Documentos de Académico
Documentos de Profesional
Documentos de Cultura
FACULTAD DE INGENIERÍA
BOGOTÁ, D.C
2004
IQ-2004-I-23
Director
FACULTAD DE INGENIERÍA
BOGOTÁ, D.C
2004
2
IQ-2004-I-23
Nota de Aceptación
__________________________________
__________________________________
__________________________________
__________________________________
Asesor
__________________________________
Jurado
__________________________________
Jurado
3
IQ-2004-I-23
A Dios,
4
IQ-2004-I-23
AGRADECIMIENTOS
Deseo agradecer a todos mis profesores, amigos y compañeros que me han acompañado a
lo largo de este proceso de aprendizaje, gracias por sus enseñanzas y buenos consejos.
Especialmente a:
Fernando Torres Jiménez, Ingeniero Químico e Industrial, por ser tan buen amigo, por estar
siempre conmigo en las buenas y en las malas, apoyándome y ayudándome, gracias a sus
valiosos aportes y conocimientos, este Proyecto de Grado pudo culminar con éxito.
Fabio Andrés Díaz, Ingeniero Industrial, gracias por su invaluable asesoría y colaboración
en la parte de simulación y análisis de este Proyecto de Grado, gracias por brindarme su
amistad y apoyo.
José María Robles y el personal del CITEC1, gracias por su disposición y amable
colaboración durante el proceso de experimentación.
1
Centro de Innovación y desarrollo Tecnológico de la Universidad de los Andes.
5
IQ-2004-I-23
TABLA DE CONTENIDO
Pag.
INTRODUCCIÓN 1
OBJETIVOS 3
3. METODOLOGÍA 13
3.1. MODO DE OPERACIÓN 14
3.1.1. FERMENTACIÓN “BATCH” 14
3.1.2. FERMENTACIÓN “FED-BATCH” 14
3.1.2.1. Ventajas y desventajas de una producción Fed-Batch. 15
3.1.2.2. Estrategias de alimentación 15
3.2. FACTORES QUE INTERVIENEN EN EL PROCESO DE FERMENTACIÓN 16
3.2.1. TEMPERATURA 17
3.2.2. pH. 17
3.2.3. TRANSFERENCIA DE OXÍGENO 17
3.2.4. CONCENTRACIÓN DE GLUCOSA Y MODO DE ALIMENTACIÓN 18
EN EL FLUJO DE ALIMENTACIÓN.
4. DISEÑO DE EXPERIMENTOS 20
4.1. MODELO DE REGRESIÓN LINEAL 20
4.2. FORMULACIÓN DE HIPÓTESIS. 21
4.3. SELECCIÓN DE FACTORES Y NIVELES. 22
4.4. SELECCIÓN DE LA VARIABLE DE RESPUESTA 22
4.5. SELECCIÓN DEL DISEÑO DE EXPERIMENTO. 23
4.5.1. PROYECCIÓN DE FRACCIÓN EN FACTORIALES. 23
4.5.1.1. Diagrama del diseño de experimentos 24
5. MODELO MATEMÁTICO 25
5.1. CRECIMIENTO CELULAR 25
5.1.1. CRECIMIENTO CON SUSTRATO LIMITADO 25
5.1.1.1. Modelo Monod: 26
5.1.1.2. Crecimiento Celular y utilización del sustrato 27
6
IQ-2004-I-23
6. RESULTADOS 30
6.1. RESULTADOS EXPERIMENTALES DE LAS FERMENTACIONES. 30
6.2. CONCENTRACIÓN FINAL DE ESPORAS 35
6.3. VARIABLE DE RESPUESTA DEL COMPORTAMIENTO MICROBIAL 35
6.4. RESULTADOS DE LA SIMULACIÓN 36
6.4.1. VARIABLES DE LA SIMULACIÓN 36
6.4.2. SIMULACIÓN PARA FERMENTACIÓN FED- BATCH CON FLUJO 37
DE ALIMENTACIÓN CONSTANTE
6.4.3. SIMULACIÓN PARA FERMENTACIÓN FED- BATCH CON FLUJO 38
DE ALIMENTACIÓN ESCALONADO.
6.4.4. SIMULACIÓN DEL OXIGENO DISUELTO 40
7. ANÁLISIS DE RESULTADOS 41
7.1. ANÁLISIS DE RESULTADOS DE LA PRESENCIA DE PROTEÍNA 41
7.2. ANÁLISIS DE VARIANZA DE LOS RESULTADOS OBTENIDOS 42
7.2.1. ANOVA DE CANTIDAD DE ESPORAS 42
7.2.2. ANOVA DE LA TASA DE CRECIMIENTO 44
7.3. RELACIÓN ENTRE LA PRODUCCIÓN FINAL DE ESPORAS Y LA DE 47
BIOMASA.
7.4. DATOS COMPARATIVOS ENTRE DIVERSOS MODELOS. 48
7.5. PRUEBAS AL MODELO SIMULADO 49
7.5.1. ANÁLISIS DE SENSIBILIDAD 50
7.5.2. ANÁLISIS DIMENSIONAL 55
7.5.3. PRUEBAS DE REPRODUCCIÓN DEL COMPORTAMIENTO 57
7.5.4. ADECUACIÓN DE LOS LÍMITES 61
7.5.5. ERRORES DE INTEGRACIÓN 62
65
CONCLUSIONES
67
BIBLIOGRAFÍA
7
IQ-2004-I-23
ILUSTRACIONES
8
IQ-2004-I-23
9
IQ-2004-I-23
TABLAS
10
IQ-2004-I-23
11
IQ-2004-I-23
LISTAS DE ANEXOS
12
IQ-2004-I-23
INTRODUCCIÓN
Los agricultores tienen la necesidad de utilizar medios efectivos para la protección de los
cultivos contra los insectos plagas, los cuales causan pérdidas millonarias todos los años a
través de todo el mundo.
Frente a este panorama se ha optado por desarrollar bioplaguicidas, que usan a los
depredadores naturales de las plagas contra estas, en vez de hacer uso de agentes químicos.
El Bacillus thuringiensis (BT) es una bacteria que al desarrollar esporas y por ende toxinas
proteicas, se convierte en un biopesticida microbial utilizado en la agroindustria, y su uso
permite el control de plagas en cultivos intensivos.
En la actualidad los productos de BT representan más del 90% de los bioplaguicidas que se
comercializan. Su producción industrial está concentrada en un número reducido de
grandes firmas que controlan el mercado mundial. Abbot de Estados Unidos, Sandoz de
Suiza y Novo Nordisk de Dinamarca, abarcan más del 75% de todos los productos.
Durante años, se han dedicado esfuerzos no sólo en estudiar su actividad sobre insectos, en
especial los lepidópteros, sino en desarrollar métodos de fabricación, que aumenten de
alguna manera su productividad y así mismo generen un margen de rentabilidad. En la
actualidad el método de producción se realiza con el sistema tradicional operación por lotes
o “batch
Para tal efecto, se identificaron las variables que participan en el proceso de fermentación,
se diseño el experimento que permitiera su evaluación y posteriormente se desarrolló el
modelo matemático para cuantificar y validar el mencionado proceso.
2
IQ-2004-I-23
OBJETIVOS
OBJETIVO GENERAL
OBJETIVOS ESPECÍFICOS
• Identificar los niveles críticos de las variables del proceso y así mismo
determinar los efectos de éstas, sobre el proceso en cuanto al crecimiento celular y
síntesis de toxinas proteicas se refiere.
3
IQ-2004-I-23
La bacteria Bacillus thuringiensis (BT) fue descubierta en el año de 1901 por S. Ishiwata en
Japón, al intentar aislar a un organismo llamado Bacillus sotto, causante del ablandamiento,
flacidez y ennegrecimiento en la producción de gusano de seda (Bombix mori). Sin
embargo fue en 1911, cuando E.Berliner aisló un Bacillus similar al B. sotto de la larva de
la polilla de harina del mediterráneo al cual llamó Bacillus thuringiensis.
Hoy en día esta bacteria se ha posicionado dentro del mercado de los insecticidas, como
biopesticida, el cual ha sido aplicado exitosamente en una gran variedad de cosechas,
incluyendo vegetales, algodón, maíz, papa, entre otros.
2
Tomado de GLAZER, Microbial Biotechnology: Fundamentals and Applied Microbiology, 1995
4
IQ-2004-I-23
1.2. GENERALIDADES
Todas las bacterias formadoras de esporas producen endoesporas, que les permiten persistir
en un estado quiescente fuera del huésped. Una vez que el huésped susceptible ingiere las
esporas éstas germinan en el intestino. Las esporas germinadas entran a la cavidad
hemocélica donde se multiplican rápidamente, destruyen ciertos tejidos y pronto llenan
gran parte de la cavidad. Este estado de la infección se conoce como “septicemia”, donde
con anterioridad a la muerte del huésped, se forman esporas refráctiles de paredes gruesas,
que aparentan un color blanco a través del intestino y de aquí se deriva el nombre de
enfermedades lechosas. Después de la muerte el huésped se desintegra y las esporas son
liberadas en el suelo (Butillo, 1978).
5
IQ-2004-I-23
Luthy (Luthy P, 1982) y Bulla (Bulla Jr, 1980) demostraron que la glucosa fue asimilada a
través del mecanismo Embden-Meyerhof- Parnas. Subsecuentemente, el ciclo del ácido
tricarboxílico, resulto ser el mejor mecanismo para la asimilación y provisión de energía
para el crecimiento y la esporulación. El acetato es acumulado durante la fase de
crecimiento exponencial y este mismo comienza a ser asimilado mientras todavía hay un
bajo nivel de glucosa.
Algunas fuentes de carbono que pueden ser utilizadas además de la glucosa son la
fructuosa, sucrosa, lactosa, etc. Sin embargo, la más utilizada a nivel industrial debido a los
bajos costos y grandes cantidades existentes en el mercado es la glucosa.
1.3.1.2.Fuente de Nitrógeno
Los compuestos de amonio inorgánico (tales como (NH4)2SO4) no son suficientes para
soportar el crecimiento. Las fuentes orgánicas como complejos orgánicos son generalmente
requeridas para un crecimiento rápido. Siempre y cuando estas contengan porciones de
3
Adaptado por El Algodonero, 1977, pág. 16.
6
IQ-2004-I-23
La esporulación del BT, se inicia por la inhibición de ciertos nutrientes. Sakharova y otros
(Sakharova et al, 1984) investigaron la limitación de sustrato, a partir de los siguientes
compuestos: glucosa, extracto de levadura, PO43-, Mg2+ y K+. Ellos encontraron que la
reducción de cualquiera de ellos iniciaba la esporulación, en especial la fuente de nitrógeno.
