH,cL, s, I, ...]} = qp[]

Lo anterior constituye la base de un modelo biocintico. Los principales son,

adems de los de crecimiento celular {[t,pH,cL, s, I, ...]}, los modelos de
produccin {qp[], qK[]} y los de consumo {qs[], qO2[]}. En este ltimo caso, los
reactantes tienen tres vertientes de consumo que se expresan como velocidades
especficas de consumo para:

metabolismo endgeno (m)

sntesis de material celular (/YG)
sntesis del producto [i]; (qpi/Ypi)

22
El valor de qs se expresa como la suma de estas velocidades.

qs = m + (/YG) + (qpi/Ypi)

En el caso del oxgeno como reactante, usualmente se consideran nicamente las

vertientes de metabolismo endgeno (m O2) y la sntesis de material celular [YO2G].
En el caso de que el O2 forme parte de la composicin del metabolito [i], tambin
se considera la tercera vertiente [por ej.; glucosa glucnico]. Usualmente se
expresa como: qO2 = mO2 + (/YO2G)

PROCESAMIENTO DE LA INFORMACIN DE UN CULTIVO POR LOTE PARA LA OBTENCIN DE

MODELOS DE COMPORTAMIENTO CINTICO-ESTEQUIOMTRICO.

Aunque el manejo de material biolgico dificulta notablemente la obtencin de

modelos matemticos descriptivos de los fenmenos que ocurren en el interior de
un reactor, en la actualidad existe un importante cmulo de ecuaciones
biocinticas tiles en la simulacin de procesos fermentativos. Los valores de las
constantes de estos modelos, usualmente se obtienen del anlisis estadstico del
comportamiento cintico de una fermentacin. Generalmente se utiliza la tcnica
del cultivo continuo para este propsito, aunque en ocasiones pueden emplearse
las curvas descriptivas de la variacin transitoria en las concentraciones de los
componentes de una reaccin [reactantes, productos y biocatalizador -material
celular-], obtenidas en un cultivo por lote. A partir del anlisis de la informacin
cintica de una fermentacin es posible obtener informacin relevante acerca de
las caractersticas cinticas del microorganismo involucrado en el proceso.

Excepto en el caso de la generacin de calor, las velocidades volumtricas

instantneas (i[t]), se obtienen por derivacin [grfica o numrica] de las curvas
descriptivas de la variacin transitoria en la concentracin de un componente [i].
Cuando la velocidad es la de formacin de biomasa [x] o de producto [p], se le
denomina tambin con el trmino de productividad celular Rx o de producto Rp.
Este trmino se utiliza ampliamente como criterio de diseo en procesos
fermentativos

Los coeficientes estequiomtricos son variables dependientes del estado

fisiolgico celular. Para expresar esta dependencia en trminos de una sola

23
variable (), es necesario que los parmetros de estado implcitos en cada uno de
los rendimientos (qs, qp, qO2, qk), se expresen tambin como una funcin de .

Se tienen as los modelos complementarios:

qs = f1 (); qp = f2 (); qO2 =f3 (); qk = f4 ()

Cada uno de ellos puede obtenerse del procesamiento de la informacin cintica

experimental. Tomando por ejemplo, el caso de un cultivo por lote en donde la
variacin temporal de las concentraciones de biomasa, sustrato y producto se
exprese respectivamente, mediante funcionalidades empricas x[t], s[t] y p[t], es
posible obtener de manera grfica o numrica la variacin de las velocidades
volumtricas x[t], s[t] y p[t], y especficas de reaccin, x[t]/x[t]= [t], s[t]/x[t] = qs[t]
y p[t] /x[t] = qp[t].

A partir de estos valores, pueden obtenerse las relaciones paramtricas qs[t] =

f1[[t]] y qp[t] = f2[[t]], que representan los respectivos modelos de consumo y de
produccin.

Este conjunto de modelos permite describir el comportamiento fisiolgico de un

cultivo como una respuesta a las variaciones en el medio ambiente (T, pH, [s], [p],
[cL], .....etc.), cuando se conoce la funcionalidad de con respecto a esas
variables ambientales, individualmente o en conjunto, [T], [pH], [T, pH], [s],
[s,p], [cL],.....etc., as como la relacin del resto de los parmetros de estado
con respecto a .

Ejercicio: Obtencin de modelos y sus constantes mediante el procesamiento de la informacin cintica

cruda (variacin transitoria de x,s y p) obtenida de un cultivo por lote.

24
MODELOS O FUNCIONES MS EMPLEADOS EN INGENIERA QUMICA PARA DESCRIBIR
VELOCIDADES DE REACCIN (VOTRUBA, 1984)

r1 = k1 ci Reaccin controlada por difusin (base de modelos

cinticos de primer orden Blackman-)

r2 = k1 cin Reaccin controlada por adsorcin fsica

r3 = k1 ci/(k2+ci) Reaccin controlada por quimioadsorcin de una especie

qumica en un sitio activo (base de las ecuaciones de
Michaellis-Menten cintica enzimtica- y Monod cintica de
crecimiento-)

r4 = k1 cin/(k2+cin) Reaccin controlada por quimioadsorcin de una especie

qumica en ms de un sitio activo (base de la ecuacin de
Moser cintica de crecimiento-)

c k
r5 = k1 {1 - e- i/ 2} Combinacin de dos velocidades de reaccin del tipo r2
(base de la ecuacin de Tessier cintica de crecimiento-)

r6 = k1 e- i/
c k2 Expresin de efectos inhibitorios para la reaccin (base de
la ecuacin de Aiba-Shoda-Nagatani -inhibicin del
crecimiento por etanol-)

r7 = k1 k2/(k2+ci) Bloqueo reversible del sitio activo por quimioadsorcin

r8 = k1 k2/(k2+cin) Bloqueo reversible de ms de un sitio activo por

quimioadsorcin

25
 M
MOOD
O DE
D EL
E LO
L OS
O S
S C
CIIIN
C N
N T
TIIIC
T CO
C OS
O S M
S M
M S
S E
S EM
E MP
M PL
P LE
L EA
E AD
A DO
D OS
O S E
S EN
E N B
N BIIIO
B OIIIN
O NG
N GE
G EN
E NIIIE
N ER
E A..
RA
R A

Hay una gama de funciones matemticas (a menudo denominadas tambin

modelos), que correlacionan a la velocidad especfica de crecimiento () con
variables ambientales. Usualmente con la concentracin del sustrato que limita al
crecimiento o bien con metabolitos inhibitorios (s,pi). La temperatura y el pH del
medio de cultivo afectan severamente a la velocidad de crecimiento, sin embargo
no es frecuente el uso de stas funciones, (T, pH), ya que normalmente ambos
trminos se mantienen constantes en fermentaciones controladas, Sin embargo,
en procesos fermentativos en donde no existe control de la temperatura y el pH
(como es el caso del tratamiento biolgico de efluentes), es conveniente contar
con modelos que describan tal funcionalidad.

