Algoritmo evolutivo para la búsqueda de vías metabólicas

Autores
Gerard, Matias Fernando; Stegmayer, Georgina; Milone, Diego Humberto
Año de publicación
2012
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión publicada
Descripción
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.
Fil: Gerard, Matias Fernando. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe; Argentina. Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas. Departamento de Informática. Laboratorio de Investigaciones en Señales e Inteligencia Computacional; Argentina. Universidad Tecnológica Nacional. Facultad Regional Santa Fe. Centro de Investigación y Desarrollo de Ingeniería en Sistemas de Información; Argentina
Fil: Stegmayer, Georgina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe; Argentina. Universidad Tecnológica Nacional. Facultad Regional Santa Fe. Centro de Investigación y Desarrollo de Ingeniería en Sistemas de Información; Argentina
Fil: Milone, Diego Humberto. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe; Argentina. Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas. Departamento de Informática. Laboratorio de Investigaciones en Señales e Inteligencia Computacional; Argentina
Materia
SEARCH STRATEGIES
EVOLUTIVE ALGORITHMS
METABOLIC PATHWAYS
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
CONICET Digital (CONICET)
Institución
Consejo Nacional de Investigaciones Científicas y Técnicas
OAI Identificador
oai:ri.conicet.gov.ar:11336/200550
Acceder
id CONICETDig_97019036c5f59e81c2d547563eec7505
oai_identifier_str oai:ri.conicet.gov.ar:11336/200550
network_acronym_str CONICETDig
repository_id_str 3498
network_name_str CONICET Digital (CONICET)
spelling Algoritmo evolutivo para la búsqueda de vías metabólicasAn evolutionary approach to metabolic pathways searchGerard, Matias FernandoStegmayer, GeorginaMilone, Diego HumbertoSEARCH STRATEGIESEVOLUTIVE ALGORITHMSMETABOLIC PATHWAYShttps://purl.org/becyt/ford/1.2https://purl.org/becyt/ford/1Los 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.Fil: Gerard, Matias Fernando. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe; Argentina. Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas. Departamento de Informática. Laboratorio de Investigaciones en Señales e Inteligencia Computacional; Argentina. Universidad Tecnológica Nacional. Facultad Regional Santa Fe. Centro de Investigación y Desarrollo de Ingeniería en Sistemas de Información; ArgentinaFil: Stegmayer, Georgina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe; Argentina. Universidad Tecnológica Nacional. Facultad Regional Santa Fe. Centro de Investigación y Desarrollo de Ingeniería en Sistemas de Información; ArgentinaFil: Milone, Diego Humberto. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe; Argentina. Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas. Departamento de Informática. Laboratorio de Investigaciones en Señales e Inteligencia Computacional; ArgentinaAsociación Española para la Inteligencia Artificial2012-06info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/200550Gerard, Matias Fernando; Stegmayer, Georgina; Milone, Diego Humberto; Algoritmo evolutivo para la búsqueda de vías metabólicas; Asociación Española para la Inteligencia Artificial; Inteligencia Artificial; 15; 49; 6-2012; 1-121137-36011988-3064CONICET DigitalCONICETspainfo:eu-repo/semantics/altIdentifier/url/https://dialnet.unirioja.es/servlet/articulo?codigo=5233927info:eu-repo/semantics/altIdentifier/url/http://journal.iberamia.org/public/15-49.htmlinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-09-29T10:27:12Zoai:ri.conicet.gov.ar:11336/200550instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982025-09-29 10:27:12.933CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse
dc.title.none.fl_str_mv Algoritmo evolutivo para la búsqueda de vías metabólicas
An evolutionary approach to metabolic pathways search
title Algoritmo evolutivo para la búsqueda de vías metabólicas
spellingShingle Algoritmo evolutivo para la búsqueda de vías metabólicas
Gerard, Matias Fernando
SEARCH STRATEGIES
EVOLUTIVE ALGORITHMS
METABOLIC PATHWAYS
title_short Algoritmo evolutivo para la búsqueda de vías metabólicas
title_full Algoritmo evolutivo para la búsqueda de vías metabólicas
title_fullStr Algoritmo evolutivo para la búsqueda de vías metabólicas
title_full_unstemmed Algoritmo evolutivo para la búsqueda de vías metabólicas
title_sort Algoritmo evolutivo para la búsqueda de vías metabólicas
dc.creator.none.fl_str_mv Gerard, Matias Fernando
Stegmayer, Georgina
Milone, Diego Humberto
author Gerard, Matias Fernando
author_facet Gerard, Matias Fernando
Stegmayer, Georgina
Milone, Diego Humberto
author_role author
author2 Stegmayer, Georgina
Milone, Diego Humberto
author2_role author
author
dc.subject.none.fl_str_mv SEARCH STRATEGIES
EVOLUTIVE ALGORITHMS
METABOLIC PATHWAYS
topic SEARCH STRATEGIES
EVOLUTIVE ALGORITHMS
METABOLIC PATHWAYS
purl_subject.fl_str_mv https://purl.org/becyt/ford/1.2
https://purl.org/becyt/ford/1
dc.description.none.fl_txt_mv 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.
Fil: Gerard, Matias Fernando. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe; Argentina. Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas. Departamento de Informática. Laboratorio de Investigaciones en Señales e Inteligencia Computacional; Argentina. Universidad Tecnológica Nacional. Facultad Regional Santa Fe. Centro de Investigación y Desarrollo de Ingeniería en Sistemas de Información; Argentina
Fil: Stegmayer, Georgina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe; Argentina. Universidad Tecnológica Nacional. Facultad Regional Santa Fe. Centro de Investigación y Desarrollo de Ingeniería en Sistemas de Información; Argentina
Fil: Milone, Diego Humberto. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe; Argentina. Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas. Departamento de Informática. Laboratorio de Investigaciones en Señales e Inteligencia Computacional; Argentina
description 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.
publishDate 2012
dc.date.none.fl_str_mv 2012-06
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/11336/200550
Gerard, Matias Fernando; Stegmayer, Georgina; Milone, Diego Humberto; Algoritmo evolutivo para la búsqueda de vías metabólicas; Asociación Española para la Inteligencia Artificial; Inteligencia Artificial; 15; 49; 6-2012; 1-12
1137-3601
1988-3064
CONICET Digital
CONICET
url http://hdl.handle.net/11336/200550
identifier_str_mv Gerard, Matias Fernando; Stegmayer, Georgina; Milone, Diego Humberto; Algoritmo evolutivo para la búsqueda de vías metabólicas; Asociación Española para la Inteligencia Artificial; Inteligencia Artificial; 15; 49; 6-2012; 1-12
1137-3601
1988-3064
CONICET Digital
CONICET
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/https://dialnet.unirioja.es/servlet/articulo?codigo=5233927
info:eu-repo/semantics/altIdentifier/url/http://journal.iberamia.org/public/15-49.html
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.publisher.none.fl_str_mv Asociación Española para la Inteligencia Artificial
publisher.none.fl_str_mv Asociación Española para la Inteligencia Artificial
dc.source.none.fl_str_mv reponame:CONICET Digital (CONICET)
instname:Consejo Nacional de Investigaciones Científicas y Técnicas
reponame_str CONICET Digital (CONICET)
collection CONICET Digital (CONICET)
instname_str Consejo Nacional de Investigaciones Científicas y Técnicas
repository.name.fl_str_mv CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas
repository.mail.fl_str_mv dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar
_version_ 1844614274405629952
score 13.070432

Publicaciones similares