Un modelo biolgico ...

Un Modelo Biolgico en la Informtica:

Los Algoritmos Genticos
Jos Mara Barreiro Sorribas
CETTICO-Fundacin General UPM
29
Facultad de Informtica Universidad Politcnica de Madrid
Campus de Montegancedo s/n 28660 Boadilla de Monte - Madrid
email: jmbarreiro@fi.upm.es
Resumen
Felix Montas Pazos
IBM. Madrid.
email: fmontanez@vnet.ibm.com
El estudio de la biologa puede ayudar al informtico, y viceversa, a
orientarse y entender algunos de los trminos empleados con frecuencia
en este dominio. No slo es interesante como un dominio de
investigacin para la Informtica, sino que tambin proporciona un
conjunto rico de metforas para ponderar la inteligencia: algoritmos
genticos, redes de neuronas y autmatas darwinianos, son una muestra
reducida de los enfoques computacionales al comportamiento basado en
los conceptos biolgicos. Los informticos y los bilogos tienen en
muchos casos expectativas muy distintas acerca de la colaboracin, la
educacin, los congresos y muchos otros aspectos, aparentemente banales
de la investigacin. Para trabajar con bilogos, los investigadores
informticos (en especial los de Inteligencia Artificial), deben poseer un
conocimiento bastante profundo del dominio y buscar modos de acercar
estas culturas cientficas diferentes.
En este trabajo se vern, en primer lugar, los conceptos biolgicos que
han servido como base al desarrollo de modelos computacionales
(citologa, gentica, bioqumica, biologa molecular y evolucin), se har
30 Jos Barreiro y Flix Montas
un repaso de los modelos que constituyen lo que se ha dado en llamar
Computacin Evolutiva, viendo algunos de los modelos biolgicos que
han sido aplicados en la informtica y, finalmente, las contribuciones de
la informtica en la biologa haciendo especial hincapi en la gentica.
1.- Conceptos Generales
Tanto en la biologa como en la matemtica y la informtica, muchas
de las percepciones verdaderamente brillantes provienen del
reconocimiento de que dos puntos de vista aparentemente distintos son
congruentes. Durante los ltimos 50 aos, los bilogos se han preocupado
cada vez ms por la base molecular de la funcin biolgica en sus
intentos de responder a preguntas del tipo de cmo saben las clulas
cuando tienen que dividirse, cmo funciona la memoria o cmo ven los
mamferos.
1. 1.- Citologa
Cada uno de los 7 5 billones de clulas del hombre es una estructura
viva que puede sobrevivir indefinidamente, y la mayor parte de casos
incluso reproducirse siempre que los lquidos del medio contengan
nutrientes adecuados. Las diferentes sustancias que componen la clula se
denominan en conjunto protoplasma. ste incluye, principalmente, las
cinco substancias bsicas siguientes: agua, electrlitos (potasio,
magnesio, fosfato, sulfato, y carbonato y pequeas cantidades de sodio y
cloruro de calcio), protenas (estructurales y enzimticas), lpidos
(triglicridos, fosfolpidos y colesterol) y carbohidratos (glucosa y
glucgeno o polmero insoluble de la glucosa).
En todos los organismos excepto en las bacterias, las algas azules y los
virus, los cromosomas de cada clula estn ordinariamente confinados
dentro de una regin limitada por una membrana denominada ncleo.
Estos organismos se denominan nucleados o eucariotas, en contraste con
las bacterias y algas azules que son procariotas. Las clulas eucariticas
presentan un ncleo en el interior del cual est alojado el material
gentico o cromosomas. Cuando el ncleo rio est en fase de divisin o
mitosis se denomina ncleo de interfase y en l no es posible identificar a
los cromosomas como entidades individuales sino que aparecen como
una red amorfa llamada cromatina [Creighton, 1983].
Un modelo biolgico ... 31
1.2.- Gentica
La informacin gentica poseda por un individuo es lo que constituye
su genoma. Los portadores fsicos de la informacin gentica tanto en los
organismos nucleados como en los anucleados son los cromosomas, cada
uno de los cuales es portador de un subconjunto distinto de genes y, por
tanto, de distintas secuencias de nucletidos.
Los genes controlan la herencia de padres a hijos y la funcin diaria
de la clula y su reproduccin. Aunque el nmero de genes existentes en
un ncleo de clula humana es desconocido, se calcula que los genes
controlan la formacin de, por lo menos, varios miles de tipos diferentes
de protenas esenciales para las funciones de las diversas clulas [Guyton,
1984]. Es, por tanto, esencial para la supervivencia de las especies que
cuando una clula da lugar a dos clulas hijas, cada clula reciba una
coleccin completa de cromosomas. Esta distribucin equitativa
cromosmica corre a cargo de un proceso de divisin celular llamado
mitosis.
