Genetic algorithms as a mechanism for modelling gene interactions using time-course data

J. John, David; Meza-Chaves, Kenneth David

Algoritmos genéticos como mecanismo para modelar interacciones genéticas utilizando información observada en distintos tiempos

dc.creator	J. John, David
dc.creator	Meza-Chaves, Kenneth David
dc.date	2019-02-22
dc.date.accessioned	2020-09-25T23:12:07Z
dc.date.available	2020-09-25T23:12:07Z
dc.identifier	https://revistas.tec.ac.cr/index.php/tec_marcha/article/view/4087
dc.identifier	10.18845/tm.v31i5.4087
dc.identifier.uri	https://hdl.handle.net/2238/11841
dc.description	Gene interaction models are weighted graphs derived from replicates of gene abundance timecourse data, where each weighted edge is a probability of gene association. These interactionmodels are a tool to assist biological researchers in understanding gene relationships. Twonew genetic algorithms, one fairly traditional and the other based on crossover with infrequentapplication of a chaotic mutation operator, are developed specifically to produce geneinteraction models from sparse time-course abundance data. Both genetic algorithms evolvea new population from a current population of directed acyclic graphs, each representinga Bayesian model for possible gene interaction. The genetic algorithm fitness is the relativeposterior probability that a Bayesian model fits the gene abundance replicates. These Bayesianlikelihoods are computed using one of three analysis techniques: cotemporal, first order nextstate and second order next state. The weighted gene interaction models reflect the directedacyclic graphs and their likelihoods present in the final populations of numerous independentgenetic algorithm executions. Using a simulated set of genes, these two genetic algorithmsfind the embedded signals and are consistent across analysis paradigms. Results from a setof biological gene abundance data, from Arabidopsis thaliana stimulated by the plant hormoneauxin, are modeled.	en-US
dc.description	Los modelos de interacción genética corresponden a grafos ponderados que se generan a partirde replicaciones de abundancia genética en distintos tiempos de observación, en donde cadaarista con peso es una probabilidad de asociación genética. Estos modelos de interaccionesson herramientas empleadas por los investigadores en biología para comprender las relacionesgenéticas. Dos algoritmos genéticos fueron desarrollados para modelar interacciones genéticasa partir de información de entrada obtenida en experimentos científicos (abundancia genética),en donde un algoritmo sigue un esquema tradicional, mientras que el otro (no tradicional) sebasa en la etapa de ‘crossover’, con la aplicación de la mutación de manera poco frecuente.Ambos algoritmos genéticos evolucionan una población actual conformada por grafos acíclicosdirigidos para producir una nueva población, en donde cada grafo representa un modeloBayesiano para una posible interacción genética. El ‘fitness’ empleado en los algoritmosgenéticos consiste en la probabilidad relativa posterior en la que un modelo Bayesiano se ajustaa las replicaciones de abundancia genética. Estas probabilidades Bayesianas son calculadasutilizando una de las tres técnicas de análisis: cotemporal, estado siguiente del primer orden yestado siguiente del segundo orden. Los modelos de interacción genética ponderados reflejanlos grafos acíclicos dirigidos y sus probabilidades presentados en la última población de cadauna de las numerosas ejecuciones independientes del algoritmo genético. Empleando un setde genes simulado, ambos algoritmos genéticos encuentran las señales que se han diseñadoy se mantienen consistentes entre paradigmas. También, se presentan modelos empleando unset de datos de la abundancia genética obtenida a partir del estudio de la planta Arabidopsisthaliana estimulada por la hormona auxina.	es-ES
dc.format	application/pdf
dc.language	spa
dc.publisher	Editorial Tecnológica de Costa Rica (entidad editora)	es-ES
dc.relation	https://revistas.tec.ac.cr/index.php/tec_marcha/article/view/4087/3704
dc.source	Tecnología en marcha Journal; 2018: Especial estudiantes Vol. 5 2018; Pág 69-87	en-US
dc.source	Revista Tecnología en Marcha; 2018: Especial estudiantes Vol. 5 2018; Pág 69-87	es-ES
dc.source	2215-3241
dc.source	0379-3982
dc.subject	Modelo de interacción genética; algoritmos genéticos, probabilidades Bayesianas, grafo acíclico dirigido.	es-ES
dc.subject	Gene interaction model; genetic algorithm; Bayesian likelihood; directed acyclic graph.	en-US
dc.title	Genetic algorithms as a mechanism for modelling gene interactions using time-course data	en-US
dc.title	Algoritmos genéticos como mecanismo para modelar interacciones genéticas utilizando información observada en distintos tiempos	es-ES
dc.type	info:eu-repo/semantics/article
dc.type	info:eu-repo/semantics/publishedVersion

Ficheros en el ítem

Ficheros	Tamaño	Formato	Ver
No hay ficheros asociados a este ítem.

Este ítem aparece en la(s) siguiente(s) colección(ones)

Tecnología en Marcha [2043]
Es una revista que se publica por trimestres

Mostrar el registro sencillo del ítem