Algoritmo evolutivo para la búsqueda de vías metabólicas

Los metodos de busqueda permiten encontrar secuencias que relacionan dos o mas estados utilizando un conjunto de transiciones permitidas. Los algoritmos evolutivos realizan la busqueda guiados por una funcion de aptitud y emplean operadores estocasticos para explorar multiples soluciones candidatas a la vez. En bioinformatica la busqueda de vias metabolicas que relacionen dos compuestos es una tarea habitual. En particular esto es de gran interes cuando se quiere descubrir relaciones metabolicas entre compuestos agrupados con tecnicas de mineria de datos. En este trabajo se propone un algoritmo evolutivo que permite inferir vias metabolicas entre dos compuestos seleccionados a partir de agrupamientos encontrados con un modelo neuronal del tipo mapa auto-organizado. Se describen los operadores y la funcion de aptitud empleada, se estudia el efecto de la tasa de mutacion sobre el algoritmo propuesto y se compara el desempeno de este con el de dos metodos clasicos de busqueda.

[1]  Peter Norvig,et al.  Artificial Intelligence: A Modern Approach , 1995 .

[2]  M. Kanehisa,et al.  Computation with the KEGG pathway database. , 1998, Bio Systems.

[3]  Thomas Lengauer,et al.  Pathway analysis in metabolic databases via differetial metabolic display (DMD) , 2000, German Conference on Bioinformatics.

[4]  中尾 光輝,et al.  KEGG(Kyoto Encyclopedia of Genes and Genomes)〔和文〕 (特集 ゲノム医学の現在と未来--基礎と臨床) -- (データベース) , 2000 .

[5]  S. Rao,et al.  PathMiner: predicting metabolic pathways by heuristic search , 2003, Bioinform..

[6]  J. Selbig,et al.  Parallel analysis of transcript and metabolic profiles: a new approach in systems biology , 2003, EMBO reports.

[7]  M. Kanehisa,et al.  Computational assignment of the EC numbers for genomic-scale analysis of enzymatic reactions. , 2004, Journal of the American Chemical Society.

[8]  George M. Church,et al.  Filling gaps in a metabolic network using expression information , 2004, ISMB/ECCB.

[9]  Shoshana J. Wodak,et al.  Metabolic PathFinding: inferring relevant pathways in biochemical networks , 2005, Nucleic Acids Res..

[10]  S. N. Sivanandam,et al.  Introduction to genetic algorithms , 2007 .

[11]  M. Zanor,et al.  Integrated Analysis of Metabolite and Transcript Levels Reveals the Metabolic Shifts That Underlie Tomato Fruit Development and Highlight Regulatory Aspects of Metabolic Network Behavior1[W] , 2006, Plant Physiology.

[12]  Ludovic Cottret,et al.  An Introduction to Metabolic Networks and Their Structural Analysis , 2008, IEEE ACM Trans. Comput. Biol. Bioinform..

[13]  M. Hirai,et al.  Decoding genes with coexpression networks and metabolomics - 'majority report by precogs'. , 2008, Trends in plant science.

[14]  J. van Helden,et al.  Metabolic pathfinding using RPAIR annotation. , 2009, Journal of molecular biology.

[15]  Georgina Stegmayer,et al.  Métodos de agrupamiento no supervisado para la integración de datos genómicos y metabólicos de múltiples líneas de introgresión , 2009, Inteligencia Artif..

[16]  Georgina Stegmayer,et al.  Neural network model for integration and visualization of introgressed genome and metabolite data , 2009, 2009 International Joint Conference on Neural Networks.

[17]  Georgina Stegmayer,et al.  *omeSOM: a software for clustering and visualization of transcriptional and metabolite data mined from interspecific crosses of crop plants , 2010, BMC Bioinformatics.