Integración Numérica de ODEs para Cinética Enzimática en Pharma
Visión general
De qué trata este proyecto.
Implementa el sistema de 10 ODEs (sustrato, producto, enzima libre, complejos enzima-sustrato y enzima-producto, inhibidores competitivos). Integra con RK4 (paso fijo) y con scipy.integrate.solve_ivp usando BDF (paso adaptativo, multistep implícito). Demuestra que RK4 falla o se vuelve impráctico para sistemas rígidos. Ajusta los 8 parámetros cinéticos (kcat, Km, Ki, etc.) a 6 experimentos reales con scipy.optimize.least_squares. Valida en 2 experimentos reservados (held-out). Análisis: rigidez del sistema, sensibilidad de parámetros, intervalos de confianza por bootstrap. Entrega: código, modelo ajustado, validación, informe de 10 páginas + recomendaciones de diseño experimental.
El Briefing
Lo que harás y lo que demostrarás.
Integrar y ajustar un sistema rígido de 10 ODEs de cinética enzimática a 6 experimentos, validando en 2 reservados y proporcionando recomendaciones de diseño experimental.
Earning criteria — what you'll demonstrate
- Reconocer y manejar sistemas de ODEs rígidos
- Comparar métodos explícitos vs implícitos por estabilidad y coste
- Ajustar parámetros cinéticos con tratamiento estadístico apropiado
- Conectar simulación numérica con diseño experimental
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Trayectorias profesionales que esto construye
Roles canónicosInvestigador Científico
Modelar cinética enzimática con ODEs rígidas y ajustarla a datos reales es trabajo de investigador en biocatálisis o farmacocinética — porfolio sólido para postdoc.
Este proyecto afina
- numerical-odes
- stiff-systems
- parameter-fitting
Ingeniero de Aprendizaje Automático
Comprender ODEs y ajuste de parámetros es la base de los Neural ODEs y physics-informed neural networks — frontera activa en ML aplicado a ciencias.
Este proyecto afina
- parameter-fitting
- numerical-odes
- scientific-python
Ingeniero de Datos
Pipelines que combinan datos experimentales con modelos mecanísticos son lo que están construyendo las pharma digitalizadas (Recursion, Insitro).
Este proyecto afina
- scientific-python
- parameter-fitting
- numerical-odes