Você está na página 1de 20
Modelagem de reatores contínuos de fluxo pistonado ideais contendo enzimas imobilizadas utilizando regressão simbólica:

Modelagem de reatores contínuos de fluxo pistonado ideais contendo enzimas imobilizadas utilizando regressão simbólica: cinética de Michaelis-Menten.

Relatório do Programa Unificado de Bolsas

Aluno: Marcio Pin Chih Chao

Nº USP: 8121372

Orientador: Prof. Dr. Félix Monteiro Pereira

Lorena

2018

1. Introdução

A Biotecnologia Industrial se caracteriza pelo uso de agentes biológicos, como enzimas, células e

microrganismos em processos industriais de transformação (Edet et al., 2013).

Em reatores contínuos, o uso de enzimas livres em solução pode levar à perda de biocatalisador

devido ao fluxo de saída do reator. Nesses casos, a imobilização das enzimas em suportes sólidos

torna-se interessante, pois o biocatalisador pode ser facilmente retido no interior do reator, o que

pode proporcionar a redução dos custos envolvidos com a aquisição da enzima, mão de obra,

matéria-prima e substrato (Illanes, 1994).

Visando contribuir com o projeto de reatores enzimáticos heterogêneos, estudos sobre a

modelagem e a simulação de processos envolvendo fenômenos de difusão e reação vêm sendo

desenvolvidos (Pereira e Oliveira, 2016; Pereira et al., 2015; Pereira, 2008; Pereira e Oliveira,

2006; Pereira e Oliveira, 2005; Oliveira, 1999).

No estudo de sistemas reacionais heterogêneos, como é o caso daqueles que utilizam enzimas

imobilizadas, um parâmetro importante a ser analisado é o fator de efetividade (η), o qual

representa a razão entre a velocidade média de reação no interior da partícula catalítica e aquela

avaliada nas condições de superfície. O fator de efetividade indica o quanto a resistência difusional

do substrato no interior da partícula afeta a taxa de reação, estando compreendido na maioria dos

casos entre 0 e 1 para a cinética de Michaelis-Menten (Pereira e Oliveira, 2016).

A cinética de uma reação enzimática sofre influência de vários fatores como pH, temperatura,

pressão, concentração de substrato, concentração de produto, presença de inibidores, concentração

de enzimas, entre outros (Larson, 2015).

Considerando que os reatores enzimáticos normalmente operam em condições controladas de

temperatura, pressão e pH, foram levados em consideração na obtenção da equação cinética

utilizada neste projeto a concentração de substrato, a concentração de produto, e a concentração

de enzima.

A forma simples de se explicar o mecanismo de uma reação enzimática, proposta por Michaelis e

Menten, consiste em considerar que um substrato (S), por meio de uma etapa intermediária, forma

um complexo enzima-substrato (ES), o qual é posteriormente transformado em produto (P), de

acordo com a seguinte equação (Alberts et al., 2014):

de acordo com a seguinte equação (Alberts et al., 2014): (R1) onde k 1 , k

(R1)

onde k1, k-1 e kp são as constantes cinéticas das reações indicadas pelas respectivas setas.

Levando em conta a hipótese de equilíbrio rápido E, S e ES alcançam o equilíbrio em uma

velocidade muito maior do que ES se transforma em E+P (etapa controladora da reação), a

velocidade de reação (v) pode ser calculada pela Equação 1 (Segel, 1979).

v

=

k

p

es

(1)

onde es é a concentração do complexo ES.

A concentração total de enzimas (et) é dada pela Equação 2 (Pereira, 2008):

e

t

=

e

l

+

es

(2)

onde el é a concentração de enzimas na forma livre.

