Métodos No Supervisados Aplicados a Levaduras Industriales Productoras de Etanol de Primera y Segunda Generaciones

Mofatto, Luciana Souto; Freitas, Cleverson Henrique de

doi:10.22167/2675-6528-202602264

Artículo

15 de septiembre de 2026

Métodos No Supervisados Aplicados a Levaduras Industriales Productoras de Etanol de Primera y Segunda Generaciones

Luciana Souto Mofatto; Cleverson Henrique de Freitas

DOI: 10.22167/2675-6528-202602264

Artículo derivado de Trabajo de Conclusión de Curso (TCC), con contenido basado en el trabajo original del estudiante y adaptado al formato editorial de la Revista E&S con el apoyo de la herramienta ResumeAI, una solución de inteligencia artificial desarrollada por el Instituto Pecege para la síntesis y organización textual.

Resumen

La comprensión de los mecanismos moleculares en la producción de etanol es crucial para la optimización industrial, dada su consolidación como alternativa sostenible. El estudio evaluó los perfiles transcriptómicos de levaduras industriales Saccharomyces cerevisiae “Pedra-2” en la producción de etanol de primera (1G) y segunda generación (2G), en diferentes tiempos de fermentación, utilizando métodos no supervisados. Se emplearon datos públicos de RNA-seq, sometidos a control de calidad, preprocesamiento, alineamiento genómico y cuantificación de transcritos en TPM. Los análisis incluyeron correlación de Pearson, Análisis de Componentes Principales (PCA), Análisis Factorial de Datos Mixtos (FAMD) y clusterización jerárquica. Los resultados revelaron una clara separación entre los perfiles de expresión génica de 1G y 2G, siendo el tipo de fermentación el principal factor de variabilidad. Las muestras 1G exhibieron mayor organización temporal y estabilidad, mientras que las 2G mostraron mayor heterogeneidad y complejidad metabólica. Se identificaron diferencias en las vías metabólicas asociadas al flujo de carbono, con predominancia de la glicólisis en 1G y mayor participación de las vías de la pentosa fosfato y del ciclo del ácido tricarboxílico en 2G. Se concluyó que los métodos no supervisados fueron eficaces en la identificación de patrones biológicos relevantes, contribuyendo a la comprensión de las diferencias metabólicas entre los procesos y ofreciendo soporte para estrategias de optimización en la producción de etanol.

Palabras clave: Aprendizaje automático; Bioinformática; Expresión génica; Fermentación; Transcriptoma.

1. Introducción

La creciente demanda de fuentes de energía renovables ha impulsado la producción de etanol como alternativa sostenible a los combustibles fósiles (Goldemberg, 2008). Brasil se destaca como uno de los mayores productores mundiales, utilizando la caña de azúcar como principal materia prima debido a su alto rendimiento y viabilidad económica (Basso et al., 2011; Renewable Fuels Association, 2024; Wheals et al., 1999). Programas gubernamentales e inversiones en investigación y desarrollo, como el Proálcool, el programa BIOEN de la FAPESP y el Laboratorio Nacional de Biorrenovables (LNBR), han sido fundamentales para el avance y la consolidación del sector (Leite et al., 2009; Roman, 2010).

La producción de etanol se produce por fermentación de azúcares, proceso en el cual las levaduras convierten la glucosa en etanol y dióxido de carbono (Basso et al., 2011). La especie Saccharomyces cerevisiae se emplea ampliamente en fermentaciones industriales debido a características como alta viabilidad celular, capacidad de conservación genética, tolerancia a altas concentraciones de etanol y carbohidratos, y resistencia a múltiples ciclos de fermentación y variaciones de temperatura (Dequin, 2001). Cepas industriales brasileñas, como “Pedra-2” y “CAT-1”, son ejemplos de cepas que exhiben estas cualidades (Argueso et al., 2009; Basso et al., 2008; Della-Bianca et al., 2013).

El etanol se clasifica en generaciones, siendo el de primera generación (1G) obtenido de la fermentación de la sacarosa presente en el jugo de caña. Este es un proceso consolidado, de alta productividad y que no requiere pretratamiento de la materia prima. Sin embargo, la producción de etanol 1G enfrenta desafíos como la estacionalidad de la caña de azúcar y la competencia con la producción de azúcar. El mejoramiento genético de la caña y la optimización de los procesos industriales son estrategias adoptadas para mitigar estas limitaciones (Goldemberg, 2008; Leite et al., 2009).

En contraste, el etanol de segunda generación (2G) surge como una alternativa prometedora, utilizando residuos lignocelulósicos, como bagazo y paja de caña, para aumentar el aprovechamiento de la biomasa y la sostenibilidad del sector (Lynd et al., 2005). Este proceso involucra la conversión de celulosa y hemicelulosa en azúcares fermentables por hidrólisis enzimática o ácida. Sin embargo, la Saccharomyces cerevisiae no metaboliza naturalmente pentosas, azúcares abundantes en la hemicelulosa, lo que limita la eficiencia del proceso fermentativo 2G (Matsushika et al., 2009).

Para superar las limitaciones del etanol de segunda generación (2G), la ingeniería metabólica se ha utilizado para modificar genéticamente levaduras, permitiendo el consumo de hexosas y pentosas (xilosa, arabinosa) y, por lo tanto, posibilitando la producción de etanol 2G (Matsushika et al., 2009). Las estrategias incluyen la introducción de vías metabólicas reductivas/oxidativas y de isomerización, así como la combinación de genes de microorganismos como Escherichia coli y Pichia stipitis (Karhumaa et al., 2007). La sobreexpresión de transportadores de azúcar también mejora la captación y el metabolismo de pentosas, aumentando la productividad (Basso et al., 2011). Además, la ingeniería evolutiva mejora características como la tolerancia al etanol, a altas temperaturas y a compuestos tóxicos, seleccionando cepas más robustas para reducir costos y aumentar la eficiencia (Della-Bianca et al., 2013; Basso et al., 2011; Leite et al., 2009).

La bioinformática desempeña un papel crucial en la ingeniería de levaduras, ayudando en el análisis genómico y la identificación de genes relacionados con la fermentación. Las técnicas de secuenciación de ADN y ARN, junto con la modelización computacional, permiten una comprensión profunda de la fisiología microbiana y optimizan las modificaciones genéticas (Abreu-Cavalheiro y Monteiro, 2014; Buschke et al., 2013). La secuenciación de ARN es particularmente importante para detectar cambios en la expresión génica bajo diferentes condiciones. Estudios anteriores ya han empleado esta técnica para evaluar perfiles génicos de levaduras industriales durante la producción de bioetanol 1G y 2G (Carvalho-Netto et al., 2015; Carvalho et al., 2021).

Junto con la bioinformática, el aprendizaje automático se ha aplicado ampliamente en la predicción estructural de proteínas, el análisis de sus interacciones y la evaluación de la expresión génica. Como parte de la inteligencia artificial, el aprendizaje automático utiliza modelos estadísticos y algoritmos que “aprenden” a partir de datos (Yousef y Allmer, 2023). En el contexto de la expresión génica, se implementan metodologías de aprendizaje automático para predecir variaciones en los niveles de expresión, como la aplicación de redes bayesianas basadas en el algoritmo de agrupamiento k-means para identificar patrones (Al Taweraqi y King, 2022).

A pesar de los avances significativos, persisten desafíos como la complejidad de los procesos de hidrólisis y fermentación, los altos costos de las enzimas y la necesidad de una mayor eficiencia en la conversión de pentosas (Della-Bianca et al., 2013). La integración de la ingeniería metabólica y evolutiva, junto con la bioinformática y el aprendizaje automático, representa un enfoque prometedor para superar estas limitaciones (Karhumaa et al., 2007). En este contexto, el presente trabajo tiene como objetivo realizar análisis, a partir de métodos no supervisados, para evaluar los diferentes perfiles transcripcionales y variaciones en la expresión génica, a partir de datos ya publicados (Carvalho-Netto et al., 2015; Carvalho et al., 2021), de levaduras Saccharomyces cerevisiae “Pedra-2” en condiciones de fermentación de etanol 1G y 2G, a escala industrial.

2. Material y Métodos

Recopilación de datos

Los datos de transcriptoma se obtuvieron en formato FASTQ del repositorio “Sequence Read Archives Database” [SRA] (2009) (https://www.ncbi.nlm.nih.gov/sra/). Estos datos, provenientes de secuenciación de Nueva Generación de lecturas cortas (del inglés “short reads”) generados por equipos “Illumina” (Cock et al., 2010), contienen secuencias de nucleótidos y notas de calidad.