Existen diversas expresiones cinticas que describen el efecto de la temperatura

sobre el crecimiento microbiano. De ellas, la ms conocida es la de Arrhenius.

-[E/RT] -[E1/RT] -[E2/RT]

(T) = B e ; o (T) = B1 e - B2 e

El efecto del pH puede describirse como:

+ + +
( H ) = mx/[1 + k1/H + H /k2]

Para casos particulares, la funcionalidad con respecto a las variable T y pH, puede
tambin expresarse mediante ecuaciones descriptivas (empricas). Con estas
ecuaciones (generalmente polinomiales), es posible correlacionar el cambio en
estas condiciones ambientales con la respuesta fisiolgica celular medida a travs
de los parmetros de estado fisiolgico [, qp(), qs(), qO2(), qk()]

Ejercicio: Obtencin de modelos empricos que describan el comportamiento de

(T); (pH) y (T,pH) para un microorganismo a partir de informacin
experimental.

26
EFECTO DE OTRAS VARIABLES AMBIENTALES SOBRE (Modelos de crecimiento).

La mayor cantidad de ecuaciones existentes al respecto, estn dedicadas a

expresar el efecto de la concentracin del substrato limitante y de metabolitos
inhibitorios de la velocidad especfica de crecimiento. Los principales modelos se
presentan en los cuadros siguientes.

EFECTO DE LA CONCENTRACIN DE SUSTRATO LIMITANTE SOBRE LA VELOCIDAD ESPECFICA DE

CRECIMIENTO ([S]).

Dependencia de [] con respecto a [s]:

= mx [s/(Ks+s)] Monod

= mx [1-exp(-s/Ks)] Tessier

= mx.sn/(Ks+sn) Moser

= mx.s2/[(K1+s) (K2+s)] Jost y col.

= mx [s/(Bx+s)] Contois

= mx.s/[(Ks+Kd)+s] Powell

= mx.s/2Ks; para s < 2Ks Blackman

= mx; para s 2Ks Blackman

s = .Ks/(mx-) - (Ks/mx). Dabes y col.

(d/ds) = k(mx - )p Konak

d(/mx)/ds = 1/(mx.Ks).(mx)(p-1) (1-/mx) Konak

d(/mx)/ds = k.(/mx)m.(1-/mx)p Kargi/Shuler

= {Ks-(Ks/mx)mx-[s] +

[(-Ks(Ks/mx)mx+s)2 +

4(Ks/mx)mx.s]0.5}/[2A] Dabes y col.

27
 MODELOS QUE DESCRIBEN LA INHIBICIN DEL METABOLISMO CELULAR.

Inhibicin de [] y [qp] por producto:

= [ [s]] [1-kp] Hinselwood:

= [ [s]] [1-p/Pm] Ghose y Tyagi

qp = qpmx[s/(Ks'+s)][1-p/Pm'] Ghose y Tyagi

= [ [s]] [exp(-k1p)] Aiba y col.

qp = qpmx[s/(Ks'+s)][exp(-k2p)] Aiba y col.

=[ [s]][1/(1+p/Kp)] Aiba y Shoda

qp = [qpmxs/(Ks'+s)][1/(1+p/Kp')] Aiba y Shoda

= [ [s]] [1-p/Pm]n Levenspiel

= [ [s]]Ki/(Ki+p)] Jerusalimsky

= [ [s]]{Ki/[Ki+(Yps/(Sr-s)]} Hoppe

= [ [s]] - k1(p-k2) Holzberg

= [ [s]] - [k1p/(k2-p)] Bazua y Wilke

qp = qpo - [k3p/(k4-p)] Bazua y Wilke

= [ [s]][1-(p/Pm)a] Luong

qp = [qpmxs/(Ks'+s)][1-(p/Pm')b] Luong

= [ [s]][Kp/(p+Kp)][1-p/Pm] Sevely

= [ [s]][exp(-k1p-k2s)] Jin y Wang

qp = qpmx [exp(-k3p-k4s)][p/(Kp+p)] Jin y Wang

= [ [s]][1-(p/Pm)a][1-(X/Xm)b] Lee & Poulard

= mx{s/[Ks+s+s2/Ki]}{p/[Kp+p+p2/Kpi]}{1-p/Pm}R Dourado y col.

qp = qpmx{s/[Ks'+s+s2/Ki']}{p/[Kp'+p+p2/Kpi']} {1-p/Pm'}R' Dourado y col.

28
 MODELOS QUE DESCRIBEN LA INHIBICIN DEL METABOLISMO CELULAR.

Inhibicin de por sustrato:

= mxs/[(Ks+s)(1+s/Ki)] Haldane

= mxs/[Ks+s+s2/Ksw] Andrews

qp = qpmxs/[Ks'+s+s2/Ks'w'] Andrews

= [mxs/(Ks+s)][1/(1+s/Ki)] Andrews

qp = [qpmxs/(Ks'+s)][1/(1+s/Ki')] Andrews

= [[s]]exp[-s/Ki) Edwards

= [mxs(1+Bs/Ki]/[Ks+s+s2/Ki] Webb

= [mxs(1+Bs/Ki]/[(Ks+s)(1+s/Ki] Webb

= mx {[exp(-s/Ki)] - [exp(-s/Ks)]} Edwards

= [[s]][1-(s/Sm)n] Luong

MODELOS QUE DESCRIBEN LA INHIBICIN MLTIPLE DEL METABOLISMO CELULAR.