Dividindo a Equação 1 por et, obtém-se a Equação 3.

v

k

p

es

=

e

t

e

l

+ es

(3)

Sendo K a constante de dissociação do complexo ES, como mostra a Equação 4:

K =

e s

l

es

=

k

1

k

1

(4)

A velocidade máxima de reação (vmax) irá ocorrer quando toda a enzima estiver presente sobre a

forma do complexo ES, dessa forma obtém-se as equações 5 e 6.

es = et

v

max

=

k

p

es

v

max

= k

p

e

t

(5)

(6)

Relacionando as Equações 4, 6 e 3 obtém-se a Equação 7, conhecida como equação de Michaelis-

Menten (Xie, 2013).

v =

v

max

s

K + s

(7)

Na conversão biocatalítica utilizando enzima imobilizada o fluxo líquido de substrato para o

interior da partícula é acionado por um gradiente de concentração de substrato (difusão). O perfil

de concentração de substrato no interior da partícula no estado estacionário será função do

equilíbrio entre a velocidade de conversão e a velocidade de transferência de massa. O perfil de

concentração vai ser dependente do tamanho das partículas, da quantidade de enzimas, da cinética

de reação enzimática, da porosidade da partícula, e da difusividade do substrato no interior da

partícula (Šekuljica et al., 2016; van Roon et al., 2006).

Uma consequência do gradiente de concentração no interior da partícula é o fato do biocatalisador

operar em uma concentração média diferente da concentração do meio externo, refletindo

diretamente no fator de efetividade, o qual representa a relação entre a velocidade de consumo de

substrato nas condições internas e externas à partícula (Van Roon et al., 2006).

Quando a resistência à difusão e a velocidade de reação são relativamente elevados, a concentração

de substrato pode ser igual a zero em uma dada região do biocatalizador. Nesta região a reação

enzimática não ocorrerá ocorrendo um núcleo morto, que deve ser considerado no equacionamento

a fim de se obter um resultado mais preciso para o projeto e operação de reatores enzimáticos

(Pereira e Oliveira, 2016).

A modelagem matemática dos fenômenos de difusão e reação de substratos no interior de

partículas catalíticas porosas é baseada na equação da continuidade, a qual, para estado

estacionário e cinética de reação com inibição pelo substrato (Equação 8), assume a forma

adimensional dada pela Equação 9 (Pereira e Oliveira, 2016);

d

2

s

u

(

α

1

)

ds

u

dx

2

u

x

u

dx

u

+

=

2

2

αφ

(

1 +

β

) (

s

u

β

+ s

u

)

(8)

Na Equação 9, α é o parâmetro relacionado à geometria da partícula, sendo α =1 para geometria

retangular, α =2 para geometria cilíndrica e α =3 para geometria esférica;

s

u =

s(x)/ s

0

é

a

concentração de substrato adimensional; s(x) é a concentração de substrato em um ponto no

interior da partícula (x); s0 é a concentração de substrato na superfície da partícula;

x

u

= x / x

L

é a

coordenada espacial adimensional; xL corresponde ao raio para as geometrias cilíndrica e esférica

e

à

{

φ = V

P

semi-

( )[(

v s

0

A

p

espessura

D

ef

s

0

)(

V

p

φ = V P semi- ( ) [ ( v s 0 A p espessura D

para

A

p

)]} 0,5

a

geometria

retangular;

β= K s

/

0

;

β =

i

K

i

/ s

0

;

é o módulo de Thiele; Vp é o volume da partícula; Ap é a

área superficial da partícula; Def é o coeficiente de difusão efetivo do substrato no interior da

partícula; () é a velocidade de consumo de substrato, s é a concentração de substrato no interior

da partícula; vmax é a velocidade máxima de reação enzimática e K é a constante de dissociação do

complexo enzima-substrato (Illanes, 1994; Bailey e Ollis, 1986);

As condições de contorno utilizadas para a solução da Equação 9 são dadas pelas Equações 10-12

(Pereira, 2008).

ds

ds

s

u

u

u

dadas pelas Equações 10-12 (Pereira, 2008). ds ds s u u u dx dx u u

dadas pelas Equações 10-12 (Pereira, 2008). ds ds s u u u dx dx u u

dx

dx

u

u

= 1

=

0

= 0

para

para

para

x

u

x

u

x

u

= 1

=

a

(problema com núcleo morto)

(10)

= 0

(problema sem núcleo morto)

(11)

(12)

O fator de efetividade η, definido como a razão entre a velocidade média de reação no interior da

partícula v0 e aquela na superfície v(s0), é calculado utilizando-se a Equação 13 (Pereira, 2008).

