Predicción de la estructura secundaria del ARN incorporando modelos computacionales de evolución molecular y técnicas de inteligencia artificial

Simple item page
dc.contributor.advisorBautista Rozo, Lola Xiomara
dc.contributor.advisorMartinez Perez, Francisco Jose
dc.contributor.authorCuadrado Morad, Manuel Ignacio
dc.date.accessioned2024-03-03T22:34:05Z
dc.date.available2016
dc.date.available2024-03-03T22:34:05Z
dc.date.created2016
dc.date.issued2016
dc.description.abstractLa conformación que las moléculas de ARN adoptan suele estar asociada en gran medida a su función biológica. Debido a esto, la predicción de la estructura secundaria del ARN sigue siendo un problema abierto en el campo de la biología computacional. Aunque existen técnicas experimentales como la Cristalografía de rayos X y la Espectroscopía de Resonancia Magnética Nuclear, que permiten determinar la estructura de este tipo de macromoléculas, su uso suele ser restrictivo debido a su alto costo. Lo anterior ha impulsado el desarrollo de métodos computacionales que buscan determinar las interacciones que conducen al proceso de plegamiento del ARN. En este trabajo se presenta un algoritmo evolutivo basado en gramáticas, que permite predecir la estructura secundaria de moléculas de ARN a partir de su secuencia de nucleótidos. El algoritmo propuesto se fundamenta en el concepto de Evolución Gramatical, una técnica de inteligencia artificial originalmente diseñada para generar automáticamente programas en cualquier lenguaje. Se planteó un modelo de representación que codifica tanto la secuencia de nucleótidos del ARN como su estructura secundaria utilizando elementos estructurales conocidos como horquillas. A su vez se diseñó un conjunto de producciones organizadas en gramáticas que permiten no solo generar estructuras secundarias válidas, sino que también simulan el proceso de plegamiento del ARN a través de la modificación de cadenas definidas bajo el nuevo modelo de representación. Como todo algoritmo evolutivo, se implementa el uso de operadores genéticos con el fin de optimizar una población aleatoria de soluciones potenciales. Cada solución representa una trayectoria de plegamiento, que conduce a una estructura secundaria que la molécula puede adoptar. La energía libre asociada a la estructura obtenida luego de seguir cada posible trayectoria, es utilizada como función objetivo dentro del proceso de optimización. Con cada generación de individuos, las estructuras generadas convergen al estado de mínima energía.
dc.description.abstractenglishRna secondary structure prediction using computational models of molecular evolution and artificial intelligence
dc.description.degreelevelMaestría
dc.description.degreenameMagíster en Ingeniería de Sistemas e Informática
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/34106
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingenierías Fisicomecánicas
dc.publisher.programMaestría en Ingeniería de Sistemas e Informática
dc.publisher.schoolEscuela de Ingeniería de Sistemas e Informática
dc.rightshttp://creativecommons.org/licenses/by/4.0/
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAttribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.urihttp://creativecommons.org/licenses/by-nc/4.0
dc.subjectPredicción De La Estructura Secundaria Del Arn
dc.subjectAlgoritmo Evolutivo
dc.subjectEvolución Gramatical
dc.subjectMinimización De La Energía Libre.
dc.subject.keywordThe conformation that RNA molecules adopt is usually associated to their biological function. Because of this
dc.subject.keywordthe prediction of RNA secondary structure remains as an open problem in the field of computational biology. Although there are experimental techniques such as X-ray crystallography and Nuclear magnetic resonance spectroscopy (NMR)
dc.subject.keywordfor determining the structure of such macromolecules
dc.subject.keywordits use is often restricted due to their high costs. This has led to the development of computational methods aimed at determine the interactions that lead to RNA folding. This work introduces a grammar-based evolutionary algorithm that predicts the secondary structure of RNA molecules from its nucleotide sequence. The algorithm is based on the concept of Grammatical Evolution
dc.subject.keywordan artificial intelligence technique originally designed to automatically generate programs in any language. A model of representation that encodes both RNA nucleotide sequence and its secondary structure using structural elements known as Hairpins was proposed. At the same time
dc.subject.keyworda set of production rules organized in grammars was designed. These rules allow not only to generate valid secondary structures
dc.subject.keywordbut also to simulate the folding process of RNA through the modification of strings defined under the new representation model. Like all evolutionary algorithm
dc.subject.keywordthe use of genetic operators is implemented in order to optimize a random population of potential solutions. Each solution represents a possible folding path
dc.subject.keywordwhich leads to a secondary structure that the molecule can adopt. The free energy associated to the structure obtained after following each possible path is used as the objective function in the optimization process. With each generation of evolved individuals
dc.subject.keywordthe generated structures converge to the state of minimum energy.
dc.titlePredicción de la estructura secundaria del ARN incorporando modelos computacionales de evolución molecular y técnicas de inteligencia artificial
dc.title.englishRna Secondary Structure Prediction, Evolutionary Algorithm, Grammatical Evolution, Free Energy Minimization.
dc.type.coarhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.hasversionhttp://purl.org/coar/resource_type/c_bdcc
dc.type.localTesis/Trabajo de grado - Monografía - Maestria
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
28.72 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Documento.pdf
Size:
3.55 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
577.98 KB
Format:
Adobe Portable Document Format
Download
Collections
Maestría en Ingeniería de Sistemas e Informática