Instituto Tecnológico Superior de Huichapan

Practica
Modelo Cubico

Alumno: Jesus Salinas Cruz.

Matricula: 20021045

Materia: Microbiología

Carrera: Ingeniera en Energías Renovables.

Profesor: Dr. Donaji Jiménez Islas.

1
Contenido
Introducción ............................................................................................................. 3
Objetivo ................................................................................................................... 4
Materiales y métodos .............................................................................................. 5
Procedimiento ......................................................................................................... 6
Resultados .............................................................................................................. 9
Conclusión............................................................................................................... 9
Referencias ........................................................................................................... 10

2
Introducción

La microbiología predictiva ha demostrado ser clave en este aspecto. Esta rama de

la microbiología intenta describir el comportamiento de un microorganismo bajo
unas condiciones ambientales dadas a través de modelos matemáticos. (Salazar,
Rodríguez, Valle, & Garcia, 2021)

El crecimiento de un microorganismo suele ilustrarse a través de la curva de

crecimiento, que es la representación del logaritmo del número de microorganismos
con respecto al tiempo. (Zhang, Wen, & Yang, 2011)
La cinética de crecimiento microbiano, es la relación entre la tasa de crecimiento
específico (μ) de una población microbiana y la concentración de sustrato (s), hoy
en día es una herramienta indispensable en todos los campos de la microbiología,
ya en las ramas de la fisiología, la genética, la ecología o la biotecnología, y por
tanto, es una parte una parte fundamental de la microbiología. (Briški & Vuković
Domanovac, 2017)

Aunque las condiciones del medio sean favorables para el crecimiento, el

microorganismo necesita un tiempo para adaptarse a ese nuevo ambiente antes de
comenzar el crecimiento. Esta etapa se conoce como fase de adaptación. A
continuación, la población microbiana entra en la denominada fase exponencial en
los ciclos celulares e interacciones de un microrganismo ya que por medio de ella
se describe el incremento en el número de células o aumento de la masa
microbiana o también denominada biomasa. (Sanders, 2012)
Es de vital importancia conocer cómo se desarrolla un microorganismo ya que al
presentarse un desarrollo del mismo se generaran poblaciones las cuales brindan
la información necesaria para poder generar métodos de control para el
crecimiento de un microorganismo en específico ya que por medio de ellos se
pueden obtener grandes cantidades de biomasa y productos que son utilizados en
las industrias ya que el crecimiento cinético de un microorganismo depende el
rendimiento de un producto que sea de interés para la propia industria. (Larimer et al.,
2019)

La tasa de crecimiento específico es el parámetro más importante a controlar

durante la fermentación, ya que representa el comportamiento dinámico de los
microorganismos. (Fontalvo, 2020)
Los modelos matemáticos describen el cambio del número de células microbianas
respecto al tiempo bajo condiciones ambientales constantes. A partir de la curva
obtenida y utilizando el modelo se genera información importante del
comportamiento y la velocidad de crecimiento especifica de crecimiento del
microorganismo. (McDonald y Sun, 1999)

3
Objetivo

A partir de los datos proporcionados se realizara la estimación de la velocidad

especifica de crecimiento utilizando el modelo cubico en el software de Excel donde
se realizarán los cálculos correspondientes en una hoja de cálculo con la finalidad
de obtener el parámetro cinético antes mencionado ya que promedio del ajuste
gráfico con la herramienta volver obtendrá una descripción grafica de manera
general comportamiento de la biomasa en los distintos periodos de tiempo con la
finalidad de estimar la velocidad Especifica de crecimiento por medio del modelo
cubico.
A partir de la derivada de:
𝑑𝑋 𝑋
= 𝜇𝑋 (1 − )
𝑑𝑡 𝑋𝑚𝑎𝑥

