Cinétique cellulaire non-structurée

Slides:



Advertisements
Présentations similaires
Non linéarités liées à la thermique
Advertisements

Différence de métabolisme entre les bactéries internalisées et les bactéries en culture Le Bihan Guillaume Halouze Charles M2 MFA.
La mitochondrie 04 Formation initiale, Sciences du Vivant, BCP,
La microbiologie prévisionnelle
Matière: biochimie de base prof: Mlle Ilhem
La chaîne respiratoire mitochondriale(CRM) et oxydations phosphorylantes 1ière année Pharmacie, Biochimie métabolique Pr Bouhsain Sanae.
LES FILIERES ENERGETIQUES
LES FILIERES ENERGETIQUES
TP8 : Mise en évidence de la Respiration cellulaire
Une transformation chimique est-elle toujours totale ?
Modélisation /Identification
Master IXXI, cours interdisciplinaire de systèmes dynamiques Emmanuel Risler, INSA de Lyon 1 - Equations différentielles sur la droite.
Sytèmes dynamiques – modélisation Emmanuel Risler 2008 – 2009 INSA de Lyon - GEN.
Chapitre 8 Les réactions catalysées
métabolites issus de la transformation du pyruvate :
Chapitre V : Cinétique chimique
Métabolisme des lipides
Rappels de Thermodynamique
Chapitre 2: Les régularités et les relations
DESTINEE DU PYRUVATE EN AEROBIOSE ET ANAEROBIOSE
Cuvée alimentée: étude de cas
CYCLE DE L’ACIDE CITRIQUE
Montage préparé par : André Ross Professeur de mathématiques Cégep de Lévis-Lauzon André Ross Professeur de mathématiques Cégep de Lévis-Lauzon Modélisation.
La respiration cellulaire
Équations Différentielles
Duffing Système mécanique dont le comportement est modélisé par une telle équation ? Résoudre avec CI: d'abord x(0)=0 et dx(0)/dt=0 et ensuite x(0)=0.1.
La respiration cellulaire
Notes 6 – La respiration cellulaire Partie 2: Le cycle de Krebs
Équations différentielles Partie 1
Corrigé Sujet de virologie session 2 LV342 Janvier 2012
Neuroénergétique Etudiantes :
Cycle de Krebs, Citrate, tricarboxylique
2.4 Mouvements de charges dans un champ électrique uniforme
La respiration cellulaire
1 Mathématiques, environnement et modélisation-simulation Cégep de Rimouski AQPC 2013 Compléments mathématiques Philippe Etchecopar Groupe Initiatives.
Suivi temporel d’une réaction chimique
Cinétique et stochiométrie
Modes d’opération des bioréacteurs
GOL503 Spécificités sectorielles
BCM20329: Introduction au génie biochimique Croissance cellulaire #1
Matière: biochimie de base
BioSys: de la modélisation à la commande des bioprocédés Prof
Chapitre 3-B : AUTOMATIQUE : LES S.L.C.I.
Cours 3 : Premier Principe de la thermodynamique
Modèles d’évolution de population
CINETIQUE DES REACTIONS CHIMIQUES
D’ UN CIRCUIT RLC DEGRADE
Cinétique enzymatique -modèle de base de la cinétique enzymatique Michaelis –Menten -détermination des constantes cinétiques -Représentation hyperbolique.
Modèles d’évolution de population
Modélisation de systèmes ayant des réactions chimiques
3 COURS DE thermodynamique (Module En 21) 13/04/2017
Outils d’analyse: la méthode des moindres carrées
Cours de M. Bosseloir 1ère année BSI et BSF
1ère étape: Glycolyse Remarque importante!!!!! G6P
Il y a beaucoup d’épistasie :
La première phase de la glycolyse
MÉTABOLISME ÉNERGÉTIQUE
Aérobique et anaérobique Chapitre 9
Thème: Energie et cellule vivantes
Chapitre 7 Les équations différentielles d’ordre 1
Chapitre 7 Les équations différentielles d’ordre 1
Résolution des équations différentielles
MICROBIOLOGIE INDUSTRIELLE
Laboratoire #3.
CHAPITRE 2 LES SITUATIONS FONCTIONNELLES
Identification bactérienne: Paramètres de croissance
La respiration cellulaire
TP8 : Mise en évidence de la Respiration cellulaire
Cours Biologie Cellulaire ULBI101, L1-S1, Montpellier
Cuvée alimentée: étude de cas
Transcription de la présentation:

