Algoritmos genéticos como mecanismo para modelar interacciones genéticas utilizando información observada en distintos tiempos
Los modelos de interacción genética corresponden a grafos ponderados que se generan a partir de replicaciones de abundancia genética en distintos tiempos de observación, en donde cada arista con peso es una probabilidad de asociación genética. Estos modelos de interacciones son herramientas emplead...
| Main Authors: | , |
|---|---|
| Format: | Article |
| Language: | Spanish |
| Published: |
Instituto Tecnológico de Costa Rica
2019-02-01
|
| Series: | Tecnología en Marcha |
| Subjects: | |
| Online Access: | https://revistas.tec.ac.cr/index.php/tec_marcha/article/view/4087 |
| _version_ | 1811166894344896512 |
|---|---|
| author | David J. John Kenneth David Meza-Chaves |
| author_facet | David J. John Kenneth David Meza-Chaves |
| author_sort | David J. John |
| collection | DOAJ |
| description |
Los modelos de interacción genética corresponden a grafos ponderados que se generan a partir
de replicaciones de abundancia genética en distintos tiempos de observación, en donde cada
arista con peso es una probabilidad de asociación genética. Estos modelos de interacciones
son herramientas empleadas por los investigadores en biología para comprender las relaciones
genéticas. Dos algoritmos genéticos fueron desarrollados para modelar interacciones genéticas
a partir de información de entrada obtenida en experimentos científicos (abundancia genética),
en donde un algoritmo sigue un esquema tradicional, mientras que el otro (no tradicional) se
basa en la etapa de ‘crossover’, con la aplicación de la mutación de manera poco frecuente.
Ambos algoritmos genéticos evolucionan una población actual conformada por grafos acíclicos
dirigidos para producir una nueva población, en donde cada grafo representa un modelo
Bayesiano para una posible interacción genética. El ‘fitness’ empleado en los algoritmos
genéticos consiste en la probabilidad relativa posterior en la que un modelo Bayesiano se ajusta
a las replicaciones de abundancia genética. Estas probabilidades Bayesianas son calculadas
utilizando una de las tres técnicas de análisis: cotemporal, estado siguiente del primer orden y
estado siguiente del segundo orden. Los modelos de interacción genética ponderados reflejan
los grafos acíclicos dirigidos y sus probabilidades presentados en la última población de cada
una de las numerosas ejecuciones independientes del algoritmo genético. Empleando un set
de genes simulado, ambos algoritmos genéticos encuentran las señales que se han diseñado
y se mantienen consistentes entre paradigmas. También, se presentan modelos empleando un
set de datos de la abundancia genética obtenida a partir del estudio de la planta Arabidopsis
thaliana estimulada por la hormona auxina.
|
| first_indexed | 2024-04-10T15:59:54Z |
| format | Article |
| id | doaj.art-fed7fc356c0745cd90e7f7f87597ef74 |
| institution | Directory Open Access Journal |
| issn | 0379-3982 2215-3241 |
| language | Spanish |
| last_indexed | 2024-04-10T15:59:54Z |
| publishDate | 2019-02-01 |
| publisher | Instituto Tecnológico de Costa Rica |
| record_format | Article |
| series | Tecnología en Marcha |
| spelling | doaj.art-fed7fc356c0745cd90e7f7f87597ef742023-02-10T14:27:12ZspaInstituto Tecnológico de Costa RicaTecnología en Marcha0379-39822215-32412019-02-0131510.18845/tm.v31i5.40873495Algoritmos genéticos como mecanismo para modelar interacciones genéticas utilizando información observada en distintos tiemposDavid J. John0Kenneth David Meza-Chaves1Wake Forest UniversityInstituto Tecnológico de Costa Rica. Los modelos de interacción genética corresponden a grafos ponderados que se generan a partir de replicaciones de abundancia genética en distintos tiempos de observación, en donde cada arista con peso es una probabilidad de asociación genética. Estos modelos de interacciones son herramientas empleadas por los investigadores en biología para comprender las relaciones genéticas. Dos algoritmos genéticos fueron desarrollados para modelar interacciones genéticas a partir de información de entrada obtenida en experimentos científicos (abundancia genética), en donde un algoritmo sigue un esquema tradicional, mientras que el otro (no tradicional) se basa en la etapa de ‘crossover’, con la aplicación de la mutación de manera poco frecuente. Ambos algoritmos genéticos evolucionan una población actual conformada por grafos acíclicos dirigidos para producir una nueva población, en donde cada grafo representa un modelo Bayesiano para una posible interacción genética. El ‘fitness’ empleado en los algoritmos genéticos consiste en la probabilidad relativa posterior en la que un modelo Bayesiano se ajusta a las replicaciones de abundancia genética. Estas probabilidades Bayesianas son calculadas utilizando una de las tres técnicas de análisis: cotemporal, estado siguiente del primer orden y estado siguiente del segundo orden. Los modelos de interacción genética ponderados reflejan los grafos acíclicos dirigidos y sus probabilidades presentados en la última población de cada una de las numerosas ejecuciones independientes del algoritmo genético. Empleando un set de genes simulado, ambos algoritmos genéticos encuentran las señales que se han diseñado y se mantienen consistentes entre paradigmas. También, se presentan modelos empleando un set de datos de la abundancia genética obtenida a partir del estudio de la planta Arabidopsis thaliana estimulada por la hormona auxina. https://revistas.tec.ac.cr/index.php/tec_marcha/article/view/4087Modelo de interacción genética; algoritmos genéticos, probabilidades Bayesianas, grafo acíclico dirigido. |
| spellingShingle | David J. John Kenneth David Meza-Chaves Algoritmos genéticos como mecanismo para modelar interacciones genéticas utilizando información observada en distintos tiempos Tecnología en Marcha Modelo de interacción genética; algoritmos genéticos, probabilidades Bayesianas, grafo acíclico dirigido. |
| title | Algoritmos genéticos como mecanismo para modelar interacciones genéticas utilizando información observada en distintos tiempos |
| title_full | Algoritmos genéticos como mecanismo para modelar interacciones genéticas utilizando información observada en distintos tiempos |
| title_fullStr | Algoritmos genéticos como mecanismo para modelar interacciones genéticas utilizando información observada en distintos tiempos |
| title_full_unstemmed | Algoritmos genéticos como mecanismo para modelar interacciones genéticas utilizando información observada en distintos tiempos |
| title_short | Algoritmos genéticos como mecanismo para modelar interacciones genéticas utilizando información observada en distintos tiempos |
| title_sort | algoritmos geneticos como mecanismo para modelar interacciones geneticas utilizando informacion observada en distintos tiempos |
| topic | Modelo de interacción genética; algoritmos genéticos, probabilidades Bayesianas, grafo acíclico dirigido. |
| url | https://revistas.tec.ac.cr/index.php/tec_marcha/article/view/4087 |
| work_keys_str_mv | AT davidjjohn algoritmosgeneticoscomomecanismoparamodelarinteraccionesgeneticasutilizandoinformacionobservadaendistintostiempos AT kennethdavidmezachaves algoritmosgeneticoscomomecanismoparamodelarinteraccionesgeneticasutilizandoinformacionobservadaendistintostiempos |