Desarrollo de algoritmos evolutivos para el descubrimiento de relaciones en datos metabólicos

Autores
Gerard, Matías Fernando
Año de publicación
2014
Idioma
español castellano
Tipo de recurso
tesis doctoral
Estado
versión aceptada
Colaborador/a o director/a de tesis
Milone, Diego Humberto
Arce, Agustín
Leguizamón, Guillermo
Pucheta, Martín
Stegmayer, Georgina Silvia
Descripción
Fil: Gerard, Matías Fernando. Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas; Argentina.
Relations among metabolic compounds are given by sequences of reactions known as metabolic pathways. These make it possible to produce one compound from another, and knowing this is essential for planning the synthesis of specific compounds. Currently, techniques used to find metabolic pathways are based on traditional search methods. However, these show difficulties when considering a large number of reactions and compounds due to the exponential growth of the search tree. Additionally, only two compounds are related by the solutions found, and the availability of substrates for each reaction in the metabolic pathway is not taked into account. This Thesis proposes the development of two new algorithms for finding metabolic pathways that relate a set of compounds. In particular, the approaches are based on evolutionary computation, giving that these methods are able to explore large search spaces. The first approach addresses the search of linear metabolic pathways between two compounds, and it is used as a framework for the development of the algorithm and its comparison with known searching techniques. The second approach is a generalization of the linear searching algorithm. It focuses on finding metabolic pathways that link more than two compounds, for which substrates of all reactions are availables. The structure and operators are described for each algorithm, and the effect of the parameters settings is analyzed. Finally, several case studies are evaluated.
Las relaciones entre compuestos metabólicos están dadas por secuencias de reacciones que conforman vías metabólicas. Éstas hacen que sea posible producir un compuesto a partir de otro, y su conocimiento es esencial para planificar la síntesis de compuestos específicos. Actualmente, las técnicas usadas para encontrar vías metabólicas se basan en métodos clásicos de búsqueda, los cuales presentan dificultades cuando se considera un gran número de reacciones y compuestos debido al crecimiento exponencial del árbol de búsqueda. Adicionalmente, las soluciones obtenidas se limitan a relacionar sólo dos compuestos y no contemplan la disponibilidad de los sustratos para cada reacción de la vía metabólica. En esta tesis se propone el desarrollo de dos nuevos algoritmos que permitan encontrar vías metabólicas que relacionen un conjunto de compuestos. En particular, se desarrollarán algoritmos basados en computación evolutiva, debido a la capacidad de estos métodos para explorar grándes espacios de búsqueda. La primera propuesta aborda la búsqueda de vías metabólicas lineales entre dos compuestos, la cual se utiliza como marco para el desarrollo del algoritmo y comparación con técnicas de búsqueda conocidas. La segunda propuesta consiste en una generalización del algoritmo de búsqueda lineal. Ésta se enfoca en la búsqueda de vías metabólicas que relacionan más de dos compuestos, para las que todas las reacciones disponen de los sustratos para que puedan realizarse. Para cada algoritmo se describe su estructura y componentes, se analiza el efecto de los parámetros que controlan su comportamiento y se presentan casos de estudio reales.
Consejo Nacional de Investigaciones Científicas y Técnicas
Materia
Bioinformatics
Evolutionary algorithms
Search strategies
Metabolic pathways
Bioinformática
Algoritmos evolutivos
Estrategias de búsqueda
Vías metabólicas
Nivel de accesibilidad
acceso abierto
Condiciones de uso
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
Repositorio
Biblioteca Virtual (UNL)
Institución
Universidad Nacional del Litoral
OAI Identificador
oai:https://bibliotecavirtual.unl.edu.ar:11185/605

id UNLBT_fd6e76b86b7469a0fd031c40b3050f57
oai_identifier_str oai:https://bibliotecavirtual.unl.edu.ar:11185/605
network_acronym_str UNLBT
repository_id_str 2187
network_name_str Biblioteca Virtual (UNL)
spelling Desarrollo de algoritmos evolutivos para el descubrimiento de relaciones en datos metabólicosDevelopment of evolutionary algorithms for discovering relationships in metabolic dataGerard, Matías FernandoBioinformaticsEvolutionary algorithmsSearch strategiesMetabolic pathwaysBioinformáticaAlgoritmos evolutivosEstrategias de búsquedaVías metabólicasFil: Gerard, Matías Fernando. Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas; Argentina.Relations among metabolic compounds are given by sequences of reactions known as metabolic pathways. These make it possible to produce one compound from another, and knowing this is essential for planning the synthesis of specific compounds. Currently, techniques used to find metabolic pathways are based on traditional search methods. However, these show difficulties when considering a large number of reactions and compounds due to the exponential growth of the search tree. Additionally, only two compounds are related by the solutions found, and the availability of substrates for each reaction in the metabolic pathway is not taked into account. This Thesis proposes the development of two new algorithms for finding metabolic pathways that relate a set of compounds. In particular, the approaches are based on evolutionary computation, giving that these methods are able to explore large search spaces. The first approach addresses the search of linear metabolic pathways between two compounds, and it is used as a framework for the development of the algorithm and its comparison with known searching techniques. The second approach is a generalization of the linear searching algorithm. It focuses on finding metabolic pathways that link more than two compounds, for which substrates of all reactions are availables. The structure and operators are described for each algorithm, and the effect of the parameters settings is analyzed. Finally, several case studies are evaluated.Las relaciones entre compuestos metabólicos están dadas por secuencias de reacciones que conforman vías metabólicas. Éstas hacen que sea posible producir un compuesto a partir de otro, y su conocimiento es esencial para planificar la síntesis de compuestos específicos. Actualmente, las técnicas usadas para encontrar vías metabólicas se basan en métodos clásicos de búsqueda, los cuales presentan dificultades cuando se considera un gran número de reacciones y compuestos debido al crecimiento exponencial del árbol de búsqueda. Adicionalmente, las soluciones obtenidas se limitan a relacionar sólo dos compuestos y no contemplan la disponibilidad de los sustratos para cada reacción de la vía metabólica. En esta tesis se propone el desarrollo de dos nuevos algoritmos que permitan encontrar vías metabólicas que relacionen un conjunto de compuestos. En particular, se desarrollarán algoritmos basados en computación evolutiva, debido a la capacidad de estos métodos para explorar grándes espacios de búsqueda. La primera propuesta aborda la búsqueda de vías metabólicas lineales entre dos compuestos, la cual se utiliza como marco para el desarrollo del algoritmo y comparación con técnicas de búsqueda conocidas. La segunda propuesta consiste en una generalización del algoritmo de búsqueda lineal. Ésta se enfoca en la búsqueda de vías metabólicas que relacionan más de dos compuestos, para las que todas las reacciones disponen de los sustratos para que puedan realizarse. Para cada algoritmo se describe su estructura y componentes, se analiza el efecto de los parámetros que controlan su comportamiento y se presentan casos de estudio reales.Consejo Nacional de Investigaciones Científicas y TécnicasMilone, Diego HumbertoArce, AgustínLeguizamón, GuillermoPucheta, MartínStegmayer, Georgina Silvia2014-12-032014-03-11info:eu-repo/semantics/doctoralThesisSNRDinfo:eu-repo/semantics/acceptedVersionThesishttp://purl.org/coar/resource_type/c_db06info:ar-repo/semantics/tesisDoctoralapplication/pdfapplication/pdfhttp://hdl.handle.net/11185/605spaspainfo:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)http://creativecommons.org/licenses/by-nc-nd/4.0/deed.esreponame:Biblioteca Virtual (UNL)instname:Universidad Nacional del Litoralinstacron:UNL2025-09-29T14:30:04Zoai:https://bibliotecavirtual.unl.edu.ar:11185/605Institucionalhttp://bibliotecavirtual.unl.edu.ar/Universidad públicaNo correspondeajdeba@unl.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:21872025-09-29 14:30:04.734Biblioteca Virtual (UNL) - Universidad Nacional del Litoralfalse
dc.title.none.fl_str_mv Desarrollo de algoritmos evolutivos para el descubrimiento de relaciones en datos metabólicos
Development of evolutionary algorithms for discovering relationships in metabolic data
title Desarrollo de algoritmos evolutivos para el descubrimiento de relaciones en datos metabólicos
spellingShingle Desarrollo de algoritmos evolutivos para el descubrimiento de relaciones en datos metabólicos
Gerard, Matías Fernando
Bioinformatics
Evolutionary algorithms
Search strategies
Metabolic pathways
Bioinformática
Algoritmos evolutivos
Estrategias de búsqueda
Vías metabólicas
title_short Desarrollo de algoritmos evolutivos para el descubrimiento de relaciones en datos metabólicos
title_full Desarrollo de algoritmos evolutivos para el descubrimiento de relaciones en datos metabólicos
title_fullStr Desarrollo de algoritmos evolutivos para el descubrimiento de relaciones en datos metabólicos
title_full_unstemmed Desarrollo de algoritmos evolutivos para el descubrimiento de relaciones en datos metabólicos
title_sort Desarrollo de algoritmos evolutivos para el descubrimiento de relaciones en datos metabólicos
dc.creator.none.fl_str_mv Gerard, Matías Fernando
author Gerard, Matías Fernando
author_facet Gerard, Matías Fernando
author_role author
dc.contributor.none.fl_str_mv Milone, Diego Humberto
Arce, Agustín
Leguizamón, Guillermo
Pucheta, Martín
Stegmayer, Georgina Silvia
dc.subject.none.fl_str_mv Bioinformatics
Evolutionary algorithms
Search strategies
Metabolic pathways
Bioinformática
Algoritmos evolutivos
Estrategias de búsqueda
Vías metabólicas
topic Bioinformatics
Evolutionary algorithms
Search strategies
Metabolic pathways
Bioinformática
Algoritmos evolutivos
Estrategias de búsqueda
Vías metabólicas
dc.description.none.fl_txt_mv Fil: Gerard, Matías Fernando. Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas; Argentina.