η

O

=

1 ds v 0 u = v s ( 2 0 ) αφ dx u
1
ds
v 0
u
=
v s
(
2
0 )
αφ
dx
u

x u = 1

(13)

reator enzimático consiste no equipamento de processo onde a conversão do substrato em

produtos é efetuada sob condições controladas. Um reator enzimático pode ser operado em

batelada ou de forma contínua (Pereira, 2008).

Na operação em batelada utilizam-se, normalmente, enzimas livres em solução no interior de

tanques agitados. Os reatores em batelada são carregados com a enzima e os reagentes, deixando-

se a reação prosseguir até se atingir a conversão desejada para o substrato. Em seguida, esvazia-se

o tanque para um posterior tratamento dos produtos obtidos (Pereira, 2008).

Na operação de forma contínua, o reator é continuamente alimentado com uma solução contendo

substrato. Esta forma de operação é mais indicada para processos com enzimas imobilizadas, onde

as enzimas ficam retidas no reator, a fim de se obter uma corrente de saída contendo o produto

livre de enzimas (Pereira, 2008).

Para as várias configurações de reatores que operam de forma contínua, normalmente, são

consideradas condições ideais de operação. As características dos reatores ideais são as seguintes

(Illanes, 1994):

- Regime de fluxo ideal: fluxo pistonado ou mistura perfeita. As condições de não idealidade

seriam a ocorrência de dispersão axial e radial e a existência de zonas mortas ou mistura imperfeita;

- Operação isotérmica. As condições de não idealidade seriam a variação de temperatura devido à

ausência de controle ou à ocorrência de perfis de temperatura causados por limitações na

transferência de calor;

- Ausência de restrições difusionais, no caso de enzimas imobilizadas. A existência de restrições

difusionais acarretará um desvio da idealidade;

- Manutenção da atividade catalítica durante a operação do reator. A inativação térmica do

catalisador e/ou a inativação devido ao processo de imobilização acarretariam uma operação não

ideal.

Neste projeto serão considerados os desvios da idealidade causados por restrições difusionais.

Para o desenvolvimento das equações envolvidas no projeto e operação de reatores enzimáticos, é

conveniente reescrever as equações cinéticas em função da conversão de substrato em produto (X)

e da concentração de substrato na entrada do reator (se), por meio da relação descrita pela Equação

15.

s

0

(

= 1

s

e

X )

(15)

Neste projeto, foram analisados os reatores contínuos que operam sob os regimes de escoamento

de fluxo pistonado.

O esquema de operação de um reator contínuo de fluxo pistonado é mostrado na Figura 1.

reator contínuo de fluxo pistonado é mostrado na Figura 1. Figura 1. Esquema de operação de

Figura 1. Esquema de operação de um reator contínuo de fluxo pistonado.

Fonte: Pereira, 2008.

No estado estacionário, o balanço material de substrato no elemento de volume indicado na Figura

11 é dado ela Equação 16 (Illanes, 1994).

Fs

Fs

z z

+∆

z

= v

V

R

'

(16)

A Equação 22 pode ser escrita em função de X e se, conforme descrito na Equação 17 (Pereira,

2008).