Además del cristal proteína el BT produce como mínimo dos sustancias proteicas a los
insectos (Yang, 1998):
BT α - exotoxina
Es una enzima producida por las células en crecimiento, este enzima destruye fosfolípidos
esenciales en las células de los insectos. Estudios histológicos en algunos insectos sugieren
que el daño ocurre en células del intestino medio y otros tejidos del cuerpo (compuestos
parcialmente de fosofolípidos) (Yang, 1998).
La bacteria debe crecer en el intestino del insecto para secretar estas enzimas, siempre y
cuando el intestino del insecto tenga un pH inferior a 9.0, es decir que no sea muy básico.
Sin embargo, el crecimiento de la bacteria es posible cuando ocurre un cambio de pH
debido a la ingestión del cristal o δ - endotoxina.
BT β - exotoxina
Es una molécula pequeña, la cual es estable al calor ya que resiste al autoclave a 120 ºC
durante 15 minutos. Esta toxina es secretada afuera de la célula bacterial en el medio del
7
IQ-2004-I-23
cultivo durante la fase activa del crecimiento vegetativo. Inicialmente se observó que era
efectiva contra los insectos del orden díptero, sin embargo, se ha determinado que es tóxica
también para insectos lepidópteros, hymenópteros, coleópteros y orthópteros. Su rango de
huéspedes es más amplio que el de la δ - endotoxina (Harper, 1974).
BT ϕ - exotoxina
BT δ - endotoxina
Esta fue reconocida por Hanney (1953), quien descubrió que al momento de la
esporulación, la célula produce a un lado de la endoespora, una proteína cristalizada que es
tóxica a la mayoría de los lepidóteros Este cristal paraesporal se compone de una subunidad
sencilla de glicoproteínas con un peso molecular aproximadamente de 1.2 x 105 gramos.
En algunas ocasiones, el contenido alcalino es tan severo para matar las larvas y ocasionar
cambios dentro de estas, permitiendo el crecimiento del BT hasta causar una infección. El
daño del intestino ocasiona también un cese en la alimentación del insecto que junto con la
infección, generalmente, matan al insecto al cabo de unos cuatro días, dependiendo de la
especie, su estado de desarrollo y las condiciones ambientales (Hanney, 1953).
Los cristales que contienen la δ - endotoxina son producidos en las células vegetativas que
esporulan. La proteína del cristal aparece al mismo tiempo que el cristal y esta formada por
aminoácidos que resultan del proceso metabólico que ocurre en esta etapa de esporulación
de la célula bacterial. Este cristal tóxico tiene la forma de octaedro; sin embargo, se pueden
encontrar formas triangulares o cúbicas, esta formada por 18 aminoácidos, como el ácido
aspártico y el ácido glutámico constituyendo alrededor del 30 % de los aminoácidos
4
Agar un medio de cultivo
5
Como analogía se puede imaginar una yema de huevo separada de su clara, es decir en este caso hay una
clara separación entre la unidad formadora de colonia y la proteína.
8
IQ-2004-I-23
La mayoría de las formulaciones empleadas por la industria están dirigidas hacia el control
de insectos lepidópteros, por ello se ha hecho énfasis en la δ-endotoxina. Sin embargo, las
esporas y la β– exotoxina pueden jugar un papel complementario (aunque importante) en el
control de muchos insectos, razón por la cual últimamente se está buscando obtener
formulaciones que contengan estas toxinas en mayores niveles.
6
Tomado de : Ignoffo, 1967
9
IQ-2004-I-23
10
IQ-2004-I-23
- Periodo estacionario. Las causas que explican este periodo son: a) las células agotaron
el sustrato o los nutrientes necesarios para su crecimiento y b) el crecimiento de células
nuevas se compensa con el número de células muertas.
- Periodo endógeno, o crecimiento críptico. En esta fase los microorganismos son
forzados a metabolizar su protoplasma sin que haya reemplazo del mismo. Esto es
debido a que la concentración de alimento disponible se encuentra en sus valores
mínimos. Durante este periodo puede ocurrir el fenómeno conocido como “lisis”, en el
cual los nutrientes que quedan en las células muertas, se difunden hacia el exterior para
suministrar alimento a las células vivas restantes.
Para asegurar que los organismos crezcan, se debe permitir que permanezcan en el sistema
el tiempo suficiente para que se reproduzcan. El tiempo requerido depende de su tasa de
crecimiento, la cual se relaciona directamente con la velocidad a la cual ellos metabolizan o
utilizan los desechos. Suponiendo que las condiciones ambientales se controlan (ver
capitulo 3.0), se puede asegurar la estabilización efectiva de los desechos al controlar la
tasa de crecimiento de los microorganismos. La cinética de crecimiento biológico se
considera a continuación.
Uno de los aspectos más importantes del estudio de la cinética de estos procesos es la
selección de métodos analíticos para evaluar las sustancias consumidas y producidas por el
microorganismo y la variación de su concentración en el tiempo.
1 dx 1
µx = = rx
x dt x
11
IQ-2004-I-23
Donde,
1 ds 1
µs = = rs
x dt x
Donde,
12
IQ-2004-I-23
3. METODOLOGÍA
Para realizar una correcta experimentación, es necesario establecer una metodología que
permita el adecuado desarrollo de la misma; es por ello que se procederá a definir el modo
de operación, así como los factores físicos y químicos que interactúan sobre el sistema.
Estos a su vez deben operar bajo condiciones asépticas y por lo tanto, deben estar
esterilizados. Para reactores a escala laboratorio deben colocarse en autoclave7.
7
Procedimiento que se utiliza para esterilizar equipos, materiales y reactivos de una fermentación a
temperatura de 121ºC.
13
IQ-2004-I-23
toxinas proteicas mayor a las registradas por la fermentación batch (Para mayor detalle en
este tópico, véase el capítulo 7).
La técnica de fermentación Fed Batch es aplicada básicamente, en células que crecen a una
tasa específica (µx, t-1) por algún tiempo; generalmente, hasta cuando llegan al final de la
fase de crecimiento exponencial. En este punto, el reactor se alimenta con una solución de
sustrato8, sin la remoción del cultivo. Esta alimentación ha de ser lo suficientemente
balanceada a fin de conservar el crecimiento de los microorganismos a la tasa de
crecimiento específica deseada, y de esta manera reducir la probabilidad de producir
subproductos que puedan ocasionar una muerte temprana de las bacterias.
8
El sustrato empleado en esta investigación es glucosa, que a su vez, es la misma fuente de carbono.
9
En el caso de esta investigación, esporas y toxinas proteicas.
14
IQ-2004-I-23
Ventajas:
Desventajas:
3.1.2.2.Estrategias de alimentación
15
IQ-2004-I-23
A continuación se presentará una tabla de las distintas variables que actúan sobre el proceso
de fermentación fed –batch continuo, y de esta misma forma se ubicarán según el grado de
importancia y de complejidad:
10
Reducción oxidación
16
IQ-2004-I-23
Concentración del
producto inhibido.
Actividad del agua.
Fuerza iónica
Tabla 2. Variables del proceso de Fermentación Fed batch Continuo.
De la anterior tabla se puede observar, que las variables que actúan directamente sobre el
proceso y son determinantes para el crecimiento y la producción de biomasa son: La
temperatura, el pH, la transferencia de oxígeno disuelto, la alimentación de la fuente de
carbono, entre otros.
3.2.1. TEMPERATURA
3.2.2. pH.
El valor óptimo de pH, entendido como el valor para el cual la velocidad de crecimiento es
máxima, varia entre 6.5 y 7.5 para las bacterias.
11
Citado en Duarte, 1994
17
IQ-2004-I-23
• Flujo de aire. Los cambios en la velocidad de aire tienen un pequeño efecto sobre los
valores de KLa en sistemas convencionales agitados. El intervalo de flujo raramente se
sale de 0.5 –2.5 [volumen de aire / volumen del medio por minuto] (vvm). Si se usa una
velocidad muy alta de flujo, se puede alcanzar un valor muy bajo de velocidad de
transferencia de oxígeno debido a que el agitador se inunda. La inundación es el
fenómeno que ocurre cuando la velocidad de flujo es tan alta que el agitador rota
prácticamente en una fase gaseosa y no ayuda a la transferencia de gas a la solución.
18
IQ-2004-I-23
19
IQ-2004-I-23
4. DISEÑO DE EXPERIMENTOS
yijkl = µ + α i + β j + δ k + γ l + αβ ij + αγ ik + αδ il + βγ jk + βδ jl + γδ kl + ...
... + αβγ ijk + αβδ ijl + βγδ jkl + αβγδ ijkl + ε ijkl
Donde
yijkl: La observación de el nivel i del factor A, j del factor B, k del factor C y l del nivel D.
µ: Media general de las observaciones.
αi: Efecto del nivel i del factor A.
βj: Efecto del nivel j factor B.
γk: Efecto del nivel k factor C.
δl: Efecto del nivel l factor D.
αβij: Efecto de la interacción doble del nivel i del factor A y nivel j del factor B.
αγik: Efecto de la interacción doble del nivel i del factor A y nivel k del factor C.
αδil: Efecto de la interacción doble del nivel i del factor A y nivel l del factor D.
βγjk: Efecto de la interacción doble del nivel j del factor B y nivel k del factor C.
βδjl: Efecto de la interacción doble del nivel j del factor B y nivel l del factor D.
γδkl: Efecto de la interacción doble del nivel k del factor C y nivel l del factor D.
αβγijk: Efecto de la interacción triple del nivel i del factor A, nivel j del factor B y nivel k
del factor C.
αβδijl: Efecto de la interacción triple del nivel i del factor A, nivel j del factor B y nivel l
del factor D.
βγδjkl: Efecto de la interacción triple del nivel j del factor B, nivel k del factor C y nivel l
del factor D.
αβγδijkl: Efecto de la interacción cuádruple nivel i del factor A, nivel j del factor B, nivel k
del factor C y nivel l del factor D.
εijkl: Error asociado a la observación del nivel i del factor A, j del factor B, k del factor C y l
del nivel D.
20
IQ-2004-I-23
Hipótesis nula se asume que algún (todos) factor no produzca efecto sobre el sistema; es
decir, que cause (o causen) inhibición de crecimiento y por ende no exista desarrollo de
esporas y producción de toxinas proteicas.
