Vous êtes sur la page 1sur 35

La Matemtica y las

Ciencias Naturales

Las matemticas son el alfabeto


con el cual Dios ha escrito el universo
Galileo Galilei

"Con frecuencia digo que cuando se puede medir y expresar con nmeros aquello sobre
lo cual se est hablando, se sabe algo del tema; pero cuando no se puede medir, es
decir, cuando no es posible expresarlo con nmeros, el conocimiento es insuficiente".
William Thomson Kelvin

Fsico encuentra frmula matemtica que conecta a todos los seres vivos del planeta

Geoffrey West, fsico terico, encuentra frmula para


calcular la esperanza de cualquier ser vivo en el
planeta, una constante que comparten desde un clula
y un alga hasta una ballena e incluso realidades ms
complejas y colectivas como los ecosistemas y las
sociedades.

Puedes ponerlo en matemticas, dice West

refirindose a la extraordinaria regularidad


de los patrones de vida y muerte que siguen
plantas, animales y dems seres vivos de
nuestro planeta.

Cmo se emplea la matemtica en


el estudio de la Biologa?

Modelacin matemtica de

los procesos biolgicos


Manejo y manipulacin de
frmulas

Biomatemtica o Biologa
Matemtica
Biologa Matemtica o Biomatemtica es

una rea interdisciplinaria de estudios que


se enfoca en modelamiento de los
procesos biolgicos utilizando tcnicas
matemticas. Tiene grandes aplicaciones
tericas y prcticas en la investigacin
biolgica.

Patrones de formacin biolgica

Patrones matemticos

Serie de Fibonacci

DANIEL BERNOUILLI ( 1700-1782) Y LA VIRUELA

PRELIMINARES DEL MODELO

Cual es el riesgo anual de verse sorprendido por la viruela a


cualquier edad para quienes no la hayan sufrido, y cual es el
riesgo de morir para quienes se ven atacados por ella ?..
Vemos que la viruela no ataca prcticamente ms que a los
nios y a los jvenes , y por ello con frecuencia se cree que
solo la juventud est expuesta a la enfermedad Sin
embargo, un poco de reflexin sobre este tema nos hace
descubrir el error de dicha opinin. Si es raro que la viruela
se presente en los adultos, es porque es raro que los adultos
no la hayan sufrido, y la viruela casi nunca ataca dos veces
a la misma persona . Es por tanto probable que los ancianos
que no hayan padecido la enfermedad corran el mismo
riesgo de sufrirla que los jvenes ..

HIPTESIS DE BERNOUILLI ( 1760 ).


..En vista de lo anterior , no he dudado en postular mi primer
principio :
Mientras que no se ha padecido la viruela , se corre siempre el

mismo riesgo de sufrirla.

Hasta la fecha , no conocemos ninguna observacin que nos

obligue a renunciar a esta suposicin, y las leyes de la Naturaleza


ms simples resultan ser siempre las ms probables.

En cuanto al riesgo anual de ser atacado por la viruela, creo

satisfacer las nociones generales que poseemos sobre esta


enfermedad , si suponemos que es de 1/8, proporcin que se
mantiene constante .

Por otra parte, la viruela mata a 1/8 de las personas a las que

ataca.

El riesgo de morir por otra causa es el mismo cuando se tiene la

viruela o no.

EL MODELO DE BERNOUILLI
Nuestro autor estudi las tablas de mortalidad correspondientes a
una poblacin de 1300 personas, desde el nacimiento hasta la
edad de 24 aos.

Designemos por t la edad de

los individuos (en aos)


N(t) es el nmero de
supervivientes de esta
poblacin en el instante t
X(t) es el nmero de
personas susceptibles de
padecer la enfermedad en el
momento t,
m(t) representa la tasa anual
de mortalidad por otras
causas.

