Математическое моделирование процессов взаимодействия функциональных и контаминирующих микроорганизмов в биотехнологической системе
Автор: Скрыпников А.В., Белокурова Е.В., Сотников Н.В.
Журнал: Вестник Воронежского государственного университета инженерных технологий @vestnik-vsuet
Рубрика: Пищевая биотехнология
Статья в выпуске: 1 (79), 2019 года.
Бесплатный доступ
Математическое моделирование процессов, происходящих в биотехнологической системе, в том числе описывающих взаимодействие функциональных микроорганизмов с контаминирующей микрофлорой, является в настоящее время перспективным научным направлением. В статье рассматриваются вопросы системного анализа процессов, происходящих в биотехнологической системе при брожении. Под «микробиологической системой» понимается микробиологический процесс, состоящий из двух подсистем или популяций микроорганизмов. В течение заданного технологического процесса эти популяции взаимодействуют между собой путем использования общего ресурса. Системный анализ и математическое моделирование микробиологических процессов представляет собой сложную задачу. Необходимо учитывать массу факторов, таких как одновременное протекание нескольких нестационарных процессов; множество параметров состояния, включая анализ связей между ними; изменение в реальном времени технологических параметров, в частности основного ресурса, учет различных свойств популяций микроорганизмов, влияющих на поведение микробиологических систем (смертность, рождаемость, существование посторонней микрофлоры и т...
Тесто, моделирование, брожение, системный анализ, контаминирующая микрофлора
Короткий адрес: https://sciup.org/140244345
IDR: 140244345 | DOI: 10.20914/2310-1202-2019-1-252-255
Текст научной статьи Математическое моделирование процессов взаимодействия функциональных и контаминирующих микроорганизмов в биотехнологической системе
DOI:
Анализ существующих подходов к решению данной задачи показал [1, 2], что основной причиной сбоев в биотехнологическом процессе в условиях воздействия контаминации является негативное воздействие на жизнедеятельность функциональных микроорганизмов, что приводит к их угнетению. Таким образом, важно определить начало этого негативного воздействия с целью минимизации угнетения полезных микроорганизмов и проведения соответствующих профилактических работ по устранению контаминации [8–14].
Построим системную модель анализа влияния растительных добавок на биотехнологические свойства и показатели качества теста.
Проведенный анализ исследований в данной области показал [3], что деятельность любых организмов прямо зависит от наличия ресурса, который и определяет распределение и численность популяций. В основе механизмов всех изменений, таких, как механизмы распределении ресурсов между популяциями, а также структура экосистемы, лежат законы ресурсного взаимодействия.
Системный анализ и математическое моделирование микробиологических процессов представляет собой сложную задачу. Необходимо учитывать массу факторов, таких, как одновременное протекание нескольких нестационарных процессов; множество параметров состояния, включая анализ связей между ними; изменение в реальном времени технологических параметров, в частности основного ресурса, учет различных свойств популяций микроорганизмов, влияющих на поведение микробиологических систем (смертность, рождаемость, существование посторонней микрофлоры и т. п.), и другие факторы, оказывающие непосредственное влияние на качество готового продукта.
Эти факторы характеризуют сложности формализации математической модели, позволяющей учесть все основные особенности производства хлебобулочных изделий. Существующий математический аппарат и проведенный до этого системный анализ подобного рода производства рассматривал поведение популяции полезных микроорганизмов, но не содержал анализа влияния на нее контаминирующей микрофлоры. Таким образом, вопросы ресурсного конфликта между полезными микроорганизмами и контаминирующей микрофлорой не рассматривались. В то же время наличие контаминирующей микрофлоры приводит к существенному снижению качества и безопасности продукции. Результат ресурсного взаимодействия между полезными микроорганизмами и контаминирующей микрофлорой в реальном процессе имеет большое значение и требует дальнейшего изучения. Кроме того, открытым остается вопрос воздействия на такие процессы с целью минимизации ущерба от возможных последствий с помощью эффективных управленческих решений.
Как известно [3], под «микробиологической системой» понимается микробиологический процесс, состоящий из двух подсистем или популяций микроорганизмов. В течение заданного технологического процесса эти популяции взаимодействуют между собой путем использования общего ресурса D .
Введем обозначения. Пусть N – множество функциональных микроорганизмов, М – множество контаминирующих микроорганизмов. Множества N и М , в свою очередь, состоят из подмножеств или подсистем различных подвидов микроорганизмов соответствующей популяции. При этом множества N и М между собой взаимодействуют по одним и тем же законам вне зависимости от количества видов популяций микроорганизмов.