Fs

e

(

1 X

)

Fs

e

[

1 X + ∆X = vεV

R

(

)]

Fs X = vεV

e

R

X

V

R

=

v

ε

Fs

e

(17)

Calculando-se o valor limite de ambos os membros da Equação 17 quando VR0, obtém-se a

Equação 18 (Pereira, 2008).

dX

dV

R

=

v

ε

Fs

e

X

0

dX

v

=

ε

Fs

e

V

R

0

dV

R

(18)

Integrando-se o lado direito da Equação 18 e introduzindo-se o fator de efetividade para o caso de

haver limitação difusional, obtém-se a Equação 19:

T =

X

0

dX

τ

=

η

v

s

e

(19)

As Equações 18 e 19 relacionam a conversão de substrato (X) em função do tempo de residência

no reator (τ) incorporado ao parâmetro adimensional (T), estes parâmetros são utilizados para o

projeto e operação do reator contínuo de fluxo pistonado ideal (Pereira, 2008).

A integração da Equação 19 requer o cálculo do fator de efetividade a cada passo de integração.

Para a resolução das equações matemáticas formuladas, podem ser empregados alguns métodos

numéricos clássicos para a resolução de equações ou sistemas de equações algébricas não lineares,

diferenciais ordinárias, problemas de valor de contorno e de integração por quadratura. Para a

resolução do problema de valor de contorno será utilizado o método da colocação ortogonal em

elementos finitos.

O método da colocação ortogonal global consiste em aproximar a solução da equação diferencial

por polinômios ortogonais, no caso, o resíduo nos pontos de colocação é igual a zero.

A propriedade básica de qualquer polinômio ortogonal é dada pela equação 20 (RAMIREZ, 1998).

1

w x P

() () ()

n

x P

m

x dx = 0

0

, para m e n variando de 0 até N e mn.

(20)

Na Equação 20, Pn(x) e Pm(x) são polinômios ortogonais entre si, N é o número de pontos internos

de colocação e w(x) é uma função peso.

Sendo satisfeita a condição de ortogonalidade, os polinômios Pn(x) são ortogonais em todo o

domínio (Pereira, 2008).

No método de colocação ortogonal em elementos finitos, o domínio 0 x 1 é dividido em

subintervalos cujos comprimentos podem ser variáveis ou não. Dentro de cada subintervalo aplica-

se o método da colocação ortogonal.

A união entre as extremidades de dois subintervalos adjacentes pode ser feita admitindo-se que o

fluxo de massa seja contínuo como mostrado na Equação 21 (Finlayson, 1980).

dy dy dx − = dx
dy
dy
dx
− = dx

+

(21)

Dessa forma, utilizando-se as condições de contorno no primeiro e último intervalos, a condição

de continuidade entre os subintervalos e os polinômios de Legendre no interior de cada intervalo,

pode-se obter a solução global do problema de valor de contorno.

Apesar de ser um método numérico confiável para a resolução do problema de valor de contorno,

o método da colocação em elementos finitos possui como desvantagens a baixa velocidade de

convergência, uma programação complexa, e a necessidade do fornecimento de estimativa inicial

para o perfil de concentração (Pereira e Oliveira, 2016). Essas desvantagens podem limitar a sua

utilização em softwares de simulação e, como consequência, no projeto de reatores.

Uma alternativa para aumentar a velocidade computacional no projeto e otimização de reatores

contínuos contendo enzimas imobilizadas é a utilização de equações aproximadas para a estimativa

dos parâmetros de difusão-reação (Mahalakshmi e Hariharan, 2016; Devi et al., 2015; Shanthi et

al., 2013; Joy et al. 2011).

Para o problema envolvendo a possibilidade de ocorrência de núcleo-morto não são reportadas na

literatura soluções analíticas para o problema de valor no contorno envolvendo a cinética de

Michaelis-Menten. Para casos no qual o núcleo morto não ocorre, algumas soluções aproximadas,

utilizando expansões em série de polinômios e métodos matemáticos, como o método da

homotopia, foram propostos (Mahalakshmi e Hariharan, 2016; Devi et al., 2015; Shanthi et al.,

2013; Joy et al. 2011), porém nenhum desses métodos possui a capacidade de representar o

problema para todas as condições de difusão-reação possíveis.

O presente trabalho apresenta a utilização de regressão simbólica por algoritmo evolutivo para

obter equações analíticas empíricas úteis capazes de estimar os parâmetros envolvidos nos

problemas de difusão-reação descritos pelas equações apresentadas.

