Escolar Documentos
Profissional Documentos
Cultura Documentos
So Paulo
2007
JULIANA SILVA LOPES
So Paulo
2007
JULIANA SILVA LOPES
rea de concentrao:
Engenharia Qumica
Orientador:
Prof. Dr. Reinaldo Giudici
So Paulo
2007
Este exemplar foi revisado e alterado em relao verso original, sob responsabilidade
nica do autor e com anuncia de seu orientador.
Assinatura do autor
Assinatura do orientador
FICHA CATALOGRFICA
Results show that the hybrid model presented high sensitivity to the initial
conditions and its capability of representing the experimental data was worse than
that of the other developed models. Both the morphologically structured model and
the unstructured model show similar suitability to represent the experimental data
behavior for batch, fed-batch and low-dilution rate continuous runs.
LISTA DE ILUSTRAES
Figura 4.1: Compartimentos apical (Za), subapical (Zs) e hifal (Zh) de um elemento
hifal................................................................................................................. 37
Figura 4.2: Efeito do oxignio dissolvido sobre a cintica de crescimento para Kox
= 0.02489 mmol/L .......................................................................................... 48
Tabela 3.3: Resumo das condies dos ensaios contnuos (Pamobukian, 2003). 29
df graus de liberdade
p nmerodeparmetrosdomodeloi
si2 estimativadavarinciadomodeloi
u1 velocidadedereaodebranching(h -1)
u2 velocidadedereaodetipextension(h -1)
u3 velocidade de reao de diferenciao (h -1)
v nmero de variveis
Letras gregas
nvel de significncia
2
calc
teste de Bartlett
SUMRIO
1 Introduo ........................................................................................................ 1
3.1 Microrganismo......................................................................................... 23
1 Introduo
2 Reviso Bibliogrfica
2.1 Retamicina
2.2.1 Microrganismo
LIMA, O.G.; LYRA, F.D.A.; ALBUQUERQUE, M.M.F.; MACIEL, G.M.; COELHO, J.S.B. Primeiras observaes sobre o
complexo antibitico e antitumoral retamicina produzido pelo Streptomyces olindensis nov. sp. IAUFPe. Revista do
Instituto de Antibiticos, v. 9, p. 27-37, 1969.
Reviso Bibliogrfica 4
antibitico antitumoral retamicina (Lyra et al., 1968 apud Pamboukian, 2003). A fim
de se aumentar a produtividade em retamicina, foi obtida uma cepa mutante de
Streptomyces olindensis, denominada ICB20, pelo Laboratrio de Gentica do
Instituto de Cincias Biomdicas da USP (ICB-USP), a qual apresentou uma
produtividade em retamicina significativamente superior da linhagem selvagem
(Pamboukian, 2003).
LYRA, F.D.A., ARAJO, J. M., LIMA, O.G., ANDRADE, A.L., SCHUMACHER, I.E. Estudo taxonmico de trs cepas de
Streptomyces, produtoras de antibiticos do grupo das antraciclinas, portadores de ao antitumoral. Revista do
Instituto de Antibiticos v. 8, n. 1-2, p. 61-71, 1968.
Reviso Bibliogrfica 5
das hifas de acordo com suas idades e comprimentos. O modelo foi aplicado com
sucesso na simulao de processos descontnuos de produo de estreptomicina.
x (i)
w (i)
y +1
w (i+ 1 )
x (i+ 1 )
z(i) = [ x(i)*w (i)]
z
w (i+ 2 )
-1
x (i+ 2 )
E n trad as d e Som a de F u n o
ou tros tod as as T ran sfern cia
n eu r n ios en trad as
S ad as p ara os
n eu r n ios
Figura 2.1: Processamento do sinal em um neurnio de uma rede feedforward (Pellicci, 2001)
entrada, passando pelas camadas ocultas e pela sada. J nas redes recursivas,
as informaes de sada retornam camada de entrada.
x(1)
y(1)
x(2)
.
. . y(2)
. .
. .
.
. .
.
. .
x(q) .
. .
.
. .
y(p)
1 (bias)
-1
z
y(1 )
-1
z
x(1 )
.
.
.
.
.
x(q ) .
1
(b ias)
Uma vez que a topologia da rede foi definida, passa-se para a fase de
treinamento da mesma, a fim de determinar os valores apropriados para os pesos
de cada interconexo (Alves, 2003).
Silva et al. (2000) aplicaram um algoritmo do tipo redes neurais hbrido para
descrever o processo de produo de cefalosporina C por C. acremonium.
Equaes de balano material foram combinadas com uma rede neural do tipo
feedforward. O modelo hbrido consistiu de duas redes neurais artificiais: a
primeira estimou a velocidade especfica de crescimento a partir das condies
iniciais do processo e de algumas variveis medidas on-line (fraes molares de
CO2 e O2 no gs de sada); a segunda rede foi empregada para estimar a
velocidade especfica de produo a partir da velocidade especfica de
crescimento prevista na rede anterior, pois, para metablitos secundrios como
cefalosporina C, o crescimento celular inibe a produo. As sadas das redes
foram includas nos balanos de massa para a estimao das concentraes de
biomassa, substrato e produto. A rede foi usada na estimao das velocidades de
crescimento celular e formao de produto, as quais foram inseridas nas
equaes de balano material. O modelo hbrido apresentou bons resultados ao
descrever satisfatoriamente a complexa dinmica do processo.
