BioLab Parameter Explorer

Ferramenta web para estimativa de parâmetros cinéticos de crescimento microbiano e consumo de substrato.

Acesse em: biolab.tadix.dev — ou baixe o app para desktop/Android:

Plataforma	Download
Linux (AppImage)	BioLab-1.0.0.AppImage
Windows (instalador)	BioLab-Setup-1.0.0.exe
Android (APK)	BioLab-1.0.0.apk

Como funciona

Você fornece medições experimentais ao longo do tempo — concentração de células (g/L) e substrato residual (g/L) — e o BioLab encontra automaticamente os parâmetros cinéticos que melhor descrevem o seu experimento.

Internamente, o processo ocorre em três etapas:

1. Modelagem diferencial — cada modelo cinético (Monod, Andrews, Aiba, etc.) é combinado com o balanço de substrato de Pirt (1965), formando um sistema de equações diferenciais ordinárias que descreve a dinâmica de crescimento.

2. Integração numérica — o sistema é resolvido pelo método de Runge-Kutta de 4ª ordem (RK4), produzindo curvas simuladas de células e substrato ao longo do tempo.

3. Otimização por enxame de partículas (PSO) — um algoritmo populacional busca os valores dos parâmetros (como µ_max, K_S e Y_XS) que minimizam a diferença entre a curva simulada e os dados experimentais.

Os sete modelos são avaliados simultaneamente e ranqueados pelo Critério de Informação de Akaike (AIC), permitindo comparar qual formulação representa melhor o seu processo sem sair da página.

Modelos cinéticos suportados

Modelo	Característica principal
Monod (1949)	Modelo clássico de limitação por substrato
Moser (1958)	Generalização do Monod com expoente n
Contois (1959)	Limitação dependente da densidade celular
Andrews (1968)	Inibição pelo próprio substrato
Aiba et al. (1968)	Inibição exponencial pelo substrato
Bergter (1978)	Crescimento com adaptação temporal
Tessier (1936)	Saturação exponencial

Registro

O BioLab Parameter Explorer foi registrado no Instituto Nacional da Propriedade Industrial (INPI) em março de 2026, constituindo o primeiro registro de software do curso de Engenharia de Bioprocessos e Biotecnologia da Universidade Tecnológica Federal do Paraná — Campus Dois Vizinhos (UTFPR-DV), sob orientação do Prof. Pedro Suzaki.

"O software permite ajustar modelos matemáticos a dados experimentais de forma intuitiva, automatizando a solução de equações diferenciais e aplicando algoritmos de otimização."

— Curso de Bioprocessos da UTFPR-DV conquista primeiro registro de software, Educador ADV, abr. 2026

Licença

MIT © Lucas Tadeu Marculino