Contrario a lo anterior se plantea una Hipótesis alterna, donde se busca la relevancia de los
factores a estudiar.
Ho : τ i = 0 ∀ i ∈ {−,+}
Ha : ∃i / τ i ≠ 0
τ ∈ {α , β , γ , δ }
Ho : τλij = 0 ∀ i, j ∈ {−,+}
Para interacciones dobles: Ha : ∃ij / τλij ≠ 0
τλ ∈ {αβ ,..., γδ }
El estadístico de prueba que se usa para cada hipótesis es una variable aleatoria F, la cual se
obtiene de la siguiente manera:
21
IQ-2004-I-23
SSFactor
Fon, m = n
SSError
m
Los factores representan las variables independientes que serán evaluadas durante el
experimento, debido a su relevancia y sus efectos sobre el sistema, se han clasificado las
variables discutidas en el capítulo anterior, en fijas y versátiles.
Como variables fijas se tiene la temperatura (T: 30 ºC), el tiempo (50 horas), rango de pH
(6.5 – 8.0) y la adición de surfactante (20 ml).
Mientras que las variables o factores versátiles, se les asignará niveles que representan un
rango óptimo de evaluación, por el cual, serán estudiados sus efectos e interacciones sobre
el proceso.
- 1.5 vvm
A: Flujo de Aire
+2.5 vvm
- 400 ppm
B: Velocidad de Agitación
+ 300 ppm
- 40 ml/h
C: Modo de Alimentación
+ escalón 40 ml/h y 70 ml/h
- 30 g/L
D: Concentración de Glucosa
+ 50 g/L
Tabla 3. Factores y Niveles del diseño de Experimentos
En la selección de variable de respuesta o variable dependiente, hay que tener en cuenta que
la repuesta debe proveer suficiente información acerca del problema estudiado, por esta
razón se determinó realizar las siguientes experimentaciones.
22
IQ-2004-I-23
Sin embargo para evaluar el diseño de experimentos, se realizará con base a la respuesta
obtenida en función del producto dado, es decir, la determinación de biomasa (g/L) a través
del tiempo y el conteo final de esporas (UFC/mL)
Siempre que la resolución posible máxima sea la mitad de la fracción 2k es R=K, para todo
diseño 2k será proyectado a cualquier (k-1) de los factores k originales.
12
Montgomery, 1998
23
IQ-2004-I-23
A B C D= -ABC Intersección
- - - + D
+ - - - A
- + - - B
+ + - + ABD
- - + - C
+ - + + ACD
- + + + BCD
+ + + - ABC
Tabla 5. Diagrama del Diseño de experimentos
24
IQ-2004-I-23
5. MODELO MATEMÁTICO
dx
= µx X
dt
Donde,
25
IQ-2004-I-23
5.1.1.1.Modelo Monod:
1 dx s
= µ x = µ max
x dt s + ks
ds 1 dx
rs = − =−
dt Yx / s dt
Donde,
Ahora bien, los valores de la constante de saturación, Ks, para diversas fuentes de carbono
varían típicamente entre 1 y 10 mg/L. Estos valores significan que las células crecen a su
máxima velocidad cuando la concentración excede 10 el Ks; es decir, entre 10 y 100 mg/L
(Monod, 1942).
Para todos los nutrientes hay un valor de la concentración que al ser sobrepasado origina
una disminución de la velocidad de crecimiento. Este efecto, conocido como “inhibición
por sustrato” puede presentarse en el caso de carbohidratos alrededor de 50 g/L, aunque
generalmente solo se manifiesta entre 100 g/L y 150 g/L.
26
IQ-2004-I-23
Para cuantificar este fenómeno se han desarrollado una serie de modelos, a partir del
modelo de Monod, que a su vez se adaptan a modelos que utilizan concentraciones de
sustrato altas (del orden de 50 a 200 g/L) y para cultivos en reactores de mezcla completa.
1
µ x = µ max
ks s
1+ +
s k IS
dx ds
= −Yx / s
dt dt
Donde ds/dt: tasa de utilización del sustrato, [masa / unidad de volumen * tiempo]
Si se sustituye la anterior ecuación sobre la ecuación de crecimiento bacterial (dx/dt), se
puede definir como:
⎛ ⎞
⎜ ⎟
ds 1 ⎜ 1 ⎟X
1 =
⎜
µ max ⎟
dt Yx / s k s
⎜ 1+ s + ⎟
⎝ s k IS ⎠
13
Citado por Duarte, pág 371
27
IQ-2004-I-23
La distribución de las edades de las células en los sistemas bacterianos que se utilizan en
sistemas fermentativos es tal que no todas las células del sistema se encuentran en fase
exponencial. Por lo tanto, la expresión para la tasa de crecimiento debe corregirse de
manera que represente la energía requerida para el mantenimiento celular. También deben
considerarse otros factores tales como la muerte de biomasa. Con frecuencia esta
disminución se identifica como decaimiento endógeno. La respiración endógena se
representa mediante la siguiente ecuación:
rd = − k d X
Donde
dC L dP
= K La (C * −C L ) + D(C LR − C L ) − QO2 X − K
dt dt
28
IQ-2004-I-23
dz F F
= z i − z + rz
dt V V
Planteamiento general
Planteamiento simplificado
Acumulación: entrada – salida + crecimiento neto – decaimiento endógeno*
*En este sistema no se considera ya que es del orden de 10-5 para bacterias facultativas.
Cultivo “Batch” Cultivo “Fed-batch”
= µ x [ X + Yx / s × (S )] = X + µ x [ X + Yx / s × (S )]
dx dx F
dt dt V
µ x [X + Yx / s × (S )] µ x [ X + Yx / s × (S )]
ds 1 ds F 1
=− = (S a − S ) −
dt Yx / s dt V Yx / s
Donde µx se representa por la ecuación de Andrews: Donde F: caudal (unidad de volumen / tiempo), V:
1 volumen (unidad de volumen); Sa: concentración de
µ x = µ max alimentación (masa / unidad de volumen).
ks s Donde µx se representa por la ecuación de Andrews:
1+ +
s k IS 1
µ x = µ max
ks s
1+ +
s k IS
La transferencia de oxígeno es:
dC L
= K La (C * −C L ) − QO2 X
dt
Donde, QO2: (YO/S / YX/S) µX
Tabla 6. Balance de Masa para una Fermentación Fed-batch continua
29
IQ-2004-I-23
6. RESULTADOS
Primera fermentación
I II III
7
5
Masa
0
0 500 1000 1500 2000 2500 3000
Tiempo (min)
Ilustración 5. Grafica del comportamiento microbial, consumo de glucosa y Oxígeno disuelto con respecto al tiempo
(Fermentación I)
30
IQ-2004-I-23
Segunda Fermentación
I II III
8
5
Masa
0
0 500 1000 1500 2000 2500 3000
Tiempo (min)
Ilustración 6. Grafica del comportamiento microbial, consumo de glucosa y Oxígeno disuelto con respecto al tiempo
(Fermentación II)
Tercera Fermentación
I II III
8
5
Masa
0
0 500 1000 1500 2000 2500 3000
Tiempo (min)
Ilustración 7. Grafica del comportamiento microbial, consumo de glucosa y Oxígeno disuelto con respecto al tiempo
(Fermentación III)
31
IQ-2004-I-23
Cuarta Fermentación
11
I II III
7
Masa
-1
Tiempo (min)
Ilustración 8. Grafica del comportamiento microbial, consumo de glucosa y Oxígeno disuelto con respecto al tiempo
(Fermentación IV)
Quinta Fermentación
15
I II III
13
11
9
Masa
Ilustración 9. Grafica del comportamiento microbial, consumo de glucosa y Oxígeno disuelto con respecto al tiempo
(Fermentación V)
32
IQ-2004-I-23
Sexta Fermentación
14 I II III
12
10
8
Masa
0
0 500 1000 1500 2000 2500 3000
Tiempo (min)
Ilustración 10. Grafica del comportamiento microbial, consumo de glucosa y Oxígeno disuelto con respecto al tiempo
(Fermentación VI)
Séptima Fermentación
20
I II III
18
16
14
12
Masa
10
0
0 500 1000 1500 2000 2500 3000
Tiempo (min)
Ilustración 11. Grafica del comportamiento microbial, consumo de glucosa y Oxígeno disuelto con respecto al tiempo
(Fermentación VII)
33
IQ-2004-I-23
Octava Fermentación
I II III
7
5
Masa
0
0 500 1000 1500 2000 2500 3000
Tiempo (min)
Ilustración 12. Grafica del comportamiento microbial, consumo de glucosa y Oxígeno disuelto con respecto al tiempo
(Fermentación VIII)
El rango de producción final de biomasa (g/L) se encuentra entre los 6 y 19 g/L. Los
factores que influyen sobre la mayor y menor productividad serán estudiados en el análisis
de resultados (véase capítulo 8).
Glucosa: Mientras que la glucosa durante la primera etapa de cultivo “batch”, sufre un
agotamiento acelerado hasta llegar a niveles mínimos de concentración. En la etapa de
alimentación fed-batch continua, se mantiene un remanente de glucosa estable de
aproximadamente 0.4 g/L, (una concentración pequeña con respecto a la inicial) suficiente
para satisfacer las necesidades de consumo de la bacteria. Durante la tercera etapa de
cultivo “batch”, se mantiene un nivel mínimo de glucosa constante.
