Descargar la presentación
La descarga está en progreso. Por favor, espere
Publicada porGraciano Altamirano Modificado hace 11 años
1
Inferencia de modelos de redes reguladoras de genes usando algoritmos evolutivos. Luis Enrique Ramírez Chávez Asesores: Dr. Carlos Artemio Coello Coello Dr. Eduardo Arturo Rodríguez Tello 1
2
Contenido: Antecedentes Propuesta de solución Resultados Inferencia de modelos de redes reguladoras de genes usando algoritmos evolutivos. 2
3
3 Un gen es un fragmento de ADN que determina una cierta característica (o rasgo). A veces se necesita un solo gen (por ejemplo, para la producción de una proteína específica, ya sea una hormona o una enzima). Otras, son necesarios varios genes (para determinar la altura de una persona, la cantidad de ciertas vitaminas en un alimento, etc).
4
Redes Reguladoras de Genes Es la interacción existente entre diferentes genes. Esta puede realizarse a distintos niveles (proteínas, funciones metabólicas). 4
5
5
6
Micro arreglos de ADN Es una técnica para medir el nivel de expresión de un conjunto de genes. 6 Tiempo(t)X 1 (t)X 2 (t) 00.70.3 0.40.5234790.691804 0.80.4008071.482555 1.20.6555481.871422 1.61.0257871.682772 2.01.2960671.468234
7
Motivación Entender el funcionamiento de las redes reguladoras de genes puede llevar a: Diseño Genético de Organismos Diseño de Fármacos Diseño de Tratamientos etc… 7
8
Algoritmos evolutivos Los algoritmos evolutivos son heurísticas que se han utilizado en problemas de optimización. Se basan en los conceptos de la evolución de los seres vivos. 8 Poblacionales Se trabaja con varias soluciones a la vez Iterativos Requiere varios ciclos de ejecución
9
Evolución Diferencial Es una heurística que ha mostrado ser muy eficiente 9 Generar población inicialRealizar Selección de individuosEvaluar IndividuosRealizar OperaciónSeleccionar Individuos
10
Computo mediante GPUs 10
11
Uso de Sistemas S 11
12
Sistema S para 2 genes 0.3 0.5 12 0.4 0.6
13
13 tX 1 (t)X 2 (t) 00.70.3 0.40.111140.421514 0.80.3142112.268435 1.20.4222323.612322 1.63.0244771.033772 2.01.9874589.458234 tX 1 (t)X 2 (t) 00.70.3 0.40.5234790.691804 0.80.4008071.482555 1.20.6555481.871422 1.61.0257871.682772 2.01.2960671.468234 tX 1 (t)X 2 (t) 00.70.3 0.40.5125440.679844 0.80.4542111.468435 1.20.6543321.812322 1.61.0244771.633772 2.01.2854681.458234
14
Paralelización del algoritmo Paralelización de la evaluación Paralelización de la Función de evaluación Esquema de Islas 14
15
Paralelización de la evaluación 15 Core 1 Core 2 Core 3 Core 4 Core 5
16
Paralelización de la Función de evaluación Se busca paralelizar de algún modo la resolución de sistemas de ecuaciones diferenciales 16
17
Esquema de Islas 17
18
Resultados Proponer un nuevo algoritmo evolutivo para la inferencia de modelos de redes reguladoras de genes que sea auto- adaptativo y cuyo desempeño sea competitivo con respecto a los algoritmos del estado del arte en el área. Este algoritmo se paralelizara empleando GPUs. 18
19
Resultados En el momento de la escritura de este protocolo, de acuerdo a la investigación realizada, no se conoce un algoritmo basado en CUDA para la inferencia de redes reguladoras de genes por lo que, el producido en esta tesis será el primer algoritmo desarrollado sobre esta plataforma. 19
20
Resultados Demostrar que gracias al uso de GPUs es posible obtener una aceleración significativa del algoritmo propuesto con respecto a una versión similar del mismo ejecutada sobre procesadores multi núcleo. 20
21
Auto-adaptativo Se buscó encontrar un método de auto- adaptación para el algoritmo evolutivo 21
22
Speed Up (Aceleración) 22
23
Precisión El algoritmo propuesto genera resultados con menor error, que los del estado del arte, además de encontrar buenas soluciones, mucho mas rapido 23
24
Gracias Preguntas, Sugerencias y Comentarios… 24
Presentaciones similares
© 2025 SlidePlayer.es Inc.
All rights reserved.