1 / 47. Matematičko modeliranje u biologiji 3. MODEL BIOREAKTORA

Σχετικά έγγραφα
Matematika 1 - vježbe. 11. prosinca 2015.

UNIVERZITET U NIŠU ELEKTRONSKI FAKULTET SIGNALI I SISTEMI. Zbirka zadataka

1.4 Tangenta i normala

3.1 Granična vrednost funkcije u tački

2 tg x ctg x 1 = =, cos 2x Zbog četvrtog kvadranta rješenje je: 2 ctg x

PARNA POSTROJENJA ZA KOMBINIRANU PROIZVODNJU ELEKTRIČNE I TOPLINSKE ENERGIJE (ENERGANE)

( , 2. kolokvij)

Osnovni primer. (Z, +,,, 0, 1) je komutativan prsten sa jedinicom: množenje je distributivno prema sabiranju

ELEKTROTEHNIČKI ODJEL

Apsolutno neprekidne raspodele Raspodele apsolutno neprekidnih sluqajnih promenljivih nazivaju se apsolutno neprekidnim raspodelama.

DISKRETNA MATEMATIKA - PREDAVANJE 7 - Jovanka Pantović

Funkcije dviju varjabli (zadaci za vježbu)

numeričkih deskriptivnih mera.

IspitivaƬe funkcija: 1. Oblast definisanosti funkcije (ili domen funkcije) D f

a M a A. Može se pokazati da je supremum (ako postoji) jedinstven pa uvodimo oznaku sup A.

Eliminacijski zadatak iz Matematike 1 za kemičare

PARCIJALNI IZVODI I DIFERENCIJALI. Sama definicija parcijalnog izvoda i diferencijala je malo teža, mi se njome ovde nećemo baviti a vi ćete je,

( , treći kolokvij) 3. Na dite lokalne ekstreme funkcije z = x 4 + y 4 2x 2 + 2y 2 3. (20 bodova)

π π ELEKTROTEHNIČKI ODJEL i) f (x) = x 3 x 2 x + 1, a = 1, b = 1;

Linearna algebra 2 prvi kolokvij,

IZVODI ZADACI ( IV deo) Rešenje: Najpre ćemo logaritmovati ovu jednakost sa ln ( to beše prirodni logaritam za osnovu e) a zatim ćemo

Operacije s matricama

Matematička analiza 1 dodatni zadaci

7 Algebarske jednadžbe

(P.I.) PRETPOSTAVKA INDUKCIJE - pretpostavimo da tvrdnja vrijedi za n = k.

Kaskadna kompenzacija SAU

RIJEŠENI ZADACI I TEORIJA IZ

radni nerecenzirani materijal za predavanja R(f) = {f(x) x D}

18. listopada listopada / 13

Strukture podataka i algoritmi 1. kolokvij 16. studenog Zadatak 1

41. Jednačine koje se svode na kvadratne

1 Promjena baze vektora

Opća bilanca tvari - = akumulacija u dif. vremenu u dif. volumenu promatranog sustava. masa unijeta u dif. vremenu u dif. volumen promatranog sustava

SEMINAR IZ KOLEGIJA ANALITIČKA KEMIJA I. Studij Primijenjena kemija

Ĉetverokut - DOMAĆA ZADAĆA. Nakon odgledanih videa trebali biste biti u stanju samostalno riješiti sljedeće zadatke.

IZVODI ZADACI (I deo)

Funkcija gustoće neprekidne slučajne varijable ima dva bitna svojstva: 1. Nenegativnost: f(x) 0, x R, 2. Normiranost: f(x)dx = 1.

Pismeni ispit iz matematike Riješiti sistem jednačina i diskutovati rješenja sistema u zavisnosti od parametra: ( ) + 1.

Linearna algebra 2 prvi kolokvij,

MEHANIKA FLUIDA. Isticanje kroz otvore sa promenljivim nivoom tečnosti

Iskazna logika 3. Matematička logika u računarstvu. novembar 2012

TRIGONOMETRIJA TROKUTA

INTEGRALNI RAČUN. Teorije, metodike i povijest infinitezimalnih računa. Lucija Mijić 17. veljače 2011.