Cinétique cellulaire non-structurée A. Garnier, Génie chimique

Croissance cellulaire – courbe typique en cuvée Substrat (S) Concentration Biomasse (X) exponentielle plateau déclin latence Produit (P) tL Temps

Croissance cellulaire - variables X S P Taux de variation (kg/(m3.s) dX/dt dS/dt dP/dt Taux de production /consommation rx rs rp Taux spécifique (kg/(kg.s)  = rx/X qs= -rs/X qp= rP/X Rendement (kg/kg) Yx/s = rx/rs = /qs Yp/x, Yp/s

Mode d’opération Système fermé: cuvée (batch) Aucune entrée ou sortie Régime transitoire dX/dt = rX, dS/dt = rS À t = 0, X = X0, S = S0 Yx/s= cst

Croissance cellulaire –type de modèles STRUCTURÉ/ SÉGRÉGÉ NON-STRUCTURÉ STRUCTURÉ NON-SÉGRÉGÉ + simple Structuré: Tient compte de métabolites intra-cellulaires Ségrégé: Tient compte d’une distribution de population

Modèles de croissance Du plus simple au plus compliqué Exponentiel (ordre 0) Linéaire (logistique) Monod Autres Phénomènes connexes Maintenance Mortalité Production Luedeking-Piret combiné aux différents modèles

Ordre 0: Croissance exponentielle Où  = cste X X X Solution: Avec latence: Pour t < tL Jusqu’à XMAX = X0 + YX/S*S0 Pour t ≥ tL

Croissance exponentielle

Croissance exponentielle m

Croissance exponentielle avec latence

Modèle linéaire – courbe logistique Si Yx/s est constant: (X-Xo) = Yx/s (So-S) (XMAX-Xo) = Yx/s * So On propose alors:   S  1/(Yx/s) * (Xmax – X)  (1-X/Xmax) } Xmax-X = Yx/s * S

Modèle logistique (courbe en S)  = k*(1-X/Xmax) dX/dt = k*(1-X/Xmax)*X Solution: Sachant que: On obtient:

Modèle logistique (suite)

Modèle logistique (suite) Finalement: Croissance exponentielle Pondérée

Modèle logistique (suite) dX/dt = 0 à X = 0 et X= Xmax Point d’inflexion (d2X/dt2 = 0) à Xmax/2 Ne nécessite pas de connaissance de S, Yx/s, etc

Modèle logistique (suite) Estimation des paramètres: Y = mx + b k

Modèle logistique (suite) Calcul de dX/dt: dX/dt = k*(1-X/Xmax)*X où:

Modèle enzymatique - Monod (1) (2) (3) Une variable indépendante, 3 variables dépendantes, trois équations = Une solution!

Modèle de Monod Équation 3 n’est peut-être pas nécessaire: Xmax-X = Yx/s * S Alors:

Modèle de Monod

Modèle de Monod Sachant que:

Modèle de Monod S = (Xmax-X)/Yx/s Données mmax= 1 Ks= 5 Yx/s= 0,5 So=   mmax= 1 Ks= 5 Yx/s= 0,5 So= 20 Xo= 0,1 S = (Xmax-X)/Yx/s

Monod – estimation des paramètres Avec des données de S et m, on peut calculer mmax et Ks par la méthode de double réciproque (Lineweaver-Burke) ou Avec des données de t, X, S, on peut calculer, Yx/s par un graphe de X vs S: Ici, Yx/s = 0,5

Monod – estimation des paramètres Puis on peut reformuler l’équation de X pour isoler des termes reliés linéairement: ÷t ÷t Y = b + m X

Monod – estimation des paramètres mmax = 1 m = 0,2475 = Ks*Yx/s/Xmax Ks= 0,2475*10,1/0,5 Ks= 5

Autres modèles (Shuler-Kargi) Inhibition par sous-produit toxique: Tessier: Moser: Contois: ou Haldane: Etc...

