Resumen de Modelling and analysis of biological systems to obtain biofuels
Arnau Montagud Aquino 
Esta tesis se centra en la construcción y usos de los modelos metabólicos a escala genómica para obtener biocombustibles de manera eficiente, como etanol e hidrógeno. Como organismo objetivo, se ha elegido a la cianobacteria Synechocystis sp. PCC6803. Este organismo ha sido estudiado como una potencial plataforma de producción alimentada por fotones, dada su capacidad de crecer solamente a partir de dióxido de carbono y fotones. Esta tesis versa acerca de los métodos para modelar, analizar, estimar y predecir el comportamiento del metabolismo de las células. La principal meta es extraer conocimiento de los diferentes aspectos biológicos de un organismo con el fin de utilizarlo para un objetivo industrial pertinente. Esta tesis ha sido estructurada en capítulos organizados de acuerdo con las sucesivas tareas que terminan con la construcción de una célula in silico que se comporta, idealmente, como la que está basada en el carbono. Este proceso suele comenzar con los archivos de anotación del genoma y termina con un modelo metabólico a escala genómica capaz de integrar datos -ómicos. El primer objetivo de la presente tesis es la reconstrucción de un modelo del metabolismo de esta cianobacteria que tenga en cuenta todas las reacciones presentes en la misma. Esta reconstrucción tenía que ser lo suficientemente flexible como para permitir el crecimiento en las distintas condiciones ambientales bajo las cuales este organismo crece en la naturaleza, así como permitir la integración de diferentes niveles de información biológica. Una vez que se cumplió este requisito, se pudieron simular variaciones ambientales y estudiar sus efectos desde una perspectiva de sistema. Se han estudiado hasta cinco diferentes condiciones de crecimiento en este modelo metabólico y sus diferencias han sido evaluadas. La siguiente tarea fue definir estrategias de producción para sopesar la viabilidad de este organismo como una plataforma de producción. Se simularon perturbaciones genéticas para e
