mathematical modelling methodologies in predictive food microbiology: a swot analysis leopoldo...
TRANSCRIPT
![Page 1: Mathematical modelling methodologies in predictive food microbiology: A SWOT analysis LEOPOLDO GARCÍA BAEZA](https://reader033.vdocument.in/reader033/viewer/2022061301/54dcc1f84979599e0a8b596d/html5/thumbnails/1.jpg)
Mathematical modelling methodologies in predictive food
microbiology:A SWOT analysis
LEOPOLDO GARCÍA BAEZA
![Page 2: Mathematical modelling methodologies in predictive food microbiology: A SWOT analysis LEOPOLDO GARCÍA BAEZA](https://reader033.vdocument.in/reader033/viewer/2022061301/54dcc1f84979599e0a8b596d/html5/thumbnails/2.jpg)
Introducción.
• Entendemos la microbiología predictiva como la predicción de el comportamiento de las poblaciones microbianas en general.
![Page 3: Mathematical modelling methodologies in predictive food microbiology: A SWOT analysis LEOPOLDO GARCÍA BAEZA](https://reader033.vdocument.in/reader033/viewer/2022061301/54dcc1f84979599e0a8b596d/html5/thumbnails/3.jpg)
• En particular , se discuten dos enfoques diferentes :
• Modelos continuos basados en la población y,
• Modelos discretos basados en lo individual.
![Page 4: Mathematical modelling methodologies in predictive food microbiology: A SWOT analysis LEOPOLDO GARCÍA BAEZA](https://reader033.vdocument.in/reader033/viewer/2022061301/54dcc1f84979599e0a8b596d/html5/thumbnails/4.jpg)
FODA ( Fortalezas - Debilidades - Oportunidades - Amenazas)
• Se trata de la especificación de los actores y el objetivo del proyecto.
![Page 5: Mathematical modelling methodologies in predictive food microbiology: A SWOT analysis LEOPOLDO GARCÍA BAEZA](https://reader033.vdocument.in/reader033/viewer/2022061301/54dcc1f84979599e0a8b596d/html5/thumbnails/5.jpg)
• 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.
![Page 6: Mathematical modelling methodologies in predictive food microbiology: A SWOT analysis LEOPOLDO GARCÍA BAEZA](https://reader033.vdocument.in/reader033/viewer/2022061301/54dcc1f84979599e0a8b596d/html5/thumbnails/6.jpg)
• Las amenazas se describen como los riesgos y limitaciones de cada método .
![Page 7: Mathematical modelling methodologies in predictive food microbiology: A SWOT analysis LEOPOLDO GARCÍA BAEZA](https://reader033.vdocument.in/reader033/viewer/2022061301/54dcc1f84979599e0a8b596d/html5/thumbnails/7.jpg)
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.
![Page 8: Mathematical modelling methodologies in predictive food microbiology: A SWOT analysis LEOPOLDO GARCÍA BAEZA](https://reader033.vdocument.in/reader033/viewer/2022061301/54dcc1f84979599e0a8b596d/html5/thumbnails/8.jpg)
• 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).
![Page 9: Mathematical modelling methodologies in predictive food microbiology: A SWOT analysis LEOPOLDO GARCÍA BAEZA](https://reader033.vdocument.in/reader033/viewer/2022061301/54dcc1f84979599e0a8b596d/html5/thumbnails/9.jpg)
• 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.
![Page 10: Mathematical modelling methodologies in predictive food microbiology: A SWOT analysis LEOPOLDO GARCÍA BAEZA](https://reader033.vdocument.in/reader033/viewer/2022061301/54dcc1f84979599e0a8b596d/html5/thumbnails/10.jpg)
• 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.
![Page 11: Mathematical modelling methodologies in predictive food microbiology: A SWOT analysis LEOPOLDO GARCÍA BAEZA](https://reader033.vdocument.in/reader033/viewer/2022061301/54dcc1f84979599e0a8b596d/html5/thumbnails/11.jpg)
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.
![Page 12: Mathematical modelling methodologies in predictive food microbiology: A SWOT analysis LEOPOLDO GARCÍA BAEZA](https://reader033.vdocument.in/reader033/viewer/2022061301/54dcc1f84979599e0a8b596d/html5/thumbnails/12.jpg)
• 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.
![Page 13: Mathematical modelling methodologies in predictive food microbiology: A SWOT analysis LEOPOLDO GARCÍA BAEZA](https://reader033.vdocument.in/reader033/viewer/2022061301/54dcc1f84979599e0a8b596d/html5/thumbnails/13.jpg)
Resultados.
![Page 14: Mathematical modelling methodologies in predictive food microbiology: A SWOT analysis LEOPOLDO GARCÍA BAEZA](https://reader033.vdocument.in/reader033/viewer/2022061301/54dcc1f84979599e0a8b596d/html5/thumbnails/14.jpg)
![Page 15: Mathematical modelling methodologies in predictive food microbiology: A SWOT analysis LEOPOLDO GARCÍA BAEZA](https://reader033.vdocument.in/reader033/viewer/2022061301/54dcc1f84979599e0a8b596d/html5/thumbnails/15.jpg)
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 .