La ingeniería de procesos biológicos es un campo en continua expansión dada la creciente necesidad de productos y corrientes energéticas sostenibles. La optimización de los procesos biológicos se basa principalmente en el control del sistema para lo cual, las tecnologías de predicción de fallos son un paso vital. Para maximizar el potencial de producción de biogás a partir de microalgas, el proyecto PRODIGIO, financiado con fondos europeos, se centra en establecer una base de conocimientos para el desarrollo de tecnologías de predicción de fallos del sistema. El proyecto aspira a mejorar el rendimiento de la producción de biomasa microalgal y los sistemas de digestión anaerobia con el fin de incrementar el rendimiento tecno-económico, ambiental y social.
La ampliación de los procesos biológicos desde ensayos experimentales a escala de laboratorio hasta aplicaciones a escala industrial conduce a una pérdida sistemática de eficiencia, lo que perjudica la viabilidad económica y los posibles beneficios ambientales de la tecnología. La inestabilidad del proceso es fundamental en los sistemas dinámicos no lineales, como los sistemas de producción de base biológica, donde el funcionamiento de comunidades microbianas complejas controla en gran medida la estabilidad de su rendimiento. Estos sistemas dinámicos pueden sufrir transiciones en las que el sistema cambia de un estado estable a otro en un umbral crítico o punto de inflexión.
PRODIGIO desarrollará una metodología innovadora y versátil para la identificación de señales de alerta temprana que combina métodos de detección causal con el análisis de redes de interacción. El método calcula secuencialmente la red de interacción a lo largo del tiempo (su topología y la fuerza de las interacciones) y, en cada paso de tiempo, calcula una medida de la estabilidad de la red. Cuando la estabilidad se acerca a un valor crítico (o punto de inflexión), el método evalúa el valor propio dominante de la red de interacción, lo que proporciona las mejores advertencias de fallas del sistema. Al combinar la adquisición de "grandes datos" de experimentos de perturbación minuciosamente diseñados en sistemas de biorreactores, metaómica avanzada y tecnologías de huellas químicas, herramientas bioinformáticas de última generación y métodos novedosos para el análisis de redes de interacción causal.