Análisis de sensibilidad global en redes metabólicas: Identificación y ranking de parámetros cinéticos más influyentes

JIMENA ANDREA DI MAGGIO; JUAN CARLOS DIAZ RICCI; MARÍA SOLEDAD DÍAZ

Valle Hermoso

Congreso; I Reunión Interdisciplinaria de Tecnología y Procesos Químicos; 2008

Actualmente, el avance en técnicas experimentales hace posible la obtención de gran cantidad de información sobre el estado de las células en el tiempo, permitiendo la construcción de modelos dinámicos para redes metabólicas, que pueden predecir el comportamiento de los microorganismos y son una herramienta fundamental en la Ingeniería Metabólica. Los modelos dinámicos de redes metabólicas están representados por un sistema de ecuaciones diferencial-algebraico no lineal, el cual surge de plantear balances de masa para los metabolitos y contiene un gran número de parámetros cinéticos que deben ser estimados bajo una determinada condición de crecimiento. La incertidumbre asociada a cada parámetro genera diferentes efectos en las variables de salida, por lo tanto la implementación de un análisis de sensibilidad que permita identificar cuáles son los parámetros que producen un mayor impacto sobre estas variables es fundamental para la formulación de un problema de estimación de parámetros. Los métodos de análisis de sensibilidad pueden ser clasificados en locales y globales. En el presente trabajo, se llevó a cabo un análisis de sensibilidad global mediante el uso de técnicas basadas en la varianza, para el modelo dinámico de la vía de Embden-Meyerhof-Parnas, el sistema fosfotransferasa y la vía de las pentosas fosfato para Escherichia coli K-12 W3110 (Chassagnole et al. 2002). Se estimaron índices de sensitividad siguiendo el método propuesto por Sobol’ (2001), que hace uso del método Monte Carlo para el cálculo de los perfiles temporales de las varianzas (Di Maggio et al. 2008 a, b). El modelo correspondiente a la red metabólica se implementó en g-PROMS (PSE Enterprise, 2007). En esta plataforma dos conjuntos de parámetros aleatorios fueron generados para k=20 parámetros seleccionados en una etapa preliminar, un tamaño de muestra de N=2500 escenarios fue considerado. Las N(2k+1) simulaciones Monte Carlo fueron implementadas en g-PROMS, los perfiles temporales de las variables de salida fueron exportados para el cálculo de la varianza y los índices de sensitividad dentro del entorno Fortran 90. Resultados obtenidos muestran que, por ejemplo, la concentración de fructosa-6-fosfato (f6p) es afectada por todos los parámetros, siendo NPTS,g6p y KPGI,eq los que mayor incertidumbre generan sobre esta variable. Por otra parte, KPGK,eq, RGAPDH,máx y NPTS son los parámetros que principalmente afectan la concentración de 2-fosfglicerato (2pg). El análisis de sensibilidad permitió establecer un ranking de los parámetros más influyentes sobre las variables de salida, para una posterior formulación y solución del problema de estimación dinámica de parámetros.