Bischoff, 1990):
m m
2
ln( s ) ( df ) i ( df ) i ln( s i )
2
i 1 i 1
2
(1.1)
calc
1 m 1 1
1
3 ( m 1) i 1 ( df ) i
m
( df ) i
i 1
onde:
Reviso Bibliogrfica 20
2
s : estimativa combinada da varincia
2
si : estimativa da varincia do modelo i;
( df )
2
i
si
2
i 1
s m
(1.2)
( df ) i
i 1
(y y j )
2
j
2 j 1
si ; i 1, 2 ,..., m
(df ) i
(1.3)
2
si
F calc 2
(1.4)
se
onde,
2
si : estimativa da varincia do modelo i;
2
se : estimativa da varincia do erro experimental;
Reviso Bibliogrfica 22
v n pi
( y ijk y ik )
2
2 k 1 i 1 j 1
si n
(1.5)
v pi p
i 1
v n pi
( y ijk y ik )
2
k 1 i 1 j 1
se
2
n (1.6)
v pi nv
i 1
n: nmero de pontos;
v: nmero de variveis;
n n
3.1 Microrganismo
DA-3 DA-3b
DA-1 DA-2 DA-4 DA-4b
DA-5 DA-5b
Tabela 3.2: Resumo das condies dos ensaios descontnuos alimentados realizados
(Pamboukian, 2003)
Ensaio Descrio
Composio da alimentao: meio R5 modificado
Vazo exponencial de alimentao
Controle de x em 0,03 h-1 (cerca de 10% de xmax)
DA-1
Equao de alimentao: = 0,156e0,03.(t-21) L/h
Perodo de alimentao: entre 21 e 27 horas de cultivo.
Ensaio descontnuo alimentado executado em paralelo: D-1
Composio da alimentao: meio R5 modificado, com as
concentraes de todos os nutrientes duplicadas
Vazo exponencial de alimentao
Tabela 3.3: Resumo das condies dos ensaios contnuos (Pamobukian, 2003)
Ensaio Descrio
C-1 Volume Inicial = 4,0 L
Incio da alimentao = 16 horas
Vazo de alimentao = 400 mL/h
Vazo especfica de alimentao: D = 0,1 h -1
Tempo de residncia = 10 horas
Tempo total de alimentao = 80 horas
Composio do meio de alimentao: meio R5 modificado
C-2 Volume Inicial = 4,0 L
Incio da alimentao = 16 horas
Vazo de alimentao = 800 mL/h
Vazo especfica de alimentao: D = 0,2 h -1
Tempo de residncia = 5 horas
Tempo total de alimentao = 36 horas
Composio do meio de alimentao: meio R5 modificado
Origem dos dados 30
4 Modelagem Matemtica
S 1 2 p m s f s (S ) (4.1)
onde:
p
velocidade especfica de produo de retamicina (g retamicina/ (g cel.h))
Modelagem Matemtica 33
S
f s (S ) (4.2)
S K ms
dS F
(S F S ) S X (4.3)
dt V
Modelagem Matemtica 34
onde:
N 1 C ye 2 C THAM (4.4)
onde:
N 3 ( d ) 4 p (4.5)
onde:
dN F
(N F N ) N X
dt V (4.6)
onde:
Modelagem Matemtica 36
Crescimento celular
regio
apica l (Z a )
regio hifa l (Z h )
Figura 4.1: Compartimentos apical (Za), subapical (Zs) e hifal (Zh) de um elemento hifal
De acordo com o mesmo autor, quando uma nova ponta formada, ela
inicialmente cresce em tamanho, o que corresponde a um aumento do
compartimento apical. Quando esta atinge um certo tamanho, um septo formado
aps a ponta e algumas das antigas clulas apicais se tornam novas clulas
subapicais. Esse processo denominado extenso da ponta (tip extension). A
formao de ramificao (branching) o mecanismo no qual novas clulas
apicais so formadas. Quando a clula envelhece, ela se torna cada vez mais
vacuolizada, caracterizando o processo de diferenciao(differentiation). Essas
clulas com vacolos possuem um metabolismo completamente diferente das
clulas apicais e subapicais e so denominadas clulas hifais. No se considera
que tais clulas contribuam para o crescimento celular.