BRAZOS CROMOSOMICOS CENTRO MERO
Figura 1-. Cromosoma acrocntrico
En la clula humana en metafase aparecen un total de 46 pares de
cromosomas hermanos. Estos difieren unos de otros en cuanto a tamao y
en la posicin del centrmero. As, se clasifican en metacntricos cuando
el centrmero est situado en posicin media y por tanto los brazos del
cromosoma son exactamente iguales; acrocntricos (figura 1) cuando un
32 Jos Barreiro y Flix Montas
brazo es ms largo que el otro; el resto de tipos de cromosomas son
intermedios entre estos dos tipos.
Una descripcin completa y ordenada, segn su tamao, de todos los
pares de cromosomas que posee un tipo celular dado, constituye su
cariotipo (figura 2). En el caso del ser humano existen dos representantes
de cada tipo por lo tanto presenta 23 tipos diferentes de pares de
cromtidas. Los cromosomas numerados del 1 al 22 se llaman autosomas
para diferenciarlos de los cromosomas X e Y o cromosomas sexuales (X
para la mujer e Y para el hombre).
H1Mllllll 1
2 3 4 5 X
MMAAnMI!
13 14 15
16
17 18
!!M
20 21
22
19

y
Figura 2.- Cariotipo.
En un cariotipo cada tipo cromosmico aparece dos veces, es lo que se
denomina un nmero diploide, a diferencia del nmero haploide en los
cuales slo est presente un representante de cada tipo de cromosoma,
como ocurre en el caso del vulo y del espermatozoide. La dotacin
cromosmica haploide contiene toda la informacin del genoma y cabe
Un modelo biolgico ... 33
esperar, por tanto, que contenga un mnimo de una copia de cada tipo de
genes posedos por el progenitor [Goodenough, 1981].
1.3.- Bioqumica
Los bioqumicos descubrieron que una clase muy amplia de
molculas, llamadas protenas, son responsables de casi todas las
funciones del organismo vivo. Adems, se observ que todas las
protenas se componan de una cadena lineal de elementos llamados
aminocidos. De hecho, los bioqumicos determinaron que existen slo
alrededor de 20 tipos de aminocidos de la vida. Tpicamente, se
conectan entre s de 50 a 500 de estos aminocidos para formar una
protena. De manera ms significativa, los bioqumicos observaron que
estas protenas, una vez constituidas, se doblaban para constituir formas
nicas a partir de su secuencia de aminocidos [Lehninger. 1972].
1.4.- Biologa Molecular
La Biologa molecular ha facilitado un enlace entre la gentica y la
bioqumica. La biologa molecular es la disciplina que demostr la
relacin entre los genes y las protenas cuando se determin en 1953
[Watson, 1953] que el gen se compone de DNA (figura 3).
Figura 3.- Estructura tridimensional de una cadena de DNA.
Los genes actan determinando los tipos de protenas elaborados por
las clulas. El DNA no es el molde directo para esta sntesis pues stos
estn constituidos por molculas de RNA (cido ribonucleico). El flujo de
la informacin gentica en la mayora de las clulas es, segn se muestra
en la figura 4:
34
A D N 4 ~
transcripcin
Jos Barreiro y Flix Montas
ARN----...-t ._I __ P_r_o_te-n_a_s _ ..... 1
traduccin
Figura 4.- Dogma central de la biologa.
Ciertas molculas de RNA son las portadoras intermediarias de la
informacin en la sntesis de protenas, mientras que otras molculas de
RNA son parte de la maquinaria de dicha sntesis. Con la aparicin de las
tcnicas de ADN recombinante se puede clonar, secuenciar, manipular y
expresar el ADN lo que ha dado lugar a una nueva industria: La
Biotecnologa. ADN, ARN y protena, formas codificadas de la
informacin gentica,
1
Se adaptan bien a su manipulacin por
computadora.
1.5.- Evolucin
Es el resultado de dos procesos: la seleccin natural (los que
sobreviven hasta reproducirse) y la reproduccin (mezcla y
recombinacin de genes en la descendencia). Cuando se habla de
evolucin hay que tener en cuenta dos conceptos principales:
- Recombinacin: Dos cromosomas intercambian trozos de material
gentico
- Mutacin: Alteracin de una parte del material gentico
2.- Computacin Basada en Modelos Biolgicos
Los modelos que se desarrollan en la investigacin cientfica tienen
varias formas. Algunos se construyen como objetos concretos (como una
maqueta de un coche o el modelo de un circuito hidrodinmico de un
sistema vascular), otros son ms abstractos y existen sobre el papel o
incluso como un programa de ordenador. Un modelo es una
representacin de una cosa (sea verbal, simblica, matemtica o fsica)
como otra. En este contexto, encontramos que los modelos en un dominio
del conocimiento se emplean como una fuente para los modelos en otro
dominio diferente.