34
IQ-2004-I-23
-6 -7
10 (UFC/mL) 10 (UFC/mL)
Fermentación Promedio
1 2 3 1 2 3
1 IND IND IND IND 1.72E+03 IND 1.72E+03
2 IND 2.98E+04 2.85E+04 1.47E+04 9.60E+03 2.18E+04 2.98E+03
3 6.40E+03 1.02E+04 0 1.92E+03 0 0 8.32E+03
4 6.40E+03 7.68E+03 IND 3.84E+03 1.09E+04 0 8.32E+03
5 2.24E+04 IND IND 1.34E+04 2.82E+04 IND 2.13E+04
6 IND IND 6.08E+03 0 2.56E+03 1.28E+03 1.92E+03
7 3.30E+04 IND IND 2.88E+04 3.07E+04 2.50E+04 3.08E+04
8 7.04E+03 3.52E+03 IND 1.60E+04 9.60E+03 5.76E+03 8.38E+03
35
IQ-2004-I-23
Primera Fermentación
y = 0.0014 x + 1.3897
Segunda Fermentación
y = 0.0018 x + 1.0996
Tercera Fermentación
y = 0.0024 x + 1.9462
Cuarta Fermentación
y = 0.0027 x + 1.4393
Quinta Fermentación
y = 0.004 x + 0.5421
Sexta Fermentación
y = 0.0038 x + 1.3273
Séptima Fermentación
y = 0.0055 x - 0.6927
Octava Fermentación
y = 0.0016 x + 0.6658
Yx/s 44.16 %
µ max 0.17 h-1
Yx/o .95 %
Ks 0.83 g/L
Tabla 9. Variables para una Fermentación Batch
14
Maria Alejandra Delgado, 2003
15
Kang , 1992
36
IQ-2004-I-23
Para realizar la simulación, se tomaron en cuenta tan solo dos escenarios de fermentación
Fed-batch continua:
Volumen (L)
Aumento de Volumen a Flujo Constante (F: 0.04 L/h)
3.06
3.05
3.04
Volumen (L)
3.03
3.02
3.01
2.99
0 500 1000 1500 2000 2500 3000
Tiempo (min)
Ilustración 13. Gráfica de aumento de volumen con flujo de alimentación constante (F= 0.04 L/h)
37
IQ-2004-I-23
Simulación
1: S 2: X
1: 8
2: 10
2
1
2
2
1: 4
2: 5
1: 0 1
2: 1 1 1
0.00 12.50 25.00 37.50 50.00
Page 2 Hours 8:20 mar, 29 de jun de 2004
CONSUMO DE GLUCOSA Y CRECIMIENTO MICROBIAL A FLUJO CONSTANTE
Volumen (L)
Aumento de Volumen a Flujo Escalonado (F1:0.04L/h y F2: 0.07 L/h)
3.07
3.06
3.05
3.04
Volumen (L)
3.03
3.02
3.01
2.99
0 500 1000 1500 2000 2500 3000
Tiempo (min)
Ilustración 15. Aumento de volumen a flujo escalonado (F1: 0.04 L/h y F2: 0.07 L/h)
Flujo (L/h)
38
IQ-2004-I-23
0.07
0.06
0.05
Volumen (L)
0.04
0.03
0.02
0.01
0
0 500 1000 1500 2000 2500 3000
Tiempo (min)
Ilustración 16. Flujo escalonado (F1: 0.04 L/h y F2: 0.07 L/h)
Simulación
1: S 2: X
1: 8
2: 20
1 2
1: 4
2: 10
2
1
1: 0 1 1
2: 0
0.00 12.50 25.00 37.50 50.00
Page 3 Hours 8:24 mar, 29 de jun de 2004
CONSUMO DE GLUCOSA Y CRECIMIENTO MICROBIAL A FLUJO ESCALONADO
39
IQ-2004-I-23
1: OD
1: 5
1: 3
1 1
1: 0 1
0.00 12.50 25.00 37.50 50.00
Page 6 Hours 8:19 jue, 01 de jul de 2004
COMPORTAMIENTO DEL OXIGENO EN FUNCION DEL TIEMPO
40
IQ-2004-I-23
7. ANÁLISIS DE RESULTADOS
207
121
81
1 2 3 4 5 6 7 8
5
1
28.6
21.1
P Ilustración 19. Resultado de la electroforesis.
P
Por lo tanto, para efectos prácticos del análisis de resultados, se va a partir del hecho que la
formación de esporas y la producción de toxinas proteicas están ligadas (Kang, 1992).
41
IQ-2004-I-23
En la siguiente tabla se encuentran consignados los datos obtenidos a partir del conteo de
unidades de formadoras de colonias (UFC) por mililitro:
A B C D Y
(vvm) (rpm) (-) (g/L) (UFC/ml)
1.5 400 0 50 1.790E+04
2.5 400 0 30 2.98E+03
1.5 300 0 30 8.320E+03
2.5 300 0 50 8.320E+03
1.5 400 1 30 2.133E+05
2.5 400 1 50 1.920E+03
1.5 300 1 50 3.083E+04
2.5 300 1 30 8.384E+03
Tabla 10. Resultados del diseño de experimentos en términos de producción final de Esporas UFC/ml
ANOVA SS Gl MS F P valor
A 56551612.5 1 56551612.5 0.40680187 0.63855393
B 275772613 1 275772613 1.98375977 0.3930508
C 59350512.5 1 59350512.5 0.42693565 0.63154748
D ABC 54340312.5 1 54340312.5 0.39089497 0.64428579
AC 70745512.5 1 70745512.5 0.50890515 0.60552062
AB 68269612.5 1 68269612.5 0.49109485 0.61086595
Error 139015125 1 139015125
Total 651673688 7 93096241.1
Tabla 11. ANOVA de la producción final de esporas (UFC/ml).
El error en realidad es el efecto de la interacción BC, el cual es el que tiene menor efecto,
ya que en este diseño factorial es de una sola réplica.
Para hacer más robusta la prueba se añadió a la suma de cuadrados del error el efecto de la
interacción AB:
ANOVA SS Gl MS F P valor
A 56551612.5 1 56551612.5 1.59873356 0.33347998
B 275772613 1 275772613 7.79618672 0.10790195
C 59350512.5 1 59350512.5 1.67785943 0.32457019
D ABC 54340312.5 1 54340312.5 1.53621935 0.34089134
42
IQ-2004-I-23
ANOVA SS Gl MS F P valor
A 56551612.5 1 56551612.5 1.2204056 0.3499258
B 275772613 1 275772613 5.95127931 0.0925395
C 59350512.5 1 59350512.5 1.28080694 0.34003514
D ABC 54340312.5 1 54340312.5 1.1726849 0.35812124
Error 139015125 3 46338375
Total 651673688 7 93096241.1
Tabla 13. ANOVA de la producción Final de esporas (UFC/ml).
En las tres tablas ANOVA se encuentra la agitación (Factor B), como el único factor
significativo, a un nivel de confianza del 92.8%, para la producción de esporas y por lo
tanto de toxinas proteicas.
B Y
(rpm) (UFC/ml)
400 1.790E+04
400 2.98E+03
300 8.320E+03
300 8.320E+03
400 2.133E+05
400 1.920E+03
300 3.083E+04
300 8.384E+03
Tabla 14. Relación entre la agitación y la producción de esporas
43
IQ-2004-I-23
A B C D Y
(vvm) (rpm) (-) (g/L) (g/L/min)
1.5 400 0 50 0.0014
2.5 400 0 30 0.0018
1.5 300 0 30 0.0024
2.5 300 0 50 0.0027
1.5 400 1 30 0.004
2.5 400 1 50 0.0038
1.5 300 1 50 0.0055
2.5 300 1 30 0.0016
Tabla 15. Resultados del diseño de experimentos en términos de la Biomasa
ANOVA SS Gl MS F P valor
A 1.445E-06 1 1.445E-06 1.71005917 0.41561507
B 1.8E-07 1 1.8E-07 0.21301775 0.72472066
C 5.445E-06 1 5.445E-06 6.44378698 0.23890483
D ABC 0.00000162 1 0.00000162 1.91715976 0.39819614
AC 2.88E-06 1 2.88E-06 3.40828402 0.31603254
AB 1.805E-06 1 1.805E-06 2.13609467 0.38200383
Error 8.45E-07 1 8.45E-07
Total 0.00001422 7 2.0314E-06
Tabla 16. ANOVA del crecimiento microbial.
Como en el caso anterior, el efecto atribuido al error es la suma de cuadrados (SS) efecto de
la interacción BC, el cual es el que tiene menor efecto, ya que en este diseño factorial es de
una sola réplica.
Para hacer más robusta la prueba se añadió a la suma de cuadrados del error el efecto de la
interacción AB:
44
IQ-2004-I-23
ANOVA SS Gl MS F P valor
A 1.445E-06 1 1.445E-06 1.09056604 0.40597193
B 1.8E-07 1 1.8E-07 0.13584906 0.74780119
C 5.445E-06 1 5.445E-06 4.10943396 0.17985524
D ABC 0.00000162 1 0.00000162 1.22264151 0.38405268
AC 2.88E-06 1 2.88E-06 2.17358491 0.27833826
Error 2.65E-06 2 1.325E-06
Total 0.00001422 7 2.0314E-06
Tabla 17. ANOVA del crecimiento microbial.
ANOVA SS Gl MS F P valor
A 1.445E-06 1 1.445E-06 0.78390597 0.44115828
B 1.8E-07 1 1.8E-07 0.09764919 0.77513101
C 5.445E-06 1 5.445E-06 2.95388788 0.18416496
D ABC 0.00000162 1 0.00000162 0.87884268 0.41767628
Error 5.53E-06 3 1.8433E-06
Total 0.00001422 7 2.0314E-06
Tabla 18. ANOVA del crecimiento microbial.
En las tres tablas ANOVA de la tasa de crecimiento se encontró que el único factor
significativo es la forma de alimentación (Factor C). Se consideró que la concentración de
glucosa en el flujo de alimentación (Factor D) es relevante ya que tiene un P – valor bajo,
aunque no lo suficiente para ser significativo, siguiendo los parámetros de confiabilidad del
factor C. Esto se debe a que por el esquema de confusión, no es posible discernir que
proporción tiene el factor D respecto a la triple interacción ABC lo cual afecta la
significancia del mismo. Los otros dos factores resultaron no ser significativos.
Para evaluar la importancia de los niveles por los cuales se valoro el experimento para el
factor C y el factor D, se realizó una gráfica de contornos, donde se explica la relación que
existe entre la tasa de crecimiento específica (g/L/min) y la cantidad de glucosa consumida
(g/L) durante la fermentación
45
IQ-2004-I-23
Gráfico de efectos
0.006
0.005
Tasa de crecimiento
0.004
Nivel -C
0.003
Nivel +C
0.002
0.001
0
25 30 35 40 45 50 55
Cantidad de glucosa
Por medio de la anterior gráfica se puede apreciar que los niveles óptimos son los más
altos de cada uno de los factores significativos.
20
18
16
14
12
Biomasa (g/L)
10
0
0 500 1000 1500 2000 2500 3000
Tiempo (min)
Ilustración 21. Análisis Gráfico comparativo del comportamiento microbial, según su factor de relevancia C, Rojo:
[Fermentación V, VI, VII] y Azul [Fermentación I, II, III, IV]
En, esta, se puede apreciar que para el nivel del modo de alimentación superior (flujo de
alimentación escalonado), se tiene una mayor producción final de biomasa, con valores que
oscilan entre los 14.5 y los 19 g/L, mientras que para el nivel inferior (flujo de
alimentación constante) se obtiene una menor producción final de biomasa, con valores que
oscilan entre 5.5 y 9 g/L.