branching Z Z u1 ku Z (4.7)
s a 1 s
Modelagem Matemtica 38
tipextension Z Z u 2 k u2 Z (4.8)
a s a
k u3 Z
s
differentiation Z Z u (4.9)
s h 3 SK u3
1
Onde:
u1 velocidadedereaodebranching(h -1)
u2 velocidadedereaodetipextension(h -1)
S N
a sa k
(4.10)
S K s N K N
onde:
a Z a sa Z s (4.11)
d k d 1 f s ( S ) Z h
(4.12)
Modelagem Matemtica 40
onde:
dZ a
u 1 u 2 a Z a d Z a
dt (4.13)
dZ s
u 2 u 1 u 3 s Z s d Z s
dt (4.14)
dZ h
u 3 d Z h d
dt (4.15)
dX F
( d ) X X
dt V (4.16)
Formao de produto
S K
p k 2 N
Z s (4.17)
S K 2 N K N
onde:
dP F
pX P (4.18)
dt V
onde:
Variao de volume
dV
F F amostragem (4.19)
dt
onde:
S N CL
a sa h k (4.20)
S K N K K
S N OX C L
Modelagem Matemtica 45
onde:
a Z a sa Z s f h h Z h
(4.21)
S K
p k 2
N K ( Z s f h Z h )
N
(4.22)
S K 2 N
1
O mO
2 2
YO
2
(4.23)
onde:
O 2
velocidade especfica de consumo de oxignio (mmol O 2/gcel.h)
* b1
CL ( b 2 b3 . S ) (4.24)
10
CL
OD *
(4.25)
CL
onde:
*
CL concentrao de saturao de oxignio no meio de cultivo (mmol O 2/L)
dC L F
k l a (C C L ) O2 . X C L
*
L (4.26)
dt V
onde:
Modelagem Matemtica 47
Dessa maneira, houve a incluso de 8 parmetros no modelo: K ox, fh, mo, YO2,
b1, b2, b3 e kla. Os demais parmetros do modelo 0 foram mantidos . O valor de fh
foi extrado da literatura (Zangirolami et al., 1997). Os valores de b 1, b2 e b3 foram
determinados por Martins (2001). Os valores de mo e YO2 foram determinados por
Pamboukian (2003). Os parmetros restantes K ox, e kla foram estimados por
regresso no-linear.
S
Npo int s
min
Nruns
i , j , exp
S i , j , calc 2
X i , j , exp X i , j , calc P
2
i , j , exp
Pi , j , calc 2
OD i , j , exp OD i , j , calc
2 (4.27)
j 1 i 1
O valor estimado de Kox relativamente baixo, o que faz com que o efeito do
oxignio sobre a cintica de crescimento seja pequeno. Isto significa que, para
Kox=0,024891 mmol O2/L, o termo que expressa a dependncia da velocidade de
crescimento em relao ao oxignio dissolvido ser praticamente igual a 1 para
uma ampla faixa de valores de oxignio dissolvido (Figura 4.2). De fato, com
exceo do ensaio DA-5b, no houve medidas de oxignio dissolvido em valores
abaixo de 20%. Para uma estimativa precisa deste efeito, seria necessria a
obteno de dados experimentais realizados sob limitao por oxignio.
0.8
C L /( Ko x + CL )
0.6
0.4
0.2
0
0 20 40 60 80 100
OD ( %)
Figura 4.2: Efeito do oxignio dissolvido sobre a cintica de crescimento para Kox = 0.02489
mmol/L
Modelagem Matemtica 49
D -1 D -2
18 100
18 100
16
c on c e ntra o (g/L)
16 80
14
c o n c e n t ra o ( g /L )
14 80
12
12
O D (% )
60
O D (% )
60 10
10
8
8 40
40 6
6
4 20
4 20
2
2
0 0
0 0
0 20 40
0 20 40
te m p o (h )
te m p o (h )
X S P OD m o d e lo
X S P OD m o d e lo
D -3 D -4
12 18 100
16
10
co n cen tr ao (g /L )
80
c o nc e n tra o ( g/L )
14
8 12
O D (% )
60
10
6
8
40
4 6
4 20
2
2
0 0 0
0 20 40 60 0 20 40 60
te m p o (h )
te m p o (h )
X S P m o d e lo X S P OD m o d e lo
D -5 D -3 b
18 100 18 100
16 16
c o n c e n t ra o ( g /L )
14 80 80
14
c o n c e n t ra o ( g /L )
12
12
O D (% )
60
O D (% )
10 60
10
8
40 8
6 40
6
4 20
2 4 20
0 0 2
0 20 40 60 0 0
te m p o (h ) 0 20 40 60
te m p o (h )
X S P OD m o d e lo
X S P OD m o d e lo