Inhibition par le substrat: Haldane En Cuvée: (1) (2) Xmax-X = Yx/s * S (3)

Haldane en cuvée

Haldane en cuvée

Comportement d’une cinétique de Haldane en cuvée Données   mmax= 1 Ks= 5 Yx/s= 0,5 So= 20 Xo= 0,1

Effet de maintenance S = S(croissance) + S(maintenance) rS = 1/YG* rX + m * X qs = 1/YG* m + m 1/Yx/s = qs/m = 1/YG + m/ m

Effet de maintenance 1/Yx/s = qs/m = 1/YG + m/ m

Effet de mortalité Le taux de mortalité cellulaire: rd = - kd*X où kd=cste Donc en cuvée: dX/dt = m*X – kd*X = (m– kd)*X En général, on néglige la maintenance et la mortalité en cuvée

Cinétique de production Le modèle le plus connu est celui de Luedeking-Piret: rP = a *rX + b * X } } associé non-associé à la croissance qP = a * m + b

Combinaison L-P/Croissance cellulaire rP = a *rX + b * X En cuvée: dP/dt = a * dX/dt + b * X Or nous avons déjà des relations pour X

Luedeking-Piret: Courbe typique a=0,5, b=0 a=0, b=0,5 On peut déterminer b à partir du plateau!! a=0,3, b=0,2

Combinaison L-P/Logistique Int ( exp(at)/(1-exp(at) ) = - ln ( exp(at) - 1) / a

Combinaison L-P/Logistique détermination des paramètres Si on connaît b: Y = m * X On trouve a! Mais si on ne connaît pas β…

Combinaison L-P/Monod Réaliser int(tdx). Relations utiles: int(ln(x)) = x*ln(x)-x; int(ln(a-x)) = x*ln(a-x)-x-a*ln(x-a)

Détermination des paramètres Une méthode: Ou encore…

Autres modes d’opération Cuvée alimentée Continu Continu avec recirculation Piston (plug flow)

Cuvée alimentée (Fed-batch) F(t), Sin Alimentation seulement Régime transitoire À t = 0, V= V0, X= X0, S= S0 F sera contrôlé de manière à maintenir S constant, S=S0=Sc Si S est constant, m le sera aussi, m= mc V, X, S

Cuvée alimentée (Fed-batch) 3 bilans seront nécessaires pour obtenir un modèle de ce système: F ….

Cuvée alimentée (Fed-batch)

Cuvée alimentée (Fed-batch) F

Cuvée alimentée (Fed-batch)

Chemostat (continu, CSTR) F, Sin Une entrée, une sortie Mélange idéal: Xout = X, Sout = S, Pout = P Après une période initiale d’adaptation, ce système atteindra un régime permanent: V= cst, X= cst, S= cst, P= cst F, S, X, P V, X, S, P

Chemostat (continu, CSTR) Bilan sur la biomasse: Bilan sur le substrat: Où D: taux de dilution

Chemostat (continu, CSTR) Relation cinétique, par exemple Monod:

Chemostat (continu, CSTR) Le produit:

Chemostat (continu, CSTR) En résumé: Sin Dlavage=umax*Sin/(Ks+Sin) Où D*X = productivité cellulaire!

Chemostat (continu, CSTR) Productivité cellulaire: D ((L/min) / L de culture) * X (g de cellule/L)= Productivité (g de cellules/(min*L de culture) Productivité en produit:

Chemostat –effet de la maintenance Bilan X: m = D inchangé Cinétique: inchangée Bilan S:

Chemostat –effet de la maintenance

Chemostat –effet de la mortalité Bilan X: Cinétique: Bilan S:

Chemostat –effet de la mortalité + =

Chemostat avec recirculation Permet de concentrer les cellules dans le bioréacteur Permet de repousser le lavage Développement pour X seulement F F(1+w) F(1+w) Fc, Xc Fex, Xx V, X wF, Xx Bioréacteur Décanteur

Chemostat avec recirculation Bilan sur les cellules du bioréacteur:

Chemostat avec recirculation Bilan sur les cellules dans le séparateur:

Chemostat avec recirculation

Modèles non-structurés Beaucoup de diversité et de potentiel Mais ne répond pas à tous les besoins…

Une vue très simplifiée du métabolisme cellulaire [C6H12O6]n C6H12O6 G3P glycerol purines pyruvate Acétyl-CoA lactate Acides gras éthanol Lipides Ac.aminés pyrimidines Cycle de Krebs Acides nucléiques protéines NAD+ ATP H2O NADH ADP O2 Chaîne respiratoire Le catabolisme génère de l’ATP et du NADH