M086 LA 1 M106 GRP. Tema: Baza vektorskog prostora. Koordinatni sustav. Norma. CSB nejednakost

Teorijske osnove informatike 1

PRAVA. Prava je u prostoru određena jednom svojom tačkom i vektorom paralelnim sa tom pravom ( vektor paralelnosti).

Riješeni zadaci: Nizovi realnih brojeva

Trigonometrija 2. Adicijske formule. Formule dvostrukog kuta Formule polovičnog kuta Pretvaranje sume(razlike u produkt i obrnuto

Gravitacija. Gravitacija. Newtonov zakon gravitacije. Odredivanje gravitacijske konstante. Keplerovi zakoni. Gravitacijsko polje. Troma i teška masa

Pismeni ispit iz matematike GRUPA A 1. Napisati u trigonometrijskom i eksponencijalnom obliku kompleksni broj, zatim naći 4 z.

MATRICE I DETERMINANTE - formule i zadaci - (Matrice i determinante) 1 / 15

IZRAČUNAVANJE POKAZATELJA NAČINA RADA NAČINA RADA (ISKORIŠĆENOSTI KAPACITETA, STEPENA OTVORENOSTI RADNIH MESTA I NIVOA ORGANIZOVANOSTI)

Numerička matematika 2. kolokvij (1. srpnja 2009.)

Ispitivanje toka i skiciranje grafika funkcija

5. Karakteristične funkcije

( x) ( ) ( ) ( x) ( ) ( x) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )

Kombinirajući gornja razmatranja, zaključujemo da za prirast količine kulture NV u malom vremenskom intervalu od t do t + t vrijedi:

5. PARCIJALNE DERIVACIJE

NOMENKLATURA ORGANSKIH SPOJEVA. Imenovanje aromatskih ugljikovodika

Zadaci sa prethodnih prijemnih ispita iz matematike na Beogradskom univerzitetu

TRIGONOMETRIJSKE FUNKCIJE I I.1.

21. ŠKOLSKO/OPĆINSKO/GRADSKO NATJECANJE IZ GEOGRAFIJE GODINE 8. RAZRED TOČNI ODGOVORI

3 Populacija i uzorak

Cauchyjev teorem. Postoji više dokaza ovog teorema, a najjednostvniji je uz pomoć Greenove formule: dxdy. int C i Cauchy Riemannovih uvjeta.

MATEMATIKA I 1.kolokvij zadaci za vježbu I dio

SISTEMI NELINEARNIH JEDNAČINA

S t r a n a 1. 1.Povezati jonsku jačinu rastvora: a) MgCl 2 b) Al 2 (SO 4 ) 3 sa njihovim molalitetima, m. za so tipa: M p X q. pa je jonska jačina:

( ) ( ) 2 UNIVERZITET U ZENICI POLITEHNIČKI FAKULTET. Zadaci za pripremu polaganja kvalifikacionog ispita iz Matematike. 1. Riješiti jednačine: 4

Elementi spektralne teorije matrica

( ) ( ) Zadatak 001 (Ines, hotelijerska škola) Ako je tg x = 4, izračunaj

Klasifikacija blizu Kelerovih mnogostrukosti. konstantne holomorfne sekcione krivine. Kelerove. mnogostrukosti. blizu Kelerove.

Uvod u teoriju brojeva

Kontrolni zadatak (Tačka, prava, ravan, diedar, poliedar, ortogonalna projekcija), grupa A

2.7 Primjene odredenih integrala

5 Ispitivanje funkcija

radni nerecenzirani materijal za predavanja

Riješeni zadaci: Limes funkcije. Neprekidnost

1. Duljinska (normalna) deformacija ε. 2. Kutna (posmina) deformacija γ. 3. Obujamska deformacija Θ

Deformacije. Tenzor deformacija tenzor drugog reda. Simetrinost tenzora deformacija. 1. Duljinska deformacija ε. 1. Duljinska (normalna) deformacija ε

Obrada signala

APROKSIMACIJA FUNKCIJA

VJEŽBE 3 BIPOLARNI TRANZISTORI. Slika 1. Postoje npn i pnp bipolarni tranziostori i njihovi simboli su dati na slici 2 i to npn lijevo i pnp desno.