46
IQ-2004-I-23
20
18
16
14
12
Biomasa (g/L)
10
0
0 500 1000 1500 2000 2500 3000
Tiempo (min)
Ilustración 22. Análisis Gráfico comparativo del comportamiento microbial, según su factor de relevancia D Rojo:
[Fermentación VI, VII] y Azul [Fermentación V, VIII]
Se observa, que para el nivel de la concentración de alimentación (50 g/L), se tiene una
mayor producción final de biomasa, con valores de 14.5 y 19 g/L, para las fermentaciones
VI y VII respectivamente; mientras que para el nivel inferior (30 g/L) se obtiene una menor
producción final de biomasa, con valores de 5.05 y 14.5 g/L.
Por lo tanto, se concluye que para garantizar una alta producción de biomasa, siguiendo los
parámetros estadísticos y gráficos, Las condiciones óptimas de operación son: Un modo de
alimentación escalonado (Factor C) y una concentración de 50 g/L de glucosa.
De lo anterior se obtiene:
47
IQ-2004-I-23
Del cual se puede decir que el desarrollo del producto, está asociado con el crecimiento,
debido a que existe una directa proporcionalidad entre la producción final de esporas
(UFC/mL) y la producción final de biomasa (g/L); es decir, que a medida que aumenta la
concentración de esporas, aumenta la concentración de la biomasa.
Por lo tanto, la fermentación que contiene los factores a sus niveles relevantes a considerar,
es la fermentación VII.
16
Delgado, 2003.
48
IQ-2004-I-23
¾ Análisis de sensibilidad
¾ Análisis dimensional
¾ Reproducción del comportamiento
¾ Adecuación de los limites
¾ Errores de integración.
49
IQ-2004-I-23
Para analizar el comportamiento del modelo ante variaciones de los parámetros implícitos
en la ecuación de la biomasa, será necesario variar parámetros que sean significativos y
representativos de la dinámica de la población de Bacillus thuringiensis. En este caso se
tiene que los factores críticos serian el µ máx. y el Yx/s debido a que el µ máx. es la cota
superior de la gráfica del crecimiento microbial versus el consumo de sustrato. Por otro
lado, el Yx/s es el porcentaje de producción de biomasa a partir del consumo de sustrato.
X: 1 - 2 - 3 - 4 -
1: 20
4
3
2
1
4
3
2
1
1: 10 4
3
2
1
4
3
2
1
1: 0
0.00 12.50 25.00 37.50 50.00
Page 2 Hours 10:01 vie, 02 de jul de 2004
COMPORTAMIENTO DE LA BIOMASA PARA DIFERENTES PARAMETRO…
Ilustración 23 Comportamiento de la biomasa para un µ máx. para valores de µ máx. de 1) 0.17 2) 0.21 3) 0.25 4) 0.3
50
IQ-2004-I-23
X: 1 - 2 - 3 - 4 - 5 - 6 - 7 -
1: 30
1: 15
1: 0
0.00 12.50 25.00 37.50 50.00
Page 3 Hours 10:07 vie, 02 de jul de 2004
comportamiento de la biomasa ente cambios de Y x/s
Al variar los parámetros del valor de Yx/s se tiene que el modelo varía ostensiblemente
desarrollando aumentos en la cantidad de producción de biomasa variando entre 9 g/L y 30
g/L para parámetros entre 0.2 y 0.7 respectivamente, por ello se podría decir que el modelo
es mucho más sensible a los cambios del Yx/s que ante cambios en el µ máx.
Para analizar el comportamiento del modelo ante variaciones de los parámetros implícitos
en la ecuación del sustrato, será necesario variar parámetros que sean significativos y
representativos de la dinámica de consumo de glucosa. En este caso se tiene que los
factores críticos serian el Si y Yx/s. debido a que el Si es la concentración de alimentación en
la fase de alimentación fed- batch; por otro lado el Yx/s es el porcentaje de producción de
biomasa a partir del consumo de sustrato.
51
IQ-2004-I-23
S: 1 - 2 - 3 - 4 - 5 - 6 - 7 -
1: 8
1: 4
1: 0
0.00 12.50 25.00 37.50 50.00
Page 1 Hours 10:38 vie, 02 de jul de 2004
COMPORTAMIENTO DEL SUSTRATO PARA DIFERENTES VALORES DE Yx/s
Ilustración 25. Comportamiento del Sustrato para un Y x/s para valores de Y x/s de
1) 0.2 2) 0.3 3) 0.4 4) 0.44 5) 0.5 6) 0.6 7) 0.7
Al variar los parámetros del valor de Yx/s se tiene que el modelo solo varía en su fase
preliminar, en las primeras 8 horas de fermentación, para valores pequeños el sustrato se
agota mas rápidamente que para valores altos.
S: 1 - 2 - 3 - 4 - 5 - 6 - 7 - 8 -
1: 8
1: 4
1: 0
0.00 12.50 25.00 37.50 50.00
Page 1 Hours 10:42 vie, 02 de jul de 2004
COMPORTAMIENTO DEL SUSTRATO PARA DIFERENTES VALORES DE Si
52
IQ-2004-I-23
Al variar los parámetros del valor de Si se tiene que el modelo en la fase de alimentación
fed-batch, mantiene su nivel remanente de sustrato alto, a medida que la concentración de
alimentación, Si, es alto, mientras que para valores bajos de Si el nivel remanente de
sustrato se mantiene bajo.
Para analizar el comportamiento del modelo ante variaciones de los parámetros implícitos
en la ecuación del oxígeno disuelto será necesario variar parámetros que sean
significativos y representativos de la dinámica de la población de Bacillus thuringiensis. En
este caso se tiene un factor crítico, el KLa, debido a que el KLa. Representa el coeficiente
volumétrico de transferencia de oxígeno disuelto dentro del reactor.
OD: 1 - 2 - 3 - 4 - 5 - 6 - 7 - 8 - 9 - 10 - 11 -
1: 5
1: 3
1: 0
0.00 12.50 25.00 37.50 50.00
Page 1 Hours 11:00 vie, 02 de jul de 2004
OXIGENO DISUALETO PARA VARIACIONES DEL Kla
Ilustración 27. Comportamiento del coeficiente volumétrico de transferencia de masa KLa (h-1), para valores de
1) 9 2) 10 3) 11 4) 12 5) 13 6) 14 7) 15 8) 16 9) 17 10) 18 11) 19
Por ello al aumentar la transferencia, se tiene que los valores de oxígeno disuelto aumentan;
aunque es incierto su efecto sobre el crecimiento celular ya que el oxígeno llegaría a
sobresaturar el sistema, y por ende las células morirían. Por lo anterior se podría intuir que
53
IQ-2004-I-23
la biomasa es dependiente del oxígeno disuelto, convirtiéndose así en una posible fuente de
estudio para futuras investigaciones.
A pesar de la posible “robustez” frente a las pruebas de sensibilidad que pudiera tener el
modelo, en realidad se tiene que el modelo cambia abruptamente para variaciones del nivel
de biomasa o de glucosa en el sistema. Si bien los parámetros externos que afectan estas
variables de manera directa no logran cambios representativos, implícitamente se cambian
las condiciones en las cuales se pueden desarrollar los Bacillus thuringensis y por ende el
comportamiento del sistema se “volatiliza”. Para ello sería bueno contrastar el
comportamiento del sistema para diversos valores de Yx/s (0.2, 0.44, 0.7), en los cuales si
se puede observar que no hay mayores variaciones para el comportamiento de S, estas
pequeñas variaciones se traducen en grandes variaciones de X.
1: S 2: X
1: 8
2: 30
2
1
1: 4
2: 15
2
2
1
1: 0 1 1
2: 0
0.00 12.50 25.00 37.50 50.00
Page 3 Hours 04:21 p.m. Mar, 06 de Jul de 2004
COMPORTAMIENTO DE X Y DE S PARA UN Yxs DE 0.7
Ilustración 28. Comportamiento de Crecimiento Microbial y del Sustrato para un Y x/s de 0.7
54
IQ-2004-I-23
1: S 2: X
1: 8
2: 20
1 2
1: 4
2: 10
2
2
1
1: 0 1 1
2: 0
0.00 12.50 25.00 37.50 50.00
Page 2 Hours 04:26 p.m. Mar, 06 de Jul de 2004
COMPORTAMIENTO DE X Y DE S PARA UN Y xs DE 0.44
Ilustración 29. Comportamiento del Crecimiento Microbial y del sustrato para un Y x/s de 0.44
1: X 2: S
1: 10
2: 8
1
1: 5
2: 4
1
2
1
1: 1 2
2 2
2: 0
0.00 12.50 25.00 37.50 50.00
Page 1 Hours 04:24 p.m. Mar, 06 de Jul de 2004
COMPORTAMIENTO DE X Y S PARA UN Yxs DE 0.2
Ilustración 30. Comportamiento del Crecimiento Microbial y del sustrato para un Y x/s de 0.2
Se hará un análisis de la consistencia dimensional del modelo de tal manera que las
unidades empleadas en el modelo tengan una contraparte en el mundo real sin la necesidad
de constantes o parámetros que busquen ajustar las unidades (Sterman, 2000).
