Proyecto LLBI Sense
A fermentação é um processo metabólico no qual microrganismos, como bactérias, leveduras ou fungos, convertem substratos orgânicos — principalmente açúcares — em compostos mais simples, como álcoois, ácidos orgânicos ou gases. Tradicionalmente associada à produção de alimentos e bebidas, sua importância cresceu significativamente nas últimas décadas devido ao seu papel central na biotecnologia moderna e nos processos industriais sustentáveis.
Hoje, a fermentação é uma das plataformas biotecnológicas mais relevantes em todo o mundo. Sua rápida expansão é impulsionada pela crescente demanda por produtos de origem biológica (como produtos farmacêuticos, enzimas, biopolímeros e alimentos funcionais), bem como pela necessidade de alternativas mais eficientes e sustentáveis à síntese química convencional. Como resultado, os processos de fermentação são amplamente utilizados em diversos setores, incluindo o alimentício, o farmacêutico, o de biocombustíveis e a produção de compostos de alto valor agregado.
Um biorreator é o sistema no qual ocorre a fermentação sob condições controladas. Trata-se de um recipiente projetado para favorecer e otimizar o crescimento microbiano e a formação do produto, por meio da regulação de parâmetros-chave, como temperatura, pH, oxigênio dissolvido, agitação e fornecimento de nutrientes. O controle preciso dessas variáveis é essencial, pois mesmo pequenos desvios podem afetar significativamente o desempenho do processo e a qualidade do produto.
Os biorreatores modernos são equipados com uma ampla variedade de sensores que permitem o monitoramento em tempo real do processo. Entre os sensores mais comuns estão aqueles que medem o pH, a temperatura, o oxigênio dissolvido (OD), a pressão e a vazão, bem como sistemas de estimativa indireta da biomassa. Paralelamente, técnicas avançadas não invasivas, como espectroscopia, ultrassom e análise de imagens, estão sendo cada vez mais integradas, permitindo a avaliação do estado da cultura sem a necessidade de amostragem destrutiva. Essas tecnologias abrem caminho para estratégias de controle mais sofisticadas, baseadas em modelagem preditiva.
Nesse contexto, a modelagem de variáveis de fermentação por meio da análise de imagens e de métodos não destrutivos é uma área de interesse crescente. Ela permite processos mais automatizados, robustos e eficientes, reduzindo a dependência de medições off-line e melhorando a capacidade de responder dinamicamente às mudanças no sistema.
Além disso, os grandes volumes de dados coletados por técnicas não invasivas modernas, juntamente com os modelos preditivos desenvolvidos a partir deles, promovem a exploração da Inteligência Artificial (IA), que pode ser aplicada a esses bioprocessos. Nesse sentido, a IA é capaz de controlar e otimizar processos de fermentação realizados em biorreatores, integrando dados em tempo real provenientes de múltiplos sensores e sistemas de monitoramento não invasivos. Por meio de algoritmos avançados de aprendizado de máquina, ela pode identificar padrões, prever a evolução do processo e ajustar dinamicamente parâmetros operacionais, como pH, temperatura, aeração e agitação. Isso permite maior estabilidade do processo, aumento da produtividade e maior consistência do produto, ao mesmo tempo em que reduz a necessidade de intervenção manual e amostragem offline.
Entre as técnicas modernas não invasivas, a análise de imagens se destaca por sua capacidade de proporcionar um monitoramento contínuo, em tempo real e rico em informações do processo de fermentação, sem interferir no sistema. Ao contrário dos métodos tradicionais de amostragem, ela permite a extração de características quantitativas e qualitativas relacionadas ao crescimento microbiano, à morfologia, à agregação e à dinâmica geral da cultura diretamente a partir de dados visuais.