1
x(t 1) x(t ) x(t ) m(t ) x(t )
8
11
N (t 1) N (t )
x(t ) m(t ) x(t )
88

1
x (t ) m(t ) x (t )
8
11
N (t 1) N (t )
x (t ) m(t ) x (t )
88
x (t 1) x (t )

Si dividimos el ao en fracciones de tiempo t:

1
x (t t ) x (t ) ( x (t ) m(t ) x (t ))t
8
1
N (t t ) N (t ) (
x (t ) m(t ) N (t ))t
64
Dividiendo por el incremento de tiempo y haciendo tender este a cero,
se obtiene:

1
x (t ) m(t ) x (t )
8
1
N (t )
x (t ) m(t ) N (t )
64
x (t )

Hemos obtenido as el sistema de ecuaciones diferenciales:

1
x (t ) m(t ) x (t )
8
1

N (t )
x (t ) m(t ) N (t )
64
x (t )

Si definimos f(t) = x(t)/ N(t) = proporcin de supervivientes en el


instante t, un clculo directo muestra que:

Con dato inicial f(0) = 1 . Esta ecuacin (llamada de


Bernouilli en los libros de texto) se resuelve explcitamente

La solucin exacta de esta ecuacin es:


t

1 1
1 1 8 1
x(t ) ( ( )e ) N (t )
8 64 8 64
Con ayuda de la tabla de mortalidad antes mencionada, Bernouilli
concluy que, si se eliminara la viruela, y admitiendo que 1 de cada 200
inoculados muriera durante el primer mes (la proporcin conocida en su
tiempo era de 1 por cada 600), la inoculacin hara que :
la esperanza de vida pase de 30 a 34 aos.
Sin embargo, el riesgo que conllevaba la inoculacin haca dudar a
muchos, incluido
D Alembert, que escriba:
..Admito como el Sr. Bernouilli que el riesgo de morir por inoculacin sea
de 1/200. Dicho esto, me parece que, para apreciar las ventajas de ese
procedimiento hay que comparar, no la vida media de 34 aos frente a la
de 30, sino el riesgo que se expone durante un mes quien se inocula a los
30 aos, en plena fuerza de la salud y la juventud, comparado con la
ventaja lejana de vivir cuatro aos ms a los 60, cuando se tienen muchas
menos posibilidades de gozar la vida. Ah reside sin duda la causa de que

Modelacin
Matemtica de la
Biologa del Cancer
Dr. Juan Carlos
Chimal Egua
Centro de
Investigacin en
Computacin IPN
chimal@ipn.mx

La prueba ms comn para cncer de

prstata (conocida como PSA screening)


falla fuertemente cuando se trata de
tumores de prstata que estn creciendo,
visto tpicamente en pacientes jvenes.
Hecho aceptado por la comunidad mdica
despus de un estudio de 9000 pacientes
en 2004.
Sin embargo, Kristin Swanson predijo que
la prueba era inadecuada en 2001, usando
una sola ecuacin diferencial, que
cualquier estudiante de ingeniera pudiera
haber resuelto.
K. R. Swanson, J. D. Murray, D. Lin, L. True, K. Buhler, R.
Vessella: A MathematicalModel
for the Dynamics of Prostate Specific Antigen as a Marker for Can

El modelo de K. Swanson era muy simple:

Tasa de cambio de PSA=


Fuente de PSA de clulas benignas +
Fuente de PSA de clulas cancerosas
Perdida de PSA en la sangre

dp
H V H cVC P
dt
Este es el tipo de poderoso enfoque que las
matemticas pueden ofrecer en la biologa del
cncer. Sin embargo, las matemticas han
permanecido mucho tiempo ocultas y
despreciadas por los bilogos quienes son
escpticos:
Como el Cncer, el cual es muy complejo e
impredecible, puede ser reducido a un conjunto

Nunca como ahora ha surgido una gran necesidad

para el campo de la biologa de cncer de


incorporar las matemticas y la computacin.