Figura 4.3: Comparao da simulao com os dados experimentais para as variveis concentrao
celular (X), de glicose (S), de retamicina (P) e oxignio dissolvido (OD) nos ensaios descontnuos
Modelagem Matemtica 51
D -4 b D -5 b
12
18 100
10 16
c o n c e n t ra o ( g /L )
80
O D (% )
60
6 10
8
40
4 6
4 20
2
2
0 0 0
0 20 40 60 0 20 40 60
te m p o (h )
te m p o (h )
X S P m o d e lo
X S P OD m o d e lo
D -3 +
25 100
20 80
c o n c e n t ra o ( g /L )
O D (% )
15 60
10 40
5 20
0 0
0 20 40 60 80
te m p o (h )
X S P OD m o d e lo
Figura 4.4: Comparao da simulao com os dados experimentais para as variveis concentrao
celular (X), de glicose (S), de retamicina (P) e oxignio dissolvido (OD) nos ensaios descontnuos
Modelagem Matemtica 52
D A-1 D A-2
18 100
18 100
16 16
80
co n cen tr ao (g /L )
14 80
co n cen tr ao (g /L )
14
12 12
O D (% )
O D (% )
60 60
10 10
8 8
40 40
6 6
4 4 20
20
2 2
0 0 0 0
0 10 20 30 40 0 20 40
te m p o (h ) te m p o (h )
X S P OD m o d e lo X S P OD m o d e lo
v a z o d e a lim e n t a o
v a z o d e a lim e n t a o
0 .3 0 .3
0 .2 0 .2
( L /h )
( L /h )
0 .1 0 .1
0 0
0 10 20 30 40 0 20 40
te m p o (h ) te m p o (h )
D A-3 D A-4
18 100 18 100
16 16
co n cen tr ao (g /L )
14 80 80
co n cen t rao ( g /L )
14
12 12
O D (% )
60
O D (% )
10 60
10
8
40 8
6 40
6
4 20 4 20
2
2
0 0
0 0
0 20 40 60 80
0 20 40 60
te m p o (h )
te m p o (h )
X S P OD m o d e lo X S P OD m o d e lo
v a z o d e a lim e n ta o
0 .2
v a z o d e a lim e n t a o
0 .2
(L /h )
0 .1 0 .1
( L /h )
0
0
0 20 40 60
0 20 40 60 80
te m p o (h )
te m p o (h )
Figura 4.5: Comparao da simulao com os dados experimentais para as variveis concentrao
celular (X), de glicose (S), de retamicina (P) e oxignio dissolvido (OD) nos ensaios descontnuos
alimentados e respectivas vazes de alimentao
Modelagem Matemtica 53
D A-5 D A-3 b
20 100 18 100
18 16
co n cen tr ao (g /L )
80
co n cen tr ao (g /L )
16 80 14
14 12
O D (% )
12 60 60
10
O D (% )
10
8 40 8
40
6 6
4 20 4 20
2 2
0 0
0 0
0 20 40 60
0 20 40 60
te m p o (h ) te m p o (h )
X S P OD m o d e lo X S P OD m o d e lo
v a z o d e a lim e n t a o
0 .2
( L /h )
0 .1
0
0 20 40 60
te m p o (h )
D A-4 b D A-5 b
12 100
20
co n cen tr ao (g /L )
10
co n cen tr ao (g /L )
80
8 15
O D (% )
60
6
10
4 40
2 5 20
0
0 0
0 20 40 60
0 20 40 60
te m p o (h )
te m p o (h )
X S P m o d e lo X S P OD m o d e lo
v a z o d e a lim e n t a o
v a z o d e a lim e n t a o
0 .3
0 .3
0 .2 0 .2
( L /h )
( L /h )
0 .1 0 .1
0 0
0 20 40 60 0 20 40 60
te m p o (h ) te m p o (h )
Figura 4.6: Comparao da simulao com os dados experimentais para as variveis concentrao
celular (X), de glicose (S), de retamicina (P) e oxignio dissolvido (OD) nos ensaios descontnuos
alimentados e respectivas vazes de alimentao
Modelagem Matemtica 54
C -1 C -2
18 100
18 100
16
16
14 80
14 80
c o nc e n tra o ( g/L )
O D (% )
60
O D (% )
10 60
10
8 8
40 40
6 6
4 20 4 20
2 2
0 0 0 0
0 20 40 60 80 100 0 20 40 60
te m p o (h ) te m p o (h )
X S P OD m o d e lo X S P OD m o d e lo
v a z o de a lim e n ta o
0 .9
v a z o de a lim e n ta o
0 .4
0 .6
(L /h)
(L /h)
0 .2 0 .3
0 0
0 50 100 0 20 40 60
te m p o (h ) te m p o (h )
C -3 C -4
18 100 12
16
10