55
IQ-2004-I-23
⎡ g ⎤ ⎡ 1 ⎤ ⎡ ⎡ g ⎤ ⎡⎛ g ⎞ ⎛ g ⎞⎤ ⎤
⎢⎣ L × h ⎥⎦ ≡ ⎢⎣ h ⎥⎦ × ⎢ ⎢⎣ L ⎥⎦ + ⎢⎜⎜ g ⎟⎟ × ⎜⎝ L ⎟⎠⎥ ⎥
⎣⎢ ⎣⎝ ⎠ ⎦ ⎦⎥
µ x [X + Yx / s × (S )]
ds 1
=−
dt Yx / s
Su análisis dimensional correspondiente:
⎡ g ⎤ ⎡ g ⎤ ⎡ 1 ⎤ ⎡ ⎡ g ⎤ ⎡⎛ g ⎞ ⎛ g ⎞⎤ ⎤
⎢⎣ L × h ⎥⎦ ≡ − ⎢ g ⎥ ⎢ h ⎥ × ⎢ ⎢ L ⎥ + ⎢⎜⎜ g ⎟⎟ × ⎜ L ⎟⎥ ⎥
⎣ ⎦ ⎣ ⎦ ⎢⎣ ⎣ ⎦ ⎣⎝ ⎠ ⎝ ⎠⎦ ⎥⎦
= X + µ x [ X + Yx / s × (S )]
dx F
dt V
⎡⎛ L ⎞ ⎤
⎡ g ⎤ ⎢⎜ h ⎟ ⎡ g ⎤ ⎥ ⎡ 1 ⎤ ⎡ ⎡ g ⎤ ⎡⎛ g ⎞ ⎛ g ⎞⎤ ⎤
⎢⎣ L × h ⎥⎦ ≡ ⎢⎜⎜ L ⎟⎟ × ⎢⎣ L ⎥⎦ ⎥ + ⎢⎣ h ⎥⎦ × ⎢ ⎢⎣ L ⎥⎦ + ⎢⎜⎜ g ⎟⎟ × ⎜⎝ L ⎟⎠⎥ ⎥
⎢⎣ ⎣⎝ ⎠ ⎦ ⎥⎦
⎣⎝ ⎠ ⎦
µ x [ X + Yx / s × (S )]
ds F 1
= (S a − S ) −
dt V Yx / s
56
IQ-2004-I-23
⎡⎛ L ⎞ ⎤
⎡ g ⎤ ⎢⎜ h ⎟ ⎡ g g ⎤ ⎥ ⎡ 1 ⎤ ⎡ ⎡ g ⎤ ⎡⎛ g ⎞ ⎛ g ⎞⎤ ⎤
⎢⎣ L × h ⎥⎦ ≡ ⎢⎜⎜ L ⎟⎟ × ⎢⎣ L − L ⎥⎦ ⎥ − ⎢⎣ h ⎥⎦ × ⎢ ⎢⎣ L ⎥⎦ + ⎢⎜⎜ g ⎟⎟ × ⎜⎝ L ⎟⎠⎥ ⎥
⎣⎝ ⎠ ⎦ ⎣⎢ ⎣⎝ ⎠ ⎦ ⎦⎥
Para la ecuación de Andrews, µx (h-1):
1
µ x = µ max
ks s
1+ +
s k IS
Su análisis dimensional correspondiente es:
1 ⎡1⎤ 1
≡ ⎢ ⎥×
h ⎣ h ⎦ ⎡ ⎡ g ⎤ ⎡ g ⎤⎤
⎢1 + ⎢ L ⎥ + ⎢ L ⎥ ⎥
⎢ ⎢ g ⎥ ⎢ g ⎥⎥
⎢⎣ ⎣⎢ L ⎦⎥ ⎣⎢ L ⎦⎥ ⎥⎦
dC L Y
= K La (C * −C L ) − O / S µ X X
dt YX / S
⎡ ⎡⎛ g ⎞ ⎤⎤
⎡ g ⎤ ⎢ ⎡⎛ 1 ⎞ ⎛ mg mg ⎞⎤ ⎢ g ⎜ ⎟ ⎡1⎤ ⎡ g ⎤ ⎛ mg ⎞ ⎥ ⎥
≡ ⎢ ⎢⎜ ⎟ × ⎜ − ⎟ ⎥ − ⎢⎜ ⎟ × × × ⎜ 1000 ⎟⎥⎥
⎢ L × h⎥
⎣ ⎦ ⎢ ⎣⎝ h ⎠ ⎝ L L ⎠⎦ ⎢⎜ g ⎟ ⎢⎣ h ⎥⎦ ⎢⎣ L ⎥⎦ ⎜⎝ g ⎟⎠ ⎥ ⎥
⎣ ⎣⎝ g ⎠ ⎦⎦
57
IQ-2004-I-23
Esta prueba aborda la fidedignidad con la cual el modelo logra representar la realidad de
una problemática frente a los datos históricos sobre el mismo (Sterman, 2002) (citado en
Díaz, 2004). La mejor manera de realizar esta prueba es desarrollar una comparación entre
los modos de referencia del modelo. En este caso se compararán solamente los valores
simulados versus los valores experimentales de la biomasa, el sustrato y la cantidad de
oxígeno disuelto en el sistema.
4,5
3,5
2,5
1,5
0,5
0
0 500 1000 1500 2000 2500 3000
OD EXPERIMENTAL
T I E M P O ( mi n)
OD TEORICO
10
9
BIOMASA (g/L)
8
7
6
5
4
3
2
1
0
0 500 1000 1500 2000 2500 3000
58
IQ-2004-I-23
Ilustración 32. Comparación de la Biomasa (Valores Teóricos y Reales) frente a flujos constantes.
5
Sustrato (g/L)
0
0 500 1000 1500 2000 2500 3000
SUSTRATO EXPERIMENTAL
Tiempo (Min)
SUSTRATO SIMULADO
Ilustración 33. Comparación del sustrato experimental y el sustrato simulado frente a flujos constantes.
El comportamiento del sustrato varía bastante entre los valores reales y los valores
simulados, aunque ambas gráficas presentan un comportamiento de decaimiento
exponencial, en el cual los valores del sustrato decaen de sus valores iniciales y se podría
pensar que al largo plazo convergen a números muy pequeños que tiendan a cero. La
diferencia que se encuentra entre el valor simulado y el teórico es que la primera decae
mucho más rápido a valores mínimos y cercanos a cero, mientras que la segunda tarda
alrededor de 10 horas en empezar a aproximarse a valores muy pequeños de glucosa en el
sistema. Esto puede ser fruto de las diferencias y pequeñas variaciones (no cuantificables)
que hayan sucedido durante la experimentación.
59
IQ-2004-I-23
20
15
BIOMASA (g/L)
10
0
0 500 1000 1500 2000 2500 3000
TIEMPO (MINUTOS)
VALORES SIMULADOS
VALORES EXPERIMENTALES
Ilustración 34. Comparación valores experimentales de la biomasa versus valores esperados de la biomasa
7
Sustrato (g/L)
0
0 500 1000 1500 2000 2500 3000
COMPORTAMIENTO SIMULADO
Tiempo (Min)
COMPORTAMIENTO EXPERIMENTAL
Ilustración 35. Comparación del comportamiento del sustrato entre los datos simulados y los valores experimentales
A diferencia de la gráfica de flujos constantes, tenemos que para los flujos escalonados, se
comporta de manera similar aunque el comportamiento experimental pareciera hallarse
escalado hacia arriba en un valor cercano a una unidad. En ambos casos se presencia un
comportamiento de decaimiento exponencial, que tiende a converger a cero (nunca llegará
60
IQ-2004-I-23
Con esta prueba se busca evaluar la sensibilidad del modelo frente a la variaciones que
puedan sufrir los límites del problema, para ello se buscará identificar si los conceptos que
abordan la explicación del problema se hallan endógenos o exógenos al modelo, o que tanto
cambian los efectos de las soluciones frente a las variaciones en los límites del modelo
(véase Sterman, 200, p. 859).
El modelo en general tiene una gran cantidad de variables exógenas, que son determinantes
de el comportamiento del sistema, y muchas de la cuales se podría llegar a pensar que
dependerá de los valores de otras variables del modelo y no serían constantes ajenas al
modelo, sino que su comportamiento y sus valores fueran función de la dinámica entre
biomasa, sustrato y concentración de OD. Por ejemplo el KLa (coeficiente volumétrico de
transferencia de masa) puede depender de la agitación y de el flujo de aire (Hoyos, 2003),
pero para propósito de las pruebas y la construcción del diseño del experimento y su
comparación con la simulación teórica, se tiene que estos parámetros no son relevantes para
el modelo ya que permanecen constantes durante todo el tiempo de estudio. En vez de tener
en cuenta esta consideración, se optó por considerar el rango de valores establecidos para
KLa por Avignone (1992).
Yo/s es el coeficiente de consumo de oxígeno por el consumo de glucosa, y tal como se halla
definido, depende del oxígeno disuelto (OD) y del sustrato (S), de tal manera que estaría
función de estos dos parámetros, por simplificación se optó por estimar este valor como una
constante y poder evaluar el impacto del cambio de otras variables dentro del modelo.
61
IQ-2004-I-23
62
IQ-2004-I-23
X: 1 - 2 - 3 -
1: 20
3
2
1
3
2
1
1: 10
3
2
1
3
2
1
1: 0
0.00 12.50 25.00 37.50 50.00
Page 7 Hours 9:42 vie, 02 de jul de 2004
CPOMPARACION DE LA BIOMASA PARA DIFERENTES METODOS DE INTEGRACION
S: 1 - 2 - 3 -
1: 8
1: 4
3
1 2 3 1 2 3 1 2 3
1: 0
0.00 12.50 25.00 37.50 50.00
Page 8 Hours 9:44 vie, 02 de jul de 2004
COMPARACION DEL SUSTRATO PARA DIVERSOS METODOS DE INTEGRACION
63
IQ-2004-I-23
OD: 1 - 2 - 3 -
1: 5
1: 3
3
3 1 2 3 1 2 3
2
1: 0 1 2
0.00 12.50 25.00 37.50 50.00
Page 9 Hours 9:46 vie, 02 de jul de 2004
COMPARACION DEL OD PARA DIVERSOS METODOS DE INTEGRACION
Ilustración 38. Comparación del Oxígeno Disuelto para diferentes métodos de integración
64
IQ-2004-I-23
CONCLUSIONES
A través del análisis de varianza ANOVA realizado para la biomasa en términos de la tasa
específica de crecimiento (g/L/min), se obtuvo que los factores significativos fueron: El
modo de alimentación (factor C) y la concentración de glucosa en el flujo de alimentación
(factor D). Los cuales, resultan ser relevantes cuando se encuentran en niveles altos, es
decir, un flujo de alimentación escalonado y una concentración de glucosa en el flujo de
alimentación de 50 g/L. Por lo tanto las fermentaciones óptimas a desarrollar son la
Fermentación VI y la Fermentación VII.
Al tomar en cuenta los análisis estadísticos de las dos variables de respuesta (producción
final de esporas en términos del promedio y el crecimiento microbial, en términos de la tasa
especifica de crecimiento), se recomienda para un futuro escalamiento industrial la
fermentación VII.
65
IQ-2004-I-23
Una de las grandes falencias del modelo de simulación implementado es que la biomasa no
depende de la concentración de oxígeno existente en el sistema, aunque se pudiera inferir
que a menores cantidades de oxígeno habría una menor biomasa, o contrario a esto, si su
valor fuera demasiado grande, la biomasa se reduciría por sobresaturación de oxígeno.
Adicionalmente se podría pensar que la cantidad de oxígeno en el sistema dependería de la
biomasa existente en el mismo, ya que a mayor cantidad de biomasa existiría un mayor
consumo de O2, por lo tanto será necesario establecer una relación entre biomasa y oxígeno
y viceversa, para buscar capturar de mejor manera el comportamiento del sistema.
