Академический Документы
Профессиональный Документы
Культура Документы
biorremediacin
Ricardo Hernndez Medina
Microorganismos
Capacidad metablica para
utilizar contaminantes como
sustrato para su crecimiento
Modificaciones genticas para
aumentar eficiencia
Rutas metablicas modificadas
Actividad catablica estable
Amplia gama de sustratos
(Singh, Imam y Shukla, 2014)
Enfoque in silico
Simplifica y ahorra el esfuerzo de
llevar a cabo el estudio in vitro
Aborda los problemas de la
biorremediacin desde otra
perspectiva
Estudiar proceso de biodegradacin de
contaminantes
Comprender reacciones bioqumicas durante
la biorremediacin biorremediacin
(Singh, Imam y Shukla, 2014)
Modelado
matemtic
o
Enfoque in silico
Genmica
Estrategi
as in
silico
Bases de
datos
Acoplamien
to
molecular
2. Representar reacciones
metablicas en una matriz
3. Formular sistema de
ecuaciones
Z es la funcin
objetivo
c es un vector que
indica cunto
contribuye cada
reaccin al objetivo
cuando solamente se
optimiza una
reaccin:
(Orth, Thiele y Palsson, 2010)
Z=v
5. Optimizar Z mediante
programacin lineal
Entorno celular
Sntesis de
aminocidos y
cidos
nucleicos
Evolucin de
macromolculas
Acoplamiento molecular
Modelado de la interaccin entre una
molcula pequea (ligando) y una
protena a nivel atmico
Predecir conformacin,
orientacin y posicin del
ligando
Evaluar afinidad de la unin
entre ligando y protena
Acoplamiento molecular
Mtodo de
bsqueda
Sistemtico
Estocstico
Funcin de
puntuacin
Emprica
Mecnica
molecular
(Morris y Lim-Wilby, 2008)
Acoplamiento aplicado a
biorremediacin
Evaluacin
de
resultados
Acoplamien
to
Preparaci
n de
ligando
Preparaci
n de
protena
blanco
Seleccin
de ligando
Seleccin
de protena
blanco
Bases de datos
Aumento en los datos experimentales
sobre microorganismos y sus rutas
metablicas
Datos organizados y almacenados en
diversas bases de datos que ayudan a
encontrar y visualizar la informacin
Genmica
Determinar qu
microorganismos se
pueden emplear para
biorremediar al agruparlos
mediante un anlisis
filogentico
Comparacin de secuencias
Bsqueda de genes
Prediccin de expresin
gnica
(Singh, Imam y Shukla, 2014)
Conclusin
Las herramientas,
la informacin y
los enfoques in
silico aportan
nuevas ideas para
solucionar los
problemas a los
que se enfrenta la
biorremediacin
Mejores
algoritmos
pueden simular
con mayor
fidelidad sitios de
biorremediacin y
aumentar la
eficiencia de la
investigacin en
el rea
Referencias
Mahadevan, R., Bond, D. R., Butler, J. E., Esteve-Nuez, A., Coppi, M. V., Palsson, B. O.,
Schilling, C. H. y Lovley, D. R. (2006). Characterization of metabolism in the
Fe(III)-reducing organism Geobacter sulfurreducens by constraint-based
modeling. Applied and Environmental Microbiology, 72(2), 1558-1568. doi:
10.1128/AEM.72.2.1558-1568.2006
Morris, G. M. y Lim-Wilby, M. (2008). Molecular docking. En A. Kukol (Ed.), Molecular
modeling of proteins. Totowa, NJ: Humana Press.
Orth, J. D., Thiele, I., y Palsson, B. . (2010). What is flux balance analysis? Nature
Biotechnology, 28(3), 248. doi: 10.1038/nbt.1614
Singh, P. K., Imam, J. y Shukla, P. (2014). In Silico Approach in Bioremediation. En S.
Das (Ed.), Microbial Biodegradation and Bioremediation (pp. 421-433). Estados
Unidos: Elsevier.
Weitzke, E. L. y Ortoleva, P. J. (2003). Simulating cellular dynamics through a coupled
transcription, translation, metabolic model. Computational Biology and
Chemistry, 27(4-5), 469-480. doi: 10.1016/j.compbiolchem.2003.08.002