Métodos numéricos para modelos de redes metabólicas.

• Ano de defesa: 2022
• Autor(a) principal: Oliveira, Rafael David de
• 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: 13C-Análise de fluxos metabólicos; 13C-Metabolic Flux Analysis; Análise de balanço de fluxos; Bioprocessos; Controle preditivo baseado em modelo; Flux balance analysis; Identifiability; Identificabilidade; Metabolic models; Model predictive control; Modelos metabólicos
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/3/3137/tde-05072023-111915/

A busca por fontes renováveis de energia, materiais e produtos químicos tem sido o foco de muitas políticas internacionais. Bioprocessos são uma promissora alternativa para atingir esses objetivos, entretanto, esses processos devem ser economicamente viáveis para se obter sucesso em um mercado altamente competitivo. A bioprodução precisa ser otimizada tanto em nível celular, como em nível de processo. A biologia de sistemas pode contribuir em ambos os níveis, tornando modelos adequados para a análise de engenharia metabólica, modificando o metabolismo das células, e fornecendo modelos preditivos para otimizar as operações de bioprocessos. Esses métodos computacionais devem ser precisos e confiáveis, portanto, áreas como a Engenharia de Sistemas em Processos (PSE) têm um enorme potencial de contribuição. O objetivo desta tese foi aplicar ferramentas de PSE para aperfeiçoar os métodos existentes em Biologia de Sistemas. Para isso, foram construídas colaborações interdisciplinares para encontrar gargalos nas metodologias existentes. A tese foi dividida em três tópicos/projetos principais. No primeiro, métodos de identificabilidade foram aplicados ao planejamento ótimo de experimentos de carbono marcado para melhorar o processo de estimação de fluxos metabólicos. A metodologia foi aplicada à produção de bioplásticos e biossurfactantes por Pseudomonas spp.. O planejamento de experimentos foi utilizado para se determinar o melhor substrato marcado e para reduzir o custo experimental. Foram aplicados três métodos de análise de identificabilidade, baseados na inspeção visual das saídas do modelo, na Matriz de Informação de Fisher e em Componentes Principais. As marcações ótimas para os substratos para cada espécie de Pseudomonas foram determinadas e as principais rotas metabólicas foram estimadas. O segundo projeto consistiu em tornar um modelo metabólico dinâmico conhecido como Dynamic flux balance analysis (dFBA) mais adequado para aplicações de controle preditivo baseado em modelos. Os modelos dFBA consistem em um sistema de equações diferenciais ordinárias com um modelo de otimização integrado, portanto, aplicações em controle são desafiadoras. O modelo de otimização foi substituto por um modelo surrogate e foi demostrado que esse método pode diminuir consistentemente o tempo computacional e tornar o desempenho do controlador mais confiável. Finalmente, o terceiro projeto também se concentrou em modelos dFBA, mas visando torná-los mais viáveis para aplicações de engenharia metabólica dinâmica. O modelo dFBA foi reformulado como um problema NLP em um único nível. São discutidos os desafios de resolver um problema com restrições complementares e como superá-los. Estudos de caso de controle dinâmico do metabolismo demonstraram o potencial da metodologia desenvolvida. Juntos, esses métodos podem ser aplicados para obter simulações numéricas mais confiáveis e precisas usando modelos de biologia de sistemas.