Ejemplos de inhibicin combinada por sustrato y producto.

= mx(1-p/Pm)s/[Ks+s+s2/Ksw]
[ And rews]/ [Gh ose - Ty ag y ]

qp = qpmx(1-p/Pm)s/[Ks'+s+s2/Ks'w']

[ And rews]/ [Gh ose - Ty ag y ]

= mx[s/(Ks+s+s2/Ksw)][e-k1p]

[ And rews]/ [Aiba - Sh od a - N ag atani]

qp = qpmx[s/(Ks'+s+s2/Ks'w')][e-k2p]

[ And rews]/ [Aiba - Sh od a - N ag atani]

29
 MODELOS DESCRIPTIVOS DE LA CINTICA DE SNTESIS DE PRODUCTOS.

qp = {Yps}qs = qpmxs/(Ks+s) Gaden

qp = {Ypx} + kp Gaden

qp = + Luedeking y Piret

qp = qpmx - {Ypx} Rowley y Pirt

qp = qpmx{E/mx}/{1+([K1]/[K1']-1)(/mx)} Ryu y Humphrey

qp = qpmxs/{Kp+s(1+s/Krep)} Bajpai y Reuss

qp = kp1f + kp2(1-f) Kono y Asai

A menudo el comportamiento de la sntesis de productos es complejo, sin embargo, en muchos
casos puede expresarse mediante un modelo sencillo de tres constantes que describe la cintica de

sntesis de una gran cantidad de metabolitos. qp = ([s,p])n + (Galndez-Mayer J. y Ruiz-Ordaz N.,

1994)

S
S III M
MU
M UL
U LA
L AC
A C III
C N
N
N

Un simulador es un programa de cmputo escrito en algn lenguaje de

programacin. Lo constituye un conjunto de modelos matemticos que
representan relaciones funcionales dentro del sistema, de tal forma que cuando
el programa est en operacin, la dinmica matemtica se comporta en forma
anloga a la dinmica del sistema real.

Con un simulador es posible observar el funcionamiento de un sistema completo

cuando se altera alguno de sus componentes. Los resultados pueden generarse
en forma tabular, o ms frecuentemente, en forma de grficas bi o
tridimensionales (superficies de respuesta). El buen funcionamiento de un
simulador depende tanto de la representacin matemtica del sistema como de
los valores empleados para las constantes de los diversos modelos involucrados.

1) La estrategia general para la simulacin de un proceso tiene una secuencia

de pasos bidireccional, lo que implica que la informacin fluye en ambos sentidos
indicando la naturaleza adaptativa del desarrollo de una simulacin funcional
(Ramrez, W.F. 1997. Computational methods for process simulation. Butterworth-
Heinemann. UK).

30
 (A) (B ) (C) (D) (E )
DEFINICIN DEL MODELADO ORGANIZACIN DE SOLUCIN DE INTERPRETACIN DE
PROBLEMA MATEMTICO DEL ECUACIONES ECUACIONES RESULTADOS
PROCESO MEDIANTE
COMPUTACIN

A) No existen reglas para la definicin de problemas. Un ingrediente esencial es

la imaginacin y el pensamiento creativo.

B) Planteamiento de las ecuaciones que describan la relacin del proceso con

sus ecuaciones de balance. Si se desconocen los modelos cinticos y sus
constantes cinticas y estequiomtricas, es necesario obtenerlos
experimentalmente.

C) Una vez que se dispone del conjunto de relaciones matemticas,

particularmente para el caso de problemas complejos, debe especificarse una
estrategia de solucin, generalmente un diagrama de flujo de informacin que
ilustre las relaciones entre las distintas variables.

D) El conjunto de ecuaciones diferenciales obtenido, generalmente debe ser

resuelto mediante algn mtodo numrico, particularmente cuando se describe
un sistema de reaccin transitorio. En algunos casos es posible resolver el
sistema de ecuaciones diferenciales llegndose a soluciones analticas ({x[t],
s[t], p[t]...cL[t]} {x[t], s[t], p[t]...cL[t]}). En este caso la simulacin se reduce
simplemente a describir el comportamiento de las ecuaciones obtenidas, en
funcin de la variable independiente (t). Cuando el sistema de ecuaciones
diferenciales debe ser resuelto en condiciones de equilibrio dinmico en donde
el tiempo deja de ser la variable independiente (sistemas continuos p. ej.) es
frecuente que se obtenga un sistema de ecuaciones algebraicas, sin solucin
analtica. En este caso tambin debe recurrirse al empleo de mtodos
numricos.

E) Tal vez la parte ms compleja de una simulacin sea la interpretacin de los

resultados. De una correcta interpretacin puede derivarse la validez de un
modelo o bien, la necesidad de su revisin y modificacin.

31
La parte central del proceso fermentativo est constituida por la cintica y la
estequiometra de reaccin. Ambas son determinantes para la relacin biunvoca
entre la fisiologa celular y el medio ambiente, principalmente las concentraciones
de sustrato limitante [s], de metabolitos inhibidores [p], as como la temperatura T
y el pH del medio. El entorno afecta al estado fisiolgico celular y ste, a su vez,
provoca alteraciones en el medio en donde se cultivan las clulas.

Para poder simular el comportamiento cintico del microorganismo, debe

expresarse matemticamente la relacin entre las variables de estado y las
ambientales. Para ello se recurre a las ya mencionadas cuotas metablicas,
velocidades especficas de reaccin o indicadores cuantitativos de estado
fisiolgico celular.

crecimiento celular (s,p)

produccin de metabolitos qp{(s,p)}

generacin de calor de fermentacin qk{(s,p)}

consumo de nutrientes qs{(s,p)}

consumo de oxgeno qO2{(s,p)}

Para la construccin de un programa de simulacin (a veces denominado

simulador) es necesario expresar la funcionalidad existente entre la velocidad
especfica de consumo (qs), del componente [s] del medio de cultivo, que acta
como limitante de la tasa de crecimiento celular ().

qs = {(s,p)}

Cuando la fuente de carbono y energa es la limitante del crecimiento, su

consumo se destina para:

metabolismo endgeno (m)

expansin celular (s, p)/Yg
sntesis de productos qp{(s, p)}/Yp

y se expresa como la suma de las tres vertientes:

32
 qs = m + (s,p)/Yg + qp{(s,p)}/Yp

El cambio en la velocidad de consumo depende en gran medida de la variacin de

la velocidad especfica de sntesis de producto (qp) con respecto a () por lo que
tambin debe expresarse matemticamente la funcionalidad q p{(s,p)}.

