Search

[ES] Se propone analizar las herramientas sofware existentes para identificar funciones de transferencia fraccionales a partir de datos experimentales y su uso en el contexto de la ingenieria de sistemas y control. El objetivo principal es compararlas con funciones de transferencia ordinarias, para las que hay herramientas con muchos años de experiencia en su uso y desarrollo, para determinar si las nuevas herramientas ofrecen alguna ventaja práctica al menos para determinado tipo de sistemas como puedan ser aquellos que presentan fenómenos de difusión, retardos y otras características dificiles de capturar, [EN] We analyze some of the existent software tools to identify fractional-order transfer functions from experimental data, and, more broadly, their use in the context of Systems and Control Engineering. The main goal of this Master Thesis is to compare fractional-order transfer functions to ordinary ones, the latter being supported by many years of experience in their use and development, in order to determine whether the former could provide practical advantages, at least for certain kinds of systems, like those which present diffusion phenomena, delays, and other characteristics hard to capture.

[ES] Se propone analizar las herramientas sofware existentes para identificar funciones de transferencia fraccionales a partir de datos experimentales y su uso en el contexto de la ingenieria de sistemas y control. El objetivo principal es compararlas con funciones de transferencia ordinarias, para las que hay herramientas con muchos años de experiencia en su uso y desarrollo, para determinar si las nuevas herramientas ofrecen alguna ventaja práctica al menos para determinado tipo de sistemas como puedan ser aquellos que presentan fenómenos de difusión, retardos y otras características dificiles de capturar, [EN] We analyze some of the existent software tools to identify fractional-order transfer functions from experimental data, and, more broadly, their use in the context of Systems and Control Engineering. The main goal of this Master Thesis is to compare fractional-order transfer functions to ordinary ones, the latter being supported by many years of experience in their use and development, in order to determine whether the former could provide practical advantages, at least for certain kinds of systems, like those which present diffusion phenomena, delays, and other characteristics hard to capture.

[ES] Se propone analizar las herramientas sofware existentes para identificar funciones de transferencia fraccionales a partir de datos experimentales y su uso en el contexto de la ingenieria de sistemas y control. El objetivo principal es compararlas con funciones de transferencia ordinarias, para las que hay herramientas con muchos años de experiencia en su uso y desarrollo, para determinar si las nuevas herramientas ofrecen alguna ventaja práctica al menos para determinado tipo de sistemas como puedan ser aquellos que presentan fenómenos de difusión, retardos y otras características dificiles de capturar, [EN] We analyze some of the existent software tools to identify fractional-order transfer functions from experimental data, and, more broadly, their use in the context of Systems and Control Engineering. The main goal of this Master Thesis is to compare fractional-order transfer functions to ordinary ones, the latter being supported by many years of experience in their use and development, in order to determine whether the former could provide practical advantages, at least for certain kinds of systems, like those which present diffusion phenomena, delays, and other characteristics hard to capture.

[ES] Se propone analizar las herramientas sofware existentes para identificar funciones de transferencia fraccionales a partir de datos experimentales y su uso en el contexto de la ingenieria de sistemas y control. El objetivo principal es compararlas con funciones de transferencia ordinarias, para las que hay herramientas con muchos años de experiencia en su uso y desarrollo, para determinar si las nuevas herramientas ofrecen alguna ventaja práctica al menos para determinado tipo de sistemas como puedan ser aquellos que presentan fenómenos de difusión, retardos y otras características dificiles de capturar, [EN] We analyze some of the existent software tools to identify fractional-order transfer functions from experimental data, and, more broadly, their use in the context of Systems and Control Engineering. The main goal of this Master Thesis is to compare fractional-order transfer functions to ordinary ones, the latter being supported by many years of experience in their use and development, in order to determine whether the former could provide practical advantages, at least for certain kinds of systems, like those which present diffusion phenomena, delays, and other characteristics hard to capture.

