Modelación matemática en el diseño de bioprocesos sostenibles
DOI:
https://doi.org/10.30973/inventio/2025.21.55/5Palabras clave:
bioprocesos, modelo matemático, modelos mecanicistas, modelo probabilístico, modelo híbridoResumen
La modelación matemática de bioprocesos es una herramienta que permite estimar parámetros, simular, optimizar, escalar y desarrollar estrategias de control, combinando principios de ingeniería, biotecnología y avances computacionales. El presente trabajo explora las características de los modelos mecanicistas, probabilísticos e híbridos, y destaca sus aplicaciones en la industria biotecnológica. El artículo presenta conceptos esenciales de cada uno de los modelos descritos, además de ejemplos relevantes que ilustran su impacto económico e industrial en la biotecnología. La modelación no sólo impulsa una biomanufactura más eficiente, sino que también contribuye a enfrentar los retos ambientales y económicos actuales.
Referencias
Baronas, R., Žilinskas, A. y Litvinas, L. (2016). Optimal design of amperometric biosensors applying multi-objective optimization and decision visualization. Electrochimica Acta, 211, 586-594. https://doi.org/10.1016/j.electacta.2016.06.101
Becker, L., Sturm, J., Eiden, F. y Holtmann, D. (2023). Analyzing and understanding the robustness of bioprocesses. Trends in Biotechnology, 41(8), 1013-1026. https://doi.org/10.1016/j.tibtech.2023.03.002
Del Río-Chanona, E. A., Fiorelli, F., Zhang, D., Ahmed, N. R., Jing, K. y Shah, N. (2017). An efficient model construction strategy to simulate microalgal lutein photo-production dynamic process. Biotechnology and Bioengineering, 114(11), 2518-2527. https://doi.org/10.1002/bit.26373
García-Camacho, F., López-Rosales, L., Sánchez-Mirón, A., Belarbi, E. H., Chisti, Y. y Molina-Grima, E. (2016). Artificial neural network modeling for predicting the growth of the microalga Karlodinium veneficum. Algal Research, 14, 58-64. https://doi.org/10.1016/j.algal.2016.01.002
Hernández-Acevedo, A. G., Membrillo-Venegas, I.-L., Arcos-Casarrubias, J. A., Aguilar-Osorio, G., Martínez Trujillo, M. A. y Cruz Díaz, M. R. (2024). Experimental study and mathematical modeling of the pectinases production by Aspergillus flavipes FP-500 in an airlift bioreactor. Biochemical Engineering Journal, 211, 109472. https://doi.org/10.1016/j.bej.2024.109472
Ilkova, T. S., Petrov, M. M. y Roeva, O. (2015). Carnitine role in human diseases - pharmaceutical ways, optimization and generalized net description. Materials, Methods & Technologies, 9, 585-597. https://www.scientific-publications.net/en/article/1000813/
Jinescu, C., Aruş, V. A., Pârvulescu, O. C. y Nistor, I. D. (2014). Modelling of batch lactic acid fermentation in the presence of anionic clay. Food Technology and Biotechnology, 52(4), 448-458. https://doi.org/10.17113/ftb.52.04.14.3553
Montoya, M. (3 de junio de 2021). Desarrollo de bioproductos para favorecer la transición hacia la Bioeconomía. Codesin, sp. https://codesin.mx/articulos/desarrollo-de-bioproductos-para-favorecer-la-transicion-hacia-la-bioeconomia
Narayanan, H., Luna, M. F., Von Stosch, M., Cruz Bournazou, M. N., Polotti, G., Morbidelli, M., Butté, A. y Sokolov, M. (2020). Bioprocessing in the digital age: the role of process models. Biotechnology Journal, 15(1), 1900172. https://doi.org/10.1002/biot.201900172
Narayanan, H., Sokolov, M., Morbidelli, M. y Butté, A. (2019). A new generation of predictive models: the added value of hybrid models for manufacturing processes of therapeutic proteins. Biotechnology and Bioengineering, 116(10), 2540-2549. https://doi.org/10.1002/bit.27097
Oliveira, A., Rodrigues, J., Ferreira, E. C., Rodrigues, L. y Dias, O. (2021). A kinetic model of the central carbon metabolism for acrylic acid production in Escherichia coli. PLoS Computational Biology, 17(3), e1008704. https://doi.org/10.1371/journal.pcbi.1008704
Secretaría de Agricultura y Desarrollo Rural (17 de julio de 2024). Bioeconomía agrícola: oportunidades y desafíos para las y los productores. Gobierno de México, sp. https://www.gob.mx/agricultura/es/articulos/bioeconomia-agricola-oportunidades-y-desafios-para-las-y-los-productores?idiom=es
Sharma, V. y Mishra, H. N. (2014). Unstructured kinetic modeling of growth and lactic acid production by Lactobacillus plantarum NCDC 414 during fermentation of vegetable juices. LWT Food Science and Technology, 59(2), parte 1, 1123-1128. https://doi.org/10.1016/j.lwt.2014.05.039
Solle, D., Hitzmann, B., Herwig, C., Pereira Remelhe, M., Ulonska, S., Wuerth, L., Prata, A. y Steckenreiter, T. (2017). Between the poles of data-driven and mechanistic modeling for process operation. Chemie Ingenieur Technik, 89(5), 542-561. https://doi.org/10.1002/cite.201600175
Spann, R., Gernaey, K. V. y Sin, G. (2019). A compartment model for risk-based monitoring of lactic acid bacteria cultivations. Biochemical Engineering Journal, 151, 107293. https://doi.org/10.1016/j.bej.2019.107293
Sun, Y., Nathan-Roberts, W., Pham, T. D., Otte, E. y Aickelin, U. (2022). Multi-fidelity gaussian process for biomanufacturing process modeling with small data [preprint]. arXiv, 2211.14493v1. https://doi.org/10.48550/arXiv.2211.14493
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Ana Guadalupe Hernández Acevedo, Martín Rogelio Cruz Díaz, María Aurora Martínez Trujillo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Esta revista proporciona acceso abierto inmediato a su contenido, con base en el principio de ofrecer al público un acceso libre a las investigaciones para contribuir a un mayor intercambio global de conocimientos. Se distribuye bajo una licencia Creative Commons Reconocimiento-NoComercial 4.0 Internacional License.