Un modelo biolgico ... 35
Los dominios o disciplinas de investigacin (computacin y biologa)
comparten reas comunes que podran realizar una aportacin, y animar e
inspirar a los investigadores que proceden de una amplia gama de
especialidades cientficas para que se interesen por este rea y que
comuniquen sus ideas. La forma y la funcin biolgica ha sido durante
mucho tiempo una fuente de inspiracin y motivacin para la gente que la
ha empujado a construir nuevos artefactos, en muchos casos muy
interesantes. Esto no slo incluye aproximaciones como:
Redes de neuronas artificiales (RNA)
Algoritmos inmunes y sistemas de clasificacin
Algoritmos evolutivos (que incluyen algoritmos genticos y
estrategias de evolucin)
1
Sino tambin ideas motivadoras de conceptos como:
Autmatas celulares
Matrices sistlicas
Vida artificial
Hormigas virtuales
Ecologas computacionales.
El gran inters que existe en este campo de investigacin es porque los
sistemas biolgicos proporcionan una gran variedad de conceptos y de
ejemplos que abordan muchos de los temas y problemas de la
informtica. As, entre otros, destacan:
Procesamiento paralelo distribuido
Ecologas de sistema abierto
Comportamiento adaptativo no lineal
Sistemas autnomos (autoorganizativos)
Interaccin, cooperacin y comunicacin
Procesamiento asncrono
Evolucin del software
36 Jos Barreiro y Flix Montas
Emergencia y organizacin
La computacin basada en modelos biolgicos considera como fuente
de sus modelos las ideas de las ciencias biolgicas e intenta transferir las
ideas relevantes a temas computacionales. En este proceso, existe un
traslado de los conceptos de un dominio (biologa) a otro (informtica).
Se infiere, de lo mencionado previamente, que existen dos campos
distintos, pero estrechamente relacionados, para la investigacin:
[A] Computacin basada en modelos biolgicos, es decir, temas
computacionales que utilizan fuentes biolgicas.
[B] Biologa basada en modelos informticos, es decir, temas
biolgicos que utilizan fuentes informticas.
Por tanto, est pues claro que un dilogo interactivo entre los
profesionales de las ciencias de la vida y los informticos podra
proporcionar un valioso medio de clarificar las ideas y los conceptos y
tambin sugerir nuevas direcciones multidisciplinarias para la
colaboracin investigativa.
La metfora describe el cerebro o la mente como un tipo de
computadora y las ideas asociadas con el proceso de la informacin han
sido trasladadas del campo de la informtica y de la ciberntica al
dominio de las ciencias de la vida. ste es un ejemplo de la
biologa/psicologa basada en modelos informticos. Sin embargo, de
alguna forma, la metfora de "red de neuronas" ha pretendido describir
un elemento de software/hardware como un tipo de estructura cortical
cerebral, es decir, las ideas procedentes de la neurofisiologa han
motivado desarrollos en la informtica.
Un modelo biolgico ... 37
SISTEMAS BIOLGICOS COMO FUENTES INFORMTICAS:
Sistemas a nivel subcelular, Ideas sobre la organizacin
como bombas de iones y la emergente y los factores implicados
organizacin de las protenas en las en este proceso. (organizacin en
membranas. trminos de entropa e informacin):
Modelo neo-darwiniano: RNAs, los algoritmos genticos,
extensiones y alternativas que den los algoritmos inmunes, las
cabida a ideas como: estrategias de evolucin
- la fluidez genmica dentro de Reto: desarrollar modelos en los
un ciclo de vida que el cdigo pueda responder
- la transcripcin inversa
autoadaptndose al entorno (no a
- la amplificacin y conversin
travs de mutacin aleatoria y la
recombinacin)
de genes
- los rasgos lamarkianos
Sistemas de modulacin nerviosa - Las RNAs son anlogos pobres
y endocrina relacionados con la
- El algoritmo de
comunicacin y la integracin.
retropropagacin es un ejemplo
bsico
- La implicacin multisistema de
las interacciones qumicas entre el
sistema nervioso y el sistema
inmunolgico
Biotecnologa. Sistemas de inmovilizacin,
mquinas biomoleculares y
bioreactores
Las glndulas (incluyendo el Ordenadores qumicos (de datos)
cerebro y el hgado) que procesan de forma altamente
paralela
38
Sistemas simbiticos, la
interaccin y la comunicacin
unicelular e intercelular
(clula nica y mixta)
2.1.- Computacin Evolutiva
Jos Barreiro y Flix Montas
Estudios tericos y empricos de
la naturaleza y de la interaccin de
agentes autnomos
El increble universo de la computacin evolutiva constituye una
pequea muestra de lo que supone el universo cientfico que incorpora
Sistemas Difusos, Redes de Neuronas Artificiales y que son denominadas
"computacin inteligente", lo que a su vez supone una pequea parte de
lo que incorporan cada vez ms avances cientficos: Vida Artificial,
Geometra Fractal y otras ciencias de sistemas complejos y que
constituyen la Computcin Natural. Es decir, segn el grado de
complejidad de la computacin biolgica tenemos (figura 5):
COMPUTACIN
COMPUTACIN
INTELIGENTE
COMPUTACIN NATURAL
Figura 5.- Niveles de complejidad de la computacin biolgica.
