Mathematical modelling methodologies in predictive food microbiology: A SWOT analysis

1. Mathematical modelling methodologies in predictive food microbiology:A SWOT analysis Leopoldo García Baeza

2. Introducción. • Entendemos la microbiología predictiva como la predicción de el comportamiento de las poblaciones microbianas en general.

3. En particular , se discuten dos enfoques diferentes : • Modelos continuos basados en la población y, • Modelos discretos basados ​​en lo individual.

4. FODA ( Fortalezas - Debilidades - Oportunidades - Amenazas) • Se trata de la especificación de los actores y el objetivo del proyecto.

5. En el análisis que sigue : • los factores internos son las características de los modelos analizados , que se clasifican en fuertes y débiles . • Oportunidades cubrir las aplicaciones actuales y potenciales de cada método para concreto sistemas reales , y también da cuenta de los factores que ayudan a su desarrollo.

6. Las amenazas se describen como los riesgos y limitaciones de cada método .

7. Los modelos de población. • Enfoque de arriba hacia abajo : se tratar con ecuaciones continuas que se aplican a la población. • Las variables tomadas en cuenta por este tipo de modelos representan cantidades macroscópicas. • y un promedio de los atributos de los individuos.

8. Se clasifican en: • Modelos mecanicistas o teórico .(Búsqueda de los mecanismos que impulsan el comportamiento microbiano). • Yempírico o fenomenológico.(Reproducir el comportamiento con un cierto grado de precisión).

9. En función de sus objetivos específicos, modelos continuos pueden ser clasificado en: • Modelos primarios: representan la dinámica de poblaciones microbianas a través del tiempo bajo un medio ambiente particular.

10. Modelos secundarios: describen la respuesta de los parámetros del modelo primario a cambios en el entorno. • Modelos terciarios: utilizan uno o más modelos secundarios y primarios para generar aplicaciones de software fáciles de usar que pueden ser sistemáticamente utilizado por los no modelistas.

11. Modelos basados ​​en el individuo (IBMS) • Son enfoques de abajo hacia arriba. • Considera cada microbio como individuo como un único y discreto entidad con más de una característica que cambia a través de su vida. • Las variables tomadas en cuenta por éstos tipos de modelos representan los atributos individuales , por ejemplo : células diámetro o masa , la posición o el contenido de un metabolito en particular o sustancia.

12. Los parámetros de entrada de IBMS se refieren a valores observables medios de los rasgos individuales. • El enfoque basado en el individuo tiene como objetivo revelar los mecanismos celulares relevantes para explicar los fenómenos macroscópicos observados.

13. Resultados.

15. Conclusiones • Modelación continua es una metodología bien establecida que requiere poca mejoría. Sin embargo , se deben hacer más esfuerzos en la prestación racionalizada de las bases biológicas de los modelos mecanicistas . • Se requieren mejoras específicas para IBMS para que puedan ser utilizados cómodamente en el campo de la microbiología predictiva y ser más generalizada .