[CA] A efectos de maximizar el rendimiento y productividad de los bioprocesos, la biotecnología industrial actual ha de hacer frente a problemas críticos, como son el modelado, la estimación de variables clave, y el diseño de mecanismos de actuación (control) sobre el estado metabólico de los microorganismos. En los últimos años, los turbidostatos de pequeña escala, que usan un circuito de realimentación para mantener constante la densidad celular, están empezando a estar disponibles en los laboratorios para realizar caracterización y escalado de sistemas biológicos sin restricciones de nutrientes. De esta forma, los turbidostatos son una herramienta prometedora para ser utilizada como paso intermedio entre el laboratorio y el biorreactor industrial. En el presente proyecto se ha diseñado e implementado un turbidostato, a partir de un diseño e implementación parcial proporcionada por el ai2. Se ha revisado, mejorado y ampliado el diseño proporcionado por el ai2 para satisfacer las nuevas necesidades: modo autónomo, mayor capacidad de cálculo, ampliación a cinco cámaras de cultivo en paralelo. Se ha realizado un diseño nuevo de la estructura del turbidostato, el cual consiste en un módulo de control y un módulo para las cámaras de cultivo. Por otro lado, se ha hecho una revisión del sensor de biomasa, mejorando su precisión y resolución, al utilizar un módulo específico de la BeagleBone Black para tratar la señal de frecuencia generada. El observador ha sido optimizado para reducir el ruido en su estimación y además se han desarrollado estratégicas para acelerar en gran medida su convergencia. Se han implementado y diseñado varios tipos de control, destacando el controlador no-lineal adaptativo desarrollado por el ai2. Se ha desarrollado una aplicación en C/C++ que se ejecutará en la BeagleBone Black del turbidostato, esta se encargará de realizar el control y además ejecutará un servidor TCP para poder comunicarse con la aplicación desde el exterior. Por tanto, ha s

[ES] En diferentes marcos de diseño de controladores, el proceso de diseño se divide en dos pasos. Primero, un controlador se diseña para hacer invariante una variedad dada que puede venir definida implícitamente por alguna dinámica objetivo. Segundo, otra capa de control se diseña para hacer que la variedad antes mencionada sea atractiva. Nos queremos centrar en el primer paso, tomando la dinámica con parámetros nominales y definir constructivamente un controlador tal que que las trayectorias del sistema de bucle cerrado cumplan con una restricción dada. Esta puede darse en la forma de una primera integral deseada o como un sistema dinámico que puede, por ejemplo, representar la evolución del error. Los controladores pueden ser estáticos o dinámicos y el método debería poder aplicase a sistemas implícitos. Los sistemas, sin embargo, deben definirse por polinomios diferenciales y así permitir el uso de los métodos computacionales del álgebra diferencial., [EN] In different controller design frameworks, the design process is divided in two steps. First, a controller is designed to make invariant a given manifold which may be given implicitly by some target dynamics. Second, another control layer is designed to make that manifold attractive. We want to concentrate on the first step, taking the nominal parameters dynamics and constructively producing a controller such that the closed-loop system trajectories comply with a given restriction. This is in the form of a desired first integral or as a dynamical system which may, for example, represent the error evolution. The controllers may be static or dynamic and the method should apply to implicit systems. The systems, though, must be defined by differential polynomials. Thus enabling the use of the computational methods from differential algebra.

[CA] A efectos de maximizar el rendimiento y productividad de los bioprocesos, la biotecnología industrial actual ha de hacer frente a problemas críticos, como son el modelado, la estimación de variables clave, y el diseño de mecanismos de actuación (control) sobre el estado metabólico de los microorganismos. En los últimos años, los turbidostatos de pequeña escala, que usan un circuito de realimentación para mantener constante la densidad celular, están empezando a estar disponibles en los laboratorios para realizar caracterización y escalado de sistemas biológicos sin restricciones de nutrientes. De esta forma, los turbidostatos son una herramienta prometedora para ser utilizada como paso intermedio entre el laboratorio y el biorreactor industrial. En el presente proyecto se ha diseñado e implementado un turbidostato, a partir de un diseño e implementación parcial proporcionada por el ai2. Se ha revisado, mejorado y ampliado el diseño proporcionado por el ai2 para satisfacer las nuevas necesidades: modo autónomo, mayor capacidad de cálculo, ampliación a cinco cámaras de cultivo en paralelo. Se ha realizado un diseño nuevo de la estructura del turbidostato, el cual consiste en un módulo de control y un módulo para las cámaras de cultivo. Por otro lado, se ha hecho una revisión del sensor de biomasa, mejorando su precisión y resolución, al utilizar un módulo específico de la BeagleBone Black para tratar la señal de frecuencia generada. El observador ha sido optimizado para reducir el ruido en su estimación y además se han desarrollado estratégicas para acelerar en gran medida su convergencia. Se han implementado y diseñado varios tipos de control, destacando el controlador no-lineal adaptativo desarrollado por el ai2. Se ha desarrollado una aplicación en C/C++ que se ejecutará en la BeagleBone Black del turbidostato, esta se encargará de realizar el control y además ejecutará un servidor TCP para poder comunicarse con la aplicación desde el exterior. Por tanto, ha s