En los ltimos aos los algoritmos de optimizacin global imitan
ciertos principios de la naturaleza proporcionados en varios dominios de
aplicacin, representado principalmente por aquellos principios en los
que la naturaleza ha encontrado "islas estables" en un "ocano
turbulento" de posibles soluciones. Los procesos biolgicos han dado
lugar a los siguientes mtodos de optimizacin: Redes de Neuronas
Artificiales y el campo de la Computacin Evolutiva (CE).
Un modelo biolgico ... 39
En la CE se distinguen las siguientes ramas:
- Programacin Evolutiva (PE)
- Estrategias Evolutivas (EE)
- Algoritmos Genticos (AG)
- Sistemas Clasificadores (SC)
- Programacin Gentica (PG)
Otras muchas estrategias para solucionar problemas estn basados
sobre observaciones biolgicas inspiradas en el descubrimiento de
Charles Darwin en el siglo XIX: el significado de la seleccin natural y la
supervivencia de los ms aptos o adaptados de su "Teora de la
Evolucin". Los algoritmos que se inspiran en sta han sido denominados
Algoritmos Evolutivos (AE).
Los AE forman un amplio abanico de trminos que son usados para
describir los sistemas solucionadores de problemas basados en
computadoras y que usan modelos computacionales de los procesos
evolutivos como elementos clave en su diseo e implementacin. Todos
ellos muestran un concepto comn basado en la simulacin de la
evolucin de los individuos a travs de procesos como la seleccin,
mutacin y reproduccin. Este proceso va a depender de la adaptacin de
estas estructuras o individuos en lo que ha sido definido como "entorno".
Concretamente, los AE mantienen una poblacin de individuos que
evolucionan segn las reglas de la seleccin y otros operadores llamados
"operadores de bsqueda u operadores genticos" como son la
recombinacin y la mutacin. Cada individuo en la poblacin reacciona a
medida que se produce su adaptacin al entorno. La reproduccin pone
atencin a la alta adaptacin individual explotando la informacin de la
capacidad de adaptacin. La recombinacin y la mutacin perturban a
esos individuos proporcionando heursticas generales para la exploracin.
Desde un simple punto de vista biolgico estos algoritmos son
suficientemente complejos para proporcionar un robusto y poderoso
mecanismo de bsqueda adaptativa.
40 Jos Barreiro y Flix Montais
2.1. 1.- Programacin Evolutiva
La Programacin Evolutiva es una estrategia de optimizacin
estocstica parecida a los algoritmos genticos, pero que prescinde de las
representaciones "genmicas", as como la recombinacin en sentido de
estrategia de mutacin.
Al igual que los algoritmos genticos, la Programacin Evolutiva es
til a fin de optimizar las soluciones de los problemas cuando se excluyen
otras tcnicas como la descendencia de gradiente o el descubrimiento
analtico directo. La optimizacin de la funcin, en la que la superficie de
optimizacin es desigual y posee muchas soluciones localmente ptimas,
se adapta bien a la tcnica de la Programacin Evolutiva.
En el proceso para la Programacin Evolutiva, al igual que ocurre con
los Algoritmos Genticos, existe un supuesto subyacente de que la
"aptitud" puede caracterizarse en trminos de variables y que existe una
solucin ptima en trminos de esas variables.
El mtodo bsico de la Programacin Evolutiva se compone de 3
pasos, que se repiten, hasta que se supere el umbral de iteracin o se
obtenga una solucin adecuada:
1) Eleccin de una poblacin inicial de casos de prueba de forma
aleatoria. El nmero de casos tiene mucho que ver con la velocidad
de la optimizacin, pero no se dispone de respuestas acerca de cul
es el nmero idneo de casos.
2) Cada poblacin se replica en una nueva poblacin. Cada uno
de estos individuos descendientes se mutan segn una distribucin
de tipos de mutacin, que va de menor a mayor en un espectro
continuo de tipos de mutacin.
3) Cada descendencia se evala por medio del clculo de su
aptitud. Se escogen los N individuos mejores o bien se escogen
aleatoriamente N individuos para la siguiente generacin.
Las diferencies fundamentales entre el mtodo de Programacin
Evolutiva y la tcnica de Algoritmos Genticos son dos:
En primer lugar, no se impone restriccin alguna sobre la
representacin. La aproximacin tpica del Algoritmo Gentico implica la
Un modelo biolgico ... 41
codificacin de las soluciones del problema en forma de una cadena de
muestras representativas, el genoma. En la aproximacin de la
Programacin Evolutiva la representacin surge del problema.
En segundo lugar, la operacin de mutacin simplemente modifica
aspectos de la solucin segn una distribucin estadstica que pondera
como muy probables variaciones poco importantes en la descendencia y,
como cada vez menos probables, variaciones considerables a medida que
se vaya aproximando al ptimo mximo.
