Vol. 28 (2026): Publicación continua
Artículo breve

Modelado cinético del crecimiento de Saccharomyces cerevisiae en un medio a base de chuño negro

Nixon Arenas-Huahuachampi
Universidad Peruana Unión, Escuela Profesional de Ingeniería de Industrias Alimentarias, Centro de Investigación en Tecnología de los Alimentos, Perú
Alex Danny Chambi-Rodríguez
Universidad Nacional Agraria La Molina, Facultad de Zootecnia, Perú
Ana-Monica Torres Jiménez
Universidad Peruana Unión, Escuela Profesional de Ingeniería de Industrias Alimentarias, Centro de Investigación en Ciencia de los Alimentos, Perú

Publicado 28-08-2026

Palabras clave

  • modelos matemáticos,
  • crecimiento sigmoideo,
  • Cinética microbiana

Cómo citar

Arenas-Huahuachampi , N., Chambi-Rodríguez, A. D., & Torres Jiménez, A.-M. (2026). Modelado cinético del crecimiento de Saccharomyces cerevisiae en un medio a base de chuño negro. Revista De Investigaciones Altoandinas - Journal of High Andean Research, 28, e28732. https://doi.org/10.18271/ria.2026.732

Resumen

La microbiología predictiva permite anticipar el comportamiento de las poblaciones microbianas mediante modelos matemáticos, herramienta clave en el desarrollo de alimentos fermentados y funcionales. El chuño negro, papa liofilizada tradicional de la región andina de Perú y Bolivia, es un sustrato de valor cultural y nutricional cuyo potencial como medio de cultivo aún ha sido poco explorado. El objetivo de este estudio fue evaluar la cinética de crecimiento de Saccharomyces cerevisiae en un medio a base de chuño negro. Las cepas liofilizadas fueron activadas en una solución de sacarosa al 2% e inoculadas en el medio a 37±1 °C, con agitación constante durante 7 horas. El crecimiento microbiano se midió mediante conteo directo en cámara de Neubauer, expresado en UFC/ml y transformado a escala logarítmica; los datos se ajustaron a modelos no lineales: Gompertz, Logístico, Log-logístico y Weibull. El crecimiento fue sigmoidal, con diferencias en los parámetros de latencia y velocidad máxima. El modelo Log-logístico mostró el mejor ajuste, alcanzando la biomasa un máximo de 0,663 log UFC/ml en la hora 7. El estudio confirma la viabilidad del chuño negro como medio de cultivo.

Referencias

  1. Baranyi, J., Rockaya, M., & Ellouze, M. (2024). From Data to Models and Predictions in Food Microbiology. Current Opinion in Food Science, 101177. https://doi.org/10.1016/j.cofs.2024.101177
  2. Castro, W., Pérez, F., González, L., & Rodríguez, J. (2008). Application of non-linear kinetic models in the microbial growth of Lactococcus lactis in milk. Revista de Microbiología Aplicada, 25(4), 215-224.
  3. Chambi Rodriguez, Alex Danny, & Torres Jiménez, Ana Mónica. (2021). Sigmoidal kinetic models applied to the growth of Saccharomyces boulardii. Revista de Investigaciones Altoandinas, 23(1), 47-54. https://doi.org/10.18271/ria.2021.213https://doi.org/10.18271/ria.2021.213
  4. Chan, M. Z. A., Lu, Y., & Liu, S. Q. (2021). In vitro bioactivities of coffee brews fermented with the probiotics Lacticaseibacillus rhamnosus GG and Saccharomyces boulardii CNCM-I745. Food Research International, 149, 110693. https://doi.org/10.1016/j.foodres.2021.110693
  5. Colque Cruz, E. J., Chambi-Rodriguez, A. D., & Pampa-Quispe, N. B. (2023). Characterization and modeling of microbial growth in the development of a non-dairy probiotic beverage from tarwi vegetable extract (Lupinus mutabilis S.). Revista de Investigaciones Altoandinas, 25(1), 41-48. https://doi.org/10.18271/ria.2023.501
  6. Constantino, R. (2014). Regulation and development of encapsulation technologies in probiotic foods. Food Research International, 42(5), 33-41. https://doi.org/10.1016/j.foodres.2013.11.009
  7. Ferrer, J., Prats, C., López, D., & Vives-Rego, J. (2009). Mathematical modelling methodologies in predictive food microbiology: a SWOT analysis. International Journal of Food Microbiology, 134(1-2), 2-8. https://doi.org/10.1016/j.ijfoodmicro.2009.01.016.
  8. Gil, M. M., Brandao, T. R., & Silva, C. L. (2006). A modified Gompertz model to predict microbial inactivation under time-varying temperature conditions. Journal of Food Engineering, 76(1), 89-94. https://doi.org/10.1016/j.jfoodeng.2005.05.017
  9. Guo, X., & Wang, J. (2024). The Gompertz model for biohydrogen production kinetics: origin, application and solving methods. International Journal of Hydrogen Energy, 88, 242-250. https://doi.org/10.1016/j.ijhydene.2024.09.200
  10. Olszewska-Widdrat, A., Babor, M., Höhne, M. M. C., Alexandri, M., López-Gómez, J. P., & Venus, J. (2024). A mathematical model-based evaluation of yeast extract’s effects on microbial growth and substrate consumption for lactic acid production by Bacillus coagulans. Process Biochemistry, 146, 304-315. https://doi.org/10.1016/j.procbio.2024.07.017
  11. Peñarrieta, J. M., Salluca, T., Tejeda, L., Alvarado, J. A., & Bergenståhl, B. (2011). Changes in phenolic antioxidants during chuño production (traditional Andean freeze and sun-dried potato). Journal of Food Composition and Analysis, 24(4-5), 580-587. https://doi.org/10.1016/j.jfca.2010.10.006
  12. Ramos, E. R., Santos, R. A., Velázquez, E., Velezmoro, C. E., & Zúñiga, D. E. (2018). Genetic diversity and antimicrobial activity of lactic acid bacteria in the preparation of traditional fermented potato product ‘tunta’. World Journal of Microbiology and Biotechnology, 34(144), 1-10. https://doi.org/10.1007/s11274-018-2525-5
  13. Randazzo, C. L. (2013). Survival of probiotic strains Lactobacillus rhamnosus during storage in synthetic and natural media. Food Microbiology, 34(2), 45-54. https://doi.org/10.1016/j.fm.2012.12.004
  14. Rodríguez, M., & Chambi, A. D. (2019). Determination of the microbial growth curve Saccharomyces boulardii in tunta varieties Chaska and Negra. Fides Et Ratio, 18(18), 201-213. http://www.scielo.org.bo/pdf/rfer/v18n18/v18n18_a11.pdf
  15. Samtiya, M., Badgujar, P. C., Chandratre, G. A., Aluko, R. E., Kumar, A., Bhushan, B., & Dhewa, T. (2024). Effect of selective fermentation on nutritional parameters and techno-functional characteristics of fermented millet-based probiotic dairy product. Food Chemistry: X, 22, 101483. https://doi.org/10.1016/j.fochx.2024.101483.
  16. Wang, J., & Guo, X. (2024). The Gompertz model and its applications in microbial growth and bioproduction kinetics: Past, present and future. Biotechnology Advances, 108335. https://doi.org/10.1016/j.biotechadv.2024.108335