Modelització i simulació de sistemes biològics                                   Examen – Primer parcial – Novembre  2018 

Resolució  

Exercici 1 (Excel, 2.5 punts)  
L’eruga del boix, Cydalima perspectalis, és un lepidòpter de la família Crambidae. Les erugues 
s’alimenten  de  les  fulles  de  boix  (Buxus  sempervirens),  un  arbust  molt  comú  en  els  boscos 
catalans  i  molt  utilitzat  en  jardineria.  Aquesta  nova  plaga  és  originària  de  les  regions 
subtropicals humides de l’est de l’Àsia. L’any 2007 es va detectar per primera vegada en el sud‐
oest  d’Alemanya.  A  partir  d’aquí,  s’ha  anat  estenent  pels  països  veïns  del  centre  i  sud 
d’Europa, seguint una progressió típica d’una 
espècie  amb  alta  capacitat  invasora.  L’any 
2014, es va trobar a Catalunya, a la població 
de  Besalú  (Girona).  L’eruga  d’aquest  insecte 
s’alimenta  de  les  fulles  durant  el  seu 
desenvolupament,  i  provoca  una  defoliació 
extrema  que  danya  la  planta.  Si  aquestes 
defoliacions són contínues, acaben debilitant 
la planta fins a provocar‐li la mort. 
Papallona i oruga de Cydalima perspectalis 

L’aparició d’espècies invasores pot semblar quelcom excepcional, però atesa la importància del 
comerç i les interaccions entre països i regions, no és gens excepcional. Per exemple, de 1800  
a 2014, s’han comptabilitzat 1171 espècies d’insectes invasores a Europa.  
 
Des  d’un  punt  de  vista  matemàtic  s’ha  estudiat  la  velocitat  de  colonització  de  diverses 
espècies. Si 𝐴  és l’àrea que ha estat envaïda per l’insecte, 
es defineix el radi d’invasió (𝑅 ) com:  
𝐴
𝑅  
𝜋
S’ha  comprovat  que  el  radi  d’invasió  es  pot  descriure 
adequadament amb el model de Beverton‐Holt: 
𝑎𝑡
𝑅 𝑎 𝑐 
1 𝑡
𝑏
On  𝑎,  𝑏  i  𝑐  són  paràmetres  a  estimar  per  cada  espècie,  i 
𝑡 el  temps  transcorregut  des  de  la  primera  detecció  de 
l’insecte. 
 
A  la  figura,  extreta  de  Roques  et  al.  (2016),  es  mostra 
l’evolució  temporal  del  radi  d’invasió  de  sis  espècies  que 
han  envaït  Europa  amb  molta  rapidesa,  una  d’elles 
Cydalima perspectalis.  Hem extret de la gràfica, de forma 
aproximada, les dades de l’eruga del boix: 
t (any) radi (km)
 
1 211.1
  2 366.6
  3 386.1
  4 422.2
  5 471.1
  6 483.3
  7 500
  8 516.7
 
a) Utilitzant el full de càlcul adjunt (Exercici1.xlsx), determineu el valor dels paràmetres 𝑎, 𝑏 i 
𝑐 que millor s’ajusten a les dades de la taula. Indiqueu les unitats de cada paràmetre. 
Modelització i simulació de sistemes biològics                                   Examen – Primer parcial – Novembre  2018 

𝑘𝑚
𝑎 359
 
𝑎𝑛𝑦
𝑏 625.9 𝑘𝑚 
𝑐 0 𝑘𝑚 
 

b) Representeu les dades experimentals i l’ajust obtingut amb el model en front del temps, 
en  una  mateixa  gràfica.  Copieu  la  gràfica  a  continuació.  Calculeu  la  𝑅   entre  les  dades 
experimentals i el model.  

 
  𝑅 0.9705 
 
c) Pensant  en  el  temps  zero  i  en  temps  molt  grans  (ho  podeu  fer  algèbricament  o 
numèricament), deduïu quin és el significat dels paràmetres 𝑏 i 𝑐. 

𝑎𝑡
lim 𝑎 𝑐 0 𝑐 𝑐 
→ 1 𝑡
𝑏
Per  tant  𝑐  seria  el  radi  d’invasió  inicial.  El  resultat  de  l’ajust  on  𝑐 0 𝑘𝑚  ens  descriu  una 
invasió puntual. 