SECUENCIA PARA LA SIMULACIN DE UNA FERMENTACIN

2) Otra forma de expresar los mencionado en prrafos anteriores es la siguiente:

Creacin de un modelo conceptual que contemple los principales

mecanismos que afectan el comportamiento de un sistema.

Expresin matemtica del modelo conceptual. El modelo matemtico

generalmente se expresa como un conjunto de ecuaciones
diferenciales o algebraicas. Es una abstraccin del modelo conceptual
y usualmente slo tiene validez dentro de ciertos lmites.

Traduccin del modelo en algoritmos vlidos para el lenguaje de

programacin empleado.

Asignacin de valores a las constantes cinticas del modelo y a los

valores iniciales del proceso.

Simulacin. Los resultados, usualmente concentraciones de nutrientes,

clulas y productos de reaccin, se comparan con el comportamiento
del sistema real. Las conclusiones, en casos extremos, pueden indicar
errores conceptuales que deban ser corregidos en el modelo, o la
necesidad de afinar los valores de las constantes cinticas.
Finalmente, el programa de simulacin validado puede emplearse
como una herramienta auxiliar en el diseo de procesos o como un
generador de hiptesis de trabajo en investigacin.

33
ESTEQUIOMETRA DE REACCIN.

Durante un proceso fermentativo, una mezcla de reactantes se convierte, por

accin microbiana, en una mezcla de productos de reaccin.

Cuando la poblacin celular se mantiene esttica (crecimiento nulo), funcionando

slo como biocatalizador para llevar a cabo la reaccin; solo se requiere formular
la mezcla de reactantes con base en la estequiometra de la bioconversin.

Cuando hay crecimiento celular, la estequiometra de reaccin debe considerar la

fraccin de reactantes convertidos en biomasa, y la fuente de energa utilizada
para el metabolismo celular endgeno.

Cuando el producto de reaccin es la propia biomasa o bien algn componente

intracelular o secretado que no represente una fraccin masa importante
(enzimas, vitaminas, pptidos etc.); el medio de cultivo se formula slo con base
en la composicin del propio material celular y a los rendimientos
correspondientes para cada uno de los componentes.

COMPOSICION ELEMENTAL DE MICROORGANISMOS

Peso Cenizas
[C] Microorganismo Frmula qumica emprica molecular %

58% Bacteria [C] [H]1.66 [N]0.20 [O]0.27 20.7 8.0

53% A. aerogenes [C] [H]1.78 [N]0.24 [O]0.33 22.5 8.9
51% K. aerogenes [C] [H]1.74 [N]0.22 [O]0.43 23.7
49% Levadura [C] [H]1.64 [N]0.16 [O]0.52 [P]0.01 24.7
50% C. utilis (a) [C] [H]1.82 [N]0.19 [O]0.4 24.0
47% C. utilis (b) [C] [H]1.84 [N]0.20 [O]0.56 25.6
50% C. utilis (c) [C] [H]1.82 [N]0.19 [O]0.46 23.9
47% C. utilis (d) [C] [H]1.84 [N]0.20 [O]0.55 25.5
53% Lodo activado [C] [H]1.40 [N]0.20 [O]0.40 22.6 8.6
54% Lodo activado [C] [H]1.43 [N]0.14 [O]0.43 22.3 1.3
53% Lodo activado [C] [H]1.60 [N]0.20 [O]0.40 22.8
50% Lodo activado [C] [H]1.77 [N]0.11 [O]0.55 24.1

(a) Glucosa .. D = 0.08 [1/h] (c) Etanol ... D = 0.06 [1/h]

(b) Glucosa .. D = 0.45 [1/h] (d) Etanol ... D = 0.43 [1/h]

34
COMPOSICION ELEMENTAL MEDIA DE MICROORGANISMOS

Bacterias Levaduras y hongos

Elemento[E] [%] [C/E] [%] [C/E]

Carbono
% [C]mn. 47.0 - 44.0 -
% [C]mx. 53.0 - 50.0 -
Nitrgeno
% [N]mn. 12.0 3.9 7.5 5.9
% [N]mx. 14.0 3.8 11.0 4.5
Fsforo
% [P]mn. 1.5 31.3 1.0 44.0
% [P]mx. 2.0 26.5 1.5 33.3
Potasio
% [K]mn. 1.5 31.3 1.5 29.3
% [K]mx. 2.5 21.2 2.0 25.0
Magnesio
% [Mg]mn. 0.1 470.0 0.1 440.0
% [Mg]mx. 0.3 76.7 0.3 166.7
Azufre
% [S]mn. 0.300 56.7 0.31 46.7
% [S]mx. 0.600 78.3 0.60 73.3
Oligoelementos
% [Ca] 0.100 470 0.10 440.0
% [Fe] 0.015 3133
% [Mn] 0.005 9400
% [Zn] 0.005 9400
% [Co] 0.001 47000
% [Mo] 0.001 47000

En procesos aerobios, en donde no se presenta desviacin en el metabolismo y

no se tiene acumulacin importante de subproductos, la fraccin de carbono del
sustrato que se incorpora a la masa celular es aproximadamente del 66%; el resto
se convierte en CO2. Se considera que el resto de los nutrientes se incorporan
ntegramente a la biomasa.

C [Sustrato] -----------> 0.66 C [clulas] + 0.34 C [CO2]

Bajo esta premisa, en el medio de cultivo deber haber un exceso de carbono

para balancear el medio.

Ejemplo de Formulacin de un Medio de Cultivo.