2.1.2.- Estrategias Evolutivas (EE)
Surgen en Alemania en la Universidad Tcnica de Berln en
experimentos que utilizaban el tnel de viento del Instituto de Ingeniera
de Flujos. Durante la bsqueda de las formas ptimas de los cuerpos en
un flujo, lo que se rduca entonces a una experimentacin laboriosa e
intuitiva, se concibi la idea de adoptar un procedimiento estratgico. Sin
embargo, los intentos con las estrategias de gradiente coordinado y
simple fracasaron.
Entonces se les ocurri probar con cambios aleatorios en los
parmetros que definan la forma, siguiendo el ejemplo de las mutaciones
naturales y naci as la EE. Se empez a construir un experimentador
automtico, que funcionara segn las sencillas reglas de mutacin y
seleccin y se prob la eficiencia de estos nuevos mtodos. Recibieron el
apoyo financiero de la Sociedad de Investigacin Alemana (DFG) que
posibilit el trabajo que se concluy, de forma provisional, en 1974 con
la tesis "Estrategia de evolucin y la optimizacin numrica". De este
modo, se crearon EE para resolver problemas de optimizacin tcnica, y
hasta hace muy poco stas slo se conocan entre la comunidad de la
ingeniera civil, como una alternativa a las soluciones estndares.
2.1.3.- Algoritmos Genticos
El algoritmo gentico es un modelo de aprendizaje automtico cuyo
comportamiento deriva de un metfora de los procesos de la evolucin en
la naturaleza. Su funcionamiento es mediante la creacin, en una
computadora, de una poblacin de individuos representados por los
cromosomas que son, en esencia, un conjunto de cadenas de caracteres
42 Jos Barreiro y Flix Montas
anlogos a los cromosomas de 4 bases que vernos en nuestro ADN. Los
individuos en la poblacin se someten a un proceso de evolucin.
La evolucin no es un proceso intencionado ni dirigido, es decir, no
existen datos para apoyar la afirmacin que la evolucin tiene corno meta
la produccin de la humanidad. De hecho, los procesos de la naturaleza
parecen reducirse a la competencia entre diferentes individuos por los
recursos en el entorno. Algunos son mejores que otros y los mejores
tienen una probabilidad ms alta de sobrevivir y propagar su material
gentico.
En la naturaleza, vernos que la codificacin para nuestra informacin
gentica (genorna) se realiza de forma que permita la reproduccin
sexual. sta, facilita la creacin de una descendencia radicalmente
diferente desde el punto de vista gentico, pero que tiene el mismo sabor
general (especie). Al nivel molecular, lo que ocurre, simplificando al
mximo, es que un par de cromosomas se encuentran, intercambian
trozos de informacin gentica y se separan. Esto es la operacin de
recornbinacin, llamada generalmente "cruce" debido a la manera en la
que el material gentico cruza de un cromosoma a otro.
La operacin de cruce se produce en un entorno en el que la seleccin
del que va a emparejarse es una funcin de la aptitud del individuo, es
decir, el grado de xito que tiene el individuo al competir en su entorno.
Algunos algoritmos genticos utilizan una funcin sencilla de la
medida de aptitud para seleccionar individuos (de tipo probabilstico) que
van a someterse a los operadores genticos corno el cruce o la
reproduccin (propagacin de material gentico sin cambios). Otras
implementaciones utilizan un modelo en el que compiten determinados
individuos que son seleccionados en un subgrupo de forma aleatoria y se
elige el ms apto. Los dos procesos que contribuyen ms en la evolucin
son el cruce y la seleccin/reproduccin basada en la aptitud.
Tambin la mutacin juega un papel en este proceso, aunque ste no
es tan dominante corno generalmente se cree en el proceso de la
evolucin. Hay que insistir sobre manera en que el algoritmo gentico,
corno una simulacin de un proceso gentico, no es una "bsqueda
aleatoria" de una solucin a un problema (un individuo altamente apto).
El algoritmo gentico utiliza procesos estocsticos, pero el resultado no
es en definitiva aleatorio [Holland, 1992].
Un modelo biolgico ... 43
En la prctica, se puede implementar este modelo gentico de la
computacin con matrices de bits o caracteres que representan las
cromosomas. Las operaciones sencillas de manipulacin de bits permiten
la implementacin de las operaciones de cruce, mutacin, etc. Aunque se
ha realizado una cantidad considerable de investigaciones sobre las
cadenas de longitud variable y otras estructuras, la mayor parte del
trabajo con los algoritmos genticos se centra en las cadenas de caracteres
de longitud fija. Estos son los aspectos decisivos que caracterizan la
programacin gentica en la que no se tiene una representacin de
longitud fija, ni existe por lo general una codificacin del problema.
