Mathematical modelling methodologies in predictive food
microbiology:A SWOT analysis
LEOPOLDO GARCÍA BAEZA
Introducción.• Entendemos la microbiología predictiva
como la predicción de el comportamiento de las poblaciones microbianas en general.
• En particular , se discuten dos enfoques diferentes :
• Modelos continuos basados en la población y,
• Modelos discretos basados en lo individual.
FODA ( Fortalezas - Debilidades - Oportunidades - Amenazas)• Se trata de la especificación de los actores
y el objetivo del proyecto.
• En el análisis que sigue :• los factores internos son las características
de los modelos analizados , que se clasifican en fuertes y débiles .
• Oportunidades cubrir las aplicaciones actuales y potenciales de cada método para concreto sistemas reales , y también da cuenta de los factores que ayudan a su desarrollo.
• Las amenazas se describen como los riesgos y limitaciones de cada método .
Los modelos de población.• Enfoque de arriba hacia abajo : se tratar
con ecuaciones continuas que se aplican a la población.
• Las variables tomadas en cuenta por este tipo de modelos representan cantidades macroscópicas.
• y un promedio de los atributos de los individuos.
• Se clasifican en:• Modelos mecanicistas o teórico . (Búsqueda
de los mecanismos que impulsan el comportamiento microbiano).
• Y empírico o fenomenológico.(Reproducir el comportamiento con un cierto grado de precisión).
• En función de sus objetivos específicos, modelos continuos pueden ser clasificado en:
• Modelos primarios: representan la dinámica de poblaciones microbianas a través del tiempo bajo un medio ambiente particular.
• Modelos secundarios: describen la respuesta de los parámetros del modelo primario a cambios en el entorno.
• Modelos terciarios: utilizan uno o más modelos secundarios y primarios para generar aplicaciones de software fáciles de usar que pueden ser sistemáticamente utilizado por los no modelistas.
Modelos basados en el individuo (IBMS)• Son enfoques de abajo hacia arriba. • Considera cada microbio como individuo
como un único y discreto entidad con más de una característica que cambia a través de su vida.
• Las variables tomadas en cuenta por éstos tipos de modelos representan los atributos individuales , por ejemplo : células diámetro o masa , la posición o el contenido de un metabolito en particular o sustancia.
• Los parámetros de entrada de IBMS se refieren a valores observables medios de los rasgos individuales.
• El enfoque basado en el individuo tiene como objetivo revelar los mecanismos celulares relevantes para explicar los fenómenos macroscópicos observados.
Resultados.
Conclusiones• Modelación continua es una metodología
bien establecida que requiere poca mejoría. Sin embargo , se deben hacer más esfuerzos en la prestación racionalizada de las bases biológicas de los modelos mecanicistas .
• Se requieren mejoras específicas para IBMS para que puedan ser utilizados cómodamente en el campo de la microbiología predictiva y ser más generalizada .