2. OBJETIVOS

Os objetivos do presente trabalho foram:

Estudar as técnicas de inteligência artificial visando a obtenção de modelos matemáticos

confiáveis;

Selecionar os dados obtidos pelo método da colocação ortogonal em elementos finitos para

serem utilizados nas etapas de treinamento e validação dos modelos de modo a obter soluções

mais precisas possíveis;

Obter modelos explícitos capazes de representar o comportamento dos reatores contínuos de

fluxo pistonado.

3.

METODOLOGIA

Para a resolução do problema no valor no contorno descrito e obtenção dos dados a serem

utilizados na regressão simbólica foi

utilizado um algoritmo computacional, desenvolvido na

linguagem do software Wolfram Mathematica cuja licença está disponível para professores e

alunos da USP.

A regressão simbólica foi realizada utilizando o software Eureqa Formulize ® da Nutonian Inc.,

cuja licença é gratuita para uso acadêmico. As funções objetivo minimizadas foram obtidas a partir

do cálculo do valor máximo, em módulo, do erro ponderado entre os dados alimentados de 1/η e

os resultados obtidos pelo modelo para a variável dependente, como mostrado na Equação 22.

=

1

(,)

1

4. RESULTADOS

(22)

No algoritmo computacional desenvolvido com o software Wolfram Mathematica, apresentado na figura 2, foram variados os valores de β e ɸ para as geometrias retangular, cilíndrica e esférica para a obtenção do inverso da efetividade (1/η).

para a obtenção do inverso da efetividade (1/η). Fig.2 Algoritmo computacional com colocação ortogonal.

Fig.2 Algoritmo computacional com colocação ortogonal.

Para valores de β mais próximos a 0, o esforço computacional foi maior em alguns casos ou mesmo divergiram do resultado esperado, o que pode ter ocorrido devido à necessidade de se estimar a posição do núcleo morto, acarretando na obtenção de um máximo local. Visando buscar uma solução global, foi proposto a resolução pelo método de diferencial evolutivo, como ilustrado na figura 3.

Fig. 3 Algoritmo computacional com Método de diferencial evolutivo Os dados coletados no Wolfram Mathematica

Fig. 3 Algoritmo computacional com Método de diferencial evolutivo

Os dados coletados no Wolfram Mathematica foram inseridos no Software Nutonian Eureqa para obtenção, por regressão simbólica, da equação da cinética associada a cada geometria da enzima. A figura 4 ilustra a aba de inserção dos valores obtidos no Wolfram Mathematica.

de inserção dos valores obtidos no Wolfram Mathematica. Fig. 4 – Aba de Inserção dos ponto

Fig. 4 – Aba de Inserção dos ponto s a serem analisados por regressão simbólica no Eureqa.

Na figura 5 foram selecionados os recursos disponíveis para o Software representar a equação, priorizando funções e operações mais simples, e também o formato da equação resultante.

Fig. 5 - Definição do formato da equação resultante da regressão simbólica. A figura 6

Fig. 5 - Definição do formato da equação resultante da regressão simbólica.

A figura 6 ilustra a aba de progresso e performance dos dados analisados, o tempo de processamento computacional e alguns dados de confiança, estabilidade e maturidade da equação obtida.

confiança, estabilidade e maturidade da equação obtida. Fig. 6 – Aba de progresso e performance computacional

Fig. 6 – Aba de progresso e performance computacional na análise dos dados.

A figura 7 ilustra a melhor equação obtida levando em conta a complexidade da equação e o erro associado.

Fig. 7 – Equação da regressão obtida. As equações obtidas para cada geometria e seus

Fig. 7 – Equação da regressão obtida.