Neka je a 3 x 3 + a 2 x 2 + a 1 x + a 0 = 0 algebarska jednadžba trećeg stupnja. Rješavanje ove jednadžbe sastoji se od nekoliko koraka.

Matematičke metode u marketingumultidimenzionalno skaliranje. Lavoslav ČaklovićPMF-MO

Sume kvadrata. mn = (ax + by) 2 + (ay bx) 2.

PRIMJER 3. MATLAB filtdemo

Novi Sad god Broj 1 / 06 Veljko Milković Bulevar cara Lazara 56 Novi Sad. Izveštaj o merenju

I.13. Koliki je napon između neke tačke A čiji je potencijal 5 V i referentne tačke u odnosu na koju se taj potencijal računa?

Otpornost R u kolu naizmjenične struje

INTELIGENTNO UPRAVLJANJE

Dužina luka i oskulatorna ravan

FTN Novi Sad Katedra za motore i vozila. Teorija kretanja drumskih vozila Vučno-dinamičke performanse vozila: MAKSIMALNA BRZINA

Veleučilište u Rijeci Stručni studij sigurnosti na radu Akad. god. 2011/2012. Matematika. Monotonost i ekstremi. Katica Jurasić. Rijeka, 2011.

Sortiranje prebrajanjem (Counting sort) i Radix Sort

IZVODI ZADACI (I deo)

- pravac n je zadan s točkom T(2,0) i koeficijentom smjera k=2. (30 bodova)

Računarska grafika. Rasterizacija linije

Osnovne teoreme diferencijalnog računa

Gauss, Stokes, Maxwell. Vektorski identiteti ( ),

4.7. Zadaci Formalizam diferenciranja (teorija na stranama ) 343. Znajući izvod funkcije x arctg x, odrediti izvod funkcije x arcctg x.

Transcript:

1 / 47 Matematičko modeliranje u biologiji 3. MODEL BIOREAKTORA

2 / 47 Model bioreaktora Model rasta s ograničenjem hranjivih sastojaka 3.1. Model rasta s ograničenjem hranjivih sastojaka Ukoliko nema ogranićenja na hranjive sastojke, rast je opisan s P = b P Količina hrane ograničena (ne obnavlja se) povećanjem populacije, smanjuje se količina (dostupnost) hrane smanjuje se brzina rasta

Model rasta s ograničenjem hranjivih sastojaka 3 / 47 Označimo S(t) - koncentracija hranjivih sastojaka P(t) - koncentracija populacije Napomena. volumen S(t) - ukupna količina hranjivih sastojaka N(t) = volumen P(t) - ukupna veličina populacije Brzina rasta (b) ovisi o S b(s)

4 / 47 Model bioreaktora Pretpostavke na b(s) Model rasta s ograničenjem hranjivih sastojaka S = 0 - nema hranjivih sastojaka nema rasta b(0) = 0 Količina hrane neograničena - S = eksponencijalni rast b( ) = V Najjednostavnija funkcija b koja zadovoljava b(0) = 0 i b( ) = V je b(s) = V S K + S

5 / 47 Jackues Monod Model bioreaktora Model rasta s ograničenjem hranjivih sastojaka 1910, Pariz, Francuska 1976.,Cannes, Francuska 1965. Nobelova nagrada za fiziologiju i medicinu Jedan od utemljitelja molekularne biologije J. Monod (1949). The growth of bacterial cultures, Ann. Rev. Microbiol., 3, 371 393 Proučavao brzinu rasta kultura bakterija Escherichia Coli K12. Ovisnost brzine rasta o koncentraciji hranjivih sastojaka (glukoza) Za konstantnu koncentraciju glukoze (S), brzina rasta je konstantna: P = b(s) P. Eksperimentalno utvr divao specifičnu brzinu rasta za danu koncentraciju glukoze

Model rasta s ograničenjem hranjivih sastojaka 6 / 47 Eksperimentalno utvr dena veza izme du specifične brzine rasta i koncentracije hranjivih sastojaka: b(s) = V S K + S Monodova funkcija V - maksimalna specifična brzina rasta K - polusaturacijska konstanta = koncentracija supstrata na kojoj je specifična brzina rasta jednaka polovici maksimalne Sada je brzina rasta populacije dana s P (t) = V S(t) K + S(t) P(t)

Model rasta s ograničenjem hranjivih sastojaka 7 / 47 Zakon o održanju mase: ukupna masa sustava je konstantna Sva hrana se pretvara u biomasu. Masa populacije = volumen P(t) m P (m P masa jedne stanice) Masa hranjivih sastojaka = volumen S(t) m S (m S jedinična masa hranjivih sastojaka) Definirajmo Y = m S m P volumen P(t) m P + volumen S(t) m S = const Y S(t) + P(t) = const d [Y S(t) + P(t)] = 0 dt S (t) = P (t) Y S(t) P(t) = V K + S(t) Y

Model rasta s ograničenjem hranjivih sastojaka Monodov model P (t) = V S(t) K + S(t) P(t) S (t) = V S(t) P(t) K + S(t) Y P t 0 2 4 6 8 10 2 S t 2.0 0 2 4 6 8 10 12 Vrijeme 8 / 47

Model rasta s ograničenjem hranjivih sastojaka Iz slijedi Y S + P = C S = 1 (C P) Y P = V S K + S P = V Y C P K + 1 Y (C P)P = V (C P) K Y + C P P P = V (C P) K Y + C P P 9 / 47

Model rasta s ograničenjem hranjivih sastojaka 10 / 47 Model dobro opisuje eksperimentalne podatke. Podaci za rast E. coli 100 80 P t 60 40 20 0 0 100 200 300

11 / 47 Model bioreaktora Fazni portret sustava. Model rasta s ograničenjem hranjivih sastojaka - Parametarski graf {(S(t), P(t)) t 0} Monodov model: P + Y S = C Linearna veza. C je definiran početnim uvjetima: C = P(0) + Y S(0) = P 0 + Y S 0

Model rasta s ograničenjem hranjivih sastojaka 12 / 47 2.0 P 0.2 0.4 0.6 0.8 1.2 1.4 P t 0 2 4 6 8 10 2 S t 0 2 4 6 8 10

Model rasta s ograničenjem hranjivih sastojaka 13 / 47 2.0 P 0.2 0.4 0.6 0.8 1.2 1.4

14 / 47 Model bioreaktora Fazni portret za Monodov model Model rasta s ograničenjem hranjivih sastojaka 3.0 2.5 2.0 P 2.0 2.5 3.0

Rast i mirovanje 15 / 47 3.2. Rast i mirovanje Kada su hranjivi sastojci potrešeni (nedostupni), stanice mogu prijeći u stanje mirovanja (engl. quiescence). U tom stanju mogu biti dugo vremena. Uvodimo još jednu populaciju stanica (stanice u mirovanju), Q: S - koncentracija (ograničenih) hranjivih sastojaka P - populacija stanica u rastu (koncentracija) Q - populacija stanica u mirovanju (koncentracija)

Rast i mirovanje 16 / 47 Model izvodimo iz prijašnjeg modela: S = V S P K + S Y P = V S K + S P Q Q =? Napomena. Stanice u mirovanju ne troše hranjive sastojke. S ne ovisi o Q

17 / 47 Model bioreaktora Rast i mirovanje Pretpostavke: Brzina prijelaza iz P Q je proporcionalna P Brzina prijelaza iz Q P je proporcionalna Q Obje ovise o S (koncentarciji hranjivih sastojaka): Q = α(s)p β(s)q Izbor funkcija α(s) i β(s): Ako ima dovoljno hranjivih sastojaka (S velik) α(s) 0 i β(s) > 0 Ako nema hranjivih sastojaka (S 0) α(s) > 0 i β(s) 0 α(0) > 0, α( ) = 0 i β(0) = 0, β( ) > 0 α(s) = 1 1 + S i β(s) = S 1 + S

Rast i mirovanje 18 / 47 Model: S = V S P K + S Y P = V S P α(s)p + β(s)q K + S Q = α(s)p β(s)q Napomena. Ukoliko umjesto mirovanja imamo umiranje. Nema povratka Q P, β 0

Rast i mirovanje 19 / 47 S t 0 5 10 15 0 P t 0 5 10 15 0 Q t 0 5 10 15 0

20 / 47 Model bioreaktora 3.3. Chemostat model Chemostat model Monodov model - rast u zatvorenom sustavu. Nema dotoka hrane ili uklanjanja dijela populacije. Kulturu stanica je moguće uzgajati u fiksiranom volumenu gdje se hranjivi sastojci konstantno obnavljaju protokom medija kroz njih.

Chemostat model 21 / 47 U komori se, u mediju, nalaze stanice i hranjivi sastojci (supstrat) Izmješani su idealno (koncentracija stanica i hranjivih sastojaka u komori je uniformna) Supstrat konstantnim tokom dotječu u komoru Istom brzinom sadržaj komore istječe, održavajući volumen konstantnim ω - brzina ispiranja (engl. washout rate) = brzina toka (volumen/vrijeme) / volumen komore

Chemostat model 22 / 47 Ovakav bioreaktor se naziva chemostat ( Chemical environment is static) ili CSTR ( continuosly stirred tank reactor) Dotok hranjivih sastojaka/supstrata se može regulirati Tako der se može regulirati temperatura, dovod kisika,... može se uzgajati više populacija (u različitom me duodnosu) biološki model za složene ekosustave

Izvod modela Model bioreaktora Chemostat model Promjena koncentracije supstrata: Q = dotok iz spremnika - potrošnja populacije - ispiranje Promjena koncentracije populacije: P = dioba - ispiranje brzina diobe: V S P (Monodova funkcia) K + S brzina potrošnje supstrata: V S P K + S Y brzina dotoka supstrata: ω S 0 Ukupan dotok (brzina): ω ν (ν - volumen komore) Ukupan dotok supstrata: ω ν S 0 Povećanje koncentracije supstrata: ω ν S 0 /ν = ω S 0 Ukupno istjecanje (brzina): ω ν (= ukupan dotok) Istjecanje - populacija: ω P(t) Istjecanje - supstrat: ω S(t) 23 / 47

Chemostat model. Model bioreaktora Chemostat model S = V S P K + S Y + ω S 0 ω S P = V S K + S P ω P S t 0 10 20 30 0 P t 0 10 20 30 0 24 / 47

25 / 47 Biofilm. Model bioreaktora Chemostat model Tijekom rasta u komori stanice se mogu početi lijepiti za stijenku komore. Biofilm. Sada se u komori nalaze stanice koje slobodno plutaju u mediju (P) stanice priljepljene za zid komore (Q) Stanice priljepljene za zid komore imaju drugačiju potrošnju hranjivih sastojaka (manja dostupnost) manja specifična brzina rasta ne istječu s medijem iz komore Stanice se priljepljuju za stijenku komore brzinom α = α(s) (prijelaz iz populacije P u populaciju Q) Uslijed protoka medija, stanice se odljepljuju od stijenke komore brzinom β = β(s) (prijelaz iz populacije Q u populaciju P)

Chemostat model 26 / 47 Model: S = V S P K + S Y V Q S P K Q + S Y ω (S S 0) S P = V S P ω P α(s) P + β(s) Q K + S Q = V Q S P + α(s) P β(s) Q K Q + S

Chemostat model 27 / 47 S t 0 10 20 30 0 P t 0 10 20 30 0 Q t 0 10 20 30 0

28 / 47 Model bioreaktora Chemostat model Hranidbeni lanac. Rast s ograničenim hranjivim sastojcima U posudi su tri vrste mikroba (P 1, P 2, P 3 ). Populacija P 1 konzumira supstrat S 1 koji koji se nalazi u posudi. P 1 proizvodi supstrat S 2 za populaciju P 2 P 2 proizvodi supstrat S 3 za populaciju P 3 S 1 P 1 S 2 P 2 S 3 P 3 Populacija P 1 supstrat S 2 proizvodi brzinom m 2 Populacija P 2 supstrat S 3 proizvodi brzinom m 3