[CA] A efectos de maximizar el rendimiento y productividad de los bioprocesos, la biotecnología industrial actual ha de hacer frente a problemas críticos, como son el modelado, la estimación de variables clave, y el diseño de mecanismos de actuación (control) sobre el estado metabólico de los microorganismos. En los últimos años, los turbidostatos de pequeña escala, que usan un circuito de realimentación para mantener constante la densidad celular, están empezando a estar disponibles en los laboratorios para realizar caracterización y escalado de sistemas biológicos sin restricciones de nutrientes. De esta forma, los turbidostatos son una herramienta prometedora para ser utilizada como paso intermedio entre el laboratorio y el biorreactor industrial. En el presente proyecto se ha diseñado e implementado un turbidostato, a partir de un diseño e implementación parcial proporcionada por el ai2. Se ha revisado, mejorado y ampliado el diseño proporcionado por el ai2 para satisfacer las nuevas necesidades: modo autónomo, mayor capacidad de cálculo, ampliación a cinco cámaras de cultivo en paralelo. Se ha realizado un diseño nuevo de la estructura del turbidostato, el cual consiste en un módulo de control y un módulo para las cámaras de cultivo. Por otro lado, se ha hecho una revisión del sensor de biomasa, mejorando su precisión y resolución, al utilizar un módulo específico de la BeagleBone Black para tratar la señal de frecuencia generada. El observador ha sido optimizado para reducir el ruido en su estimación y además se han desarrollado estratégicas para acelerar en gran medida su convergencia. Se han implementado y diseñado varios tipos de control, destacando el controlador no-lineal adaptativo desarrollado por el ai2. Se ha desarrollado una aplicación en C/C++ que se ejecutará en la BeagleBone Black del turbidostato, esta se encargará de realizar el control y además ejecutará un servidor TCP para poder comunicarse con la aplicación desde el exterior. Por tanto, ha s

[CA] A efectos de maximizar el rendimiento y productividad de los bioprocesos, la biotecnología industrial actual ha de hacer frente a problemas críticos, como son el modelado, la estimación de variables clave, y el diseño de mecanismos de actuación (control) sobre el estado metabólico de los microorganismos. En los últimos años, los turbidostatos de pequeña escala, que usan un circuito de realimentación para mantener constante la densidad celular, están empezando a estar disponibles en los laboratorios para realizar caracterización y escalado de sistemas biológicos sin restricciones de nutrientes. De esta forma, los turbidostatos son una herramienta prometedora para ser utilizada como paso intermedio entre el laboratorio y el biorreactor industrial. En el presente proyecto se ha diseñado e implementado un turbidostato, a partir de un diseño e implementación parcial proporcionada por el ai2. Se ha revisado, mejorado y ampliado el diseño proporcionado por el ai2 para satisfacer las nuevas necesidades: modo autónomo, mayor capacidad de cálculo, ampliación a cinco cámaras de cultivo en paralelo. Se ha realizado un diseño nuevo de la estructura del turbidostato, el cual consiste en un módulo de control y un módulo para las cámaras de cultivo. Por otro lado, se ha hecho una revisión del sensor de biomasa, mejorando su precisión y resolución, al utilizar un módulo específico de la BeagleBone Black para tratar la señal de frecuencia generada. El observador ha sido optimizado para reducir el ruido en su estimación y además se han desarrollado estratégicas para acelerar en gran medida su convergencia. Se han implementado y diseñado varios tipos de control, destacando el controlador no-lineal adaptativo desarrollado por el ai2. Se ha desarrollado una aplicación en C/C++ que se ejecutará en la BeagleBone Black del turbidostato, esta se encargará de realizar el control y además ejecutará un servidor TCP para poder comunicarse con la aplicación desde el exterior. Por tanto, ha s