Para las levaduras industriales Saccharomyces cerevisiae [PE-2] de primera generación [1G], los datos fueron recolectados en 2009, directamente de los tanques de fermentación de una destilería en Maracaí, São Paulo, Brasil, conforme el artículo de Carvalho-Netto et al. (2015) (“BioProject number” “PRJNA172193”). Las muestras de “Typical fermentation” fueron obtenidas en los tiempos de 1h, 4h, 7h, 10h, 12h y 15 horas de fermentación.

Para las levaduras que fermentan etanol 2G, los datos se obtuvieron del artículo de Carvalho et al. (2021) (“BioProject number” “PRJNA667443”), identificados como “Fermentación industrial”. Las muestras se recolectaron en diciembre de 2016, directamente del tanque de fermentación de una planta en São Miguel dos Campos, Alagoas, Brasil, en los tiempos de 7h, 12h, 16h y 24 horas de fermentación. La producción de etanol [2G] utilizó un hidrolizado lignocelulósico, obtenido de pretratamiento hidrotérmico sobre paja de caña de azúcar. La Tabla 1 detalla la identificación, tipo de fermentación, réplica y descripción de los experimentos.

Tabla 1. Descripción de las variables de transcriptoma referentes a las levaduras industriales sometidas a diferentes tiempos de fermentación, para la producción de etanol de primera [1G] y segunda [2G] generaciones

ID	Tipo de fermentación (1G / 2G)	Respuesta	Descripción
TF1_1G_1h	1G	Exclusiva	Levaduras industriales (fermentación tradicional [TF]), recolectadas en el período de 1 hora.
TF2_1G_4h	1G	Exclusiva	Levaduras industriales (fermentación tradicional [TF]), recolectadas en tina en el período de 4 horas
TF3_1G_7h	1G	Exclusiva	Levaduras industriales (fermentación tradicional [TF]), recolectadas en el período de 7 horas
TF4_1G_10h	1G	Exclusiva	Levaduras industriales (fermentación tradicional [TF]), recolectadas en el período de 10 horas
TF5_1G_12h	1G	Exclusiva	Levaduras industriales (fermentación tradicional [TF]), recolectadas en el período de 12 horas
TF6_1G_15h	1G	Exclusiva	Levaduras industriales (fermentación tradicional [TF]), recolectadas en el período de 15 horas
F1_2G_7h	2G	1	Levaduras industriales (fermentación de bagazo de caña [F]), recolectadas en el tonel en el período de 7 horas
F5_2G_7h	2G	2	Levaduras industriales (fermentación de bagazo de caña [F]), recolectadas en el período de 7 horas
F6_2G_7h	2G	3	Levaduras industriales (fermentación de bagazo de caña [F]), recolectadas en el período de 7 horas
F1_2G_12h	2G	1	Levaduras industriales (fermentación de bagazo de caña [F]), recolectadas en el período de 12 horas
F5_2G_12h	2G	2	Levaduras industriales (fermentación de bagazo de caña [F]), recolectadas en el período de 12 horas
F6_2G_12h	2G	3	Levaduras industriales (fermentación de bagazo de caña [F]), recolectadas en el período de 12 horas
F1_2G_16h	2G	1	Levaduras industriales (fermentación de bagazo de caña [F]), recolectadas en el período de 16 horas
F5_2G_16h	2G	2	Levaduras industriales (fermentación de bagazo de caña [F]), recolectadas en el período de 16 horas
F6_2G_16h	2G	3	Levaduras industriales (fermentación de bagazo de caña [F]), recolectadas en el período de 16 horas
F1_2G_24h	2G	1	Levaduras industriales (fermentación de bagazo de caña [F]), recolectadas en el período de 24 horas
F5_2G_24h	2G	2	Levaduras industriales (fermentación de bagazo de caña [F]), recolectadas en el período de 24 horas
F6_2G_24h	2G	3	Levaduras industriales (fermentación de bagazo de caña [F]), recolectadas en el período de 24 horas

Fuente: Resultados originales de la investigación

Tratamiento de los datos

Los datos se sometieron a un análisis de calidad con el software “FastQC” v0.11.4 (Andrews, 2010). Las secuencias de adaptadores de secuenciación “Illumina” se eliminaron utilizando “Trimmomatic” v0.39 (Bolger et al., 2014).

Para la cuantificación de los transcritos, los datos fueron alineados contra las secuencias de genes de la levadura de laboratorio Saccharomyces cerevisiae S288c del “Saccharomyces Genome Database” [SGD] (2007) (https://www.yeastgenome.org/), y 23 genes específicos de “Pedra-2” [PE-2] (Argueso et al., 2009), totalizando 5.938 genes. La cuantificación se realizó mediante el software “Kallisto” v0.44 (Bray et al., 2016), con los parámetros “-k 31 -b 100”. Para “reads single-end” (levaduras industriales de etanol [1G]), se utilizaron los parámetros “-I 150 -s 0.01”. Se generó una tabla final con todos los datos en Transcritos por millón [TPM] para los análisis no supervisados.

La normalización [TPM] se calcula dividiendo el recuento de “reads” por la longitud del “gen” (en “kilobases”) para obtener “reads” por “kilobase” [RPK], y luego dividiendo todos los valores de [RPK] por 1.000.000. Esta normalización considera la longitud del “gen” y la profundidad de la secuenciación, resultando en la misma suma de [TPM] para cada muestra (Zhao et al., 2021).

Análisis de datos no supervisados

Para comparar los datos de expresión entre levaduras industriales de fermentación [1G] y [2G], se utilizaron metodologías de datos no supervisados para identificar organización, patrones, similitudes y diferencias. Los métodos incluyeron Correlación de Pearson, Análisis de Componentes Principales [PCA], Análisis Factorial de Datos Mixtos [FAMD] (Pagès, 2004) y clusterización jerárquica aglomerativa.

El análisis de correlación de Pearson, con matriz de correlación y mapa de calor, fue generado por scripts en Python, utilizando los paquetes “pandas”, “numpy”, “pingouin” y “plotly.graph_objects”.

Para el Análisis de Componentes Principales [PCA], se utilizaron scripts en Python con los paquetes “pandas”, “numpy”, “factor_analyzer” y “matplotlib”. Se realizó la Prueba de Esfericidad de Bartlett y la cantidad de componentes principales se evaluó mediante el Criterio de Kaiser. La Tabla 2 presenta los componentes principales, autovalores y varianzas.

Tabla 2. Componentes principales, autovalores, varianza y varianza acumulada obtenidos a partir de los datos de expresión de los transcriptomas de levaduras industriales en diferentes tiempos de fermentación, para la producción de etanol de primera [1G] y segunda [2G] generaciones

Componentes Principales	Valor propio	Varianza Explicada	Varianza Acumulada
Componente número 1	11,9689	66,49%	66,49%
Elemento 2	2,8776	15,99%	82,48%
Sección 3	1,3445	7,47%	89,95%
Componente número 4	1,0451	5,81%	95,76%

Fuente: Resultados originales de la investigación

El Análisis Factorial de Datos Mixtos [FAMD] se realizó con scripts en el lenguaje R, utilizando las bibliotecas “ggplot2″, “dplyr”, “FactoMineR”, “factoextra”, “gridExtra” y “ggrepel”.

Para la clusterización jerárquica aglomerativa, se emplearon scripts en Python con los paquetes “pandas”, “numpy”, “matplotlib”, “scipy.stats” y “scipy”. Se utilizó el método de encadenamiento “complete linkage”, aplicando la distancia euclidiana a todos los datos de transcriptoma y a genes específicos de vías del flujo de carbono que afectan el metabolismo de la levadura. Las vías metabólicas analizadas fueron: vía glucolítica [GP], ruta del glicerol [GR], vía de la pentosa fosfato [PPP] y el ciclo del ácido tricarboxílico [TCA]. La Tabla 3 enumera los genes relacionados con estas vías.

