Simulador de fermentación de cerveza lager

En SimulationSpot.com hemos lanzado el simulador educacional gratuito: Beer Fermenter v1.0 🍺🌡️

Este simulador modela el proceso de fermentación de cerveza lager, permitiéndote explorar cómo la temperatura afecta las reacciones químicas que convierten los azúcares en etanol.

Descubre cómo la fermentación se ve afectada por:

🕛 Temperatura inicial del reactor

🌡️ "Set point" de la temperatura del reactor

Explora cómo estos aspectos clave evolucionan con el tiempo:

🍭 Azúcares (Glucosa, Maltosa y Maltotriosa)

🧫 Biomasa (Levadura)

🍺 Etanol

🌡️ Temperatura del reactor

Características del simulador de fermentación de cerveza:

🆓 Gratis

🌐 Disponible 24 horas al día, 7 días a la semana como aplicación web

⚙️ 3 parámetros de entrada

📊 7 gráficos de salida interactivos

📚 Documentación detallada

¡No pierdas esta oportunidad de profundizar en tus conocimientos sobre procesos químicos y fermentación de bebidas alcohólicas con Beer Fermenter v1.0! 🍺🌐🚀

¿Qué es la epigenética?

 

Nuestro cerebro viene equipado con un simulador

Hace unos días leí una entrevista muy interesante al físico y neurocientífico Rubén Moreno Bote.

Le interesan las decisiones que tomamos ante situaciones novedosas y que con frecuencia son trascendentes. Ese tipo de encrucijadas que requieren un "largo y fatigoso periodo de reflexión".

Según el Dr. Moreno: "El cerebro es una máquina del tiempo que para tomar decisiones, evoca escenarios pasados, simula futuros y elige uno". Es lo que en el mundo de la simulación "in silico" (o simulación por computadora) se conoce como análisis de escenarios (en inglés: "what-if scenario analysis").

También apunta que este proceso cerebral consume mucha energía y que ante elecciones muy complejas se dispara exponencialmente. Cuando el coste de equivocarnos es menor al de la energía consumida, la estrategia optima es tomar una decisión cualquiera. De hecho, señala que a veces por puro agotamiento no terminamos el proceso de simulación y simplemente decidimos.

Una de las principales aplicaciones de la simulación computacional es el análisis de escenarios para el apoyo a la toma decisiones. Una vez más descubrimos que los mejores diseños suelen ser copias de las maravillas que encontramos en la naturaleza.

Minería de Datos y el descubrimiento de nuevos Fármacos

Ácido acetilsalicílico.

Otra de los campos de aplicación de la Minería de datos es la Farmacología.

A partir de propiedades conocidas de las moléculas, las técnicas de clúster nos ayudan entender las similitudes que existen entre ellas. Así el invertigador, antes de entrar en el laboratorio,  tiene pistas sobre la dirección en la que tiene orientar su investigación.

De esta forma, la Minería de Datos está ayudando a los investigadores a descubrir relaciones entre los fármacos y los efectos fenotípicos químicamente inducidos.

Minería de Datos y el Mal de Parkinson

Uno de los principales campos de aplicación de la Minería de Datos es la medicina. Una de las enfermedades en las que se están aplicando estas técnicas es el Parkinson.

El Mal de Parkinson es un desorden degenerativo del sistema nervioso central que afecta a las capacidades motoras y del habla (así como a otras funciones).

Los enfermos de Parkinson muestran una gran heterogeneidad en presencia e intensidad de los síntomas, edades, antecedentes familiares y progresión de la enfermedad.

Se están usando técnicas de clúster en la investigación de esta enfermedad para entender mejor la relación entre los subtipos de Parkinson y el desarrollo de la enfermedad en pacientes concretos. Esto permite mejorar los tratamientos con las terapias existentes, así como desarrollar nuevos tratamientos.

Minería de Datos y Osteoartritis

Uno de los principales campos de aplicación de la Minería de Datos es la medicina. La Osteoartritis es una de las enfermedades en las que se están aplicando estas técnicas. Es una enfermedad que afecta a las articulaciones. Se caracteriza por la degradación de los cartílagos y la formación de nuevo hueso.
Los síntomas clínicos  y las características radiográficas generalemente no se correlacionan bien.

En la figura podemos ver dos cabezas de fémur: la primera (A) sana y la segunda afectada por la Osteoartritis (B).

La Osteoartritis actualmente está considerada como un grupo de diferentes padecimientos que se solapan y cuyo fenotipo particular puede reflejar diferentes procesos patológicos.

Tanto factores ambientales como genéticos influyen en su etiología. La Minería de Datos está usando técnicas de clúster para determinar si las causas de la Osteoartritis obedecen a fenómenos estocásticos o a patrones subyacentes.

Minería de datos genéticos

Uno de los principales campos de aplicación de la Bioinformática y concretamente de la Minería de Datos, a día de hoy,  es la Genética.

Fig. 1: Fragmento de ADN: "Dispositivo" de almacenamiento de datos biológico.

Siguiendo el  esquema de proceso de datos genéticos con el que trabajan en el Instituto para la Informática Médica y la Biometría de la Universidad de Rostock (ver figura 2); damos un repaso general al estado del arte en el proceso de datos genéticos.

En la primera fase es la de adquisición de datos en bruto. Estos datos provienen de las siguientes fuentes:

• Obtención de microarrays de ADN en laboratorio.
• Relaciones causales entre genes.
• Datos clínicos.
• Redes genéticas.

En una segunda etapa estos datos experimentales se estructuran y almacenan como una base de datos de la que se nutrirán las técnicas de minería.

Fig. 2. Esquema de proceso de datos en el Instituto para la Informática Médica y la Biometría, Universidad de Rostock.

En el último paso se extrae la información que interesa a los genetistas:

• Relaciones causales entre genes y determinación de propiedades proteicas usando minería de texto sobre publicaciones cientríficas.
• Categorización de patrones genéticos mediante inteligencia artificial.
• Predicción de las funciones que desempeñan los genes gracias a redes genéticas causales y a métodos estadísticos.
• Análisis de microarrays usando métodos estadísticos.
• Representación gráfica de redes genéticas causales.

Bibliografía:
Änne Glass & Thomas Karopka (2002). Genomic Data Explosion – The Challenge for Bioinformatics?