66
IQ-2004-I-23
BIBLIOGRAFÍA
FERREL, G. http://www.gl.umbc.edu/~gferre1/outline.html.
67
IQ-2004-I-23
PRESCOTT. S., et al. Industrial Microbiology. Tercera edición. Ed Mc Graw Hill. Tokio,
Japón. pagina 276. 1956
68
IQ-2004-I-23
69
IQ-2004-I-23
Anexo A
MEDIO DE CULTIVO
Selección de Factores
El medio para el crecimiento deberá contener mínimo una fuente de materia y energía, que
se proporciona con glucosa como fuente de carbono: esta se utiliza principalmente en la
fase de crecimiento vegetativo y es metabolizada. Como fuente de nitrógeno inorgánico se
utilizo sulfato de amonio, que se consume en la fase exponencial de crecimiento, como
fuente orgánica de nitrógeno se encuentra el extracto de levadura, cuya composición es:
AMINOÁCIDO COMPOSICIÓN
Ácido aspártico 5.240
Treonina 5.520
Serina 2.540
Prolina 2.180
Acido glutámico 5.220
Glicina 4.600
Alanita 4.760
Valina 3.280
Metionina
Isoleucina 2.240
Leucina 3.160
Tirosina 1.920
Fenilalanina 1.600
Lisina 4.600
Histidina 0.740
Arginina 0.920
Cistina Trazas
Tabla 21. Contenido de Aminoácidos (en mmoles/10mg del extracto de levadura)20
17
Rossa y Mignone, 1993; Navarro y Acosta, 1994
18
Estola, 1985
19
Duarte, 1991
20
Merk, 1990
70
IQ-2004-I-23
Los aminoácidos pueden ayudar también a formar intermediarios del ciclo de los Ácidos
Tricarboxilicos, utilizados como fuente de energía, la importancia de estos aminoácidos se
verifica porque en las células vegetativas y esporas se encuentra glutamato y alanita en
elevadas concentraciones.
Mn+2: es esencial para la formación de endoesporas –en las distintas especies de bacillus, su
deficiencia afecta la actividad de fosfoglicerato fosfomutasa, porque esta enzima requiere
Mn como cofactor.
Mg+2: junto con el fósforo intervienen en las reacciones que involucran adenosín difosfato
en la transferencia de energía.
21
Estola, 1985
71
IQ-2004-I-23
72
IQ-2004-I-23
Anexo B22
METODOLOGÍAS PARA LOS PARÁMETROS DE EVALUACIÓN.
Determinación de Biomasa.
73
IQ-2004-I-23
Debido a que Bacillus thuringiensis es una bacteria esporulada, y que la esporulación esta
acoplada a la formación del cristal. El método que será utilizado para cuantificar la
concentración de esporas es el conteo de unidades formadoras de colonias UFC en caja de
petric.
Procedimiento.
Determinación de Proteínas.
74
IQ-2004-I-23
Procedimiento.
75
IQ-2004-I-23
Metano: 25 mL.
Agua: 75 mL
Ácido acético: 7 mL
Luego con ayuda de la micro espátula se despega el gel, Y se deja el gel por
mas de una hora.
7. Tinción de las proteínas con Azul de comassie al 0.2%.
Después de la fijación, se sumerge el gel en la solución de azul de conassie de 0.2%
durante media hora.
Azul de conassie: 0.2 g
Metanol: 50 mL
Ácido acético glacial: 5 ml
Se completa con agua hasta 1000 mL.
8. Decoloración del gel.
Se sumerge el gel en solución de ácido acético al 10 y 30 % de metanol. Cambiar la
solución 3 o 4 veces hasta obtener una buena decoloración.
9. Patrones estándares utilizados en la electroforesis:
Bio-rad. Broad Range, Catalog 161- 0.318, control 81623
76
IQ-2004-I-23
Anexo C
CALCULO DE CONSTANTES
23
Perry, tabla 2-28
24
Ibid, 127.
77
IQ-2004-I-23
Estequiometría:
Coeficiente de producción:
Biomasa Formada
Yx =
s Sustrato Consumido
X − Xo
Yx =
s So − S
1
Yx =
s Ys
x
X i +1 − X i −1
T −T
µ i = i +1 i −1
Xi
78
IQ-2004-I-23
79
IQ-2004-I-23
Anexo D.
METODOLOGÍA DE FERMENTACIÓN
80
IQ-2004-I-23
Anexo E.
TABLAS DE DATOS.
Primera fermentación
Condiciones:
Biomasa
T OD
OD (%) pH Promedi
(min) (ppm)
o (g/L)
0 79,5 4,618 6,52 1,05
30 78,8 4,578 6,52
60 77,7 4,514 6,48
90 76,3 4,432 6,5
120 73,9 4,293 6,5
150 69,3 4,026 6,5
180 58,6 3,404 6,5
210 48,4 2,812 6,5 1,35
240 36,6 2,126 6,5
270 30,4 1,766 6,5
300 22,2 1,290 6,5 1,85
330 15,8 0,918 6,5
360 12,8 0,744 6,5
390 81,6 4,740 6,5 2,05
1140 78,2 4,543 7,08 3,3
1170 16,4 0,953 7,08
1440 1,3 0,076 7,08
1470 1 0,058 7,35
1500 1 0,058 7,15 3,65
1530 1,2 0,070 7,09
1560 1,4 0,081 7,09
81
IQ-2004-I-23
Biomasa
T OD
OD (%) pH Promedi
(min) (ppm)
o (g/L)
1590 1,2 0,070 7,01
1620 1,1 0,064 6,98 4,25
2790 18,5 1,075 7,29
2820 21,7 1,261 7,34
2850 24,2 1,406 7,37
2880 16,2 0,941 7,6 4,85
2910 13,4 0,778 7,78
2940 25,9 1,505 7,85
2970 30,3 1,760 7,88
3000 27,3 1,586 7,9 5,65
Datos de Biomasa
82
IQ-2004-I-23
Síntesis de datos
Biomasa Sustrato
Muestra T (min) OD (ppm)
(g/L) (g/L)
Conteo de Esporas
1 2 3
-6
10 IND IND IND
10-7 IND 28 IND
Tabla 33. Conteo de esporas para la Fermentación I
83
IQ-2004-I-23
Segunda fermentación
Condiciones:
Biomasa
t (min) OD (%) OD (ppm) pH Promedio
(g/L)
0 80 4,647 6,5 1,05
30 75,4 4,380 6,5
60 73,9 4,293 6,5
90 71,9 4,177 6,5
120 70,8 4,113 6,5
150 70 4,066 6,5
180 68,6 3,985 6,5
210 65,9 3,828 6,5
240 63,3 3,677 6,5
270 52 3,021 6,5
300 45,8 2,661 6,5 1,5
330 39,2 2,277 6,5
360 4,4 0,256 6,5
390 5,8 0,337 6,5
420 7,2 0,418 6,5
450 9,3 0,540 6,5 2,15
480 10,2 0,593 6,5
510 14,1 0,819 6,5
540 9,9 0,575 6,5
570 10 0,581 6,5
600 10,7 0,622 6,5 2,5
1560 86,1 5,002 7,32 3,6
1590 82,6 4,798 7,32
1620 81,1 4,711 7,32
84
IQ-2004-I-23
Biomasa
t (min) OD (%) OD (ppm) pH Promedio
(g/L)
1650 79,9 4,642 7,32 3,85
1680 68,2 3,962 7,26
1710 64,4 3,741 7,24
1740 58,3 3,387 7,21
1770 59,1 3,433 7,23 4,05
1800 56,4 3,276 7,25
1830 46,9 2,725 7,27
1860 39,8 2,312 7,27
1890 32,4 1,882 7,27
1920 21,4 1,243 7,3 4,25
1950 11,2 0,651 7,3
1980 7,9 0,459 7,3
2010 5,9 0,343 7,3
2040 6,8 0,395 7,3 5
3000 10 0,581 7,76 6,7
Datos de Biomasa
85
IQ-2004-I-23
Síntesis de datos
Biomasa Sustrato
Muestra T (min) OD (ppm)
(g/L) (g/L)
Conteo de Esporas
1 2 3
-6
10 IND 93 89
-7
10 23 15 34
86
IQ-2004-I-23
Tercera fermentación
Condiciones:
Biomasa
t OD
OD (ppm) pH Promedio
(min) (%)
(g/L)
0 72 4,182624 6,5 1,3
30 65,6 3,8108352 6,5
60 56,8 3,2996256 6,5
90 50,2 2,9162184 6,5
120 43,8 2,5444296 6,5
150 38,6 2,2423512 6,5
180 26,3 1,5278196 6,5
210 2 0,116184 6,5
240 1,2 0,0697104 6,5
270 1,5 0,087138 6,5
300 3 0,174276 6,5 2,6
330 2,3 0,1336116 6,5
360 2,2 0,1278024 6,5
390 2,2 0,1278024 6,5
420 2,6 0,1510392 6,5 3,05
450 3,3 0,1917036 6,5
480 2 0,116184 6,5
510 2,2 0,1278024 6,5 3,35
540 1,2 0,0697104 6,5
570 2 0,116184 6,5
600 1,8 0,1045656 6,5
630 2,3 0,1336116 6,5 4,05
1560 3,2 0,1858944 6,98 5,75
1590 4,4 0,2556048 7,01
1620 1,4 0,0813288 7,01
87
IQ-2004-I-23
Biomasa
t OD
OD (ppm) pH Promedio
(min) (%)
(g/L)
1650 1,8 0,1045656 7,01
1680 3,3 0,1917036 7,01 6
1710 4 0,232368 7,14
1740 5,1 0,2962692 7,14
1770 2 0,116184 7,14
1800 4,5 0,261414 7,14
1830 2,1 0,1219932 7,14 6,1
