Luis Enrique Ramírez Chávez
Asesores:
Dr. Carlos Artemio Coello Coello
Dr. Eduardo Arturo Rodríguez Tello
Inferencia de
modelos de redes
reguladoras de
genes usando
algoritmos
evolutivos.
1
Inferencia de modelos de redes reguladoras
de genes usando algoritmos evolutivos.
Contenido:
 Antecedentes
 Propuesta
de solución
 Resultados
2
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).
3
Redes Reguladoras de Genes
Es la interacción existente entre diferentes
genes. Esta puede realizarse a distintos
niveles (proteínas, funciones metabólicas).
4
5
Micro arreglos de ADN
Es una técnica para medir el nivel de
expresión de un conjunto de genes.
Tiempo(t)
X1(t)
X2(t)
0
0.7
0.3
0.4
0.523479
0.691804
0.8
0.400807
1.482555
1.2
0.655548
1.871422
1.6
1.025787
1.682772
2.0
1.296067
1.468234
6
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
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.
Poblacionales
• Se trabaja con varias soluciones a la vez
Iterativos
• Requiere varios ciclos de ejecución
8
Evolución Diferencial
Es una heurística que ha mostrado ser muy
eficiente
Generar población inicial
Realizar Selección de individuos
Evaluar Individuos
Realizar Operación
Seleccionar Individuos
9
Computo mediante GPUs
10
Uso de Sistemas S
N:
Numero de Genes Involucrados
, ,  , ℎ : Parámetros a Inferir
11
Sistema S para 2 genes
 0.3
 0.4
1 0.5
2 0.6
 = . 
 = . 
 = −. 
 = 
 = 
 = . 
 = −. 
 = . 
1  = 0.31 ()0.32 2 ()0.16 −0.5 2 ()0.24
2  = 0.41 ()−0.11 −0.61 ()−0.19 2 ()0.45
12
1  = 0.31 ()0.32 2 ()0.16 −0.5 2 ()0.24
2  = 0.41 ()
−0.11
−0.19
−0.61 ()
0.45
2 ()
t
X1(t)
X2(t)
0
0.7
0.3
0.4
0.523479
0.691804
0.8
0.400807
1.482555
1.2
0.655548
1.871422
1.6
1.025787
1.682772
2.0
1.296067
1.468234
t
X1(t)
X2(t)
t
X1(t)
X2(t)
0
0.7
0.3
0
0.7
0.3
0.4
0.512544
0.679844
0.4
0.11114
0.421514
0.8
0.454211
1.468435
0.8
0.314211
2.268435
1.2
0.654332
1.812322
1.2
0.422232
3.612322
1.6
1.024477
1.633772
1.6
3.024477
1.033772
2.0
1.285468
1.458234
2.0
1.987458
9.458234
13
Paralelización del algoritmo
 Paralelización
de la evaluación
 Paralelización
de la Función de
evaluación
 Esquema
de Islas
14
Paralelización de la evaluación
Core 1
Core 2
Core 3
Core 4
Core 5
15
Paralelización de la Función de evaluación
 Se
busca paralelizar de algún modo la
resolución de sistemas de ecuaciones
diferenciales
16
Esquema de Islas
17
Resultados
 Proponer
un nuevo algoritmo evolutivo
para la inferencia de modelos de redes
reguladoras de genes que sea autoadaptativo y cuyo desempeño sea
competitivo con respecto a los algoritmos
del estado del arte en el área. Este
algoritmo se paralelizara empleando
GPUs.
18
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
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
Auto-adaptativo
 Se
buscó encontrar un método de autoadaptación para el algoritmo evolutivo
21
Speed Up (Aceleración)
150
100
CUDA
50
Threads comunes
0
Test Test
Test Test
1
2
3
4
CUDA
22
Precisión
El algoritmo propuesto genera resultados
con menor error, que los del estado del
arte, además de encontrar buenas
soluciones, mucho mas rapido
23
Gracias
 Preguntas,
Sugerencias y Comentarios…
24
Descargar

Inferencia de modelos de redes reguladoras de genes …