Tabla 3. Genes relacionados con las vías metabólicas del flujo de carbono en las levaduras industriales

Vía Metabólica	Genes	ID de Genes	Descripción del Gen
Vía Glucolítica [GP]	GLK1	YCL040W	Glicoquinasa
Vía Glucolítica [GP]	HXK1	YFR053C	Isoenzima 1 de la hexoquinasa
Vía Glucolítica [GP]	PGI1	YBR196C	Enzima glicolítica fosfoglucosa isomerasa
Vía Glucolítica [GP]	FBP1	YLR377C	Fructosa-1,6-bisfosfatasa
Vía Glucolítica [GP]	PFK1	YGR240C	Subunidad alfa de la fosfofructoquinasa heterooctamérica
Vía Glucolítica [GP]	FBA1	YKL060C	Fructosa 1,6-bisfosfato aldolasa
Vía Glucolítica [GP]	TPI1	YDR050C	Triosa fosfato isomerasa
Vía Glucolítica [GP]	TDH1	YJL052W	Gliceraldehído-3-fosfato deshidrogenasa (GAPDH), isoenzima 1
Vía Glucolítica [GP]	PGK1	YCR012W	3-fosfoglicerato quinasa
Vía Glucolítica [GP]	PGM1	YKL127W	Fosfoglucomutasa, isoforma menor
Vía Glucolítica [GP]	ENO1	YGR254W	Enolasa I
Vía Glucolítica [GP]	PYK2	YOR347C	Piruvato quinasa
Vía Glucolítica [GP]	PDC1	YLR044C	Piruvato descarboxilasa
Vía Glucolítica [GP]	ALD4	YOR374W	Aldehído deshidrogenasa mitocondrial
Vía Glucolítica [GP]	ALD5	YER073W	Aldehído deshidrogenasa mitocondrial
Vía Glucolítica [GP]	ADH1	YOL086C	Alcohol deshidrogenasa
Ruta del Glicerol [GR]	GPD1	YDL022W	Glicerol-3-fosfato deshidrogenasa dependiente de NAD
Ruta del Glicerol [GR]	GPD2	YOL059W	Glicerol-3-fosfato deshidrogenasa dependiente de NAD
Ruta del Glicerol [GR]	GPP1	YIL053W	Glicerol-1-fosfatasa
Ruta del Glicerol [GR]	GUT1	YHL032C	Glicerol quinasa
Vía de las Pentosas Fosfato [PPP]	ZWF1	YNL241C	Glucosa-6-fosfato deshidrogenasa (G6PD)
Vía de las Pentosas Fosfato [PPP]	GND1	YHR183W	6-fosfogluconato deshidrogenasa (descarboxilante)
Vía de las Pentosas Fosfato [PPP]	GND2	YGR256W	6-fosfogluconato deshidrogenasa (descarboxilante)
Vía de las Pentosas Fosfato [PPP]	RPE1	YJL121C	D-ribulosa-5-fosfato 3-epimerasa
Vía de las Pentosas Fosfato [PPP]	RKI1	YOR095C	Ribosa-5-fosfato cetoisomerasa
Vía de las Pentosas Fosfato [PPP]	TKL1	YPR074C	Transcetolasa
Vía de las Pentosas Fosfato [PPP]	TAL1	YLR354C	Transaldolasa
Ciclo del ácido tricarboxílico [TCA]	PDA1	YER178W	Subunidad alfa E1 de la piruvato deshidrogenasa (PDH)
Ciclo del ácido tricarboxílico [TCA]	PDB1	YBR221C	Subunidad beta E1 de la piruvato deshidrogenasa (PDH)
Ciclo del ácido tricarboxílico [TCA]	LAT1	YNL071W	Componente de dihidrolipoamida acetiltransferasa (E2) del PDC
Ciclo del ácido tricarboxílico [TCA]	PYC1	YGL062W	Isoforma de piruvato carboxilasa
Ciclo del ácido tricarboxílico [TCA]	CIT1	YNR001C	Citrato sintasa mitocondrial
Ciclo del ácido tricarboxílico [TCA]	ADH1	YOL086C	Alcohol deshidrogenasa
Ciclo del ácido tricarboxílico [TCA]	ADP1	YCR011C	Permeasa dependiente de ATP putativa de la familia de transportadores ABC.
Ciclo del ácido tricarboxílico [TCA]	KGD1	YIL125W	Subunidad de la alfa-cetoglutarato deshidrogenasa mitocondrial compleja
Ciclo del ácido tricarboxílico [TCA]	KGD2	YDR148C	Di-hidrolipoil transsuccinilasa
Ciclo del ácido tricarboxílico [TCA]	LSC1	YOR142W	Subunidad alfa de la succinil-CoA ligasa
Ciclo del ácido tricarboxílico [TCA]	LSC2	YGR244C	Subunidad beta de la succinil-CoA ligasa
Ciclo del ácido tricarboxílico [TCA]	SDH1	YKL148C	Subunidad flavoproteína de la succinato deshidrogenasa
Ciclo del ácido tricarboxílico [TCA]	FUM1	YPL262W	Fumarasas
Ciclo del ácido tricarboxílico [TCA]	MDH1	YKL085W	Malato deshidrogenasa mitocondrial
Ciclo del ácido tricarboxílico [TCA]	ACO1	YLR304C	Aconitasa

Fuente: Traducido de Saccharomyces Genome Database [SGD] (2007)

3. Resultados y Discusión

El análisis estadístico descriptivo de los datos reveló que las medias de expresión génica para todas las muestras de levadura de primera generación (1G) y segunda generación (2G) estuvieron cerca de 168,41. Las desviaciones estándar para las muestras 1G variaron entre 1.108,82 y 2.297,97, mientras que para las muestras 2G, la variación fue de 829,04 a 5.064,89. Los valores del cuartil 1 (25%) para 1G estuvieron entre 6,37 y 13,4, y para 2G, entre 3,69 y 8,03. Los valores máximos para 1G variaron de 43.948 a 131.443, y para 2G, de 22.028,60 a 291.908. La uniformidad de las medias en todas las muestras indica que la normalización de los datos por Transcritos por millón (TPM) fue adecuada, validando la comparabilidad de los datos de 1G (Carvalho-Netto et al., 2015) y 2G (Carvalho et al., 2021) (Zhao et al., 2021).

Para identificar los genes expresados, se generó un gráfico upset (Diagrama de Venn) (Figura 1). De los 5.938 genes encontrados, 5.760 fueron comunes a los dos grupos de fermentación (1G y 2G), 58 fueron exclusivos del grupo 1G, 53 exclusivos del grupo 2G y 67 estuvieron ausentes en ambos. La presencia de un gran número de genes comunes sugiere que la maquinaria básica de supervivencia y fermentación de la Saccharomyces cerevisiae se mantiene, a pesar de las diferencias en los sustratos (caldo de caña para 1G e hidrolizado lignocelulósico para 2G) y de las dinámicas temporales y de estrés metabólico.

Figura 1. Diagrama de Venn (“upset”) que contiene la cantidad de genes expresados en el transcriptoma de levaduras industriales en diferentes tiempos de fermentación, para la producción de etanol de primera [1G] (muestras TF) y segunda [2G] generaciones (muestras F)

Fuente: Resultados originales de la investigación

El análisis de correlación de Pearson (Figura 2) reveló agrupaciones distintas en los perfiles génicos. Las muestras de levadura 1G formaron dos grupos: uno con 1h, 4h y 7h de fermentación (coeficiente de correlación r > 0,95) y otro con 10h, 12h y 15h (r > 0,79). En las muestras 2G, las réplicas de 16h y 24h presentaron una correlación más baja con la muestra F1_2G_7h (r < 0,70 y 0,54, respectivamente). La muestra F1_2G_24h también mostró correlaciones más bajas con las muestras de 7h (r < 0,65) y 16h (r < 0,76). Todas las correlaciones fueron estadísticamente significativas (p < 0,05).

Figura 2. Mapa de calor referente a los métodos de correlación de Pearson sobre todos los genes obtenidos en los datos de transcriptoma de las fermentaciones [1G] (muestras [TF]) y [2G] (muestras [F]), en diferentes períodos de recolección Todas las correlaciones fueron significantes (valor p < 0,05)

Fuente: Resultados originales de la investigación

Se aplicó el Análisis de Componentes Principales (PCA) para reducir la dimensionalidad de los datos y analizar la varianza. La Prueba de Esfericidad de Bartlett (chi-cuadrado = 312.811,59, p < 0,05) indicó la adecuación de la matriz de correlación. Se extrajeron cuatro componentes principales (CPs) con autovalores mayores que 1, explicando el 95,76% de la varianza total de los datos. El Componente 1 explicó el 66,49% de la varianza, seguido por el Componente 2 con el 15,99%, el Componente 3 con el 7,47% y el Componente 4 con el 5,81%.