[ES] A efectos de maximizar el rendimiento y productividad de los bioprocesos, la biotecnología industrial actual ha de hacer frente a problemas críticos, como son el modelado, la estimación de variables clave, y el diseño de mecanismos de actuación (control) sobre el estado metabólico de los microorganismos. En los últimos años, los turbidostatos de pequeña escala, que usan un circuito de realimentación para mantener constante la densidad celular, están empezando a estar disponibles en los laboratorios para realizar caracterización y escalado de sistemas biológicos sin restricciones de nutrientes. De esta forma, los turbidostatos son una herramienta prometedora para ser utilizada como paso intermedio entre el laboratorio y el biorreactor industrial. En el presente proyecto se ha diseñado e implementado un turbidostato, centrándose el proyecto en los aspectos de medida de concentración de biomasa, estimación de la tasa específica de crecimiento, y uso de ambos para el control en bucle cerrado de la concentración de biomasa. Además, se han conseguido realizar experimentos físicos probando su funcionamiento. La tarea de construir un turbidostato es un proceso complejo que combina muchas ramas del conocimiento: biología, electrónica, teoría de control y óptica. En primer lugar, se ha diseñado e implementado un sensor óptico de concentración de biomasa basado en medida de absorbancia. Este sensor óptico está compuesto por un módulo laser y dos fotodiodos colocados estratégicamente para poder medir la pérdida de intensidad del haz láser al atravesar el cultivo. En segundo lugar, se ha tratado el problema de control en bucle cerrado de la concentración de biomasa a partir de medidas de la misma. Cabe destacar que el modelo matemático de un turbidostato es no-lineal y existen parámetros que no se pueden determinar. El control adaptativo no lineal implementado utiliza un modelo mínimo del proceso, pero, por contra, requiere la medida de la tasa específica de crecimiento del

[ES] A efectos de maximizar el rendimiento y productividad de los bioprocesos, la biotecnología industrial actual ha de hacer frente a problemas críticos, como son el modelado, la estimación de variables clave, y el diseño de mecanismos de actuación (control) sobre el estado metabólico de los microorganismos. En los últimos años, los turbidostatos de pequeña escala, que usan un circuito de realimentación para mantener constante la densidad celular, están empezando a estar disponibles en los laboratorios para realizar caracterización y escalado de sistemas biológicos sin restricciones de nutrientes. De esta forma, los turbidostatos son una herramienta prometedora para ser utilizada como paso intermedio entre el laboratorio y el biorreactor industrial. En el presente proyecto se ha diseñado e implementado un turbidostato, centrándose el proyecto en los aspectos de medida de concentración de biomasa, estimación de la tasa específica de crecimiento, y uso de ambos para el control en bucle cerrado de la concentración de biomasa. Además, se han conseguido realizar experimentos físicos probando su funcionamiento. La tarea de construir un turbidostato es un proceso complejo que combina muchas ramas del conocimiento: biología, electrónica, teoría de control y óptica. En primer lugar, se ha diseñado e implementado un sensor óptico de concentración de biomasa basado en medida de absorbancia. Este sensor óptico está compuesto por un módulo laser y dos fotodiodos colocados estratégicamente para poder medir la pérdida de intensidad del haz láser al atravesar el cultivo. En segundo lugar, se ha tratado el problema de control en bucle cerrado de la concentración de biomasa a partir de medidas de la misma. Cabe destacar que el modelo matemático de un turbidostato es no-lineal y existen parámetros que no se pueden determinar. El control adaptativo no lineal implementado utiliza un modelo mínimo del proceso, pero, por contra, requiere la medida de la tasa específica de crecimiento del