Cuando se implementa un algoritmo gentico, se suele realizar de una
manera que comprende el siguiente ciclo: evaluar la aptitud de todos los
individuos en la poblacin; crear una nueva poblacin a travs de las
operaciones como el; cruce, la reproduccin en funcin de la aptitud y la
mutacin sobre los individuos cuya aptitud haya sido medida; desechar la
vieja poblacin e iterar con la nueva poblacin (generacin). No existe
ninguna justificacin terica de este modelo de implementacin pues no
se aprecia este comportamiento puntual en las poblaciones en la
naturaleza en su conjunto. La primera generacin (generacin O) de este
proceso opera sobre una poblacin de individuos generada de forma
aleatoria. A partir de ah, las operaciones genticas, conjuntamente con la
medida de aptitud, tienen la funcin de mejorar la poblacin.
La facultad de los algoritmos genticos para concentrar su atencin en
las porciones ms prometedoras de un espacio de soluciones es fruto
directo de su capacidad para intercambiar cadenas portadoras de
soluciones parciales. Al empezar, cada ristra de la poblacin se evala
con vistas a determinar el rendimiento de la estrategia codificada en ella,
despus, las que logran mayor puntuacin se aparean entre s: se alinean,
se selecciona un punto al azar y se procede al intercambio de las
subcadenas situadas a la izquierda del mismo. Se engendran as dos
descendientes: uno que contiene los smbolos de la primera ristra hasta el
punto de cruce ms los de la segunda a partir de ese punto y, el otro
formado por la hibridacin complementaria. Los cromosomas biolgicos
se intercambian al encontrarse dos gametos para constituir un zigoto, por
lo que el proceso de hibridacin de algoritmos genticos remeda de cerca
el modelo biolgico en que se inspira [Holland, 1992].
44 Jos Barreiro y Flix Montas
El algoritmo gentico explota las regiones de ms alto rendimiento del
espacio de soluciones (las regiones "diana") porque las sucesivas
generaciones de reproduccin y cruzamiento generan un nmero
creciente de ristras pertenecientes a ellas. El algoritmo favorece que las
ristras ms aptas asuman roles progenitores y, por esta razn, las cadenas
superiores al promedio (que yacen en regiones diana) tendrn mayor
descendencia en la generacin siguiente.
La clave de esta conducta francamente sorprendente, reside en que
cada ristra individual pertenece a todas las regiones en las cuales aparece
uno cualquiera de sus bits. As pues, un algoritmo gentico que manipule
una poblacin de unos cuantos millares de cadenas est realmente
tomando muestras de un nmero de regiones enormemente mayor. Tal
paralelismo implcito (en el sentido de procesamiento en paralelo)
proporciona al algoritmQ gentico su ventaja principal sobre otros
procesos de resolucin de problemas.
El paralelismo implcito del algoritmo gentico le permite ensayar un
gran nmero de regiones del espacio de bsqueda manipulando un
nmero relativamente reducido de ristras. Resulta evidente que la
evolucin biolgica no opera en el sentido de producir un nico
superindividuo, sino en el de generar especies bien adaptadas unas a
otras, en interaccin mutua. Del mismo modo, resulta posible utilizar el
algoritmo gentico, modificado, no para gobernar la evolucin de meras
reglas o estrategias individuales sino de "organismos" compuestos por
multitud de reglas. En lugar de seleccionar aisladamente las reglas ms
idneas, las presiones competitivas pueden llevar a la evolucin de
sistemas mayores cuyas facultades se encuentren codificadas en las ristras
de bits que los componen.
2.1.4.- Sistemas Clasificadores (SC)
Surgen con la pretensin de extender el alcance los algoritmos
genticos y crear as un cdigo gentico capaz de representar la estructura
de cualquier programa. El resultado fue lo que se denomin sistema
clasificador, que consiste en un conjunto de reglas cada una de las cuales
realiza determinadas acciones siempre que algn dato satisfaga sus
condiciones. Condiciones y acciones estn representadas por ristras o
cadenas de bits correspondientes a la presencia o ausencia de
Un modelo biolgico ... 45
caractersticas especficas en las entradas o salidas de las reglas. Por cada
caracterstica que se halle presente la ristra contendr un 1 en la posicin
adecuada y por cada una ausente un O.
La forma de obtener por evolucin un conjunto de reglas
clasificadoras capaces de resolver un problema dado es la siguiente: se
parte de una poblacin de ristras aleatorias de unos y ceros y se evala
cada una de ellas atendiendo a la calidad de su resultado. Segn el
problema de que se trate la medida de adecuacin puede ser el beneficio
comercial, el tanteo en un juego, la tasa de error o cualquiera ~ otros
mltiples criterios. Las cadenas de mayor calidad se aparean; las
inferiores perecen. Con el transcurso de las generaciones irn
predominando las cadenas asociadas a soluciones cada vez ms perfectas.
Adems, el proceso de apareamiento combina sin cesar estas ristras de
nuevas formas, generando soluciones cada vez ms refinadas. Los tipos
de problemas que han resultado adecuados para esta tcnica van desde el
desarrollo de nuevas estrategias en la teora de juegos hasta el diseo de
sistemas mecnicos complejos.