Considerando la produccin de biomasa a partir de un microorganismo con la

siguiente composicin elemental:

Elemento [E] %C %N %P %K %Mg %S %Ca

Composicin celular 50 10 1.5 2.0 0.3 0.6 0.1

C/N C/P C/K C/Mg C/S C/Ca

Relacin [C/E] en cel. 5.0 33 25 166 83 500
Relacin [C/E] en M.C 7.5 50 38 251 125 750[*]

35
[*] Considerando para el medio de cultivo [M.C], un exceso del 50% en la fuente
de carbono para CO2 que es el nico subproducto de la reaccin que contiene
carbono.

Considerando en la formulacin las materias primas descritas en la tabla anterior,

un medio balanceado quedara formulado de la manera siguiente:

Elemento Peso Relacin

[E] [MP] Molecular [E/S] [MP/Lact]
[g/g] [g/g]
C Lactosa 342 0.42 -
N (NH4)2 SO4 132 0.21 0.2666 *[N] y [S]
P K2HPO4 174 0.18 0.0466 *[P] y [K]
K K2HPO4 174 0.45 0.0245
Mg MgSO4.7(H2O) 246 0.10 0.0170
S (NH4)2 SO4 132 0.24 0.0140

Se estima la relacin de cada una de las materias primas [S] con respecto a la
fuente de carbono.

Mp / Lactosa (C / Lactosa ) / {(C / E )( E / Mp)}

Cuando se busca la acumulacin de algn metabolito, se provoca el desbalanceo

del medio de acuerdo con la estequiometra de la reaccin; en estos casos, los
medios se formulan con relaciones [C/E] mucho mayores que las mencionadas
anteriormente.

36
Estimacin de rendimientos tericos: celular (Yg), calrico (Ykg) y de oxgeno (YO2g)

Si se considera un proceso aerobio, en donde no se tienen desviaciones del

metabolismo celular y no hay acumulacin masiva de metabolitos; se tendr la
siguiente estequiometra simple de reaccin:

C[Sustrato] -----> 0.66 C [cel.] + 0.34 C [CO2]

En este caso, el rendimiento celular, basado en el carbono de sustrato [Cs] que se

incorpora a la biomasa como Carbono celular [Cc], ser de 0.66 g[Cc]/g[Cs] = Yc;
independientemente de la fuente de carbono que se utilice.

Sobre esta base es factible calcular el rendimiento terico celular mximo que se
esperara para cualquier fuente de carbono biodegradable, conociendo las
fracciones de carbono en el material celular [C/x] y en el sustrato [C/s].

Yg = Yc [C/s]/[C/x]; Donde: [C/x] = 0.52 [gC/gs]

Rendimientos celulares mximos [Yg]; tericos y experimentales

Valores
experimentales
Bacterias Lev.
Sustrato Frmula PM [C/s] [Yg]calc [Yg] [Yg]

Dodecano C12H26 170 0.847 1.00 1.03

Metano CH4 16 0.750 0.95 0.56-1.01
Etanol C2H6O 46 0.522 0.66 0.49 0.68
Glucosa C6H12O6 180 0.400 0.50 0.38-0.4 0.51
Metanol CH4O 32 0.375 0.48 0.48
Disacrido C12H22O 342 0.421 0.53 0.46
Glicerol C3H8O3 92 0.391 0.50 0.45
Hexano C6H14 86 0.837 1.06
Lactato C3H5O3 89 0.404 0.51 0.18
Piruvato C3H4O3 88 0.409 0.52 0.20

Estimacin del Rendimiento Calrico

Durante una fermentacin una parte del contenido energtico del sustrato se
libera como calor y otra queda almacenada en los productos de reaccin.
Conocido el contenido energtico de la fuente de carbono as como de los
productos de la reaccin, es posible estimar la cantidad de energa que se libera
durante la fermentacin por oxidacin biolgica del sustrato.

Sobre esta base se pueden calcular los valores del calor de combustin del
sustrato [Hs], clulas [Hc] y productos [Hp].

37
1.- Existe una relacin estequiomtrica entre la cantidad de O 2 que se consume
por combustin de una substancia y el grado de reduccin de la misma. En
general, se tiene establecido que por cada mol de O 2 que se consume en la
reaccin de oxidacin, se liberan aproximadamente 112 Kcal.

2.- Por otra parte, considerando el valor de 26.05 kcal por electrn disponible, (e -)
que es la cantidad de energa liberada por la transferencia de un electrn
equivalente del sustrato reducido al oxgeno, y estimando el nmero de electrones
disponibles de los tomos de Carbono[4], Hidrgeno[1], Oxgeno[-2] y Nitrgeno[-
3] en el sustrato, en clulas o en productos, se puede tambin hacer la estimacin
del calor de combustin respectivo. En este ltimo caso se obtienen valores
ligeramente menores a los obtenidos si se considera el oxgeno consumido en la
reaccin de oxidacin del compuesto.

38
Calor de Combustin de Sustratos (expresado en kcal/mol).

Hs[1] Clculo en base al O2 consumido en la reaccin [112 kcal/mol O2]

Hs[2] Clculo basado en la energa de los electrones disponibles [26.05 kcal/(e-)]

Sustrato Reaccin de Oxidacin Hs[1] [exp] Hs[2] [e-]