Los gráficos de cargas factoriales (Figura 3) del PCA mostraron agrupaciones distintas, con una clara separación entre las muestras de levaduras 1G y 2G, especialmente en la Figura 3A, donde el PC1 explica la mayor parte de la varianza (66,49%). Este hallazgo indica que el tipo de fermentación es el principal factor de diferenciación transcripcional entre las muestras.

Figura 3. “Loading plots” obtenidos a partir de las cargas factoriales de los datos de transcriptomas de levaduras industriales sometidas a fermentaciones de etanol de primera [1G] y segunda [2G] generaciones. (A) Factor 1 (PC1) x Factor 2 (PC2); (B) Factor 2 (PC2) x Factor 3 (PC3); y (C) Factor 3 (PC3) x Factor 4 (PC4)

Fuente: Resultados originales de la investigación Nota: Puntos en naranja: 1G; puntos en azul: 2G

Clustering jerárquico por “complete linkage”

La clusterización jerárquica aglomerativa, utilizando el método “complete linkage” y distancia euclidiana, agrupó las muestras de levaduras industriales conforme al tipo de producción de etanol (Figura 4), resultando en cinco grupos distintos con un corte en la distancia euclidiana de 60. Las muestras 1G fueron agrupadas en función del tiempo de fermentación (tiempos finales a la izquierda e iniciales a la derecha del dendrograma), mientras que las muestras 2G no siguieron un patrón temporal claro, presentando mayor heterogeneidad transcriptómica.

Figura 4. Dendrograma generado a partir de la clusterización jerárquica por “Complete Linkage” de datos de transcriptoma de todos los 5.938 genes de levaduras industriales sometidas a diferentes tiempos de fermentaciones para producción de etanol de primera [1G] (muestras [TF]) y segunda [2G] (muestras [F])

Fuente: Resultados originales de la investigación

El análisis de los genes específicos de la vía glucolítica (GP) (Tabla 5) también separó las levaduras por tipo de etanol (Figura 5), con dos grupos principales definidos por un corte en la distancia euclidiana de 6. Las muestras 1G se agruparon por tiempo de fermentación (iniciales: 1h, 4h, 7h, 10h; finales: 12h, 15h). Las muestras 2G, por su parte, se distribuyeron en tres subgrupos conforme el tiempo de fermentación, siendo uno exclusivo para 7h y los demás agrupando 12h, 16h y 24h.

Tabla 5. Genes relacionados con las vías metabólicas del flujo de carbono en levaduras industriales

Fuente: Traducido de Saccharomyces Genome Database [SGD] (2007)

Figura 5. Dendrograma generado a partir de la clusterización jerárquica por “Complete Linkage” de datos de transcriptomas de los genes específicos de la Vía Glicolítica [GP] de levaduras industriales sometidas a diferentes tiempos de fermentaciones para producción de etanol de primera [1G] (muestras TF) y segunda [2G] (muestras F)

Fuente: Resultados originales de la investigación

Para los genes de la ruta del glicerol (GR) (Tabla 5), el agrupamiento jerárquico (Figura 6) formó tres agrupaciones con un corte en la distancia euclidiana de 3. Dos grupos correspondieron a las levaduras 1G, separadas por tiempo de fermentación (1h, 4h, 10h en un grupo; 12h, 15h en otro). El tercer grupo estuvo compuesto por las muestras 2G. Notablemente, la muestra TF2_1G_7h (1G, 7h) se agrupó con las levaduras 2G en el mismo tiempo (7h), sugiriendo un comportamiento transcriptómico distinto.

Figura 6. Dendrograma generado a partir de la clusterización jerárquica por “Complete Linkage” de datos de transcriptomas de los genes específicos de la Ruta del Glicerol [GR] de levaduras industriales sometidas a diferentes tiempos de fermentaciones para producción de etanol de primera [1G] (muestras TF) y segunda [2G] (muestras F)

Fuente: Resultados originales de la investigación

En el análisis de los genes de la vía de las pentosas fosfato (PPP) (Tabla 5), la clusterización jerárquica (Figura 7) resultó en cuatro grupos distintos con un corte en la distancia euclidiana de 3. El primer grupo incluyó muestras 2G de 7h y 12h. El segundo y tercer grupos representaron las levaduras 1G, agrupadas por tiempo de fermentación (tiempos finales: 10h, 12h, 15h; y tiempos iniciales: 1h, 4h, 7h). El último grupo reunió muestras 2G en los tiempos finales de fermentación (12h, 16h, 24h).

Figura 7. Dendrograma generado a partir de la clusterización jerárquica por “Complete Linkage” de datos de transcriptomas de los genes específicos de la Vía de la Pentosa Fosfato [PPP] de levaduras industriales sometidas a diferentes tiempos de fermentaciones para producción de etanol de primera [1G] (muestras TF) y segunda [2G] (muestras F)

Fuente: Resultados originales de la investigación

Finalmente, la clusterización jerárquica basada en los genes del ciclo del ácido tricarboxílico (TCA) (Tabla 5) (Figura 8) también mostró la separación de las levaduras por tipo de etanol (1G y 2G). Con un corte en la distancia euclidiana de 5, se definieron cuatro grupos principales. Las muestras 1G formaron dos subgrupos (10h y 12h en uno; 1h, 4h, 7h y 15h en otro). Las muestras 2G también formaron dos subgrupos (todas las muestras de 7h, una muestra aislada de 12h y otra de 16h en uno; y las demás muestras de 12h, 16h y 24h en otro).

Figura 8. Dendrograma generado a partir de la clusterización jerárquica por “Complete Linkage” de datos de transcriptomas de los genes específicos del ciclo del ácido tricarboxílico [TCA] de levaduras industriales sometidas a diferentes tiempos de fermentaciones para producción de etanol de primera [1G] (muestras TF) y segunda [2G] (muestras F)

Fuente: Resultados originales de la investigación

Análisis Factorial de Datos Mixtos [FAMD]

El Análisis Factorial de Datos Mixtos (FAMD) integró variables cuantitativas (expresión génica) y cualitativas (tiempos y tipos de fermentación), permitiendo identificar patrones de asociación. Las dos primeras componentes principales (PC1 y PC2) explicaron el 73,1% de la varianza total (PC1: 55,3%; PC2: 17,8%), indicando una buena representación de los datos (Figura 9). Se observó una fuerte separación entre las muestras a lo largo de la PC1, con 1G en el extremo positivo y 2G en el extremo negativo, confirmando que el tipo de fermentación es la principal fuente de variación.

Figura 9. Biplot obtenido por análisis factorial de datos mixtos [FAMD] a partir de transcriptomas de levaduras industriales, considerando las dimensiones 1 y 2

Fuente: Resultados originales de la investigación Nota: En este gráfico se tuvieron en cuenta variables como vías metabólicas asociadas a los genes, tiempos y tipos de fermentaciones para la producción de etanol de primera [1G] y segunda [2G]. Abreviaturas: [GP]: vía glucolítica, [GR]: ruta del glicerol, [PPP]: vía de la pentosa fosfato, [TCA]: ciclo del ácido tricarboxílico

Los componentes PC3 y PC4 (Figura 10) explicaron el 12% de la varianza total (PC3: 7%; PC4: 5%), con 1G en el extremo negativo de PC3 y 2G en el positivo, indicando una contribución secundaria a la estructura global de los datos. En cuanto a los tiempos de fermentación, se observaron agrupaciones distintas: 1h y 4h correlacionadas positivamente con PC2; 10h alineado con PC1 positivo y 1G; 15h con fuerte contribución en PC1 y componente negativo en PC2; y 16h y 24h con orientaciones opuestas a 1G, más cercanas a 2G. El tiempo de 7h mostró un comportamiento intermedio, contribuyendo principalmente a PC2.

Figura 10. Biplot obtenido por análisis factorial de datos mixtos [FAMD] a partir de transcriptomas de levaduras industriales, considerando las dimensiones 3 y 4

Los análisis por vías metabólicas asociadas al flujo de carbono (Tabla 5) revelaron patrones distintos. Genes de la vía glucolítica (GP), como PFK1 (YGR240C), FBA1 (YKL060C), TPI1 (YDR050C), PGK1 (YJL052W) y PGI1 (YCR012W), se asociaron a los tiempos iniciales y tardíos de fermentación 1G, así como genes de la fermentación alcohólica (PDC1 (YLR044C) y ENO1 (YGR254W)). Genes de la ruta del glicerol (GR), como GPD1 (YDL022W) y GPD2 (YOL059W), se asociaron a tiempos avanzados de 1G, sugiriendo su papel en el ajuste metabólico. Por otro lado, genes de la vía de la pentosa-fosfato (PPP), como ZWF1 (YNL241C), GND2 (YGR256W) y RPE1 (YHR183W), correspondieron a la fermentación 2G. Genes del ciclo del ácido tricarboxílico (TCA), incluyendo CIT1 (YNR001C), SDH1 (YKL148C), IDH1 (YPL262W) y ACO1 (YLR304C), se correlacionaron con tiempos tardíos de 2G. Estos resultados indican que la variación de la expresión génica está fuertemente asociada a las diferencias entre las fermentaciones 1G y 2G, así como a la progresión temporal.

