Inferencia de redes de asociación de genes empleando algoritmos genéticos y topología de grafos

• Liuben López Aparicio ^[2] ; Cosme E Santiesteban-Toca ^[2] ; Raúl Giráldez Rojo ^[1]
  1. [1] Universidad Pablo de Olavide

     Universidad Pablo de Olavide

     Sevilla, España

     
  2. [2] Universidad Máximo Gómez Báez Centro de Bioplantas
• Localización: Revista Cubana de Ciencias Informáticas, ISSN-e 2227-1899, Vol. 11, Nº. 3, 2017
• Idioma: español
• Títulos paralelos:
  • Inference of gene association networks using genetic algorithms and graph topology
• Enlaces
  • Texto completo
• Resumen
  • español

    Debido a que existe un gran número de enfermedades de naturaleza poligenética, en la actualidad se confiere mayor importancia al resultado de la interacción genética que a la función de cada gen por separado. Por este motivo es muy significativo el estudio de las redes de genes. En los últimos años se ha afrontado el problema de inferir redes de asociación de genes mediante diversas técnicas, sin embargo, a pesar de estos esfuerzos, aun no se logra un grado significativo de precisión al inferir las redes. Es por ello que se propone un algoritmo de inferencia de redes de genes basado en un algoritmo genético que toma en cuenta que muchas de las redes biológicas caracterizadas de forma experimental se ajustan a la topología de grafos libres de escala y de mundo pequeño. Como resultado, este algoritmo logra inferir redes de genes con una alta precisión y manteniendo el sentido biológico.

  • English

    Because of the existence of a large number of diseases of polygenic nature, a greater importance to the result of genetic interaction is imparted nowadays to the function of each gene separately. For this reason, it is very significant to study gene networks. In recent years, the problem of inferring gene association networks using various techniques has been tackled, however, despite these efforts, even a significant degree of accuracy is not achieved by inferring networks. That is why an algorithm for inference of gene networks based on a genetic algorithm that takes into account that many of the biological networks characterized so far experimentally, adjust to the free scale and small world graphs topology. As a result, this algorithm achieves to infer gene networks with high accuracy and maintaining the biological sense.

• Referencias bibliográficas
  • BREMAN, A,PURSLEY, A.N,HIXSON, P,BI, W,WARD, P,BACINO, C.A,SHAW, C,LUPSKI, J.R,BEAUDET, A,PATEL, A,CHEUNG, S.W,VAN DEN VEYVER, I. Prenatal...
  • COSTANZO, M,VANDERSLUIS, B,KOCH, E.N,BARYSHNIKOVA, A,PONS, C,TAN, G,WANG, W,USAJ, M,HANCHARD, J,LEE, S.D,PELECHANO, V,STYLES, E.B,BILLMANN,...
  • DIJKSTRA, E.W. (1959). A note on two problems in connexion with graphs.. SpringerLink.
  • EISEN, M,SPELLMAN, P.T,BROWN, P.O,BOTSTEIN, D. (1998). Cluster analysis and display of genome-wide expression patterns. National Academy of...
  • KIM, I.Y,DE WECK, O.L. Variable chromosome length genetic algorithm for progressive refinement in topology optimization. 445-456
  • KUMAR, S,STECHER, G,TAMURA, K. (2016). MEGA7: Molecular Evolutionary Genetics Analysis Version 7 . 0 for Bigger Datasets Brief communication....
  • MADHAMSHETTIWAR, P.B,MAETSCHKE, S.R,DAVIS, M.J,REVERTER, A,RAGAN, M.A. Gene regulatory network inference:: evaluation and application to ovarian...
  • MAETSCHKE, S.R,MADHAMSHETTIWAR, P.B,DAVIS, M.J,RAGAN, M.A. Supervised, semi-supervised and unsupervised inference of gene regulatory networks....
  • MICHAILIDIS, G,D’ALCH-BUC, F. Autoregressive models for gene regulatory network inference: Sparsity, stability and causality issues.. 326-334
  • ROBINSON, M.D,MCCARTHY, D.J,SMYTH, G.K. edgeR: A Bioconductor package for differential expression analysis of digital gene expression data....
  • WELTER, D,MACARTHUR, J,FLICEK, P,MANOLIO, T,BROWN, M.A,MCCARTHY, M.I,YANG, J,STRANGER, B.E,WARD, L.D,KELLIS, M,HAUGEN, E. The Genotype-Tissue...
  • TSENG, G.C,GHOSH, D,FEINGOLD, E. Comprehensive literature review and statistical considerations for microarray meta-analysis.. 3785-3799
  • WANG, L,P.C.H, LI. Microfluidic DNA microarray analysis: A review. 12-27
  • ZHANG, X,LIU, K,LIU, Z.P,DUVAL, B,RICHER, J.M,ZHAO, X.M,HAO, J.K,CHEN, L. NARROMI: A noise and redundancy reduction technique improves accuracy...