Metano CH4 +2 O2----------> CO2 + H2O 224 212.8 208.4 8
Etanol C2H6O + 3 O2-------> 2 CO2 + 3 H2O 336 326.5 312.6 12
Glucosa C6H12O6 + 6 O2------> 6 CO2 + 6 H2O 672 673 625.2 24
Metanol 2CH4O + 3 O2-------> 2 CO2 + 4 H2O 168 173.7 156.3 6
Maltosa C12H22O11 + 12 O2---> 2 CO2 +11 H2O 1344 1350 1250 48
Glicerol C3H8O3 + 3.5 O2-----> 3 CO2 + 4 H2O 392 397.8 364.7 14
Hexano 2C6H14 + 19 O2------> 12 CO2 +14 H2O 1064 989.9 38
Ciclohexano 2C6H14 + 19 O2------> 12 CO2 +12 H2O 1008 937.8 36
Acetato C2H4O2 + 2 O2-------> 2 CO2 + 2 H2O 224 208.6 208.4 8
Lactato 2C3H5O3 + 5.5 O2----> 6 CO2 + 5 H2O 308 326 286.5 11
Piruvato C3H4O3 + 2.5 O2-----> 3 CO2 + 2 H2O 280 280 260.5 10
Isopropanol C3H8O + 4.5 O2-----> 3 CO2 + 4 H2O 504 468.9 18
Formaldehido CH2O + O2---------> CO2 + H2O 112 134.1 104.2 4
Acetaldehido C2H4O + 2.5 O2-----> 2 CO2 + 2 H2O 280 278.8 260.5 10
Acetona C3H6O + 4 O2-------> 3 CO2 + 3 H2O 448 436.3 416.8 16
Frmico 2 CH2O2 + O2-------> 2 CO2 + 2 H2O 56 62.9 52.1 2
Tartrico C4H6O6 + 2.5 O2-----> 4 CO2 + 3 H2O 280 275.1 260.5 10
Maleico C4H4O4 + 3 O2-------> 4 CO2 + 2 H2O 336 320 312.6 12
Xilosa C5H10O5 + 5 O2------> 5 CO2 + 5 H2O 560 561.5 521.0 20
Galactosa C6H12O6 + 6 O2------> 6 CO2 + 6 H2O 672 670.7 625.2 24
Rammnosa C6H12O5 + 6.5 O2----> 6 CO2 + 6 H2O 728 718.3 677.3 26

Calor de combustin de clulas, considerando un contenido de cenizas del 8.0 %

CALOR DE COMBUSTIN DE CLULAS

PM Estequiometra de la combustin de clulas Hc (kcal/gs)

20.7 [C] [H]1.66 [N]0.20 [O]0.27 + 1.280[O]2 --> CO2 + 0.100 N2 + 0.83 H2O 6.83
22.5 [C] [H]1.78 [N]0.24 [O]0.33 + 1.280[O]2 --> CO2 + 0.120 N2 + 0.89 H2O 6.28
23.7 [C] [H]1.74 [N]0.22 [O]0.43 + 1.220[O]2 --> CO2 + 0.110 N2 + 0.87 H2O 5.68
24.0 [C] [H]1.82 [N]0.19 [O]0.47 + 1.220[O]2 --> CO2 + 0.095 N2 + 0.91 H2O 5.61
25.6 [C] [H]1.84 [N]0.20 [O]0.56 + 1.180[O]2 --> CO2 + 0.100 N2 + 0.92 H2O 5.09
23.9 [C] [H]1.82 [N]0.19 [O]0.46 + 1.225[O]2 --> CO2 + 0.095 N2 + 0.91 H2O 5.66
25.5 [C] [H]1.84 [N]0.20 [O]0.55 + 1.185[O]2 --> CO2 + 0.100 N2 + 0.92 H2O 5.13
22.6 [C] [H]1.40 [N]0.20 [O]0.40 + 1.150[O]2 --> CO2 + 0.100 N2 + 0.70 H2O 5.62
22.3 [C] [H]1.43 [N]0.14 [O]0.44 + 1.140[O]2 --> CO2 + 0.070 N2 + 0.72 H2O 5.64
22.8 [C] [H]1.60 [N]0.20 [O]0.40 + 1.200[O]2 --> CO2 + 0.100 N2 + 0.80 H2O 5.81
24.1 [C] [H]1.77 [N]0.11 [O]0.55 + 1.170[O]2 --> CO2 + 0.055 N2 + 0.89 H2O 5.36
Valor Medio de Hc 5.70

39
En un proceso de combustin biolgica de la fuente de carbono, se tiene la
siguiente estequiometra de reaccin.

[O2] + [S][Hs] --> [X][Hc] + [P][Hp] + Hf + [CO2] + [H2O] [1]

Dividiendo [1] entre [X]:

[Hs].[S]/ [X] --> [Hc] + [Hp][P]/[X] + Hf /[X] [2]

Definiendo a los trminos:

[X]/[S] = Yxs = [dx/dt]/[ds/dt] Rendimiento celular

[P]/[X] = Ypx = [dp/dt]/[dx/dt] Rendimiento de producto

[X]/Hf = Yxk = [dx/dt]/[dq/dt] Rendimiento calrico

Substituyerndo en [2], se obtiene finalmente:

Yxk = Yxs /[Hs - Yxs. Hc - Yps. Hp] [3]

Determinado el rendimiento celular [Yxs], y conocidos los valores del calor de

combustin de reactantes y productos, es posible estimar el valor de [Yxk]. A partir
de este valor, es posible determinar la velocidad de generacin de calor por
fermentacin (dq/dt) en cualquier estado fisiolgico celular.

Finalmente, el rendimiento de O2 [YO2] puede estimarse estequiomtricamente a

partir de la liberacin de 112 kcal/mol O2 consumido en la combustin Y[k/o]; dado
que:

YO2 = Y[x/o] = Y[k/o].Y[x/k]

