Metaheurísticas multiobjetivo y paralelismo para la codificacción de proteínas
- Autores: Belén González Sánchez
- Directores de la Tesis: Miguel Ángel Vega Rodríguez (dir. tes.), Sergio Santander Jiménez (dir. tes.)
- Lectura: En la Universidad de Extremadura ( España ) en 2025
- Idioma: español
- Número de páginas: 211
- Tribunal Calificador de la Tesis: Francisco Manuel Sáez de Adana Herrero (presid.), José Luis Guisado Lizar (secret.), Juan Antonio Gómez Pulido (voc.)
- Programa de doctorado: Programa de Doctorado en Tecnología Aeroespacial: Ingenierías Electromagnética, Electrónica, Informática y Mecánica por la Universidad de Extremadura y la Universidad de Vigo
- Calificación: Sobresaliente Cum Laude
- Materias:
- Enlaces
- Tesis en acceso abierto en: Dehesa
- Resumen
- español
La biología sintética es una disciplina centrada en el diseño de sistemas biológicos con cualidades mejoradas, o nuevas, en la que constantemente aparecen novedosas aplicaciones bioinformáticas. Actualmente, uno de los objetivos de la biología sintética es la optimización de la codificación de proteínas, integrando múltiples copias del gen para aumentar los niveles de expresión. Se trata de una tarea compleja, ya que múltiples características influyen en los niveles de expresión y mejorar alguna de ellas implica empeorar otras, convirtiéndose así en un problema de optimización multiobjetivo. El propósito de esta Tesis Doctoral es abordar la codificación de proteínas como un problema de optimización multiobjetivo a través de diferentes técnicas de Inteligencia Artificial. Concretamente, se han empleado técnicas metaheurísticas para la adaptación multiobjetivo de algoritmos bioinspirados y evolutivos, así como otros tipos de algoritmos como la búsqueda de vecindad variable. Además, debido a la complejidad del problema, también se proponen diseños dé algoritmos bioinspirados con estrategias de paralelismo, síncronas y asíncronas, para acelerar la optimización preservando la calidad de las soluciones. Asimismo, durante el desarrollo de la investigación se llega a hallazgos que propician una reformulación de la definición inicial del problema. Los resultados obtenidos, comparados con el estado del arte, han demostrado la validez y utilidad de los enfoques propuestos.
- English
Synthetic biology is a discipline that focuses on the design of biological systems with improved or new properties. In this context, new applications of bioinformatics are constantly emerging. Currently, one of the goals of synthetic biology is to optimise protein coding by integrating multiple copies of the gene to increase expression levels. This is a significant challenge, as multiple features influence expression levels. Inevitably, improving some of these features can lead to a degradation in the performance of others, creating a complex multi-objective optimisation problem. This thesis aims to approach protein coding as a multi-objective optimisation problem using a range of artificial intelligence techniques. In particular, metaheuristic techniques have been used for multi-objective adaptation of bio-inspired and evolutionary algorithms, as well as other types of algorithms, including variable neighbourhood search. Furthermore, due to the complexity of the problem, bio-inspired algorithm designs with parallelism strategies, both synchronous and asynchronous, are proposed to accelerate the optimisation while maintaining the quality of the solutions. Similarly, during the development of the research, findings were obtained that led to a reformulation of the initial problem definition. The results obtained, compared with the state of the art, have demonstrated the validity and usefulness of the proposed approaches.
- español