[ES] A efectos de maximizar el rendimiento y productividad de los bioprocesos, la biotecnología industrial actual ha de hacer frente a problemas críticos, como son el modelado, la estimación de variables clave, y el diseño de mecanismos de actuación (control) sobre el estado metabólico de los microorganismos. En los últimos años, los turbidostatos de pequeña escala, que usan un circuito de realimentación para mantener constante la densidad celular, están empezando a estar disponibles en los laboratorios para realizar caracterización y escalado de sistemas biológicos sin restricciones de nutrientes. De esta forma, los turbidostatos son una herramienta prometedora para ser utilizada como paso intermedio entre el laboratorio y el biorreactor industrial. En el presente proyecto se ha diseñado e implementado un turbidostato, centrándose el proyecto en los aspectos de medida de concentración de biomasa, estimación de la tasa específica de crecimiento, y uso de ambos para el control en bucle cerrado de la concentración de biomasa. Además, se han conseguido realizar experimentos físicos probando su funcionamiento. La tarea de construir un turbidostato es un proceso complejo que combina muchas ramas del conocimiento: biología, electrónica, teoría de control y óptica. En primer lugar, se ha diseñado e implementado un sensor óptico de concentración de biomasa basado en medida de absorbancia. Este sensor óptico está compuesto por un módulo laser y dos fotodiodos colocados estratégicamente para poder medir la pérdida de intensidad del haz láser al atravesar el cultivo. En segundo lugar, se ha tratado el problema de control en bucle cerrado de la concentración de biomasa a partir de medidas de la misma. Cabe destacar que el modelo matemático de un turbidostato es no-lineal y existen parámetros que no se pueden determinar. El control adaptativo no lineal implementado utiliza un modelo mínimo del proceso, pero, por contra, requiere la medida de la tasa específica de crecimiento del

[ES] A efectos de maximizar el rendimiento y productividad de los bioprocesos, la biotecnología industrial actual ha de hacer frente a problemas críticos, como son el modelado, la estimación de variables clave, y el diseño de mecanismos de actuación (control) sobre el estado metabólico de los microorganismos. En los últimos años, los turbidostatos de pequeña escala, que usan un circuito de realimentación para mantener constante la densidad celular, están empezando a estar disponibles en los laboratorios para realizar caracterización y escalado de sistemas biológicos sin restricciones de nutrientes. De esta forma, los turbidostatos son una herramienta prometedora para ser utilizada como paso intermedio entre el laboratorio y el biorreactor industrial. En el presente proyecto se ha diseñado e implementado un turbidostato, centrándose el proyecto en los aspectos de medida de concentración de biomasa, estimación de la tasa específica de crecimiento, y uso de ambos para el control en bucle cerrado de la concentración de biomasa. Además, se han conseguido realizar experimentos físicos probando su funcionamiento. La tarea de construir un turbidostato es un proceso complejo que combina muchas ramas del conocimiento: biología, electrónica, teoría de control y óptica. En primer lugar, se ha diseñado e implementado un sensor óptico de concentración de biomasa basado en medida de absorbancia. Este sensor óptico está compuesto por un módulo laser y dos fotodiodos colocados estratégicamente para poder medir la pérdida de intensidad del haz láser al atravesar el cultivo. En segundo lugar, se ha tratado el problema de control en bucle cerrado de la concentración de biomasa a partir de medidas de la misma. Cabe destacar que el modelo matemático de un turbidostato es no-lineal y existen parámetros que no se pueden determinar. El control adaptativo no lineal implementado utiliza un modelo mínimo del proceso, pero, por contra, requiere la medida de la tasa específica de crecimiento del