40
RENDIMIENTOS CELULAR, CALRICO Y DE OXGENO.
Hc = 5.7[kcal/gc] Y[k/o] = 3.5 [kcal/gO2]

kcal/g Yxs
Hs Organismo Sustrato Real o Yxk Yxk YO2 YO2
Calc. Calc. Real* Calc. Real Calc.
3.48 Bacteria Acetato 0.36 0.25 0.88
3.74 Bacteria Glucosa 0.51 0.61 2.15
5.43 Bacteria Metanol 0.40 0.13 0.44
7.10 Bacteria Etanol 0.68 0.21 0.74
8.40 Bacteria Isopropanol 0.43 0.07 0.25
13.30 Bacteria Metano 0.62 0.06 0.22
3.95 A.aerogenes Maltosa 0.46 0.40 0.35 1.50 1.21
3.73 A.aerogenes Fructosa 0.42 0.39 0.31 1.46 1.10
3.74 A.aerogenes Glucosa 0.40 0.30 0.27 1.11 0.96
3.74 C. utilis Glucosa 0.51 0.35 0.61 1.32 2.15
3.74 P. chrysogenum Glucosa 0.43 0.36 0.33 1.35 1.17
3.74 Ps. fluorescens Glucosa 0.38 0.23 0.24 0.85 0.85
3.74 Rh. spheroides Glucosa 0.45 0.39 0.38 1.46 1.34
3.74 S.cerevisiae Glucosa 0.50 0.26 0.56 0.97 1.97
4.32 A.aerogenes Glicerol 0.45 0.26 0.26 0.97 0.90
3.66 A.aerogenes Lactato 0.18 0.10 0.07 0.37 0.24
3.18 A.aerogenes Piruvato 0.20 0.13 0.10 0.48 0.34
3.48 A.aerogenes Acetato 0.18 0.08 0.07 0.31 0.26
3.48 C. utilis Acetato 0.36 0.19 0.25 0.70 0.88
3.48 Ps. fluorescens Acetato 0.28 0.12 0.15 0.46 0.52
7.10 C. utilis Etanol 0.68 0.16 0.21 0.61 0.74
7.10 Ps. fluorescens Etanol 0.49 0.11 0.11 0.42 0.40
5.43 Klebsiella Metanol 0.38 0.15 0.12 0.56 0.41
5.43 Methylomonas Metanol 0.48 0.14 0.18 0.53 0.62
5.43 Pseudomonas Metanol 0.41 0.12 0.13 0.44 0.46
13.30 Methylococcus Metano 1.01 0.08 0.13 0.29 0.47
13.30 Pseudomonas Metano 0.80 0.05 0.09 0.20 0.32
13.30 Pseudomonas Metano 0.50 0.05 0.05 0.19 0.17
13.30 Ps. methanica Metano 0.56 0.05 0.06 0.17 0.19

41
 (* Acumulacin intracelular de enzima*)(*Modelo de Gad Yagil*)
(*Acumulacin intracelular de mRNA m'[t]=q m -m(k d m+)*)
(*Acumulacin intracelular de enzima e'[t]=q e -e(k d e +) = m(f 2 )-e(k d e +)*)
$DefaultFont = {"Times",6};
(*m = concentracin intracelular de mRNA = [Um/gcel]*)
(*e = concentracin intracelular de protena = [Ue/gcel]*)
(*qm = velocidad especfica de transcripcin de mRNA = f1 = [Um/gcel.h]*)
(*f2 = velocidad especfica de traduccin del mRNA a protena = [Ue/Um.h]*)
(*qe = velocidad especfica de sntesis de protena = m (f2) = [Ue/gcel.h]*)
Clear[m,mo,sol,eo,,km,ke,qm,f2,tf,t,mi,me]
(*Valores iniciales y constantes del modelo*)
mo=100.0; eo=100.0; =0.166; km=3.2; ke=0.0; qm = 6*4 ; f2=0.95/4 ; tf=16;

sol=NDSolve[{m'[t]==qm -m[t](+km), e'[t]==m[t](f2) -e[t](+ke),

mi'[t]==0-mi[t](+km), ei'[t]==mi[t](f2) -e[t](+ke),
mi[0]==mo, ei[0]==eo, m[0]==mo, e[0]==eo},{m,e,mi,ei},{t,0,tf}];

rem=Plot[Evaluate[m[t]/.sol],{t,0,tf},
AxesLabel->{"t (h)","m (U m/gcel)"}, PlotRange ->{0,mo}, PlotLabel ->"mRNA",
PlotStyle->{RGBColor[1,0,1]} , Background ->GrayLevel[0.85]];

renz=Plot[Evaluate[e[t]/.sol],{t,0,tf},
AxesLabel->{"t (h)","enzima (Ue/gcel)"}, PlotRange ->{0,eo},PlotLabel -
>"enzima",
PlotStyle->{RGBColor[1,0 ,0]} , Background ->GrayLevel[0.85] ];

reminact=Plot[Evaluate[mi[t]/.sol],{t,0,tf},
AxesLabel->{"t (h)","mi (Um/gcel)"}, PlotRange ->{0,mo}, PlotLabel ->"mRNA
inact"];
renzinact=Plot[Evaluate[ei[t]/.sol],{t,0,tf},
AxesLabel->{"t (h)","ei (Ue/gcel)"}, Plot Range->{0,eo}, PlotLabel ->"enzima
inact"];

multm=Show[rem,reminact,AxesLabel ->{"t (h)","mRNA, (U/gcel)"},

PlotLabel->"mRNA (2) = f(t)"];
multenzim=Show[renz,renzinact,AxesLabel ->{"t (h)"," Enz (U/gcel)"},
PlotLabel->" Enz (2) = f(t)"];

(* Show[GraphicsArray[{multm,multenzim}]] *)

42
 M
MTTTO
OD
O DO
D OS
O SN
S NU
N UM
U M
M R
RIIIC
R CO
C OS
O SP
S PA
P AR
A RA
R AL
A LA
L AS
A SO
S OL
O LU
L UC
U CIII
C N
ND
N DE
D EE
E EC
E CU
C UA
U AC
A CIIIO
C ON
O NE
N ES
E SD
S DIIIF
D FE
F ER
E RE
R EN
E NC
N CIIIA
C AL
A LE
L ES
E S
S
A menudo, despus del anlisis de un sistema de reaccin, se obtiene un
conjunto de ecuaciones diferenciales que no pueden resolverse mediante los
mtodos analticos tradicionales. Para ese conjunto se conocen las condiciones
iniciales y cada una de las ecuaciones tienen la forma:

x' = f[t,x] (1)

siendo el valor inicial x[to] = xo

Para un proceso fermentativo, y de una manera simplificada e independiente,

estas ecuaciones corresponderan a:

x'=f[t,x], x[to]=xo;

s'=f[t,s], s[to]=so;

p'=f[t,p], p[to]=po;

En realidad las ecuaciones son interdependientes, involucran a ms de una

variable dependiente [x, s, p], aunque una sola dependiente [t], y adquieren la
forma:

x'=f[x,s,p], x[to]=xo;

s'=f[x,s,p], s[to]=so;

p'=f[x,s,p], p[to]=po;

Si las funciones son explcitas, es posible evaluarlas numricamente (la solucin

se aproxima al valor exacto). El mtodo de solucin numrica se realiza por
pasos, es decir, se parte del valor inicial xo=x[to] y se obtiene la solucin para un
pequeo intervalo de tiempo transcurrido. Por ejemplo, en el caso de una sola
ecuacin, primeramente se calcula un valor aproximado x1 para la ecuacin (1),
cuando t1=to+h, en el segundo paso se calcula el valor aproximado x2 para t2=t1+h,
y as sucesivamente. Aqu h es un intervalo de tiempo fijo. En cada paso, los
clculos se realizan mediante la misma frmula.