Este trabajo comparó los perfiles de expresión génica de levaduras industriales en fermentaciones de primera (1G) y segunda (2G) generación en diferentes tiempos, utilizando métodos no supervisados. Los resultados evidenciaron una clara separación entre los perfiles de expresión génica asociados a los procesos 1G y 2G, atribuida a las diferencias metabólicas entre las levaduras bajo estas condiciones de fermentación. El tipo de sustrato y las condiciones del proceso ejercen influencia sobre el comportamiento molecular de las levaduras. La fermentación 1G presentó patrones más organizados a lo largo del tiempo, mientras que la fermentación 2G exhibió mayor variabilidad y complejidad metabólica, lo que refleja los desafíos de utilizar biomasa lignocelulósica. Los análisis también indicaron diferencias relevantes entre las vías metabólicas asociadas al flujo de carbono, con la vía de la glucólisis más asociada a la 1G y las vías de la pentosa fosfato y del ciclo del ácido tricarboxílico más involucradas en la 2G. Los métodos no supervisados fueron eficaces en la identificación de patrones biológicos relevantes, permitiendo la distinción entre los perfiles moleculares de las fermentaciones 1G y 2G y demostrando potencial como herramientas analíticas para el mejoramiento biotecnológico de la producción de etanol. Es importante notar que los datos de transcriptoma provinieron de diferentes estudios, lo que puede introducir “batch effects” debido a variaciones en las tecnologías de secuenciación y en el número de réplicas biológicas entre las muestras de 1G (2009) y 2G (2016).

4. Conclusión

El presente estudio evaluó los perfiles transcriptómicos de levaduras industriales Saccharomyces cerevisiae “Pedra-2” en la producción de etanol de primera y segunda generación, en diferentes tiempos de fermentación, por medio de métodos no supervisados. Se verificó una clara separación entre los perfiles de expresión génica asociados a los procesos de primera y segunda generación, siendo el tipo de fermentación el principal factor de variabilidad. Se observó que las muestras de primera generación exhibieron mayor organización temporal y estabilidad, mientras que las de segunda generación demostraron mayor heterogeneidad y complejidad metabólica, reflejando los desafíos de la utilización de biomasa lignocelulósica. Se identificaron diferencias en las vías metabólicas asociadas al flujo de carbono, con predominancia de la glucólisis en la fermentación de primera generación y mayor participación de las vías de la pentosa fosfato y del ciclo del ácido tricarboxílico en la de segunda generación. La principal contribución reside en la demostración de la eficacia de los métodos no supervisados para identificar patrones biológicos relevantes, profundizando el entendimiento de las distinciones metabólicas entre los procesos y proporcionando subsidios para estrategias de optimización en la producción de etanol.

Sin embargo, es importante considerar las limitaciones derivadas del origen de los datos de transcriptoma, provenientes de diferentes estudios, lo que puede introducir “efectos de lote” debido a variaciones en las tecnologías de secuenciación y en el número de réplicas biológicas. Además, la naturaleza exploratoria de los métodos no supervisados impide inferencias causales directas. Para estudios futuros, se sugiere la incorporación de enfoques supervisados, una mayor estandarización experimental y validación con nuevos conjuntos de datos. Tales iniciativas pueden profundizar la comprensión de los mecanismos moleculares involucrados y ampliar el potencial de aplicación de estos resultados en contextos industriales, contribuyendo a la mejora biotecnológica de la producción de etanol.

Referencias Bibliográficas

Basso, LC.; De Amorim, H. V.; De Oliveira, A. J.; Lopes, M. L. 2011. Yeast selection for fuel ethanol production in Brazil. FEMS Yeast Research 11(2): 151-164.

Goldemberg, J. 2008. The Brazilian biofuels industry. Biotechnology for Biofuels 1-6.

Leite, R.C.C.; Leal, M.R.L.V.; Cortez, L.A.B.; Griffin, W. M.; Scandiffio, M.I.G. (2009). Can Brazil replace 5% of the 2025 gasoline world demand with ethanol? Energy 34(5): 655-661.

Renewable Fuels Association [RFA]. 2024. Market & Statistics – Annual Ethanol Production – 2024. Disponível em: . Acesso em: 10 mar. 2025.

Roman, C. 2010. Portal Ecodebate – Brasil busca liderança na produção de biocombustível.

Wheals, Α.Ε.; Basso, L.C; Alves, D.M.; Amorim, H.V. 1999. Fuel ethanol after 25 years. Trends Biotechnology 17(12):482-487.

Artículo originario del Trabajo de Conclusión de Curso de la Especialización en Data Science y Analytics del MBA USP/Esalq

Para saber más sobre el curso, haz clic aquí y accede a la plataforma MBX Academy

Más recientes

Economía, Inversiones Y Banca

23 de octubre de 2026

Educación Financiera, Comportamientos y Sesgos en la Toma de Decisiones Financieras

22 de octubre de 2026

Desafíos y Posibilidades del Primer Año Escolar de Niños con TEA para el Trabajo Docente

22 de octubre de 2026

Viaje del Consumidor en la Decisión de Compra de Infoproductos en el Entorno Digital

22 de octubre de 2026

Riesgos Psicosociales y Salud Mental en el Trabajo en una Institución Bancaria

22 de octubre de 2026

Observatorio Digital de la Amazonía: Ciencia de Datos Aplicada al Análisis de Indicadores Sociales, Económicos, Ambientales y de Salud

22 de octubre de 2026

Aprendizaje Continuo como Factor de Crecimiento Organizacional en la Percepción de los Colaboradores

22 de octubre de 2026

Regresión Estadística en Microrredes para Estimación de Desempeño Operacional: Caso Campusgrid

22 de octubre de 2026

Previsión de la Morosidad de Pago Agregada en el Sistema Financiero Brasileño por Modelo Sarimax con Variables Macroeconómicas

22 de octubre de 2026

Factores de Compromiso de las Partes Interesadas en la Transferencia Internacional de Tecnología a un Hospital Público

También te puede interesar

Economía, Inversiones Y Banca

23 de octubre de 2026

Educación Financiera, Comportamientos y Sesgos en la Toma de Decisiones Financieras

La gestión financiera personal representa un desafío creciente, influenciada por sesgos cognitivos que afectan la toma de decisiones, incluso en individuos con alto conocimiento. El presente estudio analizó la relación entre el nivel de educación financiera y la ocurrencia de sesgos conductuales en la toma de decisiones financieras de adultos residentes en Brasil. Se realizó un levantamiento de campo de naturaleza aplicada, cuantitativa y descriptivo-correlacional, mediante la aplicación de un cuestionario estructurado a 163 encuestados. El instrumento contempló variables sociodemográficas, conocimiento y hábitos financieros, y situaciones hipotéticas para identificar sesgos cognitivos. Los resultados indicaron que niveles más elevados de educación financiera se asociaron con mejores prácticas de control financiero, ahorro e inversión, con correlaciones significativas con ingresos y escolaridad. Sin embargo, la presencia de sesgos conductuales (anclaje, aversión a la pérdida, escasez, optimismo/pesimismo, sesgo del presente, status quo, exceso de confianza y contabilidad mental) persistió incluso entre individuos con mayor escolaridad e ingresos, sin asociación estadísticamente significativa con las variables sociodemográficas analizadas. Se concluyó que la educación financiera, aunque esencial para la organización y el control financiero, no fue suficiente para neutralizar la influencia de sesgos cognitivos. Se sugiere la incorporación de enfoques conductuales a los programas de educación financiera.

Palabras clave: Comportamiento financiero; Economía conductual; Finanzas personales; Heurísticas cognitivas; Sesgos cognitivos.

