Ingeniería de procesos

 

Predicción del contenido intracelular de trehalosa en el proceso de producción de biomasa de Saccharomyces cerevisiae

 

Predicting trehalose cytoplasmic content during a Saccharomyces cerevisiae biomass production process

 

J. S. Aranda¹*, A. I. Cabrera² y J. I. Chairez²

 

¹ Departamento de Bioingeniería, Unidad Profesional Interdisciplinaria de Biotecnología del IPN, Av. Acueducto s/n, Col. La Laguna Ticomán, Del. G. A. Madero, C. P. 07340, México, D. F., México. * Autor para la correspondencia: E–mail: jaranda@acei.upibi.ipn.mx Tel. y Fax: 5729 6000 ext. 56 338

² Departamento de Bioelectrónica,Unidad Profesional Interdisciplinaria de Biotecnología del IPN, Av. Acueducto s/n, Col. La Laguna Ticomán, Del. G. A. Madero, C. P. 07340, México, D. F., México.

 

Recibido 10 de Septiembre 2001
Aceptado 3 de Abril 2008

 

Resumen

La trehalosa es un carbohidrato dimérico componente de la levadura de panificación Saccharomyces cerevisiae, y es considerado como indicador de la capacidad fermentativa y de la viabilidad de las células. En procesos de producción de levadura, se busca inducir una acumulación intracelular de trehalosa. Por ser un compuesto citoplásmico, la cuantificación de la trehalosa requiere de tomas de muestra y de métodos analíticos posteriores. Así, el conocimiento del contenido citoplásmico de trehalosa es siempre ulterior al desarrollo del proceso de producción de biomasa, y esto dificulta el ajuste en tiempo real de parámetros de operación para incrementar la cantidad de trehalosa en la biomasa. Por tanto, se requiere de alguna alternativa para estimación de la trehalosa intracelular en tiempo real. Este trabajo presenta una opción de predicción basada tanto en el metabolismo celular implicado durante la biosíntesis de trehalosa, como en un algoritmo de redes neuronales dinámicas para la estimación de la concentración intracelular del carbohidrato.

Palabras clave: Saccharomyces cerevisiae, trehalosa, producción de biomasa, redes neuronales dinámicas, modelación estructurada, identificación de proceso.

 

Abstract

Trehalose is a dimeric carbohydrate and yeast biomass component generally used as an indicator of good viability and fermentation capacity. Yeast biomass production processes aim at inducing an intracellular accumulation of trehalose. However, during a production process, the trehalose must be quantified by off–line analytical methods after sample taking because it is a cytoplasmic compound. Thus, knowing experimental measurements of yeast trehalose content is always delayed. As a result, not oportune actions can be implemented in order to lead the production process toward a high intracellular trehalose accumulation in the produced biomass. Therefore, an online estimation method to forecast real–time intracellular trehalose content in yeast is developed. It is based on the main metabolic events involved in trehalose biosynthesis, as well as on a differential neural network algorithm to estimate trehalose concentration in the cytoplasm.

Keywords: Saccharomyces cerevisiae, trehalose, biomass production, dynamical neural networks, structured modelling, process identification.

 

DESCARGAR ARTÍCULO EN FORMATO PDF

 

Referencias

Aranda, J.S., Salgado, E., Taillandier, P. (2004). Trehalose accumulation in Saccharomyces cerevisiae cells: experimental data and structured modeling. Biochemical Engineering Journal 17; 129–140.         [ Links ]

Aranda–Barradas, J.S. y Salgado–Manjarrez, E. (2002). Biomass production from Saccharomyces cerevisiae and uses in food industry. Tecnología Alimentaria 37, 7–15.         [ Links ]

Cabrera, A., Poznyac, A., Poznyac, T. y Aranda, J. (2002). Identification of a fed–batch fermentation process: comparison of computational and laboratory experiments. Bioprocess and Biosystems Engineering 24, 319–317.         [ Links ]

Eturgay, N., Hamamci, H. y Bayindirli, A. (1997). Fed–batch cultivation of baker's yeast: effect of nutrient depletion and heat stress on cell composition. Folia Microbiologica 42, 214–218.         [ Links ]

Lee, S.B. y Bailey, J.E. (1984a). Genetically structured models for lac Promoter–Operator funtion in the Escherichia coli chromosome and in multicopy plasmids: lac Operon function. Biotechnology and Bioengineering 26, 13721382.         [ Links ]

Lee, S.B. y Bailey, J.E. (1984b). Genetically structured models for lac Promoter–Operator funtion in the Escherichia coli chromosome and in multicopy plasmids: lac Promoter function. Biotechnology and Bioengineering 26, 13831389.         [ Links ]

Parrou, J.L., Enjalbert, B., Plourde, L., Bauche, A., Gonzalez, B. y François J. (1999). Dynamic responses of reserve carbohydrates metabolism under carbon and nitrogen limitations in Saccharomyces cerevisiae. Yeast 15, 191–203.         [ Links ]

Parrou, J.L., Test, M.A. y François J. (1997). Effects of various types of stress on the metabolism of reserve carbohydrates in Saccharomyces cerevisiae: genetic evidence for stress–induced recycling of glycogen and trehalose. Microbiology 143, 1891–1900.         [ Links ]

Poznyak, A.S., Sanchez, E.N. y Yu, W. (2001). Dynamic Neural Networks for Nonlinear Control: Identification, State Estimation and Trajectory Tracking. World Scientific, New Jersey.         [ Links ]

Silljé, H.H.W., Paalman, J.W.G., ter Shure, E.G., Olsthoorn, S.Q.B., Verkleij, A.J., Boonstra, J. y Verrips, C.T. (1999). Function of trehalose and glycogen in cell cycle progression and cell viability in Saccharomyces cerevisiae. Journal of Bacteriology 181, 396–400.         [ Links ]

Slaughter, J.C. y Nomura, T. (1992). Intracellular glycogen and trehalose contents as predictors of yeast viability. Enzyme and Microbiology Technology 14, 64–67.         [ Links ]

Slotine, J.J.E. (1984). Sliding controller design for nonlinear systems. International Journal of Control 40, 421–434.         [ Links ]

Thevelein, J.M. y Beullens, M. (1985). Cyclic AMP and the stimulation of trehalase activity in the yeast Saccharomyces cerevisiae by carbon sources, nitrogen sources and inhibitors of protein synthesis. Journal of Genetics and Microbiology 131, 3199–3209.         [ Links ]

Zhang, J. y Greasham, R. (1999). Chemically definde media for commercial fermentations. Applied Microbiology and Biotechnology 51, 407–421.         [ Links ]