Cultius bacterians
Hem desenvolupat un model basat en l’individu dissenyat per simular el creixement i el comportament de les poblacions bacterianes. Hem construït el nostre codi de simulació en termes de cada una de cèl·lules bacterianes i el seu comportament, dins d'un entorn d'estudi.
Hem posat el nom de INDISIM el simulator als nostres models, que significa INDividual DIScret SIMulations, i que presenta la mateixa filosofia que els altres models basats en individus: es descriu propietats bacterianes, inclos l’assimilació del substrat, el metabolisme, el manteniment i la divisió cel·lular, la viabilitat i la mort a nivell individual. INDISIM és discret en l'espai i temps, i controla un grup de cèl·lules bacterianes en cada pas del temps, utilitzant el moviment brownià, dependent del temps, els variables per a cada bacteri. Aquests variables es fan servir per caracteritzar la seva posició en l'espai, la biomassa, i l'estat en el cicle de reproducció cel·lular, així com altres propietats individuals. La població bacteriana es divideix en una xarxa (normalment quadrats o cubs), definit també pel moviment brownià, dependent del temps i els variables. Aquests variables poden incloure les concentracions dels diferents tipus de partícules, nutrients i productes residuals. Fem servir el moviment brownià per la caracterització de les regles de cada individu i les propietats individuals d'una cèl·lula bacteriana i una cel·la espacial, així com l'actualització a l’atzar de les regles individuals, ja que l’estocasticitat de les simulacions implica la variabilitat del comportament individual. L'evolució temporal del sistema es divideix en intervals iguals que identifiquem amb passos de temps del programa.
L'entorn on es desenvolupa la població bacteriana pot ser un líquid o un sòlid. Al nostre cas, considerem que l’ambient on evoluciona la població bacteriana en un període de temps és una xarxa espacial de dos o tres dimensions. La mida, forma i composició de la xarxa també afecten a les condicions ambientals, utilitzant les relacions físiques podem modelar les propietats del medi i podem incorporar al nostre codi l'entrada (sortida) de les partícules de nutrients des de fora (dins) del sistema o altres agents externs.
Hem posat el nom de INDISIM el simulator als nostres models, que significa INDividual DIScret SIMulations, i que presenta la mateixa filosofia que els altres models basats en individus: es descriu propietats bacterianes, inclos l’assimilació del substrat, el metabolisme, el manteniment i la divisió cel·lular, la viabilitat i la mort a nivell individual. INDISIM és discret en l'espai i temps, i controla un grup de cèl·lules bacterianes en cada pas del temps, utilitzant el moviment brownià, dependent del temps, els variables per a cada bacteri. Aquests variables es fan servir per caracteritzar la seva posició en l'espai, la biomassa, i l'estat en el cicle de reproducció cel·lular, així com altres propietats individuals. La població bacteriana es divideix en una xarxa (normalment quadrats o cubs), definit també pel moviment brownià, dependent del temps i els variables. Aquests variables poden incloure les concentracions dels diferents tipus de partícules, nutrients i productes residuals. Fem servir el moviment brownià per la caracterització de les regles de cada individu i les propietats individuals d'una cèl·lula bacteriana i una cel·la espacial, així com l'actualització a l’atzar de les regles individuals, ja que l’estocasticitat de les simulacions implica la variabilitat del comportament individual. L'evolució temporal del sistema es divideix en intervals iguals que identifiquem amb passos de temps del programa.
L'entorn on es desenvolupa la població bacteriana pot ser un líquid o un sòlid. Al nostre cas, considerem que l’ambient on evoluciona la població bacteriana en un període de temps és una xarxa espacial de dos o tres dimensions. La mida, forma i composició de la xarxa també afecten a les condicions ambientals, utilitzant les relacions físiques podem modelar les propietats del medi i podem incorporar al nostre codi l'entrada (sortida) de les partícules de nutrients des de fora (dins) del sistema o altres agents externs.
INDISIM s'ha utilitzat per als següents estudis:
- La distribució de la biomassa de la població bacteriana quan creixen en condicions òptimes i quan les condicions no són òptimes.