Введем ограничения. Считаем, что биотехнологический процесс протекает равномерно по всей площади аппарата и непрерывен во времени, а также происходит без прерываний производственного цикла.
Тогда задачу можно свести к системе дифференциальных уравнений, описывающих микробиологический процесс в целом. Для описания общей модели необходимо описать неизвестные функции, включая ограничения на параметры. Кроме того, необходимо задать начальные и граничные условия и определить коэффициенты модели. Обозначим функцию ресурса D с помощью вектора
D = D(d ι …, d р ), р = 1… Р , где d = d ( X , Y , Z , t ) – вектор параметров ресурса; X , Y , Z – пространственные координаты; t – время.
Считаем, что ресурс ограничен и не восполним в рамках производственного цикла. Введем понятие «концентрация ресурса». Пусть р -й компонент ресурса имеет концентрацию d р . Причем при размножении популяций концентрация ресурса расходуется, т. е. d р уменьшается.
Обозначим через dХ произвольный слой ресурса с заданной толщиной. Так как за время dt концентрация d р ресурса меняется на величину dd р , то ее значение будет равно d р + dd р .
Но тогда можно описать градиент концентрации grа d х d р = ∂ d р /∂ X .
В соответствии с законом Фика опишем уравнение для потока q х при изменении концен- |
1. Целевая функция математической модели имеет вид: |
трации d р для р -го компонента ресурса: q х = – D ` grаd х d р = – D·∂d р /∂ X , где D ` – коэффициент смешивания. |
q = q ( q \,- q s ,-, q s ) -———— opt, q ( n i ) - ,ф > max , |
С учетом уравнения непрерывности для концентрации U р получим: ∂ d р /∂ t = – div q х = div( D ` grаd х d р ). В уравнении учитывалось изменение скорости концентрации р -го компонента ресурса в связи с уменьшением колонии микроорганизмов. Так как каждая популяция при своем развитии использует ресурс, то потребление ей р -го компонента ресурса представим в виде функции потребления Q р ( d р , t ). Эта функция зависит от скорости роста количества микроорганизмов μ, которое будет меняться во времени. Рассмотрим некое максимальное значение для концентрации р -го компонента ресурса D ор = D о ( d р , X , Y , Z , t ). При достижении его дальнейший рост прекращается и вследствие нехватки ресурса популяции погибают. С другой стороны, будем считать, что при D р > D ор , наоборот, биомасса популяции растет. Выбор порогового значения D ор на практике представляет собой сложную задачу ввиду наличия множества факторов, учесть которые можно только в результате эксперимента и с учетом особенностей рассматриваемой задачи. На основании проведенных исследований можно сделать вывод о том, что математическое описание микробиологических процессов при производстве хлебобулочных изделий представляет собой систему двух дифференциальных уравнений. Она описывает процессы жизнедеятельности двух популяций с учетом двух начальных условий, характеризующих начальное количество микроорганизмов, а также задания пяти параметров модели: удельной скорости роста μ , смертности с , а также специального коэффициента α , описывающего их ресурсное взаимодействие между собой. При этом считаем, что К – общая биомасса среды, которая, в свою очередь, состоит из полезной и контаминирующей биомассы популяций, задается экономическим коэффициентом а , учитывающим долю потребляемого ресурса в производстве новой биомассы. Будем оценивать качество готовой продукции вектором критериев эффективности Q = Q (q 1 …, q s ), s ϵ S в соответствии с принципом оптимальности по Парето. Таким образом, предложим системную модель микробиологических изменений в процессе тестоведения в следующем виде. |
q ( m j ) - >min , q ( K ) к ,ф > max - 2. Область поиска Ф задается следующими параметрическими и функциональными ограничениями: N = n ( n ,... n ,..., n{ ) , i = 1, I , M = m ( m 1,... m ;,..., mj ) , j = 1, J , D = D ( d , ,... d p ,..., dP ) , p = 1, P ,
