Ingeniería inversa en modelos de crecimiento usando algoritmos genéticos

PEDROZO ALEJANDRO ; DALLAGNOL ANDREA MICAELA; SCHVEZOV CARLOS ENRIQUE

Buenos Aires

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

Los alimentos se descomponen debido al crecimiento de ciertos microorganismos presentes, lo que se manifiesta como un cambio en sus características sensoriales. Una tecnología con gran potencial como conservante natural son las bacterias lácticas1 (BL) las cuales se encuentran integrando la microbiota de numerosos alimentos y la mayoría son reconocidas como seguras. El comportamiento de las BLy su capacidad para interactuar con bacterias alterantes/patógenas inhibiendo su desarrollo se puede estimar mediante el uso de la microbiología predictiva, y los parámetros de los modelos matemáticos pueden ser obtenidos utilizando modelización inversa. Sin embargo, cuando se desea ajustar más de una curva de crecimiento experimental de manera simultánea, el problema se vuelve más complejo debido a que es necesario realizar una optimización multi-objetivo para hallar el conjunto de parámetros más apropiado.En el presente trabajo se utiliza una modificación del modelo mecanístico de Baranyi y Roberts2, el cual considera interacción entre los microorganismos, para ajustar las curvas de crecimiento experimentales de bacterias lácticas y Listeria monocytogenesen forma simultánea. Se resuelve el correspondiente sistema de ecuaciones diferenciales utilizando métodos numéricos, y las predicciones del modelo son comparadas con los datos experimentales mediante el error cuadrático. Como se desea minimizar el error cuadrático de ambas curvas, se utiliza un algoritmo genético tipo NSGA-II3 para obtener el frente de Pareto donde se encuentran los conjuntos de parámetros que resuelven el problema.Se obtiene que el algoritmo genético permite hallar parámetros de ajuste para el modelo y en tiempos de cómputo relativamente bajos. Además, el ajuste de curvas de crecimiento simultáneo propuesto presenta menores errores cuadráticos, en comparación al ajuste individual de las curvas