[EN] In the last decade we have witnessed a growing application of engineering techniques to biology. Areas such as Systems Biology or, more recently, Synthetic Biology, get more and more attention from the engineers. Specifically, modeling in these fields makes possible the generation of new experimentally verifiable hypothesis, and new ways of biological intervention, as well as more or less mechanistic explanations of experimental results. A model-based approximation requires the consideration of the biochemical reactions dynamics and their regulation. The first part of this tutorial describes the deterministic modeling and model reduction techniques, as applied to the class of biochemical reactions specific to molecular cell biology.Noise plays a crucial role in the biological circuitry dynamics. In the field of automatic control there is a long tradition of modeling using linear stochastic differential equations, under the simplifying assumption that noise has a magnitude independent of the state. This assumption is not valid in biological circuits. The second part of the tutorial describes the most widely used methods for stochastic modeling in molecular cell biology, paying special attention to the so-called linear noise approximation., [ES] Durante la ultima década hemos vivido una creciente aplicación de técnicas propias de las ingenierías a la biología. Áreas como la Biología de Sistemas o, más recientemente, la Biología Sintética, reciben una atención cada vez mayor por parte de los ingenieros. En particular, el modelado en estos ámbitos permite la generación de nuevas hipótesis contrastables experimentalmente, y de nuevas formas de intervención biológica, así como explicaciones más o menos mecanicistas de los resultados experimentales. Una aproximación basada en modelo requiere considerar la dinámica de las reacciones bioquímicas y su regulación. En la primera parte de este tutorial se introducen el modelado determinista y reducción de modelos de la clase de reacciones bioquímicas propias de la biología molecular celular.El ruido juega un papel crucial en la dinámica de los circuitos biológicos. En el área de control automático hay una larga tradición de modelado mediante ecuaciones diferenciales estocásticas lineales, bajo la hipótesis simplificadora de asumir que el ruido tiene una magnitud independiente de la del estado. Esta hipótesis no es válida en los circuitos biológicos. En la segunda parte del tutorial se describen los métodos de modelado estocástico más usados en biología molecular, con especial atención a denominada aproximación lineal del ruido.

[EN] In the last decade we have witnessed a growing application of engineering techniques to biology. Areas such as Systems Biology or, more recently, Synthetic Biology, get more and more attention from the engineers. Specifically, modeling in these fields makes possible the generation of new experimentally verifiable hypothesis, and new ways of biological intervention, as well as more or less mechanistic explanations of experimental results. A model-based approximation requires the consideration of the biochemical reactions dynamics and their regulation. The first part of this tutorial describes the deterministic modeling and model reduction techniques, as applied to the class of biochemical reactions specific to molecular cell biology.Noise plays a crucial role in the biological circuitry dynamics. In the field of automatic control there is a long tradition of modeling using linear stochastic differential equations, under the simplifying assumption that noise has a magnitude independent of the state. This assumption is not valid in biological circuits. The second part of the tutorial describes the most widely used methods for stochastic modeling in molecular cell biology, paying special attention to the so-called linear noise approximation., [ES] Durante la ultima década hemos vivido una creciente aplicación de técnicas propias de las ingenierías a la biología. Áreas como la Biología de Sistemas o, más recientemente, la Biología Sintética, reciben una atención cada vez mayor por parte de los ingenieros. En particular, el modelado en estos ámbitos permite la generación de nuevas hipótesis contrastables experimentalmente, y de nuevas formas de intervención biológica, así como explicaciones más o menos mecanicistas de los resultados experimentales. Una aproximación basada en modelo requiere considerar la dinámica de las reacciones bioquímicas y su regulación. En la primera parte de este tutorial se introducen el modelado determinista y reducción de modelos de la clase de reacciones bioquímicas propias de la biología molecular celular.El ruido juega un papel crucial en la dinámica de los circuitos biológicos. En el área de control automático hay una larga tradición de modelado mediante ecuaciones diferenciales estocásticas lineales, bajo la hipótesis simplificadora de asumir que el ruido tiene una magnitud independiente de la del estado. Esta hipótesis no es válida en los circuitos biológicos. En la segunda parte del tutorial se describen los métodos de modelado estocástico más usados en biología molecular, con especial atención a denominada aproximación lineal del ruido.

