Crecimiento

logarítmico en
procesos biológicos

• Jhon Davinson Conde Barroso – 1611859

• Danna Isabel Quintero Arias - 1611860
• January Natalie Rodríguez Quintero – 1611861
• Mónica Daniela Suárez Hoyos – 1611867
• Gisselee Daniela Correa Chaustre - 1611868
 INTRODUCCIÓN

En la actualidad, ha crecido la necesidad de llevar

todo a una aproximación más cercana para
problemas prácticos, con esto nace la teoría de la
aproximación, que es un análisis matemático
donde de una función se lleva a otra función más
simple para hallar datos más cercanos y precisos,
así como también representar el error en la
aproximación.
 INTRODUCCION

Se han estudiado modelos matemáticos del

crecimiento del cáncer y han sido de mucha
utilidad en la investigación biológica.
 INTRODUCCION

Como ejemplo tenemos una aplicación

informática llamada VisEx, que permite
observar a los investigadores del cáncer el
crecimiento tumoral y otros datos
relacionados con el cáncer.
 MODELOS DEL CRECIMIENTO EN PROCESOS BIOLOGICOS

Primera parte: modelos similares

El primer modelo para el estudio del crecimiento tumoral es el modelo de
Gompertz, ya que es unos de los más precisos. Este modelo nos indica que las
tasas de crecimiento de las células tumorales son exponenciales en las
primeras fases del desarrollo y más lentas en las siguientes fases.

Ecuación general:
 MODELOS DEL CRECIMIENTO EN PROCESOS BIOLOGICOS

El segundo modelo es el modelo de Fister-Panetta, es una variable ligeramente

modificada del anterior modelo que proporciona un modelo sencillo para el
crecimiento como también para el tratamiento.

Los parámetros de los dos modelos se determinaron usando el modelo de los

mínimos cuadrados.
 MODELOS DEL CRECIMIENTO EN PROCESOS BIOLOGICOS

Segunda parte: modelo logarítmico

Para determinar los parámetros de una función logarítmica tenemos como
ejemplo la función:

Donde para un proceso biológico, t es la medida del tiempo y f(t) es el

tamaño de la colonia en ese tiempo.
 MODELOS DEL CRECIMIENTO EN PROCESOS BIOLOGICOS

Donde los parámetros a, b y c van a ser aproximados con el método de los mínimos
cuadrados utilizando el logaritmo de Gauss-Newton. Estos datos son los que se van
a buscar ya que supone que tenemos los datos del tiempo y tamaño de la colonia.

tiempo Tamaño
 MODELOS DEL CRECIMIENTO EN PROCESOS BIOLOGICOS

Se quiere hallar los valores iniciales de a, b y c. Partiendo de la ecuación

inicial se hace un sistema de ecuaciones no lineales:

Como hay dos incógnitas en el logaritmo y no es simple resolverlo, se

reescribe el sistema eliminado c:
 MODELOS DEL CRECIMIENTO EN PROCESOS BIOLOGICOS

Luego se elimina b del sistema y tenemos una ecuación no lineal con a:

Rescribiéndola:

donde: y

𝑢
𝑎
𝑒 −1
𝑔 ( 𝑎) = 𝑣
𝑎
𝑒 −1
 MODELOS DEL CRECIMIENTO EN PROCESOS BIOLOGICOS

Aquí se puede hallar la máxima aproximación de “a” con el método de bisección,

por ejemplo:

El siguiente conjunto de datos representa mediciones de una colonia bacteriana

de Escherichia coli en su fase logarítmica de crecimiento, donde “t” es el tiempo y
“y” la turbidez:

T 60 90 120 150 180 210 240

Y 0,017 0,035 0,056 0,083 0,124 0,171 0,274
 MODELOS DEL CRECIMIENTO EN PROCESOS BIOLOGICOS

Tomando como ejemplo para explicar el método de la secante para hallar un

valor de “a” se tiene la siguiente función:

¿Cómo resolverla?
1. Seleccionar dos valores iniciales de y , que sean cercanos a la solución
de la ecuación.

2. Calcular los valores correspondientes de F( ) y F( ).

 MODELOS DEL CRECIMIENTO EN PROCESOS BIOLOGICOS

3. Utilizar la siguiente fórmula para calcular una nueva aproximación de la

solución:

4. Calcular el valor correspondiente de F().

5. Si el valor de F() es suficientemente cercano a cero, entonces es una buena

aproximación de la solución de la ecuación. De lo contrario, repetir los pasos 3-
5 con = y = hasta que se alcance una aproximación aceptable.
 𝟎, 𝟎𝟑𝟗
𝒙
𝒇 ( 𝒙 ) =𝒆 −𝟏
𝐹 ( 𝑥 1) ( 𝑥 0 − 𝑥1 )
𝑥 2=𝑥1 −
𝐹 ( 𝑥0) − 𝐹 ( 𝑥1)

0,0048256

0295
CONCLUSIÓN
 BIBLIOGRAFIA

Paltanea, M., Tabirca, S., Scheiber, E., & Tangney, M. (2010). Logarithmic Growth in

Biological Processes. https://doi.org/10.1109/uksim.2010.29