22 de octubre de 2026

Desafíos y Posibilidades del Primer Año Escolar de Niños con TEA para el Trabajo Docente

La inserción de niños con Trastorno del Espectro Autista (TEA) en la Educación Infantil presenta desafíos significativos, dada la dificultad de adaptación a nuevos entornos y la intensidad de estímulos. El objetivo fue analizar la actuación docente en la Educación Infantil en el proceso de escolarización inicial de niños con TEA. Se realizó un estudio de caso, utilizando la entrevista narrativa como técnica de producción de datos. Los resultados revelaron que la actuación docente se caracterizó por prácticas de mediación y afecto, con la flexibilización de la rutina y el uso de recursos lúdicos como estrategias esenciales para el desarrollo y la organización sensorial del niño. También se destacó la importancia del profesional de apoyo escolar para el éxito del trabajo pedagógico. El desarrollo integral del niño fue promovido por medio de acciones docentes intencionales que priorizaron la adaptación ambiental, el fortalecimiento de vínculos y la atención a las necesidades específicas del TEA. Como contribución, se elaboró una guía de estrategias pedagógicas orientada a la acogida de niños con TEA en guarderías públicas.

Palabras clave: Educación Infantil; Inclusión Escolar; Narrativas Docentes; Prácticas Pedagógicas Inclusivas; Trastorno del Espectro Autista.

22 de octubre de 2026

Viaje del Consumidor en la Decisión de Compra de Infoproductos en el Entorno Digital

La expansión del comercio electrónico y la transformación tecnológica impulsaron la necesidad de comprender el comportamiento del consumidor de infoproductos, cuya experiencia percibida se ha vuelto crucial para el desarrollo profesional. El estudio tuvo como objetivo analizar los factores que influyeron en la decisión de compra de infoproductos en el entorno digital, considerando las etapas del viaje del consumidor. Se realizó una investigación aplicada, cuantitativa y descriptiva, a través de un estudio de campo con 100 consumidores de la Serra Gaúcha. La recopilación de datos se realizó mediante un cuestionario estructurado, utilizando muestreo no probabilístico. Los resultados revelaron un público cualificado y con un fuerte comportamiento “mobile-first”. Se constató que la disponibilidad de información detallada y la aprobación social fueron los principales desencadenantes de atracción en la fase de precompra. En las etapas transaccionales y posteriores, la minimización de fricciones operativas, la agilidad del acceso inmediato y la seguridad sistémica demostraron ser cruciales para la conversión y la satisfacción, aunque se identificaron lagunas en la eficiencia del soporte humano. La retención se fundamentó en la confianza generada por experiencias anteriores positivas, superando el factor precio. Se concluyó que el viaje del consumidor de infoproductos opera como un sistema integrado, exigiendo alineación entre infraestructura tecnológica, curaduría de contenido y humanización del soporte para asegurar el compromiso.

Palabras clave: Comercio electrónico; Comportamiento del consumidor; Experiencia del consumidor; Fidelización; Negocios virtuales.

22 de octubre de 2026

Riesgos Psicosociales y Salud Mental en el Trabajo en una Institución Bancaria

La salud mental en el entorno laboral es un tema de creciente relevancia, que impacta el desarrollo profesional y el bienestar de los colaboradores. Se realizó un estudio para identificar aspectos y situaciones que pueden influir en los niveles de absentismo en una institución bancaria. La investigación involucró a 108 participantes y utilizó un cuestionario estructurado, basado en la versión corta del COPSOQ II de Gonçalves (2021), que contenía 45 preguntas cerradas en escala Likert y dos preguntas abiertas. Los datos se recopilaron a través de una plataforma en línea y se analizaron con un enfoque descriptivo y cuantitativo. Los resultados revelaron un escenario que indicó la necesidad de ajustes en la distribución de las actividades y en la percepción de los gerentes sobre comportamientos y señales de trastornos. Se identificaron evidencias importantes en las respuestas abiertas de los participantes. Se concluyó que el estudio contribuyó a la promoción de la percepción de un ambiente seguro para la salud mental en la organización.

Palabras clave: Ausencias por trastornos; Desarrollo profesional; Liderazgo operativo; Licencia médica; Salud mental.

22 de octubre de 2026

Observatorio Digital de la Amazonía: Ciencia de Datos Aplicada al Análisis de Indicadores Sociales, Económicos, Ambientales y de Salud

El estado de Amazonas ha enfrentado desafíos históricos en la consolidación del Sistema Único de Salud (SUS), derivados de barreras geográficas, desigualdades socioeconómicas y limitaciones estructurales. En este estudio se describió el desarrollo e implementación de un geoportal de información en salud, concebido para apoyar el monitoreo, la evaluación y la planificación en el contexto amazónico. Se adoptó un enfoque de estudio de caso descriptivo, basado en análisis documental y datos secundarios, abarcando el mapeo de funcionalidades, la infraestructura técnica y las etapas de validación de la herramienta. El Portal fue desarrollado con tecnologías abiertas e integró múltiples bases de datos nacionales, ofreciendo dashboards interactivos, mapas temáticos y repositorio digital de documentos. Entre los resultados, destacaron la visualización georreferenciada de indicadores clave, la posibilidad de análisis comparativos temporales y la utilización de la plataforma en la revisión de planes de salud y en el redireccionamiento de acciones estratégicas. El portal puede representar un avance en la gobernanza digital y en la gestión basada en evidencia, con potencial de replicabilidad para otros territorios de alta complejidad, siempre que vaya acompañado de inversiones en infraestructura tecnológica, capacitación profesional y articulación interinstitucional.

Palabras clave: Amazonía; Evaluación en Salud; Salud Digital; Sistemas de Información en Salud.

22 de octubre de 2026

Aprendizaje Continuo como Factor de Crecimiento Organizacional en la Percepción de los Colaboradores

El impacto del aprendizaje continuo y la gestión del conocimiento en el crecimiento de las organizaciones fue estudiado en un escenario de globalización y constantes cambios. El objetivo del estudio fue analizar la percepción de los colaboradores sobre la cultura de aprendizaje y su importancia para el desarrollo personal y profesional. Los datos se obtuvieron a través de una encuesta anónima, de enfoque cuantitativo, utilizando un formulario con preguntas tipo “survey” aplicado a 87 profesionales de los sectores de tecnología, salud, educación, comercio y servicios. Los resultados indicaron que los colaboradores tenían una percepción positiva sobre la contribución del aprendizaje continuo al crecimiento personal y organizacional, reconociendo sus beneficios para el desarrollo de nuevas habilidades, la innovación y la competitividad. Sin embargo, se observó que el incentivo al intercambio de conocimiento interno y la oferta de capacitaciones prácticas aún presentaban medias moderadas de acuerdo. Se concluyó que el aprendizaje continuo contribuye significativamente al desarrollo individual y organizacional, sugiriendo que las empresas deben desarrollar políticas estratégicas de aprendizaje dirigido a nuevas habilidades, buscando una mayor ventaja competitiva y la innovación.

Palabras clave: Aprendizaje continuo; Autodesarrollo; Crecimiento organizacional; Gestión del Conocimiento; Innovación.

22 de octubre de 2026

Regresión Estadística en Microrredes para Estimación de Desempeño Operacional: Caso Campusgrid

Se propuso un modelo de regresión estadística múltiple para estimar el rendimiento operativo de la microrred CampusGrid de la UNICAMP, basándose en magnitudes eléctricas internas. La microrred integra generación fotovoltaica, baterías y un generador de gas. Se recopilaron datos del sistema de gestión de energía en intervalos de cinco minutos durante un mes. El Índice de Confiabilidad Operacional, definido como la razón entre energía atendida y demandada, se estableció como variable dependiente. El modelo se ajustó al modo de operación aislado, evaluando el impacto de la demanda, el estado de carga, la generación solar y la energía suministrada. Los resultados revelaron un elevado poder explicativo, indicando que la confiabilidad operativa depende de la interacción entre el suministro y la demanda. Se observó que el período nocturno concentró la mayor tasa de atención parcial, atribuida a la reducción de la generación solar. Se concluyó que la regresión múltiple ofrece una estructura interpretable y útil para el monitoreo de microrredes y el apoyo a estrategias de control.

Palabras clave: Almacenamiento en baterías; Generación fotovoltaica; Índice de Confiabilidad; Operación aislada; Sistema de Gestión de Energía.

