Cirilo Nolasco-Hipólito

Las sequías prolongadas y las precipitaciones erráticas son cada vez más frecuentes debido al cambio climático, con consecuencias graves para la biodiversidad, comprometiendo la regeneración de especies amenazadas. En un experimento controlado, se evaluó la respuesta de plántulas de Abies hickelii al déficit hídrico, combinando condiciones de riego (con o sin riego) y de luz (sol o sombra). Se observó que el riesgo de mortalidad fue cinco veces mayor en ausencia de riego, independientemente de si las plántulas se encontraban bajo sombra o no. Sin riego, las plántulas expuestas al sol toleraron aproximadamente 54 días antes de un colapso total, mientras que las mantenidas bajo sombra toleraron cerca de 62 días. La sombra redujo el índice de marchitez, pero no compensó la falta de agua. Por lo tanto, la disponibilidad de agua se identifica como un factor crítico para la supervivencia temprana de esta especie.

La investigación científica y el desarrollo tecnológico (I+D) son elementos clave para el crecimiento económico y la competitividad. En México, la inversión en I+D ha sido considerada limitada en relación con el Producto Interno Bruto (PIB), lo que ha generado cuestionamientos sobre su impacto en la innovación y el valor agregado. El objetivo de este estudio fue analizar la inversión en I+D en México y compararla con economías seleccionadas de la OCDE, utilizando indicadores de insumo y resultado del sistema de innovación. Se realizó un estudio descriptivo y retrospectivo con datos secundarios de la OCDE sobre gasto interno bruto en I+D, investigadores, patentes triádicas y PIB. El análisis empleó estadística descriptiva y visualizaciones en Excel 2024 para identificar tendencias temporales y diferencias internacionales. Los resultados indican que México destina alrededor del 0.32% del PIB a I+D, cifra inferior al promedio de la OCDE (1.94%), con alta dependencia del financiamiento público (78.13%). Además, el desempeño innovador es limitado, con 2.3 patentes por cada 1,000 investigadores. Se concluye que existe una débil correspondencia entre la inversión en I+D y los resultados tecnológicos, revelando la necesidad de fortalecer la participación del sector privado y mejorar la articulación del sistema nacional de innovación.

α-Amylases (EC 3.2.1.1) are endoenzymes that hydrolyze α-1,4-glycosidic bonds in starch to produce maltooligosaccharides with broad industrial applications (food, textile, fermentation, biofuels). Most α-amylases act only on gelatinized starch, but Bacillus siamensis JJC33M secretes a native enzyme (AmyJ33-ABC) active on both gelatinized and raw starch. The growth of B. siamensis JJC33M was evaluated, showing µ = 0.55 h⁻¹, Y_p/s = 0.13 g/g, Y_x/s = 0.24 g/g, Y_p/x = 0.55 g/g, and Q_p = 0.063 g/Lh, values comparable with other native production systems. AmyJ33-ABC was partially purified and characterized. The enzyme displayed optimal activity at pH 5.0 and 80 °C, with K_m = 1.47 mg/mL, V_max = 39.37 U/mg, and catalytic efficiency K_cat/K_m = 22.31 s⁻¹ mg⁻¹ mL, comparable with another native systems. At optimal conditions, it hydrolyzed 57.5% of gelatinized potato starch, generating glucose, maltose, maltotriose, maltotetraose, and minor maltooligosaccharides up to DP7. Structural modeling confirmed the canonical GH13 fold (A/B and C domains) and revealed three aromatic-rich surface-binding sites (SBS) located near the catalytic triad. These SBS may explain the enzyme activity on raw starch despite lacking a carbohydrate-binding module (CBM). AmyJ33-ABC combines dual activity on gelatinized and raw starch, acidic pH preference, and high-temperature optimum. These distinctive features highlight its potential for starch bioconversion in bakery, syrup, and related industries.