c o n c e n t ra o ( g /L )
80
c o nc e n tra o ( g/L )
14
12 8
O D (% )
60
10
8 6
40
6
4
4 20
2 2
0 0
0
0 50 100 150
0 50 100 150 200
te m p o (h )
te m p o (h )
X S P OD m o d e lo X S P m o d e lo
v a z o d e a lim e n ta o
0 .9
0 .6
(L /h )
0 .3
0
0 50 100 150
te m p o (h )
Figura 4.7: Comparao da simulao com os dados experimentais para as variveis concentrao
celular (X), de glicose (S), de retamicina (P) e oxignio dissolvido (OD) nos ensaios contnuos e
respectivas vazes de alimentao
Modelagem Matemtica 55
Parmetro ku1
12
10 S
P
c on c e n tr a o (g /L )
m o d e lo
8
+50%
-5 0 %
6
0
0 5 10 15 20 25 30 35 40
te m p o (h )
0 .8
Z a , Z s , Zh
0 .6
0 .4
0 .2
0
0 20 40
te m p o (h )
Za Zs Zh +50% -5 0 %
12
X
S
10
P
co n cen t rao ( g /L )
m o d e lo
8
50%
6 -5 0 %
0
0 5 10 15 20 25 30 35 40
te m p o (h )
0.8
Z a, Z s, Z h
0.6
0.4
0.2
0
0 20 40
te m p o (h )
Za Zs Zh + 50% -50%
Figura 4.9: Sensibilidade do modelo ao parmetro ku1 no ensaio DA-1 e variao das
fraes celulares
Modelagem Matemtica 59
Parmetro ku2
12
X
S
10
P
m o d e lo
c on c e n tr a o (g /L )
8 +50%
-5 0 %
0
0 5 10 15 20 25 30 35 40
te m p o (h )
0 .8
Z a , Z s , Zh
0 .6
0 .4
0 .2
0
0 20 40
te m p o (h )
Za Zs Zh +50% -5 0 %
Figura 4.10: Sensibilidade do modelo ao parmetro ku2 no ensaio D-1 e variao das fraes
celulares
Modelagem Matemtica 61
12
X
10 S
P
c on c e n tr a o (g /L )
m o d e lo
8
+50%
-5 0 %
6
0
0 5 10 15 20 25 30 35 40
te m p o (h )
0 .8
Z a , Z s , Zh
0 .6
0 .4
0 .2
0
0 20 40
te m p o (h )
Za Zs Zh 50% -5 0 %
Figura 4.11: Sensibilidade do modelo ao parmetro ku2 no ensaio DA-1 e variao das fraes
celulares
Modelagem Matemtica 62
Parmetros ku3
12
X
10 S
P
c on c e n tr a o (g /L )
8 m o d e lo
+50%
6 -5 0 %
0
0 5 10 15 20 25 30 35 40
te m p o (h )
0 .8
Z a , Z s , Zh
0 .6
0 .4
0 .2
0
0 20 40
te m p o (h )
Za Zs Zh +50% -5 0 %
Figura 4.12: Sensibilidade do modelo ao parmetro ku3 no ensaio D-1 e variao das fraes
celulares
Modelagem Matemtica 64
12
X
10 S
P
c on c e n tr a o (g /L )
m o d e lo
8
+50%
-5 0 %
6
0
0 5 10 15 20 25 30 35 40
te m p o (h )
0 .8
Z a , Z s , Zh
0 .6
0 .4
0 .2
0
0 20 40
te m p o (h )
Za Zs Zh +50% -5 0 %
Figura 4.13: Sensibilidade do modelo ao parmetro ku3 no ensaio D-A1 e variao das fraes
celulares
Modelagem Matemtica 65
Consumo de glicose
S 1 2 p m s f s (S ) (4.1)
S
f s (S ) (4.2)
S K ms
dS F
(S F S ) S X (4.3)
dt V
N 1 C ye 2 C THAM (4.4)
N 3 ( d ) 4 p (4.5)
Modelagem Matemtica 66
dN F
(N F N ) N X (4.6)
dt V
Consumo de oxignio
1
O mO
2 2
YO
2
(4.23)
* b1
CL ( b 2 b3 . S ) (4.24)
10
CL
OD *
(4.25)
CL
dC L F
k l a (C C L ) rO 2 . X C L
*
L (4.26)
dt V
Crescimento celular
S N C
k L
(4.28)
N K K C L
S K S N OX
d k d 1 f s ( S )
(4.29)
dX F
( d ) X X
dt V (4.16)
Formao de produto
S K
p k 2 N
(4.30)
S K 2 N K N
dP F
pX P (4.18)
dt V
Modelagem Matemtica 67
Variao de volume
dV
F F amostragem (4.19)
dt
Pela anlise visual das curvas simuladas, percebe-se que o modelo segue as
tendncias dos dados experimentais tanto qualitativa como quantitativamente,
assim como o modelo 1. Novamente, as excees se aplicam aos ensaios DA-5b
e aos ensaios contnuos com vazes especficas de alimentao acima de 0,25h-1.
D -1 D -2
16 100 16 100
c on c e ntra o (g/L)
co n cen tr ao (g /L )
80 80
12 12
O D (% )
O D (% )
60 60
8 8
40 40
4 4
20 20
0 0 0 0
0 10 20 30 40 0 20 40 60
te m p o (h ) te m p o (h )
X S P OD m o d e lo X S P OD m o d e lo
D -3 D- 4
16
16 100
co n cen tr ao (g /L )
O D (% )
60
8
8
40
4
4
20
0
0 0
0 20 40 60
0 20 40 60
te m p o (h )
te m p o (h )
X S P OD m o d e lo X S P OD modelo
D -5 D -3 b
16 100 16 100
co n cen tr ao (g /L )
co n cen tr ao (g /L )
80 80
12 12
O D (% )
O D (% )
60 60
8 8
40 40
4 4
20 20
0 0 0 0
0 20 40 60 0 20 40 60
te m p o (h ) te m p o (h )
X S P OD m o d e lo X S P OD m o d e lo
D -4 b D -5 b
16 16 100
co n cen tr ao (g /L )
co n cen tr ao (g /L )
80
12 12
O D (% )
60
8 8
40
4 4
20
0 0 0
0 20 40 60 0 20 40 60
te m p o (h ) te m p o (h )
X S P OD m o d e lo X S P OD m o d e lo
D -3 +
100
20
co n cen tr ao (g /L )
80
16
O D (% )
60
12
40
8
4 20
0 0
0 20 40 60 80
te m p o (h )
X S P OD m o d e lo
D A-1 D A-2
16 100 16 100
co n cen tr ao (g /L )
co n cen tr ao (g /L )
80 80
12 12
O D (% )
O D (% )
60 60
8 8
40 40
4 4
20 20
0 0 0 0
0 10 20 30 40 0 20 40 60
te m p o (h ) te m p o (h )
X S P OD m o d e lo X S P OD m o d e lo
v a z o d e a lim e n t a o
v a z o d e a lim e n t a o
0 .3 0 .3
0 .2 0 .2
( L /h )
( L /h )
0 .1 0 .1
0 0
0 10 20 30 40 0 20 40
te m p o (h ) te m p o (h )
D A-3 D A-4
16 100 100
16
co n cen tr ao (g /L )
co n cen tr ao (g /L )
80 80
12
12
O D (% )
O D (% )
60 60
8
8
40 40
4 4
20 20
0 0 0 0
0 20 40 60 80 0 20 40 60
te m p o (h ) te m p o (h )
X S P OD m o d e lo X S P OD m o d e lo
v a z o d e a lim e n ta o
0 .2
v a z o d e a lim e n t a o
0 .2
(L /h )
0 .1 0 .1
( L /h )
0
0
0 20 40 60
0 20 40 60 80
te m p o (h )
te m p o (h )
D A-5 D A-3 b
20 100 16 100
co n cen tr ao (g /L )
co n cen tr ao (g /L )
16 80 80
12
O D (% )
12 60
O D (% )
60
8 40 8
40
4 20
4
20
0 0
0 20 40 60 0 0
0 20 40 60
te m p o (h )
te m p o (h )
X S P OD m o d e lo X S P OD m o d e lo
v a z o d e a lim e n t a o
0 .2
( L /h )
0 .1
0
0 20 40 60
te m p o (h )
D A-4 b D A-5 b
12 100
co n cen tr ao (g /L )
20
co n cen tr ao (g /L )
80
8 16
60
O D (% )
12
4 40
8
4 20
0
0 0
0 20 40 60
0 20 40 60
te m p o (h )
te m p o (h )
X S P OD m o d e lo X S P OD m o d e lo
v a z o d e a lim e n t a o
v a z o d e a lim e n t a o
0 .3
0 .3
0 .2 0 .2
( L /h )
( L /h )
0 .1 0 .1
0 0
0 20 40 60 0 20 40 60
te m p o (h ) te m p o (h )
C -1 C -2
16 100 100
16
co n cen tr ao (g /L )
co n cen tr ao (g /L )
80 80
12
12
O D (% )
O D (% )
60 60
8
8
40 40
4 4
20 20
0 0 0 0
0 50 100 0 20 40 60
te m p o (h ) te m p o (h )
X S P OD m o d e lo X S P OD m o d e lo
v a z o de a lim e n ta o
0 .9
v a z o de a lim e n ta o
0 .4
0 .6
(L /h)
(L /h)
0 .2 0 .3
0 0
0 50 100 0 20 40 60
te m p o (h ) te m p o (h )
C -3 C -4
100 12
16
co n cen tr ao (g /L )
co n cen tr ao (g /L )
80 10
12 8
O D (% )
60
6
8
40
4
4 20
2
0 0 0
0 50 100 0 50 100 150 200
te m p o (h ) te m p o (h )
X S P OD m o d e lo X S P OD m o d e lo
v a z o d e a lim e n ta o
0 .9
0 .6
(L /h )
0 .3
0
0 50 100 150
te m p o (h )
Assim, foram elaboradas trs redes neurais: a primeira foi empregada para
estimar os valores das velocidades instantneas de crescimento celular rx (RN1); a
segunda, as velocidades instantneas de consumo de substrato rs (RN2); e a
terceira, a velocidade instantnea de formao de produto rp (RN3).
rx
RN1
X t + dt
rS E quaes de
X, S e P RN2 B alano S t + dt
rP
M aterial P t + dt
RN3
dV
F F am ostragem
dt (4.19)
dX F
rX X (4.31)
dt V
dP F
rp P (4.32)
dt V
dS F
(S F S ) rS (4.33)
dt V
At Ab
y Ab (4.34)
(t t 0 )
1 exp[ ]
w
Os ensaios D-1, D-2, D-3, D-4, D-5, D-3b, D-4b e D-5b so repeties do
ensaio padro, ento se ajustou a mesma curva para todos. O ensaio D-3+ possui
concentrao inicial de nutrientes diferente, representando, portanto, um segundo
conjunto de pontos experimentais. Tal ensaio foi representado por um segundo
conjunto de parmetros da Eq. (4.34). A curva de S(t) do ensaio D-3+ apresenta
duas inflexes e para o seu ajuste foi utilizada a soma de duas curvas sigmides.