22 de octubre de 2026

Previsión de la Morosidad de Pago Agregada en el Sistema Financiero Brasileño por Modelo Sarimax con Variables Macroeconómicas

La morosidad agregada en el sistema financiero brasileño es un indicador crucial de riesgo crediticio, cuya previsión está regulada por las Resoluciones CMN n.° 4.557/2017 y 4.966/2021 para la medición prospectiva de pérdidas esperadas. Se modeló y predijo la morosidad agregada mediante el modelo SARIMAX, proyectando su trayectoria hasta diciembre de 2026 bajo escenarios optimista, base y pesimista. Se utilizaron 164 observaciones mensuales (julio/2012 a febrero/2026) y variables macroeconómicas como desempleo, Selic, IPCA, IBC-Br y endeudamiento de las familias. La especificación con variables contemporáneas fue seleccionada con base en criterios de información y estabilidad de los coeficientes, y el diagnóstico de los residuos confirmó adecuación estadística, con MAPE de 3,12%. La morosidad histórica varió entre 4,33% y 7,64%. La estimación identificó el desempleo (β = 0,2534; p < 0,001) y la Selic (β = 0,2128; p < 0,001) como principales determinantes positivos, con fuerte persistencia temporal (AR(1) = 0,8965). La Selic exhibió correlación creciente con la morosidad (r = 0,62 en el rezago 12), mientras que el desempleo demostró efecto contemporáneo (r = 0,33). Las proyecciones indicaron morosidad entre 6,30% y 7,98% en diciembre de 2026, con una amplitud de 1,68 punto porcentual, evidenciando implicaciones directas para el dimensionamiento de provisiones en las instituciones financieras.

Palabras clave: Desempleo; Modelado predictivo; Política monetaria; Provisión de pérdidas; Series temporales.

22 de octubre de 2026

Factores de Compromiso de las Partes Interesadas en la Transferencia Internacional de Tecnología a un Hospital Público

Este estudio describió los factores críticos percibidos para la participación de las partes interesadas en la transferencia internacional de tecnología en un hospital público, con foco en la planificación. El objetivo fue describir estos factores condicionantes, según la percepción de los profesionales. Se realizó un estudio de caso único, aplicando un cuestionario a 25 profesionales y utilizando análisis de contenido, complementado por tabulaciones descriptivas. Los principales obstáculos identificados fueron resistencia al cambio (72%), financiación (64%), falta de comunicación (60%) y burocracia (40%). Solo el 28% de los encuestados reconoció la existencia de herramientas adecuadas para la gestión de stakeholders, mientras que el 48% negó y el 24% no supo informar. Cruzamientos exploratorios indicaron variaciones en la evaluación de influencia según el tiempo de actuación, pero no establecieron relaciones causales. La falta de participación se asoció con retrasos, baja adhesión, desperdicio de recursos, fallas de comunicación, compromiso de la absorción de conocimiento y riesgos para la seguridad del paciente. Las conclusiones se restringieron a las percepciones del grupo investigado y fundamentaron recomendaciones preliminares para la comunicación y coordinación intersectorial.

Palabras clave: Estudio de caso; Gestión de proyectos; Innovación en salud; Partes interesadas; Sector público.

Economia

19 de octubre de 2026

¿Fin de la escala 6×1: qué permiten concluir los números?

Tras la promulgación del fin de la escala 6×1, el debate sobre la jornada menor pasa a la implementación y exige distinguir beneficios sociales de costos económicos El fin de la escala 6×1 pasó de la discusión legislativa a un cambio constitucional en Brasil. El 16 de octubre de 2026, el Congreso Nacional promulgó la enmienda constitucional nº 141/2026, originada de la Propuesta […]

Inteligencia Artificial

16 de octubre de 2026

¿Por qué estudiar si existe la IA?

Cuando las respuestas se vuelven fáciles, aprender pasa a significar más que alcanzarlas. ¿Por qué necesito aprender esto si puedo preguntarle a una inteligencia artificial? Este tipo de pregunta ha acompañado a la educación durante décadas. ¿Por qué aprender una operación si existe una calculadora? ¿Por qué memorizar una información si se puede encontrar […]

Gestión Tributaria

15 de octubre de 2026

Impuesto rosa y el género del precio

Cómo los diferentes tratamientos de marketing para hombres y mujeres son incorporados por la tributación del consumo Imagine un estante en el que dos maquinillas de afeitar de la misma marca y destinadas al mismo propósito están expuestas una al lado de la otra: una tiene un empaque oscuro y promete fuerza, precisión y eficiencia; la otra viene en tonos de rosa o […]

Salud

13 de octubre de 2026

El eslabón perdido de la transformación de la salud

¿Por qué la innovación no es suficiente para generar cambios en las organizaciones y en los sistemas de salud La transformación digital se ha consolidado como una prioridad estratégica para los sistemas de salud en todo el mundo. Historias clínicas electrónicas, inteligencia artificial, telemedicina, monitorización remota y análisis de datos han pasado a formar parte de la agenda estratégica de gobiernos y organizaciones sanitarias. Paradójicamente, […]

Marketing

09 de octubre de 2026

Bitcoin o mascotas: lo que la Inteligencia Artificial no vería

Un caso real de consumer intelligence muestra lo que queda fuera del briefing Hace algunos años, una aseguradora estadounidense contrató a una empresa especializada en consumer intelligence para responder a tres preguntas: La aseguradora también evaluaba lanzar seguros pagados en bitcoin. En ese momento, el proceso de trabajo de la consultoría funcionaba así: el analista creaba una query […]

Gestión Escolar

06 de octubre de 2026

La escuela no es un casino: cuando las figuritas se convierten en moneda en el patio

¿Por qué, para determinados estudiantes, la escuela logra ofrecer tan pocas experiencias de éxito? La Copa del Mundo ha terminado. Brasil ha quedado fuera de la competición, llegaron las vacaciones escolares, se disputó la final y el calendario del fútbol siguió adelante. Sería razonable imaginar que, con el fin del torneo y el regreso a clases, también comenzara […]

Transición Energética

30 de septiembre de 2026

Energías renovables: la ventaja brasileña

Brasil necesita invertir en la capacidad de transformar recursos naturales en innovación, productividad y desarrollo Hablar de energía es hablar de desarrollo. Detrás de la industria, el transporte, los servicios, las ciudades y, cada vez más, la inteligencia artificial, existe una infraestructura energética que sustenta la economía. Comprender la matriz energética de un país es comprender […]

Análisis De Datos

30 de septiembre de 2026

¿Cuando cambian los datos, ha cambiado la realidad?

Análisis de casi 20 millones de vínculos-año docentes entre 2020 y 2025 muestra cómo cambios en la composición de la población y en la producción de los registros pueden alterar la interpretación de series históricas Entre 2020 y 2025, el número de vínculos formales de trabajo docente identificados en la RAIS (Relación Anual de Información Social), del Ministerio de Trabajo, […]

Inteligencia Artificial

28 de septiembre de 2026

Inteligencia artificial y las tendencias

¿Por qué tanta gente se une a los juegos con ChatGPT? Nunca fui una persona de tendencias. Sigo sin serlo. Algunas pasan por mi línea de tiempo, las veo, me parecen interesantes pero no al punto de experimentar. Fue así, inclusive, con algunas ondas recientes de imágenes hechas por inteligencia artificial, como la tendencia de los años 80, aquella que nos […]

Gestión Tributaria

01 de septiembre de 2026

Reforma tributaria y planificación patrimonial en el campo

La eficiencia para gestionar los impuestos facilita la gobernanza y permite organizar la sucesión familiar. La organización patrimonial rural se ha convertido en una medida estratégica ante la reforma tributaria en Brasil, que entró en vigor este año. La planificación de las actividades y de la gestión del patrimonio rural, a través de herramientas como la transición de la Persona Física a […]

Renata de Gaspari Valdejão Almeida

Inteligencia Artificial

05 de agosto de 2026

Dentro de la empresa y fuera del radar: los riesgos de la IA Sombra

Según Microsoft, el 75% de los profesionales ya utilizan inteligencia artificial en el trabajo sin la aprobación de la empresa El uso de la inteligencia artificial generativa ya forma parte de la rutina corporativa. Herramientas como ChatGPT, Copilot y otras plataformas ayudan a los profesionales a producir textos, analizar datos, crear presentaciones y acelerar tareas en prácticamente todos los sectores. Pero este avance […]

Renata de Gaspari Valdejão Almeida

Estrategia

02 de julio de 2026

El futuro como competencia

El interés académico refuerza la proyección de escenarios como herramienta esencial para la toma de decisiones. Mientras algunas empresas aún intentan acertar el próximo paso, otras ya trabajan con múltiples futuros posibles — y se preparan para todos ellos. Pero, ¿qué significa “pensar el futuro”? ¿Es tendencia, es estrategia o una nueva competencia que […]