29 / 47 Model bioreaktora Krenut ćemo od Monodovog nodela. Chemostat model Pretpostavljamo da sve stanice proizvode suptrat. Izvedimo jednadžbu za populaciju P 1. Rast populacije je opisan s: Proizvodnja supstrata: m 2 P 1. Promjena supstrata S 1 : P 1 = V 1 S 1 K 1 + S 1 P 1 Jednadžbe: S 1 = V 1 S 1 K 1 + S 1 P 1 Y 1 m 2 Y 1 P 1 P 1 = V 1 S 1 K 1 + S 1 P 1 S 1 = V 1 S 1 K 1 + S 1 P 1 Y 1 m 2 Y 1 P 1

Chemostat model 30 / 47 Druga populacija analogno. Povećanje koncentracije supstrata: m 2 P 1. P 2 = V 2 S 2 K 2 + S 2 P 2 S 2 = m 2 P 1 V 2 S 2 K 2 + S 2 P 2 Y 2 m 3 Y 2 P 2 Isto i za populaciju P 3, jedino što nema proizvodnje supstrata: P 3 = V 3 S 3 K 3 + S 3 P 3 S 3 = m 3 P 2 V 3 S 3 K 3 + S 3 P 3 Y 3

Chemostat model 31 / 47 Model: S 1 = V 1 S 1 K 1 + S 1 P 1 Y 1 m 2 Y 1 P 1 P 1 = V 1 S 1 K 1 + S 1 P 1 S 2 = m 2 P 1 V 2 S 2 K 2 + S 2 P 2 Y 2 m 3 Y 2 P 2 P 2 = V 2 S 2 K 2 + S 2 P 2 S 3 = m 3 P 2 V 3 S 3 K 3 + S 3 P 3 Y 3 P 3 = V 3 S 3 K 3 + S 3 P 3

Chemostat model 32 / 47 P 1 t 0 10 20 30 0 P 2 t 0 10 20 30 0 P 3 t 0 10 20 30 0 Populacija se smanjuje!

Chemostat model 33 / 47 S1 t 0 10 20 30 0 S2 t 0 10 20 30 0 S3 t 0 10 20 30 0 Negativne koncentracije supstrata!

Chemostat model Stanice proizvode supstrat i kada više nemaju svojih hranjivih sastojaka! Treba koristiti model s uključenim stanicama u mirovanju. Supstrat proizvode samo aktivne stanice. Kada nema hranjivih sastojaka, stanice su u stanju mirovanja i nema proizvodnje supstrata. Zadatak Modificirajte prethodni model tako da uključite i populaciju stanica u mirovanju. 34 / 47

35 / 47 Rješenje. Model bioreaktora Chemostat model S 1 = V 1 S 1 K 1 + S 1 P 1 Y 1 m 2 Y 1 P 1 P 1 = V 1 S 1 K 1 + S 1 P 1 α 1 (S 1 ) P 1 + β 1 (S 1 ) Q 1 Q 1 = α 1 (S 1 ) P 1 β 1 (S 1 ) Q 1 S 2 = m 2 P 1 V 2 S 2 K 2 + S 2 P 2 Y 2 m 3 Y 2 P 2 P 2 = V 2 S 2 K 2 + S 2 P 2 α 2 (S 2 ) P 2 + β 2 (S 2 ) Q 2 Q 2 = α 2 (S 2 ) P 2 β 2 (S 2 )Q 2 S 3 = m 3 P 2 V 3 S 3 K 3 + S 3 P 3 Y 3 P 3 = V 3 S 3 K 3 + S 3 P 3 α 3 (S 3 ) P 3 + β 3 (S 3 ) Q 3 Q 3 = α 3 (S 3 ) P 3 β(s 3 )Q 3

Chemostat model 36 / 47 P 1 t 0 10 20 30 40 50 0 S1 t 0 10 20 30 0 P 2 t 0 10 20 30 40 50 0 S2 t 0 10 20 30 0 P 3 t 0 10 20 30 40 50 0 S3 t 0 10 20 30 0 Negativne koncentracije supstrata!