[EN] In the last decade we have witnessed a growing application of engineering techniques to biology. Areas such as Systems Biology or, more recently, Synthetic Biology, get more and more attention from the engineers. Specifically, modeling in these fields makes possible the generation of new experimentally verifiable hypothesis, and new ways of biological intervention, as well as more or less mechanistic explanations of experimental results. A model-based approximation requires the consideration of the biochemical reactions dynamics and their regulation. The first part of this tutorial describes the deterministic modeling and model reduction techniques, as applied to the class of biochemical reactions specific to molecular cell biology.Noise plays a crucial role in the biological circuitry dynamics. In the field of automatic control there is a long tradition of modeling using linear stochastic differential equations, under the simplifying assumption that noise has a magnitude independent of the state. This assumption is not valid in biological circuits. The second part of the tutorial describes the most widely used methods for stochastic modeling in molecular cell biology, paying special attention to the so-called linear noise approximation., [ES] Durante la ultima década hemos vivido una creciente aplicación de técnicas propias de las ingenierías a la biología. Áreas como la Biología de Sistemas o, más recientemente, la Biología Sintética, reciben una atención cada vez mayor por parte de los ingenieros. En particular, el modelado en estos ámbitos permite la generación de nuevas hipótesis contrastables experimentalmente, y de nuevas formas de intervención biológica, así como explicaciones más o menos mecanicistas de los resultados experimentales. Una aproximación basada en modelo requiere considerar la dinámica de las reacciones bioquímicas y su regulación. En la primera parte de este tutorial se introducen el modelado determinista y reducción de modelos de la clase de reacciones bioquímicas propias de la biología molecular celular.El ruido juega un papel crucial en la dinámica de los circuitos biológicos. En el área de control automático hay una larga tradición de modelado mediante ecuaciones diferenciales estocásticas lineales, bajo la hipótesis simplificadora de asumir que el ruido tiene una magnitud independiente de la del estado. Esta hipótesis no es válida en los circuitos biológicos. En la segunda parte del tutorial se describen los métodos de modelado estocástico más usados en biología molecular, con especial atención a denominada aproximación lineal del ruido.

[EN] In the last decade we have witnessed a growing application of engineering techniques to biology. Areas such as Systems Biology or, more recently, Synthetic Biology, get more and more attention from the engineers. Specifically, modeling in these fields makes possible the generation of new experimentally verifiable hypothesis, and new ways of biological intervention, as well as more or less mechanistic explanations of experimental results. A model-based approximation requires the consideration of the biochemical reactions dynamics and their regulation. The first part of this tutorial describes the deterministic modeling and model reduction techniques, as applied to the class of biochemical reactions specific to molecular cell biology.Noise plays a crucial role in the biological circuitry dynamics. In the field of automatic control there is a long tradition of modeling using linear stochastic differential equations, under the simplifying assumption that noise has a magnitude independent of the state. This assumption is not valid in biological circuits. The second part of the tutorial describes the most widely used methods for stochastic modeling in molecular cell biology, paying special attention to the so-called linear noise approximation., [ES] Durante la ultima década hemos vivido una creciente aplicación de técnicas propias de las ingenierías a la biología. Áreas como la Biología de Sistemas o, más recientemente, la Biología Sintética, reciben una atención cada vez mayor por parte de los ingenieros. En particular, el modelado en estos ámbitos permite la generación de nuevas hipótesis contrastables experimentalmente, y de nuevas formas de intervención biológica, así como explicaciones más o menos mecanicistas de los resultados experimentales. Una aproximación basada en modelo requiere considerar la dinámica de las reacciones bioquímicas y su regulación. En la primera parte de este tutorial se introducen el modelado determinista y reducción de modelos de la clase de reacciones bioquímicas propias de la biología molecular celular.El ruido juega un papel crucial en la dinámica de los circuitos biológicos. En el área de control automático hay una larga tradición de modelado mediante ecuaciones diferenciales estocásticas lineales, bajo la hipótesis simplificadora de asumir que el ruido tiene una magnitud independiente de la del estado. Esta hipótesis no es válida en los circuitos biológicos. En la segunda parte del tutorial se describen los métodos de modelado estocástico más usados en biología molecular, con especial atención a denominada aproximación lineal del ruido.

[EN] In the last decade we have witnessed a growing application of engineering techniques to biology. Areas such as Systems Biology or, more recently, Synthetic Biology, get more and more attention from the engineers. Specifically, modeling in these fields makes possible the generation of new experimentally verifiable hypothesis, and new ways of biological intervention, as well as more or less mechanistic explanations of experimental results. A model-based approximation requires the consideration of the biochemical reactions dynamics and their regulation. The first part of this tutorial describes the deterministic modeling and model reduction techniques, as applied to the class of biochemical reactions specific to molecular cell biology.Noise plays a crucial role in the biological circuitry dynamics. In the field of automatic control there is a long tradition of modeling using linear stochastic differential equations, under the simplifying assumption that noise has a magnitude independent of the state. This assumption is not valid in biological circuits. The second part of the tutorial describes the most widely used methods for stochastic modeling in molecular cell biology, paying special attention to the so-called linear noise approximation., [ES] Durante la ultima década hemos vivido una creciente aplicación de técnicas propias de las ingenierías a la biología. Áreas como la Biología de Sistemas o, más recientemente, la Biología Sintética, reciben una atención cada vez mayor por parte de los ingenieros. En particular, el modelado en estos ámbitos permite la generación de nuevas hipótesis contrastables experimentalmente, y de nuevas formas de intervención biológica, así como explicaciones más o menos mecanicistas de los resultados experimentales. Una aproximación basada en modelo requiere considerar la dinámica de las reacciones bioquímicas y su regulación. En la primera parte de este tutorial se introducen el modelado determinista y reducción de modelos de la clase de reacciones bioquímicas propias de la biología molecular celular.El ruido juega un papel crucial en la dinámica de los circuitos biológicos. En el área de control automático hay una larga tradición de modelado mediante ecuaciones diferenciales estocásticas lineales, bajo la hipótesis simplificadora de asumir que el ruido tiene una magnitud independiente de la del estado. Esta hipótesis no es válida en los circuitos biológicos. En la segunda parte del tutorial se describen los métodos de modelado estocástico más usados en biología molecular, con especial atención a denominada aproximación lineal del ruido.

[EN] In the last decade we have witnessed a growing application of engineering techniques to biology. Areas such as Systems Biology or, more recently, Synthetic Biology, get more and more attention from the engineers. Specifically, modeling in these fields makes possible the generation of new experimentally verifiable hypothesis, and new ways of biological intervention, as well as more or less mechanistic explanations of experimental results. A model-based approximation requires the consideration of the biochemical reactions dynamics and their regulation. The first part of this tutorial describes the deterministic modeling and model reduction techniques, as applied to the class of biochemical reactions specific to molecular cell biology.Noise plays a crucial role in the biological circuitry dynamics. In the field of automatic control there is a long tradition of modeling using linear stochastic differential equations, under the simplifying assumption that noise has a magnitude independent of the state. This assumption is not valid in biological circuits. The second part of the tutorial describes the most widely used methods for stochastic modeling in molecular cell biology, paying special attention to the so-called linear noise approximation., [ES] Durante la ultima década hemos vivido una creciente aplicación de técnicas propias de las ingenierías a la biología. Áreas como la Biología de Sistemas o, más recientemente, la Biología Sintética, reciben una atención cada vez mayor por parte de los ingenieros. En particular, el modelado en estos ámbitos permite la generación de nuevas hipótesis contrastables experimentalmente, y de nuevas formas de intervención biológica, así como explicaciones más o menos mecanicistas de los resultados experimentales. Una aproximación basada en modelo requiere considerar la dinámica de las reacciones bioquímicas y su regulación. En la primera parte de este tutorial se introducen el modelado determinista y reducción de modelos de la clase de reacciones bioquímicas propias de la biología molecular celular.El ruido juega un papel crucial en la dinámica de los circuitos biológicos. En el área de control automático hay una larga tradición de modelado mediante ecuaciones diferenciales estocásticas lineales, bajo la hipótesis simplificadora de asumir que el ruido tiene una magnitud independiente de la del estado. Esta hipótesis no es válida en los circuitos biológicos. En la segunda parte del tutorial se describen los métodos de modelado estocástico más usados en biología molecular, con especial atención a denominada aproximación lineal del ruido.