Vol. 23 Núm. 1 (2021)
Artículo original

Modelos cinéticos sigmoidales aplicados al crecimiento de Saccharomyces boulardii

Alex Danny Chambi Rodriguez
Universidad Peruana Unión
Ana Mónica Torres Jimenez
Universidad Peruana Unión

Publicado 2021-01-15

Palabras clave

  • Saccharomyces boulardii,
  • microbiología predictiva,
  • crecimiento microbiano
  • Saccharomyces boulardii,
  • predictive microbiology,
  • microbial growth

Cómo citar

Chambi Rodriguez, A. D., & Torres Jimenez , A. M. (2021). Modelos cinéticos sigmoidales aplicados al crecimiento de Saccharomyces boulardii . Revista De Investigaciones Altoandinas, 23(1), 47-54. https://doi.org/10.18271/ria.2021.213

Resumen

La microbiología predictiva es una interesante herramienta que permite evaluar el comportamiento de biomasa y metabolitos en diferentes medios de cultivo, proporcionándonos múltiples beneficios ya sean de carácter científico o industrial, por estas y otras razones el objetivo de la presente investigación fue evaluar modelos cinéticos sigmoidales aplicados al crecimiento de Saccharomyces boulardii en leche. Para tal efecto, se preparó matraces con 200 ml de leche fresca de vaca, previamente esterilizada a 121 °C x 15 min, luego las cepas fueron inoculadas a una temperatura de 37 °C e incubadas a la misma temperatura en agitación constante de 20 revoluciones por minuto (rpm) baño maría con agitación, por 7 h; para la construcción de las curvas y la obtención de las constantes de crecimiento se realizaron conteos de unidades formadoras de colonia por mililitro (ufc/ml) en intervalos de una hora, con un microscopio monocular y cámara de Neubauer. También se midió el pH y acidez titulable expresado en ácido láctico. Los datos obtenidos fueron convertidos a escala logarítmica para aplicar las ecuaciones sigmoidales de Gompertz, Logístico, Logístico modificado y Weibull. Los resultados del modelamiento cinético nos dieron que los modelos Logístico y Logístico modificado presentaron un mejor ajuste en comparación a los restantes. Asimismo, el modelo de Weibull presento el valor más bajo de ajuste, por otro, en el análisis de los criterios estadísticos todos los modelos excepto Weibull presentan similitud. Finalmente, cada modelo sigmoidal permitió evaluar el crecimiento de Saccharomyces boulardii con cada una de sus constantes cinéticos.