2.1.5.- Programacin Gentica (PG)
La programacin gentica es la extensin del modelo gentico de
aprendizaje al espacio de los programas. Es decir, los objetos que
constituyen la poblacin no son cadenas de caracteres de longitud fija que
codifican posibles soluciones al problema planteado, son programas que,
cuando se ejecutan, "son" las soluciones candidatas para el problema.
Estos programas se expresan en la programacin gentica como rboles
de anlisis gramatical, en vez de lneas de cdigo. En la PG, la operacin
de cmce, se implementa al tomar subrboles seleccionados de forma
aleatoria entre los individuos (seleccin segn la aptitud) y su
intercambio. Es importante sealar que la PG no suele emplear mutacin
como un operador gentico.
2. 1.6.- Utilidad de los AE
En principio, los AE pueden computar cualquier funcin computable,
es decir, todo lo que puede realizar un ordenador digital normal. Los AE
son especialmente mal adaptados a problemas cuyo modo de resolucin
ya es conocida, a no ser que se pretenda que estos Problemas sirvan como
46 Jos Barreiro y Flix Montas
programas de referencia. Los algoritmos de propsito especial, es decir,
los algoritmos que tengan codificado un cierto grado de conocimiento del
dominio del problema superarn normalmente a los AE en el
rendimiento. Los AE deben utilizarse cuando no existe ninguna estrategia
de resolucin de problemas conocida y el dominio del problema es
completo. Ah es donde entran en juego los AE: encuentran soluciones de
forma heurstica en la ausencia de otras alternativas.
2.1. 7.- Aplicaciones de AE que han tenido xito:
"Timetabling": un tema que se ha abarcado con bastante xito con los
AG es la planificacin de horarios. Una manifestacin bastante comn de
este tipo de problema es la planificacin de horarios de exmenes o de
clases universitarias, etc.
1
La naturaleza modular de la funcin de aptitud
constituye la clave de la principal fortaleza potencial del uso de los AG
para este tipo de cuestiones frente al uso de los mtodos convencionales
de programacin por bsqueda y/o por restricciones. Otros dominios de
aplicacin son "Job-Shop Scheduling", "Ciencias de la Gestin" y "Game
Playing".
2.1.8.- Computacin Evolutiva y otras ciencias:
La computacin evolutiva es un campo que interesa a investigadores
de mltiples y dispares disciplinas. As, segn se muestra en la siguiente
tabla, son mltiples los campos en los que la CE tiene aplicacin:
Informticos Interesan el aprendizaje y los sistemas
adaptativos. Todava es necesario construir el
hardware necesario par trabajar con los AE en
grandes problemas del mundo real. La
computacin masivamente paralela ser de gran
ayuda.
Ingeniera Problemas de optimizacin
Robtica Para la construccin de robots mviles que
intentan navegar en entornos inciertos.
Un modelo biolgico ... 47
Ciencia cognitiva Pueden utilizar sistemas clasificadores para
describir modelos de pensamiento y sistemas
cognitivos.
Fsicos Usan el hardware inspirado en CE como la
"Connection Machine" de Hillis para modelizar
problemas del mundo real que incluyen miles de
variables que deben manejarse en paralelo.
Bilogos Maynard, Dawkins y Collins ha puesto de
manifiesto el inters de la CE en lo concerniente a
la investigacin en la biologa.
Filsofos y otros
3.- Contribuciones de la Informtica en la Biologa
Las tcnicas computacionales empleadas en biologa abarcan una
gama enorme. Entre otras, incluye, tal como se muestra en la siguiente
tabla, las siguientes:
TCNICAS COMPUTACIONALES EMPLEADAS EN BIOLOGA
Algoritmo A *
Formacin inductiva de
categoras
Lingstica computacional Redes de neuronas
artificiales
Modelizacin cualitativa Reconocimiento
jerrquico de patrones
Razonamiento basado en casos Inferencia deductiva en
PROLOG
"Connection Machine" Procesamiento visual
dirigido a modelos
Propagacin de restricciones Sistemas Expertos
48 Jos Barreiro y Flix Montas
Mantenimiento de bases de conocimiento Codificacin mnima en
longitud
Bases de datos orientadas a objeto Simulacin
Induccin de gramticas de contexto libre Tcnicas de adquisicin
del conocimiento
Actualmente, la computadora es de gran valor para los bilogos
moleculares que investigan en gentica para poder llevar a cabo:
- Traduccin de secuencias
- Clculos de la composicin de bases
- Frecuencias ce dinucletidos de codones
- Anlisis de mapas de restriccin
- Prediccin de regiones de DNA que codifican para protena
- Comparacin de nucletidos mediante anlisis de
repeticiones y palndromos
- Prediccin de estructuras secundarias de RNA y protenas
- Bsqueda en bases de datos.