𝜇 = 𝑉𝑒𝑙𝑜𝑐𝑖𝑑𝑎𝑑 𝑒𝑠𝑝𝑒𝑐𝑖𝑓𝑖𝑐𝑎 𝑑𝑒 𝐶𝑟𝑒𝑐𝑖𝑚𝑖𝑒𝑛𝑡𝑜

𝑋 = 𝐶𝑜𝑛𝑐𝑒𝑛𝑡𝑟𝑎𝑐𝑖𝑜𝑛 𝑑𝑒 𝑏𝑖𝑜𝑚𝑎𝑠𝑎

1/3
μt 3
𝑥 = [𝑥𝑜 + ]
3

𝑋𝑚𝑎𝑥 = 𝐵𝑖𝑜𝑚𝑎𝑠𝑎 𝐹𝑖𝑛𝑎𝑙

𝑋0 = 𝐵𝑖𝑜𝑚𝑎𝑠𝑎 𝐼𝑛𝑖𝑐𝑎𝑙
𝜇 = 𝑉𝑒𝑙𝑜𝑐𝑖𝑑𝑎𝑑 𝑒𝑠𝑝𝑒𝑐𝑖𝑓𝑖𝑐𝑎 𝑑𝑒 𝐶𝑟𝑒𝑐𝑖𝑚𝑖𝑒𝑛𝑡𝑜
𝑡 = 𝑇𝑖𝑒𝑚𝑝𝑜

4
 Materiales y métodos

Calculo de los
parámetros

Datos Iniciales

Concentración de biomasa inicial (g/L)

1 (g/L)

Tiempo Inicial (Horas)

0 hrs

Tiempo Final (Horas) 16 hrs

Ingresar el modelo

Aplicar el modelo para cada

tiempo

Grafica por
dispersión

Optimización para la
reducción de errores

Aplicar la normalización en
cada Biomasa-Modelo

Realizar la sumatoria de
errores

Solución de la ecuación diferencial

con Solver con error minimo en µ

Realizar el ajuste

Visualizar el ajuste
mediante el análisis de
datos por regresion

𝑌 = 𝐵𝑖𝑜𝑚𝑎𝑠𝑎 (𝑔/𝐿)
𝑋 = 𝑀𝑜𝑑𝑒𝑙𝑜
𝑅𝑜𝑡𝑢𝑟𝑜
𝑁 𝐶𝑜𝑛𝑓𝑖𝑎𝑛𝑧𝑎 = 95%

Estadisticas de regresion y
coeficiente de determinación
5
Procedimiento
Con los datos proporcionados de una fermentación industrial se transcribirán a una
hoja de cálculo del programa “Excel” con la finalidad de hacer las operaciones
correspondientes de manera más precisa.

Por consiguiente se terminara el valor de la biomasa inicial el cual será 1 para el

funcionamiento del modelo

Posteriormente se le asignara el valor de 0.2 de manera provisional al valor

específico de crecimiento el cual se representara con la letra 𝜇

Lo siguiente será aplicar el modelo matemático de la ecuación del modelo cubico

en la celda E6 de acuerdo a la formula.

Para terminar el resto de los valores con relación de los valores de las variables
cinéticas así como del tiempo y biomasa del valor de crecimiento solo bastara
arrastrar el resultado de la primera fila.

6
Tanto los datos del tiempo así como los de biomasa y los valores obtenidos por
medio de la ecuación se graficaran en una representación gráfica de dispersión.

Al presentarse una serie de errores con relación al pódelo matemático aplicado y

la biomasa generada se reducirá el margen de error por medio de la diferencial
optimizando los resultados, para llevar acabo lo mencionado en la celda inicial de
normalización que en este caso es la F6 se aplicara la siguiente fórmula para
determinar el error
𝜇 = 𝐼𝑛 |𝐵𝑖𝑜𝑚𝑎𝑠𝑎 − 𝑀𝑜𝑑𝑒𝑙𝑜|2

Para obtener el resto de los errores de la generación de biomasa generada y el

valor producción según el modelo matemático solo se arrastrara el resultado de la
primera celda hacia final de la columna de la relación Tiempo-Biomasa-Valores del
Modelo matemático.

Lo siguiente será realizar una sumatoria de los errores encontrados de la

optimización los cuales se encuentran en la columna de normalización para ello se
ejecutar la función =suma con la finalidad de sumar todos los valores de esa
columna.

7
Lo siguiente será resolver la ecuación por medio de la herramienta solver con un
error mínimo en el Velocidad especifico de Crecimiento (µ) por lo que se
seleccionara el valor de la sumatoria para posteriormente dar clic en el icono
correspondiente a la herramienta la cual se encuentra en la pestaña de datos.