As equações obtidas para cada geometria e seus erros relacionados foram:

Geometria retangular:

1/η= (0.4481^(ɸ*cosh(ɸ^(0.7786/(0.5738+ 2.5982*tanh(sinh((0.7004*ɸ)^(0.7004+ 0.3042*ɸ*tanh((0.5674*β)^0.5))*asinh(asinh(β))))))))) + 0.7004

+0.3042*ɸ*tanh((0.5674*β)^0.5)

Erro associado: 1.424%

Geometria cilíndrica:

1/η= -(0.83875*tanh(sinh(1.0094* ɸ)^1.1055) - 1.0094 - 0.71424* ɸ - 0.27575* ɸ *tanh(asinh(0.7898* β)^0.5984) - 0.1801*tanh(ɸ ^3 - 0.1801)*tanh(asinh(0.7898* β)^0.5984))

Erro associado: 2.141%

Geometria Esférica:

1/ η =-(-cosh(asinh(0.9792* ɸ *tanh(0.866568 + (-0.29397)/(0.9792* ɸ)^(1.9583* ɸ) + asinh(β)) + atanh(0.0999*sqrt(ɸ)*tanh(0.4301* ɸ + (β - 0.9792)/(33.6288*asinh(β) + 0.9792* ɸ *tanh(0.86656 + (-0.2940)/(0.9792* ɸ)^(1.9583* ɸ) + asinh(β))))))))

Erro associado: 3.766%

Parâmetros em função das condições de entrada do reator

v =

e

s

v K + s

max

e

e

=

v

max

β

e

+

1

β + 1 e φ φ = e β + 1 − X e β
β
+ 1
e
φ φ
=
e
β
+ 1 − X
e
β
e
β
=
( 1 −
X )

A equação 19 pode ser reescrita como:

v

e

θ

s

e

=

X

0

β

+ 1

(

ηβ

e

+ 1

)

dX

A integral com as substituições adotadas acima:

Para geometria Retangular:

= − � ((0.4481^(ɸ ∗ cosh(ɸ^(0.7786/(0.5738^ɸ + 2.5982 tanh(sinh((0.7004

0

∗ ɸ)^(0.7004 ∗ ɸ + 0.3042 ∗ ɸ ∗ tanh((0.5674 ∗ β)^0.5))

asinh(asinh(β))))))))) + 0.7004 ∗ ɸ + 0.3042 ∗ ɸ ∗ tanh((0.5674

∗β)^0.5))

β + 1 β +

1

Para geometria cilíndrica:

= − � ((0.83875 tanh(sinh(1.0094 ∗ ɸ)^1.1055) 1.0094 0.71424 ∗ ɸ

0

0.27575 ∗ ɸ ∗ tanh(asinh(0.7898 ∗ β)^0.5984) 0.1801 tanh(ɸ ^3

0.1801) tanh(asinh(0.7898 ∗ β)^0.5984)))

Para geometria esférica:

β + 1

β

+

1

= − � ((cosh(asinh(0.9792 ∗ ɸ ∗ tanh(0.866568 + (0.29397)/(0.9792

0

∗ ɸ)^(1.9583 ∗ ɸ) + asinh(β)) + atanh(0.0999 sqrt(ɸ) tanh(0.4301

∗ ɸ + (β − 0.9792)/(33.6288 asinh(β) + 0.9792 ∗ ɸ ∗ tanh(0.86656

+ (0.2940)/(0.9792 ∗ ɸ)^(1.9583 ∗ ɸ) + asinh(β)))))))))

β + 1

β +

1

As equações obtidas para o projeto de reatores PFR ideais envolvem a resolução numérica de uma

integral simples. Caso não fosse utilizada a abordagem apresentada neste trabalho, baseada em

uma regressão simbólica por algoritmo evolutivo, a solução numérica da integral acarretaria na

solução do problema de valor de contorno em cada passo de integração, o que deixaria o processo

de simulação bem mais lento e instável. Dessa forma, esse presente trabalho pode colaborar com

o projeto e operação de reatores PFR ideais contendo enzimas imobilizadas.

5.

