Algoritmos genéticos aplicados a búsqueda de motifs en secuencias de ADN

ISBN-13: 9783668439528 / Hiszpański / Miękka / 2017 / 64 str.

Miguel Angel Castaneda Reyes

Opis

Tesis de Master del ano 2016 en eltema Ciencias de la computacion - Aplicada, Idioma: Espanol, Resumen: En esta tesis presento la comparacion de dos enfoques para resolver el problema de la busqueda de motifs en secuencias de ADN mediante el uso de algoritmos geneticos, el primer enfoque hace una busqueda por posicion, que es evaluar los patrones obtenidos de posiciones iniciales y determinar si es el motif a encontrar en las secuencias, el segundo enfoque es la busqueda por patron, que es evaluar todas las posibles cadenas que se pueden formar con una longitud fija de nucleotidos e ir comparando de principio a fin dentro de las secuencias de ADN para encontrar el motif. Los motifs son una clase de patrones en el contexto del analisis de secuencias biologicas y son de mucha importancia porque se sabe que ciertas proteinas especiales llamadas TF (Transcription Factors) o Factores de Transcripcion, se unen con algunas subcadenas en el ADN formando los motifs o TFBS (Transcription Factors Binding Sites) en espanol Sitios de Union de Factores de Transcripcion y con estas uniones se activa o desactiva el proceso de expresion genetica, mediante el cual los genes son transcritos en forma de ARN mensajero (mARN) llamado ribosoma, el ribosoma toma una secuencia de nucleotidos y los traduce en una cadena de aminoacidos en el orden establecido por el mARN, formando cadenas polimericas lineales de una proteina. Los algoritmos geneticos son modelos computacionales que simulan los procesos biologicos de la reproduccion de las especies y nos ayudan a resolver problemas de optimizacion y busqueda. En este comparativo entre la busqueda de motifs por patrones y la busqueda de motifs por posiciones se pretende determinar que metodo es mas eficiente para encontrar los patrones con mayor exactitud, cual es su complejidad computacional? y como se comporta generacion tras generacion en el algoritmo genetico.