Per trobar el valor de:  lim 𝑐  , dividirem tots els termes dins de la fracció per 𝑎𝑡: 

→

1 1
lim 𝑐 𝑐 𝑏 𝑐 
→ 1 1 1
0
𝑎𝑡 𝑏 𝑏

Si considerem que 𝑏 ≫ 𝑐 llavors 

𝑎𝑡
lim 𝑎 𝑐 𝑏 
→ 1 𝑡
𝑏
𝑏 és el radi final de l’àrea infectada. 
 
d) Utilitzant el model ajustat i un pas de temps de 0.1 any, calculeu la derivada numèrica del 
radi  d’invasió  des  de  l’any  0.9  a  l’any  8.  Representeu‐ho  gràficament,  i  copieu  la  gràfica 
obtinguda a continuació.  
Modelització i simulació de sistemes biològics                                   Examen – Primer parcial – Novembre  2018 

 
 
e) Quant val la derivada numèrica per 𝑡 1 𝑎𝑛𝑦? Indiqueu‐ne tant el valor numèric obtingut 
com les unitats. Quin significat físic té la derivada, en aquest cas?  
 
𝑑𝑅 𝑘𝑚
𝑡 0 𝑎𝑛𝑦 145.2  
𝑑𝑡 𝑎𝑛𝑦
 
La derivada està relacionada amb la velocitat de la invasió, veiem que la papallona està envaint 
espai a una velocitat veritablement important. 
 
 
Referència: Roques et al.,  2016. Biol Invasions  18:907–920. DOI 10.1007/s10530‐016‐1080‐y 
 
Exercici 2 (Matlab, 3.5 punts)  
Casolari (1988) intenta explicar l’efecte d’un tractament tèrmic en una població microbiana (𝑁) 
mitjançant arguments probabilístics. En concret, assumeix que la mort d’un microorganisme és 
deguda  a  un  xoc  letal  amb  una  molècula  d’aigua  que  porta  una  certa  quantitat  d’energia 
superior a un nivell crític 𝐸 𝑘𝑐𝑎𝑙/𝑚𝑜𝑙 . De fet, s’ha observat que el contingut d’aigua d’un 
producte alimentari té una influència significativa en la cinètica d’una inactivació tèrmica. 
El  model  de  Casolari  es  pot  formular  en  els  termes  següents,  en  la  seva  versió  diferencial, 
corresponent  a  la  inactivació  d’una  població  microbiana  𝑁  amb  una  concentració  inicial 
𝑁 (totes dues expressades en 𝑐𝑓𝑢/𝑚𝑙): 
𝑑𝑁 𝐵 𝑇 𝑙𝑛𝑁
𝑁 
𝑑𝑡 𝑙𝑛𝑁
On  el  paràmetre  que  regeix  la  cinètica  del  decaïment,  𝐵,  depèn  de  la  temperatura  (en  𝐾) 
segons l’expressió següent: 𝐵 𝑇 𝑒  

a) Els  diversos  paràmetres  que apareixen  en  el  càlcul  de  𝐵,  i  que  estan  relacionats  amb  el 
concepte  de  dany  per  xocs  amb  les  molècules  d’aigua,  estan  llistats  a  la  taula  següent. 
Obriu el script de referència (Exercici2.m) i completeu la taula següent.  
Paràmetre  Descripció  Valor (unitats) 
𝑁  Nombre d’Avogadro  6.022∙1023 mol‐1 
𝑀   Massa molecular de l’aigua  18 g/mol 
𝐸   Energia necessària per al dany letal  150724.8 J/mol 
𝑅  Constant dels gasos ideals  8.314 J/(mol∙K) 
 
Modelització i simulació de sistemes biològics                                   Examen – Primer parcial – Novembre  2018 

b) Completeu  el  codi  per  tal  de  fer  la  resolució  numèrica  del  model,  en  el  cas  d’un 
tractament a 70 oC durant 40 minuts. Per fer‐ho: 

i. A  l’apartat  DECLARACIÓ  DE  VARIABLES  I  CALCUL  DE  PARÀMETRES  NECESSARIS, 

ompliu  el  vector  temps  (Temps),  avalueu  el  nombre  de  passos  de  la  simulació 
(Npassos),  declareu  la  variable  𝑁  com  un  vector  inicialment  format  per  zeros  (N)  i 
introduïu el càlcul del paràmetre 𝐵 per aquest cas (B). 
ii. A l’apartat BUCLE PRINCIPAL, escriviu el bucle principal del programa per al càlcul del 
vector N. Recordeu que, en Matlab, el logaritme neperià és la funció log. 
iii. A  l’apartat  SORTIDA  GRÀFICA,  feu  la  gràfica  de  l'evolució  temporal  del  vector  N,  on 
l'eix y sigui logarítmic (recordeu la comanda  semilogy). Poseu títols als eixos i a la 
gràfica. 
Copieu a continuació el codi introduït i la gràfica obtinguda. 
%% DECLARACIO DE VARIABLES I CALCUL DE PARAMETRES NECESSARIS
Temps = (t_ini:Delta_t:t_fin)'; % Vector temps per a la simulacio, en
minuts
Npassos = length(Temps); % Nombre de passos de temps
N = zeros(Npassos,1); % Vector poblacio, en cfu/ml
B = (NA/MH2O)^2*exp(-2*Ed/(R*TK)); % Càlcul del paràmetre B