Além disso, a análise de imagens pode ser facilmente integrada a ferramentas computacionais avançadas, incluindo algoritmos de aprendizado de máquina e inteligência artificial, permitindo a extração automatizada de características e uma maior capacidade preditiva. Seu custo relativamente baixo, escalabilidade e adaptabilidade a diferentes configurações de bioprocessos tornam essa abordagem particularmente atraente tanto para pesquisas em escala laboratorial quanto para aplicações industriais. Entre as técnicas de imagem, a imagem por retrodifusão de laser (LLBI) caracteriza a extinção da transmitância da luz ao longo de uma magnitude variável medida em uma determinada matriz. Esse princípio é a base de uma ampla gama de métodos analíticos. No entanto, neste caso, são utilizadas técnicas de análise de imagens e mineração de dados para estudar os padrões de difração gerados em decorrência das interações entre a matriz e a luz. Na pesquisa em processamento de alimentos, a imagem por retrodifusão de laser tem sido aplicada para modelar diferentes transformações da matriz alimentar decorrentes da ação enzimática.
Com base no contexto descrito, os principais objetivos do projeto podem ser definidos da seguinte forma:
O objetivo principal é desenvolver uma estrutura preditiva e baseada em dados para a modelagem de processos de fermentação em biorreatores, utilizando análise de imagens e técnicas de monitoramento não destrutivo. Essa estrutura visa extrair informações significativas sobre o processo a partir de dados em tempo real e traduzi-las em estimativas confiáveis das principais variáveis de fermentação.
Um segundo objetivo é investigar a relação entre sinais visuais e baseados em sensores e os estados bioquímicos e físicos subjacentes à cultura. Em particular, o projeto busca determinar como as características extraídas dos dados de imagem podem ser correlacionadas com variáveis críticas do processo, tais como a concentração de biomassa, a fase de crescimento e o desempenho geral do processo.
Outro objetivo fundamental é projetar e avaliar modelos de aprendizado de máquina e inteligência artificial capazes de prever a dinâmica da fermentação. Esses modelos devem ser capazes de integrar dados de múltiplas fontes, incluindo imagens e medições de sensores convencionais, a fim de melhorar a precisão e a robustez das previsões.
Além disso, o projeto tem como objetivo explorar o potencial dessas abordagens baseadas em IA para o monitoramento e controle em tempo real de biorreatores. Isso inclui avaliar sua adequação para apoiar a tomada de decisões e possibilitar estratégias de controle adaptativo que otimizem automaticamente as condições do processo.
Por fim, o projeto visa contribuir para o avanço de sistemas de monitoramento de bioprocessos mais eficientes, escaláveis e não invasivos, reduzindo a dependência dos métodos tradicionais de amostragem destrutiva e abrindo caminho para plataformas de fermentação mais autônomas.
Material and methods
Imaging device and capture
Foi projetado um dispositivo de imagem de baixo custo com base no trabalho de Verdú et al. (2020), com o objetivo de coletar informações em cada momento de amostragem, geradas pelas interações entre a luz e a matriz. O objetivo era utilizar imagens para coletar a variação gerada na matriz durante a fermentação, captando os padrões de difração transmitidos devido à interação entre o laser e a matriz em cada momento de amostragem dentro do tanque. A Fig. 1-A mostra um esquema da configuração do dispositivo.
Fig. 1. Dispositivo de captura e esquemas de processamento de imagens. A: Configuração do sistema de captura. B: Processamento de imagens. C: Seleção da região de interesse (ROI).
Também serão coletados dados de fermentação paralela para correlacionar as variáveis derivadas das imagens com os principais parâmetros de fermentação, tais como a densidade celular medida por espectrofotometria e a contagem total de células determinada por meio de ensaios em placas de ágar.
Para esse fim, os objetivos deste projeto podem ser resumidos da seguinte forma:
- Projetar, adaptar e otimizar o dispositivo de captura de imagens
- Analisar as possíveis variáveis derivadas das imagens
- Modelar as alterações registradas
- Correlacionar as alterações com variáveis mensuráveis
- Estudar a escalabilidade em biorreatores-piloto e industriais
Este projeto foi desenvolvido por Sergio Hernández, responsável pela área de P&D do Techmi Group, e por Cade Medearis e Jake Holfinger, estagiários dos Estados Unidos. Se quiser saber mais sobre o projeto, dê uma olhada no vídeo, onde é explicado em detalhes como o laser funciona.