Tales frmulas se derivan de soluciones por series. Por ejemplo en (1); se tiene
que x' = f, entonces: x[t+h]=x[t]+h f +(h 2/2) f'+(h 3/6) f'' +....., (2)

43
donde f, f', f'' se evalan en [t, x[t]]. Para valores pequeos de h, las potencias
superiores h2, h3,...., que aparecen en (2) sern muy pequeas y con una mala
aproximacin podra tenerse que: x[t+h]=x[t]+h f.

Otra forma de explicar el principio del mtodo numrico, empleando el mismo

ejemplo, se basa en lo siguiente:

La derivada x[t] representa a la relacin dx/dt que puede aproximarse a x/t .

Si x es (x1[t]- xo[t]) y al intervalo t se le denomina h, entonces:

x[t] = f (x1[t] - xo[t])/h por tanto, x1[t] = xo[t]) + h f

De forma iterativa se haran los siguientes clculos:

x1=xo+h f[to,xo], en el segundo paso se calcula x2=x1+hf[t1,x1], y as sucesivamente.

Este mtodo es el conocido como mtodo de Euler o Euler-Cauchy. Aunque muy
sencillo, es de escaso valor por la inexactitud inherente al error de truncamiento
de paso.

A una modificacin del mtodo de Euler se le conoce tambin como mtodo de

Heun en el que xn+1 = xn+1/2(k1+k2), los trminos kn+ k2 son:

k1= hf[tn, xn]

k2 = hf[tn+h, xn+k1]

Por ejemplo, en el caso de la ecuacin dx/dt = x = mxx, la variacin aproximada

x[t] para un paso h = 0.1, mx = 0.5 y un valor de xo = 1.0, sera:

Euler: x1=xo+hf[to,xo] = xo+h[mxxo] = 1.0+0.1[0.5*1.0] = 1+0.05 = 1.05;

x2=x1+hf[t1,x1] = x1+h[mxx1] = 1.05+0.1[0.5*1.05] = 1.05+0.0525 = 1.1025;

y as sucesivamente.

Heun:

x1=xo+1/2(k1+k2) k1=hf[to, xo] k2=hf[to+h, xo+k1]

x1=xo+1/2(k1+k2) k1=h[mxxo] k2=h[mx(xo+k1)]

k1=0.1[0.5*1.0]=0.05 k2=0.1[0.5(1.0+0.05)]=0.0525

44
x1=1.0+1/2(0.05+0.0525)=1.0+0.05125=1.05125

Para el siguiente paso, se recalculan los valores de los trminos k 1 y k2

x2=x1+1/2(k1+k2)

k1=h[mxx1] k2=h[mx(x1+k1)]

k1=0.1[0.5*1.05125]=0.0525625 k2=0.1[0.5(1.05125+0.0525625)]=0.055190625

x2=1.05125+1/2(0.0525625+0.055190625)=1.05125+0.05387656=1.1051265

y as sucesivamente

RK4. Runge-Kutta (orden 4): (Karl Runge y Wilhelm Kutta)

Es un mtodo an ms exacto. A cada paso se calculan 4 trminos auxiliares

(k1,k2,k3,k4) y a continuacin el nuevo valor xn+1.

xn+1= xn+1/6(k1+2k2+2k3+k4),

donde:

k1=hf[tn,xn]

k2=hf[tn+h/2,xn+k1/2]

k3=hf[tn+h/2,xn+k2/2]

k4=hf[tn+h,xn+k3]

Para el mismo ejemplo:

dx/dt = x = mxx, la variacin aproximada x[t] para un paso h = 0.1, mx = 0.5 y

un valor de xo = 1.0, sera:

k1=hf[xo] k1= h[mxxo] k1=0.1[0.5*1.0]=0.05

k2=hf[xo+k1/2] k2=h[mx (xo+k1/2)] k2=0.1[0.5 (1.0+0.05/2)]=0.0525

k3=hf[xo+k2/2] k3=h[mx (xo+k2/2)] k3=0.1[0.5

(1.0+0.0525/2)]=0.0513125

k4=hf[xo+k3] k4=h[mx (xo+k3)] k4=0.1[0.5 (1.0+0.0513125)]=0.052565625

x1= 1.0+1/6(0.05+2*0.05225+2*0.0513125+0.052565625)=1.051798

45
y como en los casos anteriores se repiten los clculos sucesivamente, a partir del
nuevo valor de xn obtenido.

Para el caso de un conjunto de ecuaciones interdependientes que involucran a

ms de una variable dependiente [x, s] y una sola dependiente [t]:

x'=f[x,s], x[to]=xo;

s'=g[x,s], s[to]=so;

La solucin implica el clculo de 4 trminos auxiliares por cada ecuacin. Para el

caso de 2 ecuaciones, debern calcularse 8 trminos auxiliares [{k1,k2,k3,k4} y
{L1,L2,L3,L4}] y a continuacin los nuevos valores (xn+1 y sn+1)

xn+1= xn+1/6(k1+2k2+2k3+k4)

sn+1= sn+1/6(L1+2L2+2L3+L4)

k1=hf[ xo, so] L1=hg[ xo, so]

k2=hf[xo+k1/2, so+L1/2] L2=hg[xo+k1/2, so+L1/2]

k3=hf[xo+k2/2, so+L2/2] L3=hg[xo+k2/2, so+L2/2]

k4=hf[xo+k3, so+L3] L4=hg[xo+k3, so+L3]

Ejemplos de solucin numrica de conjuntos de ecuaciones diferenciales,

empleando el mtodo RK4, se encuentra en las pginas 47-51 y 71-74 de
Bioingeniera (Galndez y Ruiz, 1994)

Ejercicio: Resolver un sistema de ecuaciones diferenciales que describe la

cintica de fermentacin en un cultivo por lote, empleando una hoja de clculo, el
programa EZ-Solve y el programa Mathematica.

46
47