d
p
=
d
(
d
op
,
x
,
У
,
x
,
t
)
,
P
=
1,
P
,
t
e
T
,
d
pL
o=
d
op
(
x
,
y
,
x
)
,
p
e
P
,
dd
p
=
div
(
D
p
(
d
p
)
grad
d
p
)
+
Q
p
(
d
p
,
t
)
,
qua,
j
Qp
(
dp
,
t
>
,
D
p
>
D
p,
Qp
(
p
,
) n
в [ 0, p op D op = D o ( d p , x , У , z , t ) , p e P , t e T , dDp —p = D„ - a, up, - a m, n ,, dt p i i i j j j j dn, u n 2 nmi — = M i n i--- U i a i —-- c i n i , at n n m m dm, и, m 2 nm. u j m j ua j c j n j at m ш m jm
= u K u cK , K dt Km K = n + m,,ii e I , j e J , t e T , ij nV = 0 = n oi ( x , У , x ) , m j L = m oj (x , У , x ) , n \ =n =m ,K\ = К , i I t = T , *j|, = t *jm , I t = t m , [ n i , D p > D op [ m j , D p > D op
i [ 0, D p < D op ’ j [ 0, D p < D op , a , > 0, a ; > 0, и > 0, u ^ 0, a ^ o, a ^ 0, Ci > 0, C j > 0, где Т – интервал времени; n im , m jm – максимальные значения мощности популяций; K m – максимальное значение мощности прироста биомассы. Представленная системная модель позволяет продолжить исследование поставленных в работе вопросов путем дальнейшего изучения ее компонентов. |
Список литературы Математическое моделирование процессов взаимодействия функциональных и контаминирующих микроорганизмов в биотехнологической системе
- Магомедов Г.О., Лобосова Л.А., Олейникова А.Я. Химико-технологический контроль на предприятиях хлебопекарной, макаронной и кондитерской отрасли (теория и практика): учебное пособие. Воронеж, 2014. 90 с.
- Белокурова Е.В., Маслова В.А. Прогнозирование и варьирование показателей качества мучных кулинарных изделий с внесением цельнозерновой пшеничной муки//Пищевая промышленность. 2017. № 6. С. 26-28.
- Соловьева О.Э. и др. Математическое моделирование живых систем: учебное пособие. Екатеринбург, 2013. 328 с.
- Чертов Е.Д., Скрыпников А.В., Буданов А.В., Котов Г.И. Обоснование вычислительных методов обеспечения информационных систем управления//Вестник ВГУИТ. 2016. № 3 (69). С. 100-104.
- Родионова Н.С., Алексеева Т.В., Попов Е.С., Калгина Ю.О. и др. Гигиенические аспекты и перспективы отечественного производства продуктов глубокой переработки зародышей пшеницы//Гигиена и санитария. 2016. Т. 95. № 1. С. 74-79.
- Смирнов Н.А., Груздев Г.В. Оптимизация производства и реализации продукции картофелеводства // Вестник НГИЭИ. 2017. № 7 (74). С. 100-109.
- Афанасьева О.В. Микробиология хлебопекарного производства: монография. СПб.: Береста, 2013. 220 с.
- Vanhanen M., Tuomi T., Hokkanen H., Tupasela O. et al. Enzyme exposure and enzyme sensitisation in the baking industry // Occupational and Environmental Medicine. 1996. V. 53. P. 670-676.
- DOI: 10.1136/oem.53.10.670
- Patel A.K., Singhania R.R., Pandey A. Novel enzymatic processes applied to the food industry // Current Opinion in Food Science. 2016. V. 7. P. 64-72. 10.1016/ j.cofs.2015.12.002
- DOI: 10.1016/j.cofs.2015.12.002
- Zuniga C., Zaramela L., Zengler K. Elucidation of complexity and prediction of interactions in microbial communities // Microbial Biotechnology. 2017. V. 10. № 6.
- DOI: 10.1111/1751-7915.12855
- Cauvain S. Process Control and Software Applications in Baking // Technology of Breadmaking. 2015. P. 213-227.
- de Candia S., Morea M., Baruzzi F. Eradication of high viable loads of Listeria monocytogenes contaminating food-contact surfaces // Frontiers in microbiology. 2015. V. 6. P. 733.
- Jabeen F., Ahmed M., Ahmed F., Sarwar M. et al. Characterization of cypermethrin degrading bacteria: A hidden micro flora for biogeochemical cycling of xenobiotics // Advancements in Life Sciences. 2017. V. 4. № 3. P. 97-107.
- Bunkova L., Bunka F. Microflora of processed cheese and the factors affecting it // Critical reviews in food science and nutrition. 2017. V. 57. № 11. P. 2392-2403.