%% BUCLE PRINCIPAL
for i=2:Npassos
N(i)=N(i-1)-(B*(log(N(i-1)))^2*N(i-1)/log(N0))*Delta_t;
end

%% SORTIDA GRÀFICA
figure (1)
semilogy(Temps(:), N(:))
hold on
xlabel('Temps (min)')
ylabel('log(N(cfu/ml))')
title('Corba inactivació T=70ºC')

Gràfica (Figure 1): 

 
 
Modelització i simulació de sistemes biològics                                   Examen – Primer parcial – Novembre  2018 

c) Quina és la població final de microorganismes, un cop finalitzat el tractament? 
𝑁𝑓𝑖𝑛 10.64 𝐶𝐹𝑈/𝑚𝑙 
 
d) En  un  nou  script,  copieu  el  codi  utilitzat  en  la  primera  part  i  transformeu‐lo  en  un 
superbucle on s’escombrin diverses temperatures: des de 54  oC fins a 70  oC, en intervals 
de  2  oC.  L’objectiu  serà  determinar  la  població  final  de  microorganismes  en  cada 
temperatura  per  tal  d’escollir  el  tractament  òptim.  Com  a  resultat  d’aquest  apartat  es 
demanen  dues  gràfiques:  una  que  contingui  totes  les  corbes  d’inactivació,  i  l’altra  que 
contingui  els  valors  de  la  població  final  en  funció  de  la  temperatura  aplicada,  ambdues 
amb l’eix y logarítmic. Podeu seguir les indicacions següents: 
i. Genereu  el  vector  que  contingui  les  temperatures  a  escombrar.  Compteu  quantes 
components  té  per  tal  de  determinar  el  nombre  de  simulacions  a  realitzar  o 
iteracions  del  superbucle  (Nsim).  Genereu,  també,  un  vector  on  guardareu  la 
població final per cada temperatura (Nfin). 
ii. Introduïu  el  superbucle,  que  contindrà  bona  part  del  codi  dels  apartats  anteriors. 
Identifiqueu  quins  paràmetres  o  variables  del  codi  depenen  de  la  temperatura 
escollida, i feu els canvis pertinents per tenir‐ho en compte.  
iii. Mantingueu  la  figura  de  les  corbes  (figure (1))  a  l’interior  del  superbucle. 
Elimineu‐ne  la  comanda  hold off (però  manteniu  el hold on).  Com  que  està 
numerada (1), s’hi aniran afegint les diverses corbes, una en cada iteració.  
iv. Recordeu‐vos de guardar el valor de la població final en acabar cada simulació. 
v. Quan acabeu el superbucle, representeu en una gràfica els valors finals de la població 
(Nfin) en funció de la temperatura, utilitzant un eix y logarítmic. Feu‐ho amb símbols 
que no estiguin units per una corba, ja que no es tracta d’una evolució (per exemple: 
‘o’). Afegiu títols als eixos i a la gràfica. 

Copieu a continuació les dues gràfiques obtingudes. 
 
Figura (1): Corbes d’inactivació a diverses temperatures, en una sola gràfica (no cal posar‐hi llegenda) 
 

 
 
 
 
 Modelització i simulació de sistemes biològics                                   Examen – Primer parcial – Novembre  2018 

Figura (2): Població final en funció de la temperatura del tractament 

 
e) A la vista dels resultats, si voleu reduir la població microbiana a una concentració inferior 
a 10 𝑐𝑓𝑢/𝑚𝑙, quina temperatura escolliríeu per realitzar el tractament?  
Seria  suficient  amb  una  temperatura  de  64  oC,  ja  que  la  població  final  és  inferior  al  llindar 
indicat. Podrien utilitzar‐se temperatures més altes, però suposaria un cost més elevat.  
 

Referència: A.H. Geeraerd et al., 2000. International Journal of Food Microbiology 59 185 –209.