Clusterización de hongos mediante metaheurísticas híbridas a partir de su información proteómica

Abstract

La ciencia y la tecnología se han convertido en medios importantes de la vida de los seres humanos desde hace décadas y constituyen hoy en día, un poderoso pilar del desarrollo cultural, social, económico y, en general, de la vida en la sociedad moderna y cambiante. Por otra parte las técnicas de inteligencia artificial, representan un poderoso instrumento para resolver muchos problemas de cualquier área del conocimiento humano y en particular los métodos metaheurísticos han demostrado obtener muy buenos resultados en un tiempo y costo computacional aceptable. Dichas técnicas, apoyando a ciencias como la bioinformática en áreas como la proteómica, tienen un futuro prometedor. En la introducción de este documento se presentó el problema que dio origen a la investigación, el cual consiste en crear clústeres de hongos mediante su información proteómica, posteriormente en los objetivos se planteó una propuesta para atacar el problema. A partir de lo anterior, durante el desarrollo de esta investigación se logró consolidar un marco de trabajo robusto y flexible que permite la aplicación de técnicas metaheurísticas en problemas normalmente intratables como la clusterización (NP-completos). Además, se logró desarrollar y poner a punto dos técnicas metaheurísticas que a partir de una matriz de semejanzas proteómicas llevan a cabo la creación de clústeres. Cabe destacar que una de las técnicas se combinó con un operador de mejora MMI (Mecanismo de Mutación Inteligente), que es una aportación valiosa al área de conocimientos para la tarea de clusterización y que reportó muy buenos resultados. Los resultados empíricos de los experimentos fueron confirmados estadísticamente y se lograron identificar los mejores parámetros para cada algoritmo. Los resultados dentro del área de la aplicación fueron confirmados por expertos en el área de bioinformática y de biología de nuestra universidad. Otro hecho a resaltar son los resultados mismos, ya que al llevar una minuciosa investigación en la literatura existente se logró comprobar que cada uno de los algoritmos empató sus resultados de una forma muy aceptable con una clasificación utilizada por investigadores.

Science and technology have been important areas in the life of human beings for decades and represent a powerful pillar of cultural, social, economic development and, in general, life in modern society and changing. Artificial intelligence techniques represent a powerful tool for solving problems in many areas of human knowledge and in particular metaheuristic methods have shown to produce very good results, with acceptable computational time and cost. Such techniques, in sciences like bioinformatics and areas related to proteomics, have a promising future. The problem that originated the research is described, which consists in creating clusters of fungi through their proteomic information. In the objectives section a potential solution is proposed in order to address the problem. During the development of this research a robust and flexible framework was consolidated, which allows the enforcement of metaheuristics techniques in problems usually untreatable like clustering (NP-hard). In addition, it was possible to develop and tune two metaheuristics techniques that from a similarity matrix perform the creation of clusters. It is important to notice that one of the techniques is combined with an operator of improvement named MMI (Mecanismo de Mutación Inteligente, for its acronym in Spanish); it is a valuable contribution into the knowledge in clustering tasks and has reported good results. Empirical results were statistically confirmed and it was possible to identify the best parameters for each algorithm. The results within the knowledge area were confirmed by experts in the field of bioinformatics and biology of our university. Thorough a literature review it was possible to verify that each algorithm matched their results with an acceptable way to classify used by the researchers.