A busca por fontes renováveis de energia, materiais e produtos químicos tem sido o foco de muitas políticas internacionais. Bioprocessos são uma promissora alternativa para atingir esses objetivos, entretanto, esses processos devem ser economicamente viáveis para se obter sucesso em um mercado altamente competitivo. A bioprodução precisa ser otimizada tanto em nível celular, como em nível de processo. A biologia de sistemas pode contribuir em ambos os níveis, tornando modelos adequados para a análise de engenharia metabólica, modificando o metabolismo das células, e fornecendo modelos preditivos para otimizar as operações de bioprocessos. Esses métodos computacionais devem ser precisos e confiáveis, portanto, áreas como a Engenharia de Sistemas em Processos (PSE) têm um enorme potencial de contribuição. O objetivo desta tese foi aplicar ferramentas de PSE para aperfeiçoar os métodos existentes em Biologia de Sistemas. Para isso, foram construídas colaborações interdisciplinares para encontrar gargalos nas metodologias existentes. A tese foi dividida em três tópicos/projetos principais. No primeiro, métodos de identificabilidade foram aplicados ao planejamento ótimo de experimentos de carbono marcado para melhorar o processo de estimação de fluxos metabólicos. A metodologia foi aplicada à produção de bioplásticos e biossurfactantes por Pseudomonas spp.. O planejamento de experimentos foi utilizado para se determinar o melhor substrato marcado e para reduzir o custo experimental. Foram aplicados três métodos de análise de identificabilidade, baseados na inspeção visual das saídas do modelo, na Matriz de Informação de Fisher e em Componentes Principais. As marcações ótimas para os substratos para cada espécie de Pseudomonas foram determinadas e as principais rotas metabólicas foram estimadas. O segundo projeto consistiu em tornar um modelo metabólico dinâmico conhecido como Dynamic flux balance analysis (dFBA) mais adequado para aplicações de controle preditivo baseado em modelos. Os modelos dFBA consistem em um sistema de equações diferenciais ordinárias com um modelo de otimização integrado, portanto, aplicações em controle são desafiadoras. O modelo de otimização foi substituto por um modelo surrogate e foi demostrado que esse método pode diminuir consistentemente o tempo computacional e tornar o desempenho do controlador mais confiável. Finalmente, o terceiro projeto também se concentrou em modelos dFBA, mas visando torná-los mais viáveis para aplicações de engenharia metabólica dinâmica. O modelo dFBA foi reformulado como um problema NLP em um único nível. São discutidos os desafios de resolver um problema com restrições complementares e como superá-los. Estudos de caso de controle dinâmico do metabolismo demonstraram o potencial da metodologia desenvolvida. Juntos, esses métodos podem ser aplicados para obter simulações numéricas mais confiáveis e precisas usando modelos de biologia de sistemas.

The search for renewable sources of energy, materials, and chemicals has been the focus of many international policies. Bioprocess emerged as a powerful alternative to achieve these goals, however, this type of process should be economically feasible to be successful in a highly competitive market. Bioproduction needs to be optimized at the cellular level, as well as at the process level. Systems biology can contribute to that aim, making models suitable for metabolic engineering analysis to modify cells metabolism, and also providing predictive models to optimize bioprocess operations. These computational methods must be precise and reliable, therefore, fields such as Process Systems Engineering (PSE) have a larger potential to contribute. The aim of this thesis was to apply PSE tools to improve existing systems biology methods. In order to do that, interdisciplinary collaborations were built to find bottlenecks in the existing methodologies. The thesis was divided into three main topics/projects. In the first one, identifiability methods were applied to the optimal design of carbon labeling experiments to improve the metabolic flux distribution estimation process. The methodology was applied to Pseudomonas spp. producing bioplastics and biosurfactants under non-growing conditions. Design of experiments was performed to determine the best labeling substrate and also to reduce experimental cost. Three methods for identifiability analysis were applied, based on visual inspection of the response surface of the model output, on the Fisher Information Matrix and a Principal Component-based technique. The optimal labeled substrates for each Pseudomonas specie was determined, and the main routes for bioproducts biosynthesis were estimated. The second project consisted in building a dynamic metabolic model known as Dynamic flux balance analysis (dFBA) more suitable for model predictive control applications. dFBA models consist of a system of ordinary differential equations with an optimization model embedded, thus, incorporating them into MPC applications is very challenging. We replaced the embedded optimization model with a simple surrogate model and showed that this can consistently decrease computational time and make the MPC performance more reliable. Finally, the third project also focused on dFBA models but tried to make them more feasible for dynamic metabolic engineering applications. We reformulate the dFBA model as an NLP and showed that the solution of the bi-level optimization problem can be obtained from a single level problem, which is more straightforward to solve. The challenges of solving a complementary constrained problem and the way to overcome that problem are discussed. Case studies of dynamic control of metabolism demonstrated the potential of the developed methodology. Taking all together, these methods can be applied to obtain more reliable and precise numerical simulations using system biology models.