Modelagem Matemtica 76
A partir das curvas ajustadas, foi feita a interpolao dos dados para gerao
de uma determinada quantidade de pontos (em intervalos de tempo de 0,1 min) a
ser usada na etapa de treinamento da rede. Esta suavizao serve de filtro das
flutuaes experimentais e se mostrou necessria para melhorar o ajuste
(treinamento)dasredesneurais.Osvaloresde rx, rs e rp foram determinados ao
derivar a Eq. 4.34.
(t t 0 )
At Ab exp
dy w
2
(4.35)
dt (t t 0 )
w 1 exp
w
mesmas em todos os ensaios replicados (D-1, D-2, D-3, D-4, D-5, D-3b, D-4b e D-
5b), j que as condies iniciais consideradas na simulao foram iguais.
12
10
8
con cent rao (g /L )
0
0 10 20 30 40 50 60
te m p o (h )
S X P ajus te
20
18
16
14
co n cen tr ao (g /L )
12
10
0
0 10 20 30 40 50 60 70 80
te m p o (h )
S X P a ju s te
RN 1
1.00E+00
NH3
NH6
NH9
1.00E-01
NH12
Erro
Nh15
1.00E-02
1.00E-03
0 5 10 15 20 25 30 35
apresentaes
Figura 4.22: Seleo do nmero de neurnios na rede RN 1
RN 2
1.00E+00
NH3
NH6
1.00E-01 NH9
Erro
NH12
NH15
1.00E-02
1.00E-03
0 5 10 15 20 25 30
apresentaes
Figura 4.23: Seleo do nmero de neurnios na rede RN 2
Modelagem Matemtica 80
RN 3
1.00E+01
NH3
NH6
1.00E+00
NH9
Erro
NH12
NH15
1.00E-01
1.00E-02
0 5 10 15 20 25
apresentaes
Figura 4.24:Seleo do nmero de neurnios na rede RN 3
Modelagem Matemtica 81
1 1
0.8 0,8
rx calculado
rx calculado
0.6 0,6
0.4 0,4
0.2 0,2
0 0
0 0.2 0.4 0.6 0.8 1 0 0,2 0,4 0,6 0,8 1
(A) (B)
1 1
0.8 0 ,8
rs calculado
rs c a lc u la d o
0.6 0 ,6
0.4 0 ,4
0.2 0 ,2
0 0
0 0.2 0.4 0.6 0.8 1 0 0 ,2 0 ,4 0 ,6 0 ,8 1
rs experim ental r s e x p e r im e n ta l
(A) (B)
1 1
0.8 0 ,8
rp calculado
rp c a lc u la d o
0.6 0 ,6
0.4 0 ,4
c
0.2 0 ,2
0 0
0 0.2 0.4 0.6 0.8 1 0 0 ,2 0 ,4 0 ,6 0 ,8 1
rp experim ental r p e xp e r im e n t a l
(A) (B)
Figura 4.25: Comparao entre os valores experimentais e os calculados. (A) etapa de treinamento
e (B) etapa de validao
Modelagem Matemtica 82
D -1 D-2
12
12
co n cen tr ao (g /L )
10
X S P m o d e lo X S P modelo
D -3 D -4
12 12
co n cen tr ao (g /L )
10 co n cen tr ao (g /L ) 10
8 8
6 6
4 4
2 2
0 0
0 20 40 60 0 20 40 60
te m p o (h ) te m p o (h )
X S P m o d e lo X S P m o d e lo
D -5 D -3 b
12
12
co n cen tr ao (g /L )
10
co n cen tr ao (g /L )
10
8 8
6 6
4 4
2 2
0 0
0 10 20 30 40 50 0 20 40 60
te m p o (h ) te m p o (h )
X S P m o d e lo X S P m o d e lo
D -4 b D -5 b
12 12
co n cen tr ao (g /L )
co n cen tr ao (g /L )
10 10
8 8
6 6
4 4
2 2
0 0
0 10 20 30 40 50 0 20 40 60
te m p o (h ) te m p o (h )
X S P m o d e lo X S P m o d e lo
D -3 +
20
co n cen tr ao (g /L )
15
10
0
0 20 40 60 80
te m p o (h )
X S P m o d e lo
D A-1 D A-2
12
12
co n cen tr ao (g /L )
10
co n cen tr ao (g /L )
10
8
8
6
6
4
4
2 2
0 0
0 10 20 30 40 0 10 20 30 40 50
te m p o (h ) te m p o (h )
X S P m o d e lo X S P m o d e lo
D A -3 D A -4
12 12
co n cen tr ao (g /L )
co n cen tr ao (g /L )
10 10
8 8
6 6
4 4
2 2
0 0
0 20 40 60 80 0 20 40 60
te m p o (h ) te m p o (h )
X S P m o d e lo X S P m o d e lo
D A -5 D A -3 b
16
12
14
co n cen tr ao (g /L )
co n cen tr ao (g /L )
10
12
10 8
8 6
6
4
4
2
2
0 0
0 20 40 60 0 20 40 60
te m p o (h ) te m p o (h )
X S P m o d e lo X S P m o d e lo
DA - 4b DA - 5b
12
16
con cent rao (g /L )
10 14
con cent rao (g /L )
8 12
10
6
8
4 6
2 4
2
0
0
0 10 20 30 40 50
0 10 20 30 40 50
te m p o (h )
te m p o (h )
X S P modelo X S P modelo
D -1 D A-1
12 12
co n cen tr ao (g /L )
co n cen tr ao (g /L )
10 10
8 8
6 6
4
4
2
2
0
0
0 10 20 30 40
0 10 20 30 40
te m p o (h )
te m p o (h )
X S P m o d e lo X S P m o d e lo
Os clculos referentes a este teste apresentados nas Tabelas 4.11 e 4.12 foram
feitos a partir das Eq. 1.1, 1.2 e 1.3.