La cristalización es una operación unitaria ampliamente utilizada en diversos sectores industriales, como en la obtención de productos farmacéuticos, alimentarios y químicos finos, donde se requiere alta pureza y control del tamaño de partícula. Aunque ofrece ventajas operativas significativas, también presenta desafíos en el monitoreo de variables. El monitoreo en línea de la cristalización suele requerir instrumentación costosa y técnicamente compleja. Una alternativa viable es el uso de observadores lineales proporcionales Luenberger (OLPLs), herramientas basadas en software derivadas de modelos matemáticos que representan el proceso. Este estudio tuvo como objetivo diseñar observadores lineales proporcionales Luenberger (OLPLs) mediante una metodología de asignación de polos. El sistema propuesto se basó en el modelo de Mesbah et al. (2011) para la cristalización de sulfato de amonio y agua. A diferencia de los observadores mostrados por Mesbah et al., (2011), el presente estudio muestra como un OLPLs correctamente sintonizado, puede estimar con precisión todos los estados cuando son medibles. Como resultado, se obtuvo un conjunto de OLPLs, y se seleccionó el de mejor desempeño con base en métricas de rendimiento específicas, obteniendo resultados satisfactorios. Este trabajo contribuye al desarrollo de alternativas eficientes y de bajo costo para el monitoreo de la cristalización en aplicaciones industriales. DOI: https://doi.org/10.54167/tch.v19i2.1918

Los residuos agroindustriales adquieren cada vez mayor importancia por su utilización en diversos procesos fermentativos, incluyendo la producción de sustancias con actividad biológica de valor industrial. Los azúcares fermentables (AF) constituyen un grupo de compuestos clave para estos procesos. Sin embargo, se deben llevar a cabo una serie de pasos para su liberación. El pretratamiento es un paso crucial para la obtención de estos compuestos. Por ello, el objetivo de este trabajo de investigación fue establecer un método adecuado para la deslignificación del rastrojo de amaranto (RA) y la posterior producción de AF. Se evaluaron cinco pretratamientos: físico (I. vapor y II. ultrasonido), químico (III. NaOH 3.5 N) y combinado (IV. NaOH 3.5 N + vapor y V. NaOH (2, 2.5, 3, 3.5 N) + ultrasonido). Se utilizó el método del ácido 3,5 dinitrosalicílico (DNS) para azúcares reductores y así determinar la concentración de AF, lo que indicaría la degradación de la lignocelulosa. Esto fue corroborado mediante análisis FTIR. Los métodos que obtuvieron mayor concentración de AF fueron el II y el combinado V (3.5 N NaOH). Una vez definido el método de pretratamiento, se realizó el proceso de sacarificación mediante hidrólisis enzimática convencional e hidrólisis asistida por ultrasonidos, siendo esta última la que mostró mayor eficiencia. DOI: https://doi.org/10.54167/tch.v19i4.1765

En el desarrollo de nuevos productos alimentarios, el diseño de experimentos con mezclas es una herramienta clave, ya que permite combinar los ingredientes de manera óptima para crear nuevos sabores sin comprometer la calidad. En este estudio, se presenta el uso de esta metodología para desarrollar un modelo de saborizante aplicado a croquetas de plátano, evaluado a través de pruebas sensoriales. Se diseñó un modelo basado en la combinación de materias primas con el objetivo de obtener un saborizante altamente aceptado por los consumidores.

In this study, genetic programming (GP) was the systematic method used to identify the structure and parameters of a mathematical model for ethanol fermentation. The mathematical model simulated the effect of temperature on the kinetics of batch ethanol fermentation and helped to find out the optimum temperature for the better performance of the process. Saccharomyces cerevisiae CSI-1 growing in cane molasses-based media was the microorganism used in all the experiments. Achieving the model’s precision in describing the experimental observations involved the estimation of its structure (non-linear principally) and its constant parameters. The model found describes the fermentation kinetics and showed a fair prediction for Dry cell weight (DCW), Colony forming units/mL (CFU/mL), Residual sucrose (RS), Residual glucose (RG) and Ethanol concentration (E). The model was used to optimize the operating conditions of the process. The predictions from the model in terms of Mean Square Error (MSE) and Sum Squared Error (SSE) fitted the experimental data well with fitness values in a range of R2 ? 0:92.