Desenvolvimentos de ferramentas matemáticas para modelagem de sistemas biológicos baseados em fluxos metabólicos e estimação de parâmetros de problemas mal condicionados.

• Ano de defesa: 2020
• Autor(a) principal: Nakama, Caroline Satye Martins
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Engenharia metabólica; Engenharia química; Estimação de parâmetros; Metabolic engineering; Metabolismo; Modelagem estequiométrica; Parameter estimation; Regularization; Stoichiometric modeling
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/3/3137/tde-13042021-112113/

Modelagem matemática é um dos pilares da engenharia metabólica, guiando modificações genéticas através do estudo de fluxos metabólicos. Modelos estequiométricos são uma ferramenta importante para analisar redes metabólicas, especialmente para organismos não modelo ou durante a fase de análise inicial, pois são modelos lineares que requerem essencialmente a matriz estequiométrica e informações sobre a reversibilidade das reações como dados de entrada. Eles podem ser usados para explorar diferentes hipóteses e cenários, além de elucidar algumas propriedades do metabolismo. Com isso, algumas técnicas de modelagem estequiométrica foram implementadas em um software único e independente e usadas para estudar o metabolismo central da bactéria Burkholderia sacchari para produção de poli-hidroxialcanoato. O estudo mostrou que a modelagem estequiométrica é uma ferramenta valiosa para explorar como o metabolismo funciona e orientar o planejamento de experimentos futuros. No entanto, o metabolismo celular é, na realidade, função de dinâmicas não lineares e, portanto, modelos não lineares são mais adequados para representar uma abrangente variedade de estados fisiológicos, resultando em melhores previsões. Modelos mecanísticos são uma classe de modelos não lineares; porém, no contexto da engenharia metabólica, todos os modelos propostos para estimar os parâmetros cinéticos envolvidos são propensos a problemas de identificabilidade. Considerando esse obstáculo, um estudo sobre métodos de regularização para problemas de estimativa de parâmetros mal condicionados foi realizado. Os métodos de regularização baseados na decomposição em autovalores e autovetores da matriz Hessiana (reduzida) se mostraram ótimos para estimativa linear de parâmetros levando em consideração a redução da variância e podem auxiliar a lidar com problemas não lineares com vizinhança quase plana ao redor da solução. Além disso, a regularização baseada em autovetores em ambos os casos pôde ser usada para reconhecer grupos de parâmetros correlacionados, o que auxilia na compreensão dos inerentes problemas de identificação.