5 Concluses e recomendaes
Referncias Bibliogrficas
BIEBER L.W., SILVA FILHO A.A., SILVA E.C., MELLO J.F., LYRA F.D.A. The
anthracyclinic complex retamycin. 1. Structure determination of the major
contituents. J. Nat. Prod, v. 52, p. 385-388, 1989.
BRAVO, S.; DIEZ, M. C.; SHENE, C. Hybrid neural network model for simulating
sorbitol synthesis by glucose-fructose oxidoreductase in Zymomonas mobilis
CP4. Braz. J. Chem. Eng., So Paulo, v. 21, n. 4, p. 509 518, 2004.
GUARDIOLA, J., IBORRA, J.L., CNOVAS, M. A model that links growth and
secondary metabolite production in plant cell suspension cultures.
Biotechnology and Bioengineering, v. 46, n.3, p. 291-297, 1995.
PAUL G.C., SYDDALL, M.T., KENT, C.A.,THOMAS C.R. A structured model for
penicillin production on mixed substrates. Biochem. Eng. J. v. 2, p. 11-21.
1998.
VAN CAN, H.J.L., HELLINGA, C., LUYBEN, K.C.A.M., HEIJNEN, J.J. AND TE
BRAAKE, H.A.B., Strategy for Dynamic Process Modelling Based on Neural
Networks in Macroscopic Balances, AIChE Journal,v. 42, n. 12, p. 3403-3418,
1996.
Referncias Bibliogrficas 101
Apndice A
Equaes dos modelos 0, 1 e 2
S S S
f s (S ) (4.2) f s (S ) (4.2) f s (S ) (4.2)
S K ms S K ms S K ms
dS F dS F dS F
(S F S ) S X (4.3) (S F S ) S X (4.3) (S F S ) S X (4.3)
dt V dt V dt V
dN F dN F dN F
(N F N ) N X (N F N ) N X (N F N ) N X
dt V (4.6) dt V (4.6) dt V (4.6)
Apndice 103
u1 ku Z (4.7) u1 ku Z (4.7)
1 s 1 s
u 2 k u2 Z (4.8) u 2 k u2 Z (4.8)
a a
k u3 Z k u3 Z
s s
u (4.9) u (4.9)
3 SK u3
1 3 SK u3
1
S N S N CL S N C
a sa k a sa h k k
L
N K SK N K K
S K s n S N OX C L S K S N K N K OX
C L
(4.20) (4.28)
(4.10)
a Z a sa Z s f h h Z h
a Z a sa Z s (4.11) (4.21)
d k d 1 f s ( S ) Z h d k d 1 f s ( S ) (4.29)
d k d 1 f s ( S ) Z h (4.12)
(4.12)
dZ a
dZ a u 1 u 2 a Z a d Z a
u 1 u 2 a Z a d Z a dt
dt
(4.13)
(4.13)
dZ s
dZ s u 2 u 1 u 3 s Z s d Z s
u 2 u 1 u 3 s Z s d Z s dt
dt
(4.14) (4.14)
Apndice 104
dX F dX F dX F
( d ) X X (4.16) ( d ) X X (4.16) ( d ) X X (4.16)
dt V dt V dt V
S K S K S K
p k 2 N
Z s p k 2 N
( Z s f h Z h ) p k 2 N
S K 2 N K N S K 2 N K N S K 2 N K N
(4.22)
(4.17) (4.30)
dP F
dP F pX P (4.18) dP F
pX P (4.18) dt V pX P (4.18)
dt V dt V
Consumo de oxignio
Consumo de oxignio
1
1 O mO (4.23)
O mO
2 2
(4.23) YO
2 2 2
YO
2
* b1
* b1 CL ( b 2 b3 . S ) (4.24)
CL ( b 2 b3 . S ) (4.24) 10
10
Continuao da tabela A.1
Apndice 105
dC L F dC L F
k l a (C C L ) rO 2 . X C L k l a (C C L ) rO 2 . X C L
* *
L L
dt V dt V
(4.26) (4.26)
dV dV dV
F F amostragem (4.19) F F amostragem (4.19) F F amostragem (4.19)
dt dt dt