- La relació entre la taxa de creixement d'una població bacteriana, la concentració de nutrients i la temperatura.
- Oscil.lacions metabòliques en un grup de bacteris, l'evolució temporal de la dissipació de la calor i la pressió d'una població de Escherichia coli en un cultiu tancat.
- La influència de la geometria de les cèl lules bacterianes en l'elaboració de iogurt, Streptococcus thermophilus com cèl·lules esfèriques i Lactobacillus bulgaricus com cèl·lules cilíndriques, així com les seves interaccions.
Fig 3: Quin és el Lactobacillus? El Streptococcus? El cultiu iniciador per
la majoria dels iogurts és una combinació simbiòtica de Streptococcus thermophilus
(ST) i Lactobacillus bulgaricus (LB). Aquests bacteris utilitzen la fermentació làctica
per obtenir energia per al seu creixement, i li manca el metabolisme de les vies respiratòries.
Tot i que aquests bacteris poden créixer en forma independentment, la quantitat d'àcid produït
és molt més gran quan estan junts que quan creixen individualment. ST creix més ràpid i produeix
l'àcid lactic i aquest estimula el creixement de LB. D'altra banda, l'activitat proteolítica de LB
produeix pèptids i aminoàcids estimulants per a l'ús de ST. Aquests microorganismes són els
responsables de la formació del típic sabor i la textura del iogurt.
http://smccd.net/accounts/case/biol215/indmic.html
- Les tendències qualitatives de la formació de colònies durant el creixement de Bacillus subtilis en una placa d'agar amb diferents condicions inicials de concentració de nutrients i la quantitat d'agar.
Fig 4: Les colònies dels bacteris en una suspensió d'agar.
http://www.sciencehound.com/science_project_community/node/5333
Fig 5: El creixement simulat de DLA- el dibuix de la colònia. Un punt simulat
L'inòcul va ser col·locat al centre de la xarxa amb una concentració inicial de nutrients
d’entrada relativament baixa, distribuïts uniformement, Sx, i (0) = 200,
i una difusió microscòpica D = 0,05, que també és relativament petita.
Figura (a), (b) i (c) mostren les diferents etapes del creixement de la
de les colònies bacterianes. Els quadrats i cercles identificquen les branques que han
deixat de créixer (Ginovart et al., Physica A 305 (2002) 604-618).
La fese de latència
La fase de latència té molta importància als cultius de bacteris en microbiologia dels aliments. És una àrea d'estudi de la microbiologia predictiva, que tracta de comprendre les causes microscòpiques de la fase de latència, per tal de predir l'evolució d'un cultiu de microorganismes en determinades condicions. En conseqüència, els mecanismes cel·lulars de creixement i divisió, així com els mecanismes de la cèl·lula d'adaptació en un nou entorn, ha de ser entès.
Existien descripcions matemàtiques sobre la fase de latència. Alguns d'ells (Baranyi i Roberts, 1994; Hills i Wright, 1994; McKellar, 1997) es basen en una descripció dinàmica de creixement, mitjançant les equacions diferencials. Més tard, els models introduïa els tractaments estocàstics (Buchanan et al., 1997; McKellar, 2001; Baranyi, 2002), amb un carácter més realista. Recentment, hi hagut estudis que intenta relacionar el temps de la fase de latència d’una cèl·lula individual amb la població global (Wu et al., 2000; Metris et al., 2003; Kutalik et al., 2005). Tots aquests models s'han utilitzat per estudiar diferents aspectes de la fase de latència, com la influència del medi (temperatura, pH, etc) i les condicions inicials de l’inòcul. No obstant això, per tal de poder desenvolupar els models existents, cal incorporar els coneixements dels mecanismos biològics, el qual requereix un coneixement més complet del comportament de cèl·lula a nivell individual (Buchanan et al., 1997; McKellar et al., 2002). Modelització i simulació a nivell individual són bones eines per investigar els mecanismes biològics dels bacteris. Aquesta és també una bona manera d'estudiar les limitacions mecàniques de les cèl·lules individuals en profunditat, cosa que no és tingut en compte pels tractaments matemàtics i estocàstics esmentats (Swinnen, 2004).
Existien descripcions matemàtiques sobre la fase de latència. Alguns d'ells (Baranyi i Roberts, 1994; Hills i Wright, 1994; McKellar, 1997) es basen en una descripció dinàmica de creixement, mitjançant les equacions diferencials. Més tard, els models introduïa els tractaments estocàstics (Buchanan et al., 1997; McKellar, 2001; Baranyi, 2002), amb un carácter més realista. Recentment, hi hagut estudis que intenta relacionar el temps de la fase de latència d’una cèl·lula individual amb la població global (Wu et al., 2000; Metris et al., 2003; Kutalik et al., 2005). Tots aquests models s'han utilitzat per estudiar diferents aspectes de la fase de latència, com la influència del medi (temperatura, pH, etc) i les condicions inicials de l’inòcul. No obstant això, per tal de poder desenvolupar els models existents, cal incorporar els coneixements dels mecanismos biològics, el qual requereix un coneixement més complet del comportament de cèl·lula a nivell individual (Buchanan et al., 1997; McKellar et al., 2002). Modelització i simulació a nivell individual són bones eines per investigar els mecanismes biològics dels bacteris. Aquesta és també una bona manera d'estudiar les limitacions mecàniques de les cèl·lules individuals en profunditat, cosa que no és tingut en compte pels tractaments matemàtics i estocàstics esmentats (Swinnen, 2004).
Fig 6: càlcul dels paràmetres de làtencia mitjançant un mètode geomètric.
A més, les tècniques experimentals han sigut desenvolupats per obtenir resultats a partir de nivell individual (Pejerrey et al., 2002, Elfwing et al., 2004). Modelització i simulació a nivell individual pot ser útil per entendre els resultats obtinguts. A més, aquest mètode pot ser utilitzat per dissenyar nous experiments per millorar la comprensió dels comportaments individuals i de la població.
Per aquestes raons, sembla apropiat introduir Individual-based Modelling (IBM) en aquest camp de recerca (Kreft et al., 1998; Grimm et al., 1999, 2002a; McKellar i Knight, 2000; Swinnen et al. 2004). Els principis d'IBM s'explica per Bernaerts et al. (2003). Actualment, dos documents que utilitzen un enfocament d'IBM per estudiar la fase latència microbians han sigut publicats recentment (Deus et al., 2005a; Dens et al., 2005b). Aquests estudis es refereixen d'un sistema específic: el fenomen de la fase de latència induïts pels canvis de temperatura en els cultius de Escherichia coli.
El nostre grup ha desenvolupat, codificat i es fa servir el simulador d'IBM que l’hem denominat INDISIM (Individual discret Simulació) (Ginovart et al., 2002a), que permet l'estudi de l'evolució d'un cultiu bacterià. Es basa en el comportament individual dels bacteris, en un període de temps i un ambient específic, amb subjecció a les condicions de entorn adequades, on l’espai i temps són discrets.
El nostre grup ha desenvolupat, codificat i es fa servir el simulador d'IBM que l’hem denominat INDISIM (Individual discret Simulació) (Ginovart et al., 2002a), que permet l'estudi de l'evolució d'un cultiu bacterià. Es basa en el comportament individual dels bacteris, en un període de temps i un ambient específic, amb subjecció a les condicions de entorn adequades, on l’espai i temps són discrets.
Fig 2: Diagrama de flux del codi d'ordinador (INDISIM). Tingueu en compte que hi ha tres parts principals: a) la inicialització, on els paràmetres d'entrada són llegits (1), l'estructura espacial es defineix d'acord al mètode de condicions cel·lulars i condicions de contorn periòdiques (Allen i Tildesley, 1987) (2) i el medi ambient i la població inicial es configuren (3), b) el bucle principal, on a cada pas de temps les accions descrites a la dreta i detallades a l'Apèndix B es prenen per a cada bacteris del medi (4), les accions sobre el medi (la difusió dels nutrients o la redistribució, l'acció enzimàtica sobre els polímers, la difusió d'enzims extra cel·lular, etc) es fan (5) i s’obté una nova configuració (6), i c) la part final del codi, on es fan els càlculs necessaris per obtenir els resultats (7).
Comparteix: