Ingeniería inversa en modelos de crecimiento usando algoritmos genéticos

ALEJANDRO PEDROZO; ANDREA M. DALLAGNOL; CARLOS E. SCHVEZOV

Buenos Aires

Conferencia; Latin American Conference on Mathematical Modeling of Biological Systems; 2015

Sociedad Argentina de Biofisica

Los alimentos se descomponen debido al crecimientode ciertos microorganismos presentes, lo que se manifiesta como un cambioen sus características sensoriales. Una tecnología con gran potencial comoconservante natural son las bacterias lácticas1 (BL) las cuales se encuentranintegrando la microbiota de numerosos alimentos y la mayoría sonreconocidas como seguras. El comportamiento de las BLy su capacidadpara interactuar con bacterias alterantes/patógenas inhibiendo su desarrollose puede estimar mediante el uso de la microbiología predictiva, y losparámetros de los modelos matemáticos pueden ser obtenidos utilizandomodelización inversa. Sin embargo, cuando se desea ajustar más de unacurva de crecimiento experimental de manera simultánea, el problema sevuelve más complejo debido a que es necesario realizar una optimizaciónmulti-objetivo para hallar el conjunto de parámetros más apropiado.En el presente trabajo se utiliza una modificación del modelo mecanísticode Baranyi y Roberts2, el cual considera interacción entre losmicroorganismos, para ajustar las curvas de crecimiento experimentales debacterias lácticas y Listeria monocytogenesen forma simultánea. Se resuelveel correspondiente sistema de ecuaciones diferenciales utilizando métodosnuméricos, y las predicciones del modelo son comparadas con los datosexperimentales mediante el error cuadrático. Como se desea minimizar elerror cuadrático de ambas curvas, se utiliza un algoritmo genético tipoNSGA-II3 para obtener el frente de Pareto donde se encuentran losconjuntos de parámetros que resuelven el problema.Se obtiene que el algoritmo genético permite hallar parámetros de ajustepara el modelo y en tiempos de cómputo relativamente bajos. Además, elajuste de curvas de crecimiento simultáneo propuesto presenta menoreserrores cuadráticos, en comparación al ajuste individual de las curvas.