Muchas revistas especializadas en biologa como

Cell and Cancer Research ahora contienen


secciones tericas

En 2003, la NIH estableci el programa integral de

Biologa del Cncer que financia a 9 centros


interdisciplinarios que aplican el enfoque de
modelado tericos y biologa de sistemas al
cncer

La modelacin matemtica promete mucho. El

modelado y la posterior simulacin permiten


experimentos en laboratorios virtuales que dan
mucha informacin en como los tumores se
desarrollan, crecen y se diseminan incluso se han
producido ptimos regimenes de tratamiento

Modelacin

El modelado matemtico se suele pensar

por parte de los bilogos como una especie


de arte mgico o magia negra.
Sin embargo los matemticos solo
traducen ciertas hiptesis en un conjunto
de ecuaciones demostrables
experimentalmente.
Son ellos (los bilogos!) quienes dicen que
la biologa es muy compleja. Y son ellos
quienes usan un razonamiento verbal
lineal.
A continuacin se dan algunos ejemplos
de cmo la modelacin esta incorporando
ciertas pistas o intuicin a la biologa del

Qu es el Cncer? El cncer es un grupo de

enfermedades caracterizado por un


crecimiento de clulas no controlado ( o no
regulado), la invasin, y esparcimiento de
stas clulas a otras partes del cuerpo.

El tejido de origen da al cncer las

caractersticas que lo distinguen


Han sido identificados ms de 100
tipos de canceres
85% de los canceres suceden en
las clulas epiteliales y se
denominan carcinomas
Los canceres derivados en clulas
mesodermas (hueso y msculo) se
llaman sarcomas
Los canceres del tejido glandular
se denominan adenocarcinomas.

El cncer surge por medio de una serie de

cambios genticos.

Ciertas mutaciones en protoncogenes

permiten a las clulas crecer y dividirse sin


necesidad de las seales normales de
crecimiento.

Por supuesto que al ser la mutacin el

proceso de dao del DNA, se necesita un


modelo estocstico que nos ayude a
demostrar las hiptesis de cmo se
acumulan las mutaciones genticas.

Biomatemticas
Labiomatemtica(o matemtica biolgica)

es una rama de la ciencia encargada


demodelar los procesos
biolgicosmediante tcnicas propias de las
matemticas. Se podra decir que la
biomatemtica es elsoporte terico en el
cual se apoya la bioinformticapara
realizar sus tareas, ya sea el secuenciamiento
del genoma o ms directamente las
simulaciones de sistemas biolgicos (para la
cual la matemtica ha contribuido en gran
medida).

La biomatemtica, es tambin una

ciencia multidisciplinaria que


involucra a bilogos, matemticos,
fsicos, qumicos, y fisilogos, entre
otros cientficos. Pero la colaboracin
entre matemticos y cientficos de las
ciencias naturales no es tan simple
como parece. Existen obstculos
filosficos y lingsticos entre los
modelos en lenguaje ordinario y los

Modelos matemticos
Unmodelo matemticoes unadescripcin

matemtica de un fenmeno del mundo real,


como puede ser el crecimiento de las
poblaciones de animales, la concentracin de
un producto en una reaccin qumica, el
funcionamiento de las neuronas y la dinmica
intracelular, por citar SOLOalgunos ejemplos
de su aplicacin en biologa. La finalidad de
estos modelos radica enentender en
profundidad el fenmenoy tal vezrealizar
alguna prediccinsobre su comportamiento
futuro.

Cmo se construye un modelo


matemtico?

Lafigura muestra el proceso de modelado

matemtico. Dado el problema que deseamos modelar,


nuestra primera tarea consistir en identificar la
variables que intervienen y realizar suposiciones
que simplifiquen el problema para poder
abordarlo. El nivel de resolucin del problema estar
dado por el grado de simplificacin que realicemos, as
una resolucin baja significa que el problema ha sido
muy simplificado y no es una representacin ajustada a
la realidad (por ejemplo: los modelos fsicos de tiro
oblicuo que no tienen en cuenta el rozamiento ni la
curvatura de la Tierra).

La segunda etapa de este proceso

consiste en resolver
matemticamente el modelo que
planteamos en la primera etapa
para obtener conclusiones
matemticas. Estas conclusiones son
analizadas en la tercera etapa e
interpretadas como informacin sobre
el fenmeno del mundo real.

En la etapa final se comprueban

las predicciones realizadas


comparndolas con nueva
informacin tomada del mundo
real. Si las predicciones difieren en
gran medida de la realidad deberemos
aumentar la resolucin o formular un
nuevo modelo y comenzar el ciclo de
nuevo.

Importante
Un modelo matemtico nunca es

una representacin exacta de la


realidad, es SLOuna
idealizacin que nos permite
tratarla como un problema
matemtico.