FenixEdu™

Dissertação

{en=Modeling of the Physiology of D. hansenii Using Population-Based Search Methods for Parameter Estimation} {} EVALUATED

Detalhes: {pt=Neste trabalho foi abordado o problema de obter um modelo matemático capaz de descrever, sob determinadas condições, a fisiologia da levedura Debaryomyces hansenii. Foram desenvolvidos nove modelos fisiológicos alternativos, cada qual formulado como um sistema de equações diferenciais ordinárias não lineares, cujos parâmetros seriam estimados por ajuste das respectivas previsões a dados experimentais disponíveis. Foram propostos dois algoritmos estocásticos e baseados em populações para a resolução do problema de optimização resultante: um algoritmo genético (GA) e a optimização por enxame de partículas (PSO). O desempenho dos algoritmos foi testado para um modelo e conjunto de dados, variando os parâmetros operacionais de cada um, a fim de descobrir qual o mais adequado à resolução do problema. Concluiu-se que o PSO era superior ao GA, usando parâmetros operacionais que levassem o algoritmo a convergir com oscilações ou ziguezague, e que privilegiassem uma procura local a uma procura global. Tendo-se usado o PSO para estimar os parâmetros de todos os modelos para os dois conjuntos de dados disponíveis, verificou-se que os melhores valores da função objectivo encontrados para todos os modelos excepto um eram estatisticamente equivalentes à variabilidade dos dados experimentais. Os perfis temporais previstos pelos modelos mostraram, em geral, uma boa concordância com os correspondentes perfis experimentais. Após selecção do melhor modelo, foi analisada a variação dos valores dos seus parâmetros de um conjunto de dados para o outro e formulada uma hipótese experimentalmente testável acerca das vias fisiológicas que levam ao crescimento da levedura nas duas condições experimentais analisadas., en=This work tackled the problem of finding a mathematical model capable of describing, under certain conditions, the physiology of the yeast Debaryomyces hansenii. Nine alternative models were developed, each of which was formulated as a system of nonlinear ordinary differential equations, whose parameters were to be estimated by fitting the corresponding predictions to available experimental data. Two population-based stochastic algorithms were proposed to solve the resulting optimization problem: a genetic algorithm (GA) and particle swarm optimization (PSO). The tuning of the algorithms, using only one model and data set, revealed that the PSO, using operating parameters that resulted in a convergent behavior with oscillation or zigzagging, and privileged local search ability over global search ability, was superior to the GA. Having used the PSO to estimate the parameters of all the models for each of the two available data sets, it was found that the best objective function values obtained for every model except one were statistically equivalent to the variability of the experimental data. The temporal profiles predicted by the models closely agreed, in general, with their experimental counterparts. After selecting the best model, the analysis of the variation of its parameters from one data set to the other allowed the formulation of a testable hypothesis regarding the physiological pathways that lead to biomass growth in the two experimental conditions analyzed.}
Keywords: {pt=Debaryomyces hansenii, Cinética do Crescimento Microbiano, Equações Diferenciais Ordinárias, Estimação de Parâmetros Não Linear, Algoritmos Genéticos, Optimização por Enxame de Partículas, en=Debaryomyces hansenii, Microbial Growth Kinetics, Ordinary Differential Equations, Nonlinear Parameter Estimation, Genetic Algorithms, Particle Swarm Optimization}

Discussão: novembro 23, 2009, 16:0