Chemostat model 37 / 47 I dalje se troši supstrat kada ga nema. Modificirajmo proizvodnju supstrata. Ako nema supstrata S 1 onda nema niti proizvodnje supstrata S 2. Proizvodnja: S 1 1 + S 1 m 2 P 1 S 2 1 + S 2 m 3 P 2

Chemostat model 38 / 47 P 1 t 0 10 20 30 0 S1 t 2.5 2.0 0 10 20 30 0 P 2 t 0 10 20 30 0 S2 t 2.5 2.0 0 10 20 30 0 P 3 t 0 10 20 30 0 S3 t 2.5 2.0 0 10 20 30 0

Chemostat model 39 / 47 Ako na isti način modificiramo model rasta s ograničenjem (bez populacije stanica u mirovanju) dobijamo Model: S 1 = V 1 S 1 K 1 + S 1 P 1 Y 1 S 1 1 + S 1 m 2 Y 1 P 1 P 1 = V 1 S 1 K 1 + S 1 P 1 S 2 = S 1 1 + S 1 m 2 P 1 V 2 S 2 K 2 + S 2 P 2 Y 2 S 2 1 + S 2 m 3 Y 2 P 2 P 2 = V 2 S 2 K 2 + S 2 P 2 S 3 = S 2 1 + S 2 m 3 P 2 V 3 S 3 K 3 + S 3 P 3 Y 3 P 3 = V 3 S 3 K 3 + S 3 P 3

Chemostat model 40 / 47 P 1 t 0 10 20 30 40 S1 t 0 10 20 30 40 P 2 t 0 10 20 30 40 S2 t 0 10 20 30 40 P 3 t 0 10 20 30 40 S3 t 0 10 20 30 40

41 / 47 7. Domaća zadaća Model bioreaktora Chemostat model Izvedite model hranidbenog lanca s tri populacije za rast u chemostatu.

42 / 47 Model bioreaktora 4.4. Model infuzije lijeka Model infuzije lijeka Modifikacija chemostat modela se može iskoristiti kao jednostavan model utjecaja lijeka u krvi (npr. kemoterapija). Ovdje je S 0 - koncentracija lijeka u krvi koja ulazi u organ (u chemostat modelu je to bila oznaka za koncentraciju hranjivih sastojaka).

Model infuzije lijeka 43 / 47 P(t) - broj stanica izloženih lijeku (pretpostavka: sve su stanice jednake mase) V volumen krvi u organu, tj. volumen krvi u području u kojem se stanice tretiraju. F = F in = F out - brzina protoka krvi (l/s) S 0, S(t) - koncentracija lijeka Pretpostavka: stanice i lijek u organu su dobro izmiješani. Realističniji modeli npr. uključuju da lijek djeluje samo na vanjske stanice tumora. F je brzina toka krvi koja arterijom dolazi u organ i izlazi iz njega..

Model infuzije lijeka 44 / 47 Glavna razlika u odnosu na chemostat model: stanice se razmnožavaju brzinom koja je, u principu, nezavisna o lijeku. ali lijek ima negativni utjecaj na rast populacije stanica ubijajući ih. Brzinu ubijanja opisujemo nekom funkcijom K (S). krv na izlazu sadrži samo (neiskorišteni) lijek a ne i stanice. Pretpostavke su: stanice se razmnožavaju eksponencijalno brzina ubijanja je proporcionalna s K (S) P.

Model infuzije lijeka 45 / 47 Uočimo da je brzina ubijanja stanica modelirana s K (S) P. Broj ubijenih stanica u jedinici vremena ovisi o ukupnom broju stanica. Povećanjem broja stanica očekujemo i povećanje broja ubijenih stanica K (S) P je najjednostavnija funkcija koja to opisuje (parsimonija!)

46 / 47 Chemostat model: Model bioreaktora Model infuzije lijeka P = K (S)P ωp S = K (S) P Y + ω(s S 0) Rast populacije ne ovisi o koncentraciji lijeka (S): = K (S)P kp Nema otjecanja stanica: = ωp 0 Model infuzije lijeka: P = kp K (S)P S = αk (S)P + ω(s S 0 )

Model infuzije lijeka 47 / 47 Kako definirati funkciju K (S)? K (0) = 0 i K ( ) = β < = K (S) = βs a + S. Zadatak. Modificirajte model. Pretpostavku o eksponencijalnom rastu zamijenite logističkim ili Gompertzovim modelom.