Matias Fernando Gerard, Diego Milone, Georgina Stegmayer
Los métodos de búsqueda permiten encontrar secuencias que relacionan dos o más estados utilizando un conjunto de transiciones permitidas. Los algoritmos evolutivos realizan la búsqueda guiados por una función de aptitud y emplean operadores estocásticos para explorar múltiples soluciones candidatas a la vez. En bioinformática la búsqueda de vías metabólicas que relacionen dos compuestos es una tarea habitual. En particular esto es de gran interés cuando se quiere descubrir relaciones metabólicas entre compuestos agrupados con técnicas de minería de datos. En este trabajo se propone un algoritmo evolutivo que permite inferir vías metabólicas entre dos compuestos seleccionados a partir de agrupamientos encontrados con un modelo neuronal del tipo mapa auto-organizado. Se describen los operadores y la función de aptitud empleada, se estudia el efecto de la tasa de mutación sobre el algoritmo propuesto y se compara el desempeño de éste con el de dos métodos clásicos de búsqueda.
Search methods can find state sequences that relate two or more states using a set of allowed transitions. Evolutive algorithms perform search using an aptitude function and use stochastic operators for exploring multiple solutions at once. In bioinformatics, pathway search between to compounds is a common task. It is particularlly important in searching metabolic relationships in a set of compounds grouped with data mining techniques. This work proposes an evolutive algorithm to find metabolic pathways between two compounds selected from different groups found with a self-organizing map-like model. We describe the operators and the fitness function used, we study the effect of the mutation rate of the proposed algorithm and compare its performance with two traditional search methods.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados