Numero más probable (NMP)

Numero más probable (NMP)

El método del Número más probable (NMP)  también conocido como el método de los ceros de Poisson, es una forma de obtener datos cuantitativos en concentraciones de elementos discretos a partir de datos de incidencia positiva/negativa. Es una estrategia eficiente para estimar densidades de población que se emplea cuando una evaluación cuantitativa de elementos individuales no es factible.

Descripción.

El método se basa en determinar la presencia o ausencia (positivo o negativo) de atributos específicos de microorganismos en copias obtenidas por diluciones consecutivas a partir de muestras de suelo u otros ambientes. Se basa en el principio de que una única célula viva puede desarrollarse y producir un cultivo turbio. El método requiere la realización de una serie de diluciones en serie de la muestra de cultivo, en un medio líquido adecuado para el crecimiento de dicho organismo de un volumen diez veces mayor. Luego, se incuban las muestras de esos tubos y, pasado un tiempo, se examinan los tubos. Aquellos tubos que recibieron una o más células microbianas procedentes de la muestra, se pondrán turbios, mientras que los tubos que no recibieron ninguna célula permanecerán transparentes.

Al aumentar el factor de dilución, se alcanza un punto en el que algunos tubos contendrán tan sólo un microorganismo y otros tubos no contendrán ninguno. Al calcular la probabilidad de que los tubos no hayan recibido ninguna célula, se puede estimar el número más probable de microorganismos presentes en la muestra original, a partir de una tabla estadística.

La precisión del método del número más probable aumenta con el número de tubos que se usan; cinco tubos por dilución se considera como una relación adecuada entre precisión y economía.

Una condición del método es la necesidad de poder reconocer un atributo específico de la población en el medio de crecimiento que se emplee. La estimación de la densidad poblacional se obtiene del patrón de ocurrencia de ese atributo en sucesivas diluciones en serie y el empleo del cálculo.

Hay muchas entidades discretas que son fáciles de detectar pero difíciles de contar. Una aplicación es el de cualquier clase de reacción de amplificación o reacción de catálisis que impide una cuantificación fácil, pero permite que su presencia sea detectada de modo muy sensible. Algunos ejemplos comunes son: crecimiento de microorganismos, acción enzimática, o catálisis química. El método del NMP supone tomar la disolución original o muestra y subdividirla en un factor (frecuentemente 10 veces,o 2 veces) y evaluar la presencia/ausencia en múltiples subdivisiones.

El grado de dilución para el cual comienza a aparecer la ausencia indica que los elementos se han diluido tanto que hay muchas submuestras en las que no aparece. Un juego de repeticiones para cualquier concentración dada permite una resolución más fina, para usar el número de muestras positivas y negativas que estiman la concentración original dentro del apropiado orden de magnitud.

Aplicaciones

Este método se usa para contar microorganismos difíciles de cultivar en medio sólido, o para determinar el número de células que pueden crecer en un medio líquido determinado, como el análisis para determinar la contaminación del agua potable, determinando el número de bacterias Escherichia coli que pueden crecer en un medio con lactosa..
En microbiología, el método se emplea habitualmente realizando diluciones en serie de un cultivo de bacterias en un medio de crecimiento, y luego divisiones adicionales en serie hasta obtener partes alícuotas. Los cultivos son incubados y evaluados a ojo, eludiendo el tedioso recuento de colonias, o el caro y tedioso recuento microscópico.
La principal debilidad de los métodos del número más probable es la necesidad de un gran número de copias duplicadas con la dilución adecuada para estrechar los intervalos de confianza. Sin embargo, es un método muy importante para recuento cuando el orden de magnitud es desconocido a lo anterior y el muestreo es necesariamente destructivo.