Menu Conteúdo Rodapé
  1. Início
  2. Cursos
  3. Biotecnologia
  4. Design de Bioprocessos

Design de Bioprocessos

Código 12480
Ano 1
Semestre S2
Créditos ECTS 6
Carga Horária OT(30H)/PL(30H)
Área Científica Biotecnologia
Tipo de ensino Exposição magistral dos fundamentos teóricos clássicos, metodologias de desenho experimental e resolução estratificada do processo de selecção dos inputs/outputs, optimização e validação de problemas propostos. Serão utilizados para estudo individual artigos científicos focando as ferramentas emergentes de desenho experimental e redes neuronais, com subsequente apresentação e discussão teórica. Adicionalmente, serão demonstrados laboratorialmente exemplos práticos, simulando um contexto de plataforma industrial, na construção de modelos matemáticos da etapa usptream e downstream. Nesta fase apela-se ao desenvolvimento criativo e integrativo dos alunos.
Estágios Não aplicável.
Objectivos de Aprendizagem Identificar e descrever os princípios fundamentais que definem os bioprocessos. Compreender a integração sustentável e global de um bioprocesso. Compreender a seleção da base de cálculo. Modelar a otimização e validação de sistemas biológicos por DOE e MATLAB. Identificar e aplicar as principais ferramentas de desenho experimental na etapa upstream e dowsntream de um processo biotecnológico.
O aluno deve adquirir as seguintes competências:
- Conhecimentos de modelação em biotecnologia e utilizá-los na formulação e discussão de problemas.
- Capacidades profissionais, nomeadamente: raciocínio, formulação de hipóteses, pensamento sistémico, criativo e crítico, de forma a manipular a programação em MATLAB e DOE.
- Conhecer as fases de design e desenvolvimento de bioprocessos.
Conteúdos programáticos OT: 1- A estrutura clássica de um processo biotecnológico: upstream, downstream e polimento final.
2- Scale-up de fermentadores focando os inputs clássicos (pH, temperatura, meio de cultura, arejamento e coeficiente de transferência de massa (KLa), entre outros) e dimensionamento para maximização do output alvo aplicando desenho fatorial.
3- Scale-up da etapa downstream: parâmetros alvos e dimensionamento, aplicando desenho fatorial de forma a incrementar o rendimento e pureza do produto alvo.
4- A Bioinformática na modelação, otimização e validação da expressão de bioprodutos em sistemas biológicos típicos. Aplicação de desenho fatorial, redes neuronais e MATLAB, de forma a incrementar as produtividades mássicas e volumétricas.
PL: Análise detalhada do estudo integração de bioprocessos: Design da produção de penicilina, produção de moléculas quirais de interesse farmacêutico; produção de vitaminas, entre outros exemplos.
Metodologias de Ensino e Critérios de Avaliação O ensino é centrado no aluno, em que a sua participação ativa no processo de aprendizagem irá permitir um maior desenvolvimento das suas capacidades de raciocínio. A metodologia pedagógica baseia-se no ensino online via google meets e Zoom e por objetivos educativos na aprendizagem baseada em problemas. O professor/tutor orienta os estudantes na pesquisa de informação relevante para a obtenção dos resultados esperados. Os trabalhos experimentais de modelação serão integrador de toda a matéria para aplicação dos conceitos adquiridos, tanto na execução de procedimentos informáticos, como na análise de dados, interpretação de resultados, optimizações e validações de problemas. AT Google Meets: dois testes peso global de 65% na nota final. Tonline 1: com o peso parcial de 50%. Tonline 2: com o peso parcial de 50%. Peso TP – 35% (nota mínima de aprovação 9,5 valores). Resolução de um case study com data de entrega e discussão Junho 2020. Aulas online (OT e TP) sem frequência obrigatória.
Bibliografia principal (1) Artigos científicos nas áreas de modelação e validação das várias etapas de um bioprocesso.
(2) Doran, P.M.; “BIOPROCESS ENGINEERING PRINCIPLES”; Academic Press, 1995.
(3) Hanselman and Littlefield, Mastering MATLAB 6: “A Comprehensive Tutorial and Reference”, Prentice Hall, 2001.
(4) Montgomery, D. C., Design and Analysis of Experiments, 5.ª ed., John Wiley & Sons, New York. 2001.
(5) Pedro AQ, Martins LM, Dias JM, Bonifácio MJ, Queiroz JA, Passarinha LA. An artificial neural network for membrane-bound catechol-O-methyltransferase biosynthesis with Pichia pastoris methanol-induced cultures. Microb Cell Factories., 2015, 7; 14:113. doi: 10.1186/s12934-015-0304-7.
(6) Almeida AM, Queiroz JA, Sousa F, Sousa A. Optimization of supercoiled HPV-16 E6/E7 plasmid DNA purification with arginine monolith using design of experiments. J Chromatogr B Analyt Technol Biomed Life Sci., 2015, 26:145-50. doi: 10.1016/j.jchromb.2014.12.004.
Língua Português
Data da última atualização: 2020-05-18
As cookies utilizadas neste sítio web não recolhem informação pessoal que permitam a sua identificação. Ao continuar está a aceitar a política de cookies.