Hybrid Model Development in (Bio)Chemical Heterogeneous Population Systems

Promovendus/a: Michiel Busschaert

Promotor(en): Prof. dr. ir. Florence Vermeire, Prof.dr.ing. Steffen Waldherr

Wiskundige modellen van fysische systemen zijn een onmisbaar aspect van de modern techniek geworden. Ze laten de ontwikkeling en het testen van nieuwe ontwerpen, het verbeteren van bestaande ontwerpen, en meer. In het bijzonder ontladen ze tijd en middelen, die anders aan echte experimenten gespendeerd zou worden. Historisch gezien evolueerden deze modellen samen met vooruitgangen in de wiskunde, in de poging om fysische waarnemingen te beschrijven. Met de introductie en de stijging van computationele modellen, kunnen fysische systemen in grotere graad van detail beschreven en opgelost worden. Echter, sommige systemen zijn aangetoond, intrinsiek bijna onmogelijk nauwkeurig voorspellen te zijn, zoals turbulente stroming [Steven Strogatz, Nonlinear Dynamics and Control, 2015], zelfs als de onderliggende mechanismes goed bekend zijn. Daarbij introduceert de popularisatie van technieken uit machinaal leren modellen die complexe systemen beschrijven, zonder de onderliggende principes te begrijpen. Dit onderstreept twee verschillende perspectieven in het modelleren: een kennis-gebaseerde aanpak tegenover een data-gebaseerde aanpak.

In dit proefschrift wordt een speciaal type systeem gemodelleerd, waarin er een verzameling (populatie) van vele kleinere partikels (individuen) is, met een zogenaamd Populatiebalansmodel (PBM). Bijvoorbeeld, verschillende biotechnologische processen gebruiken kleine cellen die zich samen als talrijke mini-fabrieken gedragen, die bepaalde materialen opnemen en gewenste chemicaliën produceren. Er bestaan andere voorbeelden, zoals de kristalvorming die gebruikt wordt in de productie van, b.v., aspirine. Dit proefschrift onderzoekt verschillende aanpakken om dergelijke systemen, die uit een populatie bestaan, te beschrijven. Zowel kennis-gedreven als data-gedreven technieken worden in acht genomen, zo ook de combinatie van beiden. Eén techniek uit de systeembiologie is gebruikt steunend op de kennis van het stofwisselingsgedrag van een cel, genaamd Fluxbalansanalyse (FBA). Een andere techniek met data-gedreven aspecten wordt gebruikt, welke haar oorsprong in het machinaal leren heeft, Gaussische processregressie (GPR). Het proefschrift is opgesteld om te focussen op de gemeenschappelijke principes in het modelleren van populatie-gebaseerde systemen, maar gebruikt specifieke voorbeelden om de methodologie voor te stellen. Een gevalstudie gaat over farmaceutische kristalvorming, de andere gevalstudie over biologische celcultivering.