1860 1,2 0,0697104 7,14
1890 0,5 0,029046 7,14
1920 1,1 0,0639012 7,14
1950 0,4 0,0232368 7,14
1980 0,5 0,029046 7,14 6,5
3000 1,4 0,0813288 7,88 9
Datos de Biomasa
88
IQ-2004-I-23
Síntesis de datos
Biomasa Sustrato
Muestra T (min) OD (ppm)
(g/L) (g/L)
Conteo de Esporas
1 2 3
-6
10 20 32 0
-7
10 3 0 0
89
IQ-2004-I-23
Cuarta fermentación
Condiciones:
Biomasa
OD
t (min) OD (ppm) pH Promedio
(%)
(g/L)
90
IQ-2004-I-23
Biomasa
OD
t (min) OD (ppm) pH Promedio
(%)
(g/L)
Datos de Biomasa
91
IQ-2004-I-23
Síntesis de datos
Biomasa Sustrato
Muestra T (min) OD (ppm)
(g/L) (g/L)
Conteo de Esporas
92
IQ-2004-I-23
1 2 3
-6
10 20 24 IND
-7
10 6 17 0
93
IQ-2004-I-23
Quinta fermentación
Condiciones:
Biomasa
t OD
OD (ppm) pH Promedio
(min) (%)
(g/L)
0 96,5 5,605878 6,51 1,15
30 92,3 5,3618916 6,5
60 88,3 5,1295236 6,5
90 84,9 4,9320108 6,5
120 76,9 4,4672748 6,5
150 72,3 4,2000516 6,5
180 61,7 3,5842764 6,5
210 40,9 2,3759628 6,5
240 19,2 1,1153664 6,5
270 15,9 0,9236628 6,5
300 13,8 0,8016696 6,5 1,85
330 14,9 0,8655708 6,5
360 21,3 1,2373596 6,5
390 33,2 1,9286544 6,5
420 42,1 2,4456732 6,59
450 46,9 2,7245148 6,7 2,65
480 55,8 3,2415336 6,82
510 61,2 3,5552304 6,91
540 67,7 3,9328284 7,1 3,1
570 54,6 3,1718232 7,22
600 58,6 3,4041912 7,35
630 63,9 3,7120788 7,39
660 74,1 4,3046172 7,49 3,35
1500 26,3 1,5278196 7,95 6
1530 2,3 0,1336116 7,51
1560 6,2 0,3601704 7,3
1590 16 0,929472 7,36
94
IQ-2004-I-23
Biomasa
t OD
OD (ppm) pH Promedio
(min) (%)
(g/L)
1620 0,2 0,0116184 7,35
1650 0,4 0,0232368 7,38 6,5
1680 0 0 7,42
1710 1,5 0,087138 7,46
1740 0 0 7,5
1770 0,1 0,0058092 7,54
1800 7,3 0,4240716 7,71 6,55
1830 15,2 0,8829984 7,8
1860 11,3 0,6564396 7,82
1890 16,9 0,9817548 7,85
1920 15,7 0,9120444 7,89
1950 12,3 0,7145316 7,9 7,05
2970 25,7 1,4929644 8,77
3000 20,3 1,1792676 8,74 14,45
Tabla 53. Datos de Oxígeno disuelto, pH y Biomasa para la Fermentación V
Datos de Biomasa
95
IQ-2004-I-23
Síntesis de datos
Biomasa Sustrato
4uestra T (min) OD (ppm)
(g/L) (g/L)
Conteo de Esporas
1 2 3
-6
10 70 IND IND
-7
10 21 44 IND
96
IQ-2004-I-23
Sexta fermentación
Condiciones:
Biomasa
t OD
OD (ppm) pH Promedio
(min) (%)
(g/L)
0 87,9 5,1062868 6,5 1,4
30 87,4 5,0772408 6,5
60 86,3 5,0133396 6,5
90 77,4 4,4963208 6,5
120 69,3 4,0257756 6,5
150 63,2 3,6714144 6,5
180 57,8 3,3577176 6,49
210 49,7 2,8871724 6,5
240 28,2 1,6381944 6,5
270 26,7 1,5510564 6,5
300 13,2 0,7668144 6,5 2,3
330 10,1 0,5867292 6,5
360 6,7 0,3892164 6,5
390 3,6 0,2091312 6,51
420 0,7 0,0406644 6,54
450 1 0,058092 6,63 3,6
1380 78,3 4,5486036 7,45 6,35
1410 78,3 4,5486036 7,5
1440 78,6 4,5660312 7,55
1470 78 4,531176 7,6 6,4
1500 72,6 4,2174792 7,61
97
IQ-2004-I-23
Biomasa
t OD
OD (ppm) pH Promedio
(min) (%)
(g/L)
1530 71,5 4,153578 7,62
1560 70 4,06644 7,63 7,45
2790 13,3 0,7726236 8,83 10,3
2820 12,2 0,7087224 8,82
2850 18,4 1,0688928 8,88
2880 18,7 1,0863204 8,81
2910 21,3 1,2373596 8,81 11,95
2940 21,6 1,2547872 8,81
2970 18,6 1,0805112 8,81
3000 20,3 1,1792676 8,81 14,8
Datos de Biomasa
98
IQ-2004-I-23
Síntesis de datos
Biomasa Sustrato
Muestra T (min) OD (ppm)
(g/L) (g/L)
Conteo de Esporas
1 2 3
-6
10 IND IND 19
-7
10 0 4 2
99
IQ-2004-I-23
Séptima fermentación
Condiciones:
Biomasa
t OD
OD (ppm) pH Promedio
(min) (%)
(g/L)
100
IQ-2004-I-23
Biomasa
t OD
OD (ppm) pH Promedio
(min) (%)
(g/L)
Datos de Biomasa
101
IQ-2004-I-23
Síntesis de datos
Biomasa Sustrato
Muestra T (min) OD (ppm)
(g/L) (g/L)
Conteo de Esporas
1 2 3
-6
10 103 IND IND
-7
10 45 48 39
102
IQ-2004-I-23
Octava fermentación
Condiciones:
Biomasa
t OD
OD (ppm) pH Promedio
(min) (%)
(g/L)
103
IQ-2004-I-23
Biomasa
t OD
OD (ppm) pH Promedio
(min) (%)
(g/L)
Datos de Biomasa
104
IQ-2004-I-23
Síntesis de datos
Biomasa Sustrato
Muestra T (min) OD (ppm)
(g/L) (g/L)
Conteo de Esporas
1 2 3
-6
10 22 11 0
-7
10 25 15 9
Tabla 75. Conteo de esporas para la Fermentación VIII
105
IQ-2004-I-23
Anexo F
Tabla 76. Datos para una fermentación Fed-Batch Escalonada (Fermentación (VII)
106
IQ-2004-I-23
Tabla 77. Datos para una fermentación Fed-Batch Constante (Fermentación III)
107
IQ-2004-I-23
108
IQ-2004-I-23
Anexo G
Programa
INFLOWS:
dOD__dt = Kla*(OD_Ref-OD)-(Y_o__s*CONVERTIDOR/Y_x_s)*X*Miu
S(t) = S(t - dt) + (dS_dt) * dt
INIT S = 7.62
INFLOWS:
dS_dt = if (time<5.25) or (time>16.75) then ((-1/Y_x_s)*dX__dt+Mantenimiento_de_glucosa) else ((-
1/Y_x_s)*(dX__dt)+(F/V)*(Si-S)+Mantenimiento_de_glucosa)
X(t) = X(t - dt) + (dX__dt) * dt
INIT X = 0.8
INFLOWS:
dX__dt = if (time<5.25) or (time>16.75)then (Miu*(X+(Y_x_s)*(S))) else (Miu*(X+(Y_x_s)*(S)+ ((F/V)*X)))
CONVERTIDOR = 1000
Kla = 13.75
Ks = 0.83
Ksi = 100
Mantenimiento_de_glucosa = if (time >16.75) then (0.75) else (0)
Miu = Miu_max*(1/(1+(Ks/Saux)+(Saux/Ksi)))
Miu_max = 0.17
OD_Ref = 5.82
Saux = S
Si = 50
Y_o__s = 0.095
Y_x_s = 0.4416
F = GRAPH(time)
(0.00, 0.00), (1.00, 0.00), (2.00, 0.00), (3.00, 0.00), (4.00, 0.00), (5.00, 0.00), (6.00, 0.04), (7.00, 0.04), (8.00, 0.04), (9.00,
0.04), (10.0, 0.04), (11.0, 0.04), (12.0, 0.07), (13.0, 0.07), (14.0, 0.07), (15.0, 0.07), (16.0, 0.07), (17.0, 0.07), (18.0, 0.00),
(19.0, 0.00), (20.0, 0.00), (21.0, 0.00), (22.0, 0.00), (23.0, 0.00), (24.0, 0.00), (25.0, 0.00), (26.0, 0.00), (27.0, 0.00), (28.0,
0.00), (29.0, 0.00), (30.0, 0.00), (31.0, 0.00), (32.0, 0.00), (33.0, 0.00), (34.0, 0.00), (35.0, 0.00), (36.0, 0.00), (37.0, 0.00),
(38.0, 0.00), (39.0, 0.00), (40.0, 0.00), (41.0, 0.00), (42.0, 0.00), (43.0, 0.00), (44.0, 0.00), (45.0, 0.00), (46.0, 0.00), (47.0,
0.00), (48.0, 0.00), (49.0, 0.00), (50.0, 0.00)
V = GRAPH(time)
(0.00, 3.00), (1.00, 3.00), (2.00, 3.00), (3.00, 3.00), (4.00, 3.00), (5.00, 3.00), (6.00, 3.04), (7.00, 3.08), (8.00, 3.12), (9.00,
3.16), (10.0, 3.20), (11.0, 3.24), (12.0, 3.31), (13.0, 3.38), (14.0, 3.45), (15.0, 3.52), (16.0, 3.59), (17.0, 3.66), (18.0, 3.66),
(19.0, 3.66), (20.0, 3.66), (21.0, 3.66), (22.0, 3.66), (23.0, 3.66), (24.0, 3.66), (25.0, 3.66), (26.0, 3.66), (27.0, 3.66), (28.0,
3.66), (29.0, 3.66), (30.0, 3.66), (31.0, 3.66), (32.0, 3.66), (33.0, 3.66), (34.0, 3.66), (35.0, 3.66), (36.0, 3.66), (37.0, 3.66),
(38.0, 3.66), (39.0, 3.66), (40.0, 3.66), (41.0, 3.66), (42.0, 3.66), (43.0, 3.66), (44.0, 3.66), (45.0, 3.66), (46.0, 3.66), (47.0,
3.66), (48.0, 3.66), (49.0, 3.66), (50.0, 3.66)
109
IQ-2004-I-23
SECTOR X
Miu
Miu max
X
Ks
dX
dt
Ksi
Saux
S
Yxs
~ ~
V F
SECTOR S
dS
dt
Si
Mantenimiento de glucosa
CANTIDAD MANTENIDA
SECTOR OD
OD Ref
Yo Yxs
s OD
Miu
X
dOD
dt
Kla
CONVERTIDOR
110