Algoritmos genéticos aplicados a búsqueda de motifs en secuencias de ADN

Miguel Angel Castañeda Reyes

• Editorial: GRIN Verlag
• Edición: 1
• Año: 2017
• Categoría: Computer Science
• Categoría: Programming
• ISBN del libro electrónico:
  9783668439511

En esta tesis presento la comparación de dos enfoques para resolver el problema de la búsqueda de motifs en secuencias de ADN mediante el uso de algoritmos genéticos, el primer enfoque hace una búsqueda por posición, que es evaluar los patrones obtenidos de posiciones iníciales y determinar si es el motif a encontrar en las secuencias, el segundo enfoque es la búsqueda por patrón, que es evaluar todas las posibles cadenas que se pueden formar con una longitud fija de nucleótidos 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 análisis de secuencias biológicas y son de mucha importancia porque se sabe que ciertas proteínas especiales llamadas TF (Transcription Factors) o Factores de Transcripción, se unen con algunas subcadenas en el ADN formando los motifs o TFBS (Transcription Factors Binding Sites) en español Sitios de Unión de Factores de Transcripción y con estas uniones se activa o desactiva el proceso de expresión genética, mediante el cual los genes son transcritos en forma de ARN mensajero (mARN) llamado ribosoma, el ribosoma toma una secuencia de nucleótidos y los traduce en una cadena de aminoácidos en el orden establecido por el mARN, formando cadenas poliméricas lineales de una proteína. Los algoritmos genéticos son modelos computacionales que simulan los procesos biológicos de la reproducción de las especies y nos ayudan a resolver problemas de optimización y búsqueda. En este comparativo entre la búsqueda de motifs por patrones y la búsqueda de motifs por posiciones se pretende determinar qué método es más eficiente para encontrar los patrones con mayor exactitud, ¿cuál es su complejidad computacional? y cómo se comporta generación tras generación en el algoritmo genético.