Relations among metabolic compounds are given by sequences of reactions known as metabolic pathways. These make it possible to produce one compound from another, and knowing this is essential for planning the synthesis of specific compounds. Currently, techniques used to find metabolic pathways are based on traditional search methods. However, these show difficulties when considering a large number of reactions and compounds due to the exponential growth of the search tree. Additionally, only two compounds are related by the solutions found, and the availability of substrates for each reaction in the metabolic pathway is not taked into account. This Thesis proposes the development of two new algorithms for finding metabolic pathways that relate a set of compounds. In particular, the approaches are based on evolutionary computation, giving that these methods are able to explore large search spaces. The first approach addresses the search of linear metabolic pathways between two compounds, and it is used as a framework for the development of the algorithm and its comparison with known searching techniques. The second approach is a generalization of the linear searching algorithm. It focuses on finding metabolic pathways that link more than two compounds, for which substrates of all reactions are availables. The structure and operators are described for each algorithm, and the effect of the parameters settings is analyzed. Finally, several case studies are evaluated.
Las relaciones entre compuestos metabólicos están dadas por secuencias de reacciones que conforman vías metabólicas. Éstas hacen que sea posible producir un compuesto a partir de otro, y su conocimiento es esencial para planificar la síntesis de compuestos específicos. Actualmente, las técnicas usadas para encontrar vías metabólicas se basan en métodos clásicos de búsqueda, los cuales presentan dificultades cuando se considera un gran número de reacciones y compuestos debido al crecimiento exponencial del árbol de búsqueda. Adicionalmente, las soluciones obtenidas se limitan a relacionar sólo dos compuestos y no contemplan la disponibilidad de los sustratos para cada reacción de la vía metabólica. En esta tesis se propone el desarrollo de dos nuevos algoritmos que permitan encontrar vías metabólicas que relacionen un conjunto de compuestos. En particular, se desarrollarán algoritmos basados en computación evolutiva, debido a la capacidad de estos métodos para explorar grándes espacios de búsqueda. La primera propuesta aborda la búsqueda de vías metabólicas lineales entre dos compuestos, la cual se utiliza como marco para el desarrollo del algoritmo y comparación con técnicas de búsqueda conocidas. La segunda propuesta consiste en una generalización del algoritmo de búsqueda lineal. Ésta se enfoca en la búsqueda de vías metabólicas que relacionan más de dos compuestos, para las que todas las reacciones disponen de los sustratos para que puedan realizarse. Para cada algoritmo se describe su estructura y componentes, se analiza el efecto de los parámetros que controlan su comportamiento y se presentan casos de estudio reales.
Consejo Nacional de Investigaciones Científicas y Técnicas
description Fil: Gerard, Matías Fernando. Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas; Argentina.
publishDate 2014
dc.date.none.fl_str_mv 2014-12-03
2014-03-11
dc.type.none.fl_str_mv info:eu-repo/semantics/doctoralThesis
SNRD
info:eu-repo/semantics/acceptedVersion
Thesis
http://purl.org/coar/resource_type/c_db06
info:ar-repo/semantics/tesisDoctoral
format doctoralThesis
status_str acceptedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/11185/605
url http://hdl.handle.net/11185/605
dc.language.none.fl_str_mv spa
spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
http://creativecommons.org/licenses/by-nc-nd/4.0/deed.es
eu_rights_str_mv openAccess
rights_invalid_str_mv Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
http://creativecommons.org/licenses/by-nc-nd/4.0/deed.es
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.source.none.fl_str_mv reponame:Biblioteca Virtual (UNL)
instname:Universidad Nacional del Litoral
instacron:UNL
reponame_str Biblioteca Virtual (UNL)
collection Biblioteca Virtual (UNL)
instname_str Universidad Nacional del Litoral
instacron_str UNL
institution UNL
repository.name.fl_str_mv Biblioteca Virtual (UNL) - Universidad Nacional del Litoral
repository.mail.fl_str_mv jdeba@unl.edu.ar
_version_ 1844621937053007872
score 12.559606