3. 1.- Proyecto Genoma Humano
El Proyecto Genoma es, en definitiva, un trabajo de cartografa en el
que se dibujarn molculas de DNA (cido desoxirribonucleico), el
compuesto que, enrollado sobre s mismo formando un cromosoma, da
origen a la vida. Para Nat Goodman, investigador principal del Instituto
Whitehead de Boston, subsidiario del MIT, "la iniciativa para el estudio
del genoma humano es una de las gigantescas aventuras cientficas de la
historia" [Frenkel, 1991].
Este proyecto abarca dos mapas distintos pero complementarios. El
primero comprende la secuenciacin completa de las 3.000 millones de
bases. El otro, la ubicacin precisa de los genes dentro de los
cromosomas y su posterior descifrado para conocer la funcin exacta que
realizan. Como cabe suponer, completar la lectura exhaustiva de un libro
que, escrito slo con las iniciales de los cuatro elementos qumicos
Un modelo biolgico ... 49
primarios, ocupara 200.000 pagmas, representa el punto final de
complicadas investigaciones en las cuales se hallan involucradas varias
ramas de la ciencia.
Secuenciar el genoma humano permitir definir con precisin sus
productos, paso fundamental en la capacidad de analizar la contribucin
funcional de las variaciones de las secuencias. Al comparar secuencias
humanas con las de otras especies se obtienen relaciones evolutivas de
gran valor y ponen de manifiesto claves que revelan el lenguaje de
control segn el cual se consiguen los complejos patrones de expresin
gnica [Watson, 1990].
De este modo, secuenciar el genoma humano vendr acompaado
indefectiblemente por un paralelo incremento de la informacin de
secuencias corresponqientes a otras especies. Adems, todos los aspectos
del proceso de secuenciacin estn siendo actualmente automatizados con
el fin de reducir los costes del proyecto, el de mayor presupuesto en la
historia de la Biologa. Estos costes resultan tan prohibitivos que el
esfuerzo tendr que ser compartido internacionalmente. As, se tendr que
implementar una red telemtica internacional de bases de datos de
secuencias.
Para el desarrollo del proyecto HUGO se plantearon una serie de
lneas u objetivos principales que se definen en los siguientes focos del
proyecto:
- Establecer principalmente bases de datos conteniendo
informacin sobre secuencias del DNA y los genes y nuevas
funciones para identificar genes y otras informaciones conocidas.
- Crear mapas de cromosomas humanos consistentes en
marcadores de DNA que cientficamente permitan localizar
rpidamente genes.
- Crear un depsito de material de investigacin incluyendo
conjuntos ordenados de fragmentos de DNA que representen
completamente el DNA en los cromosomas humanos.
- Desarrollar nuevos instrumentos para analizar el DNA.
- Desarrollar nuevas formas de analizar el DNA incluyendo
tcnicas fsicas y bioqumicas y mtodos computacionales.
50 Jos Barreiro y Flix Montas
- Desarrollo de recursos similares en otros organismos
internacionales que faciliten la investigacin biomdica.
- Determinar la secuencia del DNA de una fraccin larga del
genoma humano y la de otros organismos.
En Estados Unidos son varios los organismos e instituciones
implicados en este proyecto, as estn: el National Institute of Health
(NIH), el Departament of Energy (DOE), la National Science Foundation
(NSF) y el Howard Hughes Medical Institute (HHMI). Reconociendo que
este proyecto generar gran cantidad de datos biolgicos que requerirn
una gran iniciativa informtica, se han destinado el 20% de los fondos del
mismo a este esfuerzo. Esto es importante pues esta iniciativa podra
incentivar el desarrollo de una tercera generacin de bases de datos, de la
misma manera que el COIJlercio y la industria fomentaron el desarrollo de
las bases de datos relacionales ya implantadas [Frenkel, 1991].
Se precisar moverse en procesos simblicos y numricos por lo que
los requisitos informticos incluyen el desarrollo de los mejores y ms
rpidos algoritmos a fin de comparar datos de secuencias y para predecir
los plegamientos proticos, lo que implica combinatoria, procesamiento
paralelo y supercomputadoras. Asimismo, la IA y sus aplicaciones (redes
de neuronas), estarn implicadas en la investigacin para definir los
lugares de unin entre los fragmentos de DNA [Frenkel, 1991].
3.2.- Bases de datos biolgicas
Cuando en 1983, Doolittle y colaboradores, utilizaron una base de
datos de una secuencia gentica recin sintetizada para probar que un gen
causante del cncer era un pariente prximo del factor de crecimiento
normal, los laboratorios de biologa molecular en todo el mundo
empezaron a instalar computadoras o acogerse a redes para realizar
bsquedas en bases de datos biolgicas. Desde entonces han surgido una
variedad desconcertante de recursos informticos para la biologa. Estas
bases de datos y otros recursos constituyen un servicio valioso no slo
para la comunidad biolgica, sino tambin para el informtico que busca
informacin sobre este dominio.
Existe una base de datos que maneja estos recursos y que se mantiene
en el National Laboratory de Los Alamos. Se llama LiMB y contiene las
descripciones, los contactos y los mtodos de acceso a ms de 100 bