Registro:
| Documento: | Tesis de Grado |
| Título: | Aprendizaje de redes regulatorias bacterianas a partir de algoritmos genéticos |
| Autor: | Santos, Marcelo Hugo |
| Editor: | Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales |
| Publicación en la web: | 2025-06-12 |
| Fecha de defensa: | 2009 |
| Fecha en portada: | 27 Julio 2009 |
| Grado Obtenido: | Grado |
| Título Obtenido: | Licenciado en Ciencias de la Computación |
| Departamento Docente: | Departamento de Computación |
| Director: | Harari, Oscar Marcos |
| Director Asistente: | Zwir, Igor Jorge |
| Jurado: | Loiseau, Irene; Romero Zaliz, Rocío Celeste |
| Idioma: | Español |
| Formato: | PDF |
| Handle: |
http://hdl.handle.net/20.500.12110/seminario_nCOM000754_Santos |
| PDF: | https://bibliotecadigital.exactas.uba.ar/download/seminario/seminario_nCOM000754_Santos.pdf |
| Registro: | https://bibliotecadigital.exactas.uba.ar/collection/seminario/document/seminario_nCOM000754_Santos |
| Ubicación: | Dep.COM 000754 |
| Derechos de Acceso: | Esta obra puede ser leída, grabada y utilizada con fines de estudio, investigación y docencia. Es necesario el reconocimiento de autoría mediante la cita correspondiente. Santos, Marcelo Hugo. (2009). Aprendizaje de redes regulatorias bacterianas a partir de algoritmos genéticos. (Tesis de Grado. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales.). Recuperado de http://hdl.handle.net/20.500.12110/seminario_nCOM000754_Santos |
Resumen:
La expresión genética está determinada por interacciones de tipo proteína-proteína entre diversas proteínas regulatorias y la(s) ARN polimerasa(s), e interacciones de estas con secuencias de ADN de los sitios promotores de los genes regulados [2]. Estas interacciones definen redes genéticas complejas cuyos diseños han motivado a los investigadores a utilizar herramientas matemáticas y computacionales para la construcción y posterior análisis de los diagramas de interacciones. Esta complejidad se ve incrementada por la cantidad de genes considerados en las redes y por el ruido existente en los datos disponibles. El desarrollo de modelos computacionales de redes genéticas posee una gran importancia dado que posibilita, entre otras aplicaciones, obtener modelos dinámicos de sistemas vivientes que facilita el descubrimiento y caracterización de blancos terapéuticos potenciales. No sólo la topología de una red es determinante de la dinámica en la expresión de los genes sino también los parámetros del modelo, problema de gran dimensionalidad para ser abordado con técnicas exhaustivas. A su vez, en distintos contextos dentro de la biología celular se plantea que las redes de interacción molecular dentro de las células deberían tener una robustez intrínseca a las variaciones de los parámetros que la definen. Actualmente existe un método que permite manejar estos problemas a través de un enfoque adaptativo. Para llevar a cabo esta tarea, este método utiliza una aproximación por búsqueda aleatoria para obtener las condiciones iniciales y parámetros del modelo, lo cual lo hace poco performante ya que la proporción de ejecuciones de una red en relación a las soluciones válidas es muy baja. Por otro lado, existe un conjunto de modelos computacionales que permiten la resolución de problemas en base a modelos de proceso evolutivo y que se los conoce genéricamente con el nombre de algoritmos evolutivos [1]. Dentro de ellos se encuentran los algoritmos genéticos, que son una técnica metaheurística para la solución de problemas de optimización y que se basan en una analogía de la teoría biológica de la evolución de las especies, utilizando esta idea para buscar una o más soluciones óptimas entre un conjunto de posibles soluciones. En el presente trabajo proponemos un método basado en dichos algoritmos con el objetivo de optimizar la obtención de condiciones iniciales para redes genéticas y de esa manera lograr soluciones válidas al problema planteado, en lo referente a validez biológica y robustez de las arquitecturas que se obtengan. Para probar este método se utilizó una red regulatoria que está formada por los sistemas de dos componentes PhoP/PhoQ y PmrAlPmrB, los cuales gobiernan la virulencia y la adaptación a medios de bajo Mg2 + y alto Fe +, respectivamente, en la bacteria Salmonella enterica serovar Typhimurium[8] [14]. El estudio del regulón PhoP constituye un desafío especial debido a la multiplicidad de blancos controlados por PhoP, y a la conectividad del sistema PhoPlPhoQ con otros sistemas de dos componentes, tales como PmrA/PmrB, reguladores transcripcionales y factores sigma alternativos de RNA polimerasa. Los resultados arrojados por nuestro método mostraron una altísima correlación entre estos y los valores obtenidos en experimentaciones biológicas, lo que demuestra que el método tiene una gran validez biológica. A esto se le agrega que el mecanismo de aprendizaje utilizado no necesita información extra para lograr su objetivo. Por otro lado, el método obtuvo una mayor proporción de resultados en relación a los obtenidos por el método basado en búsqueda aleatoria, con mejores puntajes (scores) numéricos. Finalmente, estas arquitecturas mostraron una gran robustez en cuanto a la configuración de los parámetros definidos.
Abstract:
Gene express ion is determined by protein-protein interactions among several regulatory proteins and by RNA polymerase(s), and protein-ONA interactions of these molecules with ONA sequences in the promoters of regulated genes [2]. These interactions define complex genetic networks, whose designs have motivated researchers to use mathematical and computational tools for the construction and posterior analysis of a proposed network diagram. This complexity is increased by the number of genes considered in the networks and the amount of noise that exists in available data. The development of computational models of genetic networks has a tremendous importance since it allows, among other applications, to obtain dynamic models of living systems to facilitate discovery and characterization of potential therapeutic targets. The network topology is not the only determinant element in the dynamics of gene expression, but also are crucial the parameters of the model. Indeed, in different contexts of cellular biology it has been proposed that molecular interaction nets inside the cell should have an intrinsic robustness regarding the parameter variations that define them. Because of the extent of the search space of these parameters it is not viable to apply exhaustive techniques to study the possible configurations. Nowadays, there is a method that deals with those problems using an adaptative approach. In order to carry out this task this method uses a random search process to get initial conditions and parameters of the model. As a result of this approach this method has a low performance shown by the low ratio of valid solutions obtained and the total number of evaluations of models. On the other hand, there is a set of computational models that allows the resolution of certain problems based on evolutive process models which are known as evolutive algorithms [1]. Among this set we can find genetic algorithms which are a metaheuristic technique for the solution of optimization problems. They are based on an analogy of species evolution theory, using this idea in order to search for one or more optimal solutions among a set of possible ones. In this work we propose a method based on these algorithms with the aim of optimizing the capability to obtain initial conditions and parameters for genetic networks, focusing on their biological validity and the robustness ofthe obtained architecture. To test this method we used a regulatory networks which is formed by a system of two components PhoP/PhoQ and PmrA/PmrB, which govern virulence and the adaptation to low Mg2 + and high Fe3 + environments respectively, in the enteric bacteria Salmonella enterica serovar Typhimurium[8], [14]. The study of the PhoP regulon constitutes a special challenge due to the multiplicity of PhoP-controlled targets and the connectivity of the PhoP/PhoQ system with other two-component systems, such as PmrAlPmrB, transcriptional regulators, and alternative RNA polymerase sigma factors. The results obtained by the method described in this work showed a high correlation to the values collected in biological experimentations, validating the biological significance of our results. In addition, our method uses a learning approach which does not need extra information to reach its goal; and it obtained better numerical scores and better proportion of valid solutions than the random search approach. Finally, these architectures showed a great robustness regarding their parameters configuration.
Citación:
---------- APA ----------
Santos, Marcelo Hugo. (2009). Aprendizaje de redes regulatorias bacterianas a partir de algoritmos genéticos. (Tesis de Grado. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales.). Recuperado de https://hdl.handle.net/20.500.12110/seminario_nCOM000754_Santos
---------- CHICAGO ----------
Santos, Marcelo Hugo. "Aprendizaje de redes regulatorias bacterianas a partir de algoritmos genéticos". Tesis de Grado, Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales, 2009.https://hdl.handle.net/20.500.12110/seminario_nCOM000754_Santos
Estadísticas:
Descargas mensuales
Total de descargas desde :
https://bibliotecadigital.exactas.uba.ar/download/seminario/seminario_nCOM000754_Santos.pdf
Distrubución geográfica