ANÁLISES

Durante a programação dos parâmetros no software Wolfram Mathematica para resolução do

problema de valor de contorno pelo método de colocação ortogonal e obtenção dos pontos que

seriam utilizados posteriormente na regressão com o software Eureqa, alguns desafios encontrados

foram na obtenção de pontos próximos ao núcleo morto.

Foi proposto o método de resolução de diferencial evolutivo para coletar os valores próximos a 0.

O método foi capaz de extrair mais alguns dados porém requisitou maior esforço computacional.

Os dados obtidos apresentaram um bom comportamento, com valores esperados, a ressalva se

deve a um grande esforço computacional conforme os valores analisados se aproximavam de 0, o

que justificou em alguns casos a modificação da programação inicialmente feita para adapta-la a

esses pontos mais próximos do núcleo morto ou que continham núcleo morto.

As equações obtidas para o projeto de reatores PFR ideais envolvem a resolução numérica de uma

integral simples. Caso não fosse utilizada a abordagem apresentada neste trabalho, baseada em

uma regressão simbólica por algoritmo evolutivo, a solução numérica da integral acarretaria na

solução do problema de valor de contorno em cada passo de integração, o que deixaria o processo

de simulação bem mais lento e instável. Dessa forma, esse presente trabalho pode colaborar com

o projeto e operação de reatores PFR ideais contendo enzimas imobilizadas.

6. CONCLUSÕES

As equações obtidas por regressão no software Eureqa para as três geometrias abordadas no

trabalho predizem o comportamento da cinética reacional com boa precisão dado o baixo erro

encontrado.

A eliminação da necessidade de se resolver este problema por valores de contorno facilita muito

os cálculos de projeção e otimização de reatores contínuos de fluxo pistonado contendo enzimas

imobilizadas, além de redução significativa de tempo e complexidade dos cálculos envolvidos.

Softwares

de

simulação

e

modelagem

computacional

são

excelentes

e

indispensáveis

ferramentas com vasta área de aplicação e utilização, não só na engenharia mas também em

diversos outros setores como financeiro, afim de reduzir custos e tempos envolvidos nesses

processos.

7. REFERÊNCIAS

ALBERTS, B.; BRAY,D.; HOPKINK., JOHNSON, A. D., LEWIS J., ROBERTS K. Essential

Cell Biology. 4. ed. California: Taylor&Francis, 2014. 865 p.

BAILEY, J. E.; OLLIS D. F. Biochemical Engineering Fundamentals. 2. ed. New York: McGraw-

Hill, 1986. 984 p.

DEVI MR, SEVUKAPERUMAL S, RAJENDRAN L. Non-linear reaction diffusion equation with

Michaelis–Menten

kinetics

and

Adomian

Doi:10.5923/j.am.20150501.04

decomposition

method.

Appl

Math.,

2015.

EDET E, NTEKPE M, OMEREJI S Current trend in enzyme immobilization: a review.

International Journal of Modern Biochemistry, v.2, p.31–49, 2013.

FINLAYSON, B. A. Nonlinear Analysis in Chemical Engineering. New York: McGraw-Hill,

1980. 366 p.

ILLANES, A. Biotecnologia de Enzimas. Valparaíso: Ediciones Universitarias de Valparaíso de

la Universidad Católica de Valparaíso, 1994. 255 p.

JOY RA, MEENA A, LOGHAMBAL S, RAJENDRAN L. A two parameter mathematical model

for

immobilized

enzymes

doi:10.4236/ns.2011.37078

and

Homotopy

analysis

method.

Nat

Sci.,

2011.

LARSON, D.L.

Clinical Chemistry: Fundamental and Laboratory Techniques, St. Louis:

Elsevier/Saunders, 2015, 707p.

MAHALAKSHMI M, HARIHARAN G An efficient Chebyshev wavelet based analytical

algorithm to steady state reaction–diffusion models arising in mathematical chemistry. J Math

Chem., 2016. Doi:10.1007/s10910-015-0560-0

OLIVEIRA, S. C. Evaluation of effectiveness factor for immobilized enzymes using Runge-Kutta-

Gill:

how

to

solve

mathematical

indetermination

Bioengineering, v.20, n. 2, p. 185-187, 1999.

at

particle

center

point?

