“Optimización iterativa de bioprocesos utilizando diseño de experimentos dinámicos basado en modelos de tendencia”

MARIANO D. CRISTALDI; RICARDO J. A. GRAU; ERNESTO C. MARTINEZ

Montevideo (Uruguay)

Congreso; 9º Congreso Interamericano de Computación Aplicada a la Industria de Procesos. CAIP’2009; 2009

Centro de Información Tecnológica (CIT). La Serena (Chile)

Actualmente, gracias a la tecnología del ADN recombinante existen en el mercado numerosos productos biotecnológicos obtenidos mediante el cultivo de microorganismos genéticamente modificados. Uno de los organismos más utilizados para la expresión de proteínas heterólogas ha sido la bacteria Escherichia coli debido al amplio conocimiento que ha podido ser recopilado a lo largo de los años. Sin embargo, la producción rentable de bioproductos, que cumplan con los altos estándares de calidad exigidos internacionalemente, y el rápido scaling up de los bioprocesos son aún un desafío para las empresas de bases biotecnológicas. Esas motivaciones justifican que el desarrollo de métodos que asistan a un rápido escalado y a la optimización de bioprocesos sea un área de sumo interés tanto académico como tecnológico. En este trabajo es implementada una novedosa metodología iterativa para el diseño de experimentos dinámicos basado en modelos de tendencia con el objetivo de optimizar la producción de una proteína recombinante expresada en una cepa de E. coli. El método propuesto utiliza un modelo del biorreactor, escogido desde una biblioteca de modelos de tendencia, para el diseño de una experiencia para optimización. Ése diseño experimental está formado por una política de operación del bioproceso y de los tiempos a los cuales un número limitado de muestras deben ser tomadas para obtener la mayor información del cultivo. Una vez que se cuenta con los datos experimentales, cada uno de los modelos de la biblioteca es evaluado respecto a su sensibilidad paramétrica utilizando un Análisis de Sensibilidad Global (GSA, siglas en inglés) [1]. Del estudio de sensibilidad son determinados cuáles parámetros deberían ser re-estimados para utilizar de la forma más eficiente la información contenida en los datos experimentales. Por último, un nuevo GSA es realizado con cada modelo de tendencia para escoger el más adecuado para el diseño del próximo experimento. Una representación esquemática de la metodología es mostrada en la figura 1 En este trabajo es implementada una novedosa metodología iterativa para el diseño de experimentos dinámicos basado en modelos de tendencia con el objetivo de optimizar la producción de una proteína recombinante expresada en una cepa de E. coli. El método propuesto utiliza un modelo del biorreactor, escogido desde una biblioteca de modelos de tendencia, para el diseño de una experiencia para optimización. Ése diseño experimental está formado por una política de operación del bioproceso y de los tiempos a los cuales un número limitado de muestras deben ser tomadas para obtener la mayor información del cultivo. Una vez que se cuenta con los datos experimentales, cada uno de los modelos de la biblioteca es evaluado respecto a su sensibilidad paramétrica utilizando un Análisis de Sensibilidad Global (GSA, siglas en inglés) [1]. Del estudio de sensibilidad son determinados cuáles parámetros deberían ser re-estimados para utilizar de la forma más eficiente la información contenida en los datos experimentales. Por último, un nuevo GSA es realizado con cada modelo de tendencia para escoger el más adecuado para el diseño del próximo experimento. Una representación esquemática de la metodología es mostrada en la figura 1 En este trabajo es implementada una novedosa metodología iterativa para el diseño de experimentos dinámicos basado en modelos de tendencia con el objetivo de optimizar la producción de una proteína recombinante expresada en una cepa de E. coli. El método propuesto utiliza un modelo del biorreactor, escogido desde una biblioteca de modelos de tendencia, para el diseño de una experiencia para optimización. Ése diseño experimental está formado por una política de operación del bioproceso y de los tiempos a los cuales un número limitado de muestras deben ser tomadas para obtener la mayor información del cultivo. Una vez que se cuenta con los datos experimentales, cada uno de los modelos de la biblioteca es evaluado respecto a su sensibilidad paramétrica utilizando un Análisis de Sensibilidad Global (GSA, siglas en inglés) [1]. Del estudio de sensibilidad son determinados cuáles parámetros deberían ser re-estimados para utilizar de la forma más eficiente la información contenida en los datos experimentales. Por último, un nuevo GSA es realizado con cada modelo de tendencia para escoger el más adecuado para el diseño del próximo experimento. Una representación esquemática de la metodología es mostrada en la figura 1