Citas

  1. Belda, C., Pina, M., Espinosa, J., Marco, A., Martínez, A., & Rodrigo, D. (2014). Use of the modified Gompertz equation to assess the Stevia rebaudiana Bertoni antilisterial kinetics. Food Microbiology, 38, 56–61. https://doi.org/10.1016/j.fm.2013.08.009
  2. Brousett, M., Torres, A., Chambi, A., Mamani, B., & Gutiérrez, H. (2015). Physicochemical, microbiological and toxicological quality of raw milk in cattle basins of the region Puno-Peru. Scientia Agropecuaria, 6(3), 165–176. https://doi.org/10.17268/sci.agropecu.2015.03.03
  3. Castro, G., Valbuena, E., Sánchez, E., Briñez, W., Vera, H., & Leal, M. (2008). Comparación de modelos sigmoidales aplicaddos al crecimiento de Lactococcus lactis subsp. lactis. Revista Cientifica FCV-LUZ, XVIII, 582–588.
  4. Cayré, M., Vignolo, G., & Garro, A. (2007). Selección de un modelo primario para describir la curva de crecimiento de bacterias lácticas y brochothrix thermosphacta sobre emulsiones cárnicas cocidas. Información Tecnológica, 18(3), 23–29.
  5. Ccopa, R. (2009). “Evaluacion Del Efecto De La Temperatura Y Tiempo De Calentamiento En La Vida Util Del Queso Tipo Paria Envasado Al Vacío.”
  6. Chavan, M., Gat, Y., Harmalkar, M., & Waghmare, R. (2018). Development of non-dairy fermented probiotic drink based on germinated and ungerminated cereals and legume. LWT - Food Science and Technology, 91(October 2017), 339–344. https://doi.org/10.1016/j.lwt.2018.01.070
  7. Chowdhury, B., Chakraborty, R., & Chaudhuri, U. (2007). Validity of modified Gompertz and Logistic models in predicting cell growth of Pediococcus acidilactici H during the production of bacteriocin pediocin AcH. Journal of Food Engineering, 80(4), 1171–1175. https://doi.org/10.1016/j.jfoodeng.2006.08.019
  8. Fernández, E., Hernández, J., Suárez, V., Villares, J., Yurrita, L., Cabria, M., & Morán, F. (2015). Documento de Consenso: Importancia nutricional y metabólica de la leche. Nutricion Hospitalaria, 31(1), 92–101. https://doi.org/10.3305/nh.2015.31.1.8253
  9. Fuentes, G., Ruiz, R., Sánchez, J., Ávila, D., & Escutia, J. (2013). Análisis microbiológico de leche de origen orgánico: atributos deseables para su transformación. Agricultura Sociedad y Desarrollo, 10(4), 419. https://doi.org/10.22231/asyd.v10i4.134
  10. Gil, J. (2006). Fundamentos sobre la convergencia en modelos iterativos para sistemas de ecuaciones lineales. Fides et Ratio, 1, 22–32.
  11. Gu, X., Sun, Y., Tu, K., Dong, Q., & Pan, L. (2016). Predicting the growth situation of Pseudomonas aeruginosa on agar plates and meat stuffs using gas sensors. Scientific Reports, 6(1), 38721. https://doi.org/10.1038/srep38721
  12. Guevara, D., Montero, M., Valle, L., & Avilés, D. (2019). Calidad de leche acopiada de pequeñas ganaderías de Cotopaxi, Ecuador. Revista de Investigaciones Veterinarias Del Perú, 30(1), 247–255. https://doi.org/10.15381/rivep.v30i1.15679
  13. Mejía, J., Montoya, R., Cortés, C., & Saavedra, A. (2016). Levaduras Termotolerantes: Aplicaciones Industriales, Estrés Oxidativo y Respuesta Antioxidante. Informacion Tecnologica, 27(4), 3–16. https://doi.org/10.4067/S0718-07642016000400002
  14. Nissen, L., di Carlo, E., & Gianotti, A. (2020). Prebiotic potential of hemp blended drinks fermented by probiotics. Food Research International, 131(January), 109029. https://doi.org/10.1016/j.foodres.2020.109029
  15. Pahumunto, N., Piwat, S., Chanvitan, S., Ongwande, W., Uraipan, S., & Teanpaisan, R. (2020). Fermented milk containing a potential probiotic Lactobacillus rhamnosus SD11 with maltitol reduces Streptococcus mutans: A double-blind, randomized, controlled study. Journal of Dental Sciences. https://doi.org/10.1016/j.jds.2020.03.003
  16. Peña, A. S. (2007). Flora intestinal, probióticos, prebióticos, simbióticos y alimentos novedosos. Revista Espanola de Enfermedades Digestivas, 99(11), 653–658. https://doi.org/10.4321/S1130-01082007001100006
  17. Sen, S., & Mansell, T. (2020). Yeasts as probiotics: Mechanisms, outcomes, and future potential. Fungal Genetics and Biology, 137(May 2019), 103333. https://doi.org/10.1016/j.fgb.2020.103333
  18. Torres, V., Barbosa, I., Meyer, R., Noda, A., & Sarduy, L. (2012). Criterios de bondad de ajuste en la selección de modelos no lineales en la descripción de comportamientos biológicos. Revista Cubana de Ciencia Agrícola, 46(4), 345–350. https://doi.org/10.1097/MOG.0b013e32835a3500
  19. Vanegas, D., & Ramírez, M. (2016). Correlación del crecimiento de Pseudomonas fluorescens en la producción de polihidroxialcanoatos de cadena media (PHAMCL) mediante modelos primarios de Gompertz, logístico y baranyi. Información Tecnológica, 27(2), 87–96. https://doi.org/10.4067/S0718-07642016000200011
  20. Vega, R., Martinez, H., Montañez, J., & Rodiles, J. (2016). Viabilidad de Saccharomyces boullardii en queso fresco bajo condiciones de acidez “in vitro.” Nova Scientia, 7(15), 68.
  21. Wirunpan, M., Savedboworn, W., & Wanchaitanawong, P. (2016). Survival and shelf life of Lactobacillus lactis 1464 in shrimp feed pellet after fluidized bed drying. Agriculture and Natural Resources, 50(1), 1–7. https://doi.org/10.1016/j.anres.2016.01.001
  22. Yerlikaya, O. (2019). Probiotic potential and biochemical and technological properties of Lactococcus lactis ssp. lactis strains isolated from raw milk and kefir grains. Journal of Dairy Science, 102(1), 124–134. https://doi.org/10.3168/jds.2018-14983
  23. Zumbado, W., Esquivel, P., & Wong, E. (2006). Selección de una levadura para la producción de Biomasa: Crecimiento en suero de queso. Agronimia Mesoamericana, 17, 151–160.