Renata de Gaspari Valdejão Almeida

Innovación

Tecnología

21 de mayo de 2026

Corredor Agro SP: innovación, articulación institucional y futuro

Pecege comanda a operação executiva das atividades do ecossistema de 400 km que ficou conhecido como Vale do Silício do agro brasileiro Em 2025, além de assumir a gestão do Parque Tecnológico de Piracicaba, o Instituto Pecege também foi designado para comandar a operação executiva das atividades do Corredor de Inovação Agropecuária do Estado, o chamado […]

Educación

27 de abril de 2026

Cómo transformar un TCC en negocio

Nueva gestión del Parque Tecnológico de Piracicaba ofrece consultoría a egresados de MBAs El nuevo director de proyectos del Parque Tecnológico de Piracicaba (PTP), Alexandre Barreto, suele decir que una de las mayores recompensas que ha tenido en la vida ha sido ver a sus orientandos del MBA USP/Esalq estructurar empresas a partir de sus trabajos de conclusión de […]

Tecnología

20 de marzo de 2026

El repertorio humano en la era de la IA

El pensamiento crítico y la creatividad son insustituibles en el trabajo del profesional de marketing La Inteligencia Artificial (IA) es capaz de hazañas increíbles, pero aún no posee la capacidad de juicio, empatía, intuición y creatividad estratégica necesarias para hacer el trabajo de un buen profesional de marketing. En esta área, es importante saber usar la herramienta para automatizar […]

Renata de Gaspari Valdejão Almeida

Agronegocios

Innovación

23 de febrero de 2026

ESG como estrategia de crecimiento en una cooperativa del RS

Santa Clara equilibra responsabilidad social y ambiental con innovación Fundada en 1911 por inmigrantes italianos en Carlos Barbosa, en la sierra gaúcha, la Cooperativa Santa Clara es un ejemplo de que es posible equilibrar el crecimiento económico con la responsabilidad social y ambiental. De una pequeña empresa de producción de quesos, la organización evolucionó a un […]

Renata de Gaspari Valdejão Almeida

Agronegocios

Innovación

22 de enero de 2026

¿Brasil libre de fiebre aftosa: qué cambia para la carne brasileña?

Con un rebaño de más de 200 millones de cabezas de ganado, el país es actualmente el líder en exportaciones Brasil recibió recientemente, por primera vez, la certificación de país libre de fiebre aftosa sin vacunación, otorgada por la Organización Mundial de Sanidad Animal (OMSA). El sello fortalece la posición del país como proveedor de carne confiable para el […]

Renata de Gaspari Valdejão Almeida

Innovación

09 de diciembre de 2025

Innovación: el nuevo ciclo del Parque Tecnológico de Piracicaba

El Instituto Pecege asume la gestión apostando en la creación de nuevos negocios A partir de 2026, el Instituto Pecege asumirá la gestión del Parque Tecnológico de Piracicaba (PTP). Entre sus responsabilidades estarán la administración, operación, mantenimiento y expansión del parque, además del fomento de actividades de innovación, emprendimiento y ciencia y tecnología. La elección fue realizada […]

Renata de Gaspari Valdejão Almeida

06 de julio de 2026

Arquitectura a Gran Escala: Gestión de Cambios DSR-SCRUM

Mônica Alessandra Guerios; Maria do Carmo Assis Todorov Resumen elaborado por la herramienta ResumeAI, una solución de inteligencia artificial desarrollada por el Instituto Pecege orientada a la síntesis y redacción. La arquitectura y el urbanismo se configuran como bases imprescindibles en un espacio urbano cada vez más complejo y desafiante, donde la intrínseca conexión entre cuestiones sociales, ambientales y tecnológicas […]

Mba Ejecutivo En Liderazgo Y Gestión

29 de junio de 2026

Calificación de Proveedores: Estandarización y Riesgo

Isis Penelope Sumarelli Albuquerque Huang; Vítor Melão Cassânego Resumen elaborado por la herramienta ResumeAI, solución de inteligencia artificial desarrollada por el Instituto Pecege orientada a la síntesis y redacción. La creciente complejidad de las cadenas de suministro agroalimentarias, impulsada por la globalización, ha generado una demanda intensificada de transparencia, seguridad y trazabilidad en los sistemas alimentarios. La integridad y la autenticidad […]

Mba Ejecutivo En Liderazgo Y Gestión

26 de junio de 2026

Jurídico: de centro de costo a socio estratégico

Adriana Ehiar Ribeiro Petry; Ana Carla Fernandes Gasques Resumen elaborado por la herramienta ResumeAI, una solución de inteligencia artificial desarrollada por el Instituto Pecege orientada a la síntesis y redacción. El escenario de expansión en el mercado brasileño, a pesar de ser prometedor para empresas de bienes de consumo, presenta desafíos significativos que exigen un enfoque estratégico y adaptable. Con una población […]

Mba Ejecutivo En Liderazgo Y Gestión

26 de junio de 2026

Cultura: Profesionalización y crecimiento en empresas familiares

Yashmin Meirelles Oliveira Araujo; Gilmar Martinelli Junior Resumen elaborado por la herramienta ResumeAI, solución de inteligencia artificial desarrollada por el Instituto Pecege orientada a la síntesis y redacción. El escenario económico brasileño está marcadamente influenciado por la expresiva representatividad de las empresas familiares, que constituyen aproximadamente el 90% de los emprendimientos del país, según datos de PwC (2023). Dentro de este vasto universo, […]

Mba Ejecutivo En Liderazgo Y Gestión

26 de junio de 2026

Equipos Semifijos: Compromiso y Cohesión en el Campo

Wesley Araújo Martins; Odair Silva Soares Resumen elaborado por la herramienta ResumeAI, una solución de inteligencia artificial desarrollada por el Instituto Pecege orientada a la síntesis y redacción. El sector operativo de una empresa especializada en servicios técnicos de campo, activa en el mantenimiento de transformadores de potencia en entornos industriales y concesionarias de energía, enfrenta desafíos significativos relacionados con […]

Mba Ejecutivo En Liderazgo Y Gestión

26 de junio de 2026

IA en preventas: Generación automatizada de propuestas

Vitor Luis Genaro; Felipe Carvalhal Resumen elaborado por la herramienta ResumeAI, solución de inteligencia artificial desarrollada por el Instituto Pecege orientada a la síntesis y redacción. El mercado de consultoría en tecnología exige de las organizaciones una eficiencia operativa creciente, aliada a la capacidad analítica y a la velocidad de respuesta al cliente. En este escenario dinámico, el área de preventas asume […]

Mba Ejecutivo En Liderazgo Y Gestión

26 de junio de 2026

PMaaS: Impulsando proyectos en PYMEs sin PMO

Vitor Conceição Faria; Ewerton Mauro Visotto Faria Resumen elaborado por la herramienta ResumeAI, solución de inteligencia artificial desarrollada por el Instituto Pecege orientada a la síntesis y redacción. El escenario empresarial contemporáneo, marcado por alta competitividad y una transformación digital acelerada, impone desafíos complejos a las empresas, especialmente a las de pequeño y mediano tamaño. Muchas de estas organizaciones, aunque comprometidas […]

Mba Ejecutivo En Liderazgo Y Gestión

26 de junio de 2026

Gestión Ágil del Ciclo de Vida en Fomento Público

Vinícius Nascimento Garcia; Ana Carla Gasques Resumen elaborado por la herramienta ResumeAI, solución de inteligencia artificial desarrollada por el Instituto Pecege orientada a la síntesis y redacción. La agencia pública estatal de fomento enfrentaba un escenario de desarrollo reactivo y fragmentado de sus líneas de crédito, caracterizado por el bajo uso de datos y la ausencia de una gobernanza […]

Mba Ejecutivo En Liderazgo Y Gestión

26 de junio de 2026

Mentoría y Onboarding: Desarrollando Talentos en GC

Vinícius Andrade de Carvalho; Ewerton Mauro Visotto Faria Resumen elaborado por la herramienta ResumeAI, una solución de inteligencia artificial desarrollada por el Instituto Pecege orientada a la síntesis y redacción. La demanda de servicios de outsourcing ha experimentado un crecimiento notable tanto en Brasil como a nivel mundial, impulsando a las empresas a expandir sus operaciones externalizadas. Informes como la “Global Outsourcing Survey […]