Desarrollo de métodos de simulación aplicados a la optimización de funciones objetivo biológicas
- Autores: Ramón Alexander Jaime Infante
- Directores de la Tesis: Pedro Fernández de Córdoba Castellá (dir. tes.), Jullián Triana Dopico (dir. tes.), Daniel Gamermann (dir. tes.)
- Lectura: En la Universitat Politècnica de València ( España ) en 2020
- Idioma: español
- Tribunal Calificador de la Tesis: Jezabel Pérez Quiles (presid.), Francisco Román Villatoro Machuca (secret.), Daniele Tommasini (voc.)
- Programa de doctorado: Programa de Doctorado en Matemáticas por la Universitat de València (Estudi General) y la Universitat Politècnica de València
- Materias:
- Enlaces
- Tesis en acceso abierto en: RiuNet
- Resumen
La Biología de Sistemas es un campo de la investigación en el que confluyen varias disciplinas de conocimiento como la Física, Matemática, Química y Biología, donde las interacciones de los elementos internos de un microorganismo y el medio ambiente influyen en el desarrollo de procesos que se representan mediante un modelo matemático. Este enfoque permite comprender el funcionamiento de los sistemas biológicos y profundizar en el entendimiento de cómo sus interacciones conllevan a la aparición de nuevas propiedades y procesos.
En el estudio de los procesos biológicos, se realiza la confirmación o refutación de una teoría que se confronta con resultados experimentales. La Biología de Sistemas utiliza una hipótesis basada en el estudio de los procesos mediante una modelización matemática de los mismos.
Uno de los elementos principales de análisis en Biología de Sistemas es la reconstrucción de modelos metabólicos determinante a la hora de poder modificar el funcionamiento de un organismo determinado.
Este trabajo se aborda la automatización de esta actividad, así como los fundamentos esenciales de la Herramienta COPABI, como paso fundamental para una buena reconstrucción antes de aplicar diferentes métodos de optimización a un modelo metabólico a escala genómica.
Esta investigación se basa en métodos no tradicionales que permiten ofrecer mejoras en los resultados de las simulaciones, con un mejor acercamiento a la realidad en el contexto de la ingeniería metabólica.
Presentando PyNetMet, una librería de Python, como herramienta para trabajar con redes y modelos metabólicos. Con el fin de ilustrar las características más importantes y algunos de sus usos, se muestran resultados de la herramienta como el cálculo de la agrupación media de las redes que representan a cada uno de los modelos metabólicos, el número de metabolitos desconectados en cada modelo y la distancia media entre dos metabolitos cualesquiera de la red.
Analizar los modelos metabólicos partiendo de la optimización monobjetivo no siempre se acerca todo lo deseado a la realidad, puesto que uno o más objetivos pueden entrar en conflicto porque tienen como denominador común la necesidad de elegir entre diferentes alternativas que han de evaluarse en base a diversos criterios. Para ello, se presentó un algoritmo de optimización multiobjetivo basado en algoritmos evolutivos que consiste en una adaptación del algoritmo sp-MODE implementado en la herramienta bioinformática BioMOE, que considera de manera simultánea la optimización de dos o más objetivos, a menudo en conflicto, dando como soluciones diferentes distribuciones de flujo en la que una no es mejor que la otra.
En el área de la comparación de modelos metabólicos se muestra una herramienta bioinformática llamada CompNet, basada en conceptos de teoría de grafos como las Redes de Petri, para poder establecer una comparación entre modelos metabólicos, determinando qué cambios serían necesarios para modificar determinadas funciones en uno de los modelos con respecto al otro, a través de la métrica Distancia de Edición.
Mediante las métricas de Baláž y Bunke se muestra el grado de semejanza que existe entre dos modelos mediante un valor cuantitativo que indica las semejanzas y diferencias ellos.