Bioprocess

PEREIRA, F. M. Modelagem e simulação do núcleo morto em partículas catalíticas contendo

enzimas imobilizadas e suas consequências no projeto e operação de Reatores enzimáticos. 2008.

185 p. Tese (Doutorado em biotecnologia Industrial), Escola de Engenharia de Lorena,

Universidade de São Paulo, 2008.

PEREIRA, FM; MAGALHÃES, JVBB; OLIVEIRA, SC. Ocorrência de Múltiplos Fatores de

Efetividade em Partículas Catalíticas contendo Enzimas Imobilizadas: Análise para a Cinética com

Inibição por Substrato. In: V Simpósio de Bioquímica e Biotecnologia, 2015, Londrina. Anais do

V Simpósio de Bioquímica e Biotecnologia. São Paulo : Editora Edgard Blücher, 2015. p. 143-

146.

PEREIRA, F. M.; OLIVEIRA, S. C. ; . Uma abordagem numérica para a análise da existência do

núcleo morto em biocatalisadores porosos com geometrias clássicas. In: SIMPÓSIO NACIONAL

DE

BIOPROCESSOS,

15,

2005,

Recife.

Anais

Recife:

Universidade

Federal

de

Pernambuco/Associação Brasileira de Engenharia Química, 2005. n. 652. p. 1-7. CD-ROM.

PEREIRA, F.M., OLIVEIRA, S.C. Análise da existência e da estabilidade de múltiplos estados

estacionários para a hidrólise enzimática da sacarose em reator CSTR. In: CONGRESSO

BRASILEIRO DE ENGENHARIA QUÍMICA, 16, 2006, Santos. Anais

Santos: Universidade

de São Paulo/Universidade de Campinas/Associação Brasileira de Engenharia Química, 2006. p.

3064-3071. CD-ROM.

PEREIRA, FM; OLIVEIRA, SC. Occurrence of dead core in catalytic particles containing

immobilized enzymes: analysis for the Michaelis–Menten kinetics and assessment of numerical

methods. Bioprocess and Biosystems Engineering, 2016. Doi: 10.1007/s00449-016-1647-0

RAMIREZ, W. F. Solution of partial differential equations. In:

. Computational methods in

process simulation. Boston: Butherworth Heineman, 2. ed., 1998. Cap. 10, p. 389-413.

SEGEL, I. H. Bioquímica: Teoria e Problemas. Rio de Janeiro: Livros Técnicos e Científicos,

1979. 527 p.

SHANTHI D, ANANTHASWAMY V, RAJENDRAN L. Analysis of non-linear reaction-

diffusion processes with Michaelis–Menten kinetics by a new Homotopy perturbation method. Nat

Sci., 2013. Doi:10.4236/ns.2013.59128

ŠEKULJICA NŽ, PRLAINOVIĆ NŽ, JOVANOVIĆ JR, STEFANOVIĆ AB, DJOKIĆ VR, ŽM

DUŠAN, KNEŽEVIĆ-JUGOVIĆ ZD Immobilization of horseradish peroxidase onto kaolin.

Bioprocess and Biosystems Engeneering, 2016. Doi: 10.1007/s00449-015-1529-x

VAN ROON, J L.; Arntz MMHD; KALLENBERG, A I; PAASMAN, M A, TRAMPER J;

SCHROËN,

CGPH;

Beeftink

H.H.

A

multicomponent

reaction–diffusion

model

of

a

heterogeneously distributed immobilized enzyme, Applied Microbiology and Biotechnology, v.

72, 2006, pp. 263-278. Doi: 10.1007/s00253-005-0247-8

XIE, X.S. Biochemistry. Enzyme kinetics, past and present, Science, v. 342, 2013, p. 1457-1459.

Doi: 10.1126/science.1248859