Capacidades e produtos de innovación

Morbidostat é un dispositivo de cultivo continuo controlado por ordenador que axusta automaticamente a concentración de fármacos para manter constante a inhibición do crecemento en cultivos microbianos. A medida que as bacterias adquiren mutacións que lles confiren resistencia aos fármacos, son capaces de tolerar meirandes concentracións dos devanditos fármacos e de medrar máis rapidamente, eliminando así a presión selectiva, que é a forza impulsora da evolución. Para compensar este mecanismo, Morbidostat aumenta a concentración do fármaco o suficiente para manter a taxa de crecemento orixinal das bacterias, mantendo así a presión selectiva ao longo do tempo. O sistema permite adquirir datos para modelar a evolución microbiana baixo estrés por axentes antimicrobianos, optimizar as estratexias de dosificación de biocidas e desenvolver cepas de alta resistencia a axentes antimicrobianos utilizadas para analizar a eficacia de novos biocidas, entre outras aplicacións.  

Deseño e desenvolvemento de produtos do mar para persoas consumidoras obxectivo (terceira idade, mocidade, pacientes con diabetes ou alerxias ao marisco, etc.) que cumpran uns requisitos específicos tanto nutricionais como de seguridade e sostibilidade. Desenvolvemento de técnicas (metabolómicas, proteómicas, xenómicas, lipidómicas, etc.) mediante o uso de modelos animais e cultivos celulares para caracterizar a resposta a unha dieta de pacientes ou persoas consumidoras e deseñar tratamentos e produtos para unha nutrición personalizada (p. ex., nutracéuticos, produtos do mar hipoalerxénicos, inmunoestimulantes, alimentos funcionais, etc.).

SYNBADm é un kit de ferramentas baseado en Matlab para o deseño automático de circuítos biolóxicos para funcións obxectivo de bibliotecas de compoñentes.

Podes atopar máis información aquí.

Método descrito en Csendes, T., L. Pal, J.O.H. Sendin, J.R. Banga (2008). The GLOBAL Optimization Method Revisited. Optimization Letters, 2(4):445-454.

O software está dispoñible baixo petición (escríbenos se che interesa).

Avaliación e desenvolvemento de protocolos para identificar os puntos e produtos máis problemáticos canto á contaminación microbiolóxica e infestación parasitaria ao longo da cadea de valor dos produtos do mar.

AMIGO2 é un kit de ferramentas multiplataforma baseado en MATLAB deseñado para resolver problemas de optimización matemática básicos para a bioloxía de sistemas, dentro do contexto da identificación de modelos paramétricos, a hipótese subxacente ao desenvolvemento de modelos e o control óptimo dos sistemas biolóxicos para acadar o comportamento desexado de forma sintética.

Podes atopar máis información aquí.

Método descrito en: Exler, O., L.T. Antelo, J.A. Egea, A.A. Alonso and J.R. Banga (2008) A Tabu search-based algorithm for mixed-integer nonlinear problems and its application to integrated process and control system design. Computers & Chemical Engineering, 32(8):1877-1891.

O software está dispoñible baixo petición (escríbenos se che interesa).

Desenvolvemento de algoritmos de Deep Learning que permiten automatizar os procesos de vixilancia das pesquerías e reducir o tempo e os custes en comparación co procesamento mediante observación humana. As aplicacións desenvolvidas van dende sistemas innovadores de vixilancia electrónica remota en tempo real, que identifican e cuantifican as capturas totais dos barcos de pesca (p. ex., iObserver), ata novas técnicas de recoñecemento de imaxe que permiten identificar os peixes a nivel individual e estimar parámetros poboacionais. 

PREMER (Parallel Reverse Engineering with Mutual information & Entropy Reduction [enxeñaría inversa paralela con información mutua e redución de entropía]) é unha ferramenta de software multiplataforma de código aberto para inferencia de estruturas de redes a partir de datos mediante medidas de teoría da información. É unha ferramenta de uso xeral desenvolvida pensando en redes biolóxicas, pero pódese aplicar a outros campos.

Podes atopar máis información aquí.

O método descríbese en Schlater, M., J. A. Egea y J. R. Banga (2009). Extended ant colony optimization for non-convex mixed integer nonlinear programming. Computers & Operations Research 36(7): 2217-2229.

O software está dispoñible baixo petición (escríbenos se che interesa).