Lo siguiente será resolver la diferencia de la Velocidad específico de Crecimiento

(µ) dando clic en mínimo ya que este será el error por lo que la celda del valor de
(µ) cambiara por lo que será la que se seleccionara en el apartado de “Cambiando
las celdas de variable” y se dará la instrucción de la solución por medio de métodos
no lineales y se dará clic en “Resolver”

Al encontrar la solución con la herramienta solver nos dará el resultado del valor
real de (µ) Velocidad específico de Crecimiento y se realizará un ajuste en la gráfica.

Lo siguiente será medir el ajuste dando clic en el análisis de datos con una regresión
dando clic en aceptar.

8
Posteriormente se comparara los valores de la biomasa el cual será Y con respecto
al modelo el cual será X además se seleccionará el apartado de rotulo y se
determinara una confianza del 95%.

Al generase la estadística de regresión se identificara el coeficiente de

determinación para saber qué tan eficiente es más que nada para saber cuál es el
porcentaje de ajuste de los datos.

Resultados

Conclusión
Al término de la aplicación del modelo cubico se determinó la velocidad especifica
de crecimiento partiendo de una serie datos las cuales estaban regidos por periodos
de tiempo donde la densidad celular estaría medida en (g/L) desde la inoculación
en el tiempo cero hasta el final de la cinética en un periodo de 16 horas logrando un
ajuste adecuado al crecimiento de biomasa con respecto al propuesto por el
modelo obteniéndose la velocidad especifica de crecimiento de manera isométrica
donde se presentó un crecimiento acelerado a partir de la segunda hora; además
se permitió representar de manera gráfica el tiempo de generación y adaptación del
microorganismo asa como su velocidad de crecimiento en periodos de tiempo
determinados ya que crecimiento exponencial fue equilibrado lo cual se pudo
comprobar en el momento de determinar la velocidad especifica de crecimiento

9
Referencias

Zhang, X., Wen, Y. y Yang, S. T. (2011). Modos de cultivo / Células animales.

Biotecnología integral, 285-302. https://doi.org/10.1016/b978-0-08-088504-
9.00033-7

Luna Fontalvo, J. A. (2020). Métodos analíticos de microbiología general y aplicada. Santa

Marta, Editorial Unimagdalena. Recuperado de
https://elibro.net/es/lc/colposgrado/titulos/128443.

McDonald, K. y Sun D.-W. 1999. Microbiología alimentaria predictiva para la carne.

Industria: una revisión. Revista Internacional de Microbiología de Alimentos. 52: 1-27
Sanders, E. R. (2012). Técnicas de laboratorio aséptico: métodos de enchapado. Revista
de experimentos visualizados, https://doi.org/10.3791/3064
Salazar, Y., Rodríguez, E., Valle, P. A. y García, B. E. (2021). Modelo primario para la
predicción del crecimiento de biomasa en fermentación discontinua. Simetría, 13 (8), 1468.
https://doi.org/10.3390/sym13081468
Mahler, L., Niehs, S. P., Martin, K., Weber, T., Scherlach, K., Hertweck, C.,… Rosenbaum,
M. A. (2021, 25 de marzo). Cultivo de gotitas altamente paralelizado y priorización de
productores de antibióticos de comunidades microbianas naturales. Obtenido el 7 de
noviembre de 2021 del sitio web de eLife: https://elifesciences.org/articles/64774

(Briški y Vuković Domanovac, 2017) Briški, F. y Vuković Domanovac, M. (2017).

Microbiología ambiental. Reseñas de Ciencias Físicas, 2 (11). https://doi.org/10.1515/psr-
2016-0118

Larimer, C., Brann, M. R., Powell, J. D., Marshall, M. J., Suter, J. D. y Addleman, R. S.
(2019). Medición rápida no destructiva de cultivos bacterianos con imágenes
interferométricas 3D. Informes científicos, 9 (1). https://doi.org/10.1038/s41598-019-43839-
7

Ferone, M., Gowen, A., Fanning, S., & Scannell, A. G. M. (2020). Microbial detection and
identification methods: Bench top assays to omics approaches. Comprehensive Reviews in
Food Science and Food Safety, 19 (6), 3106–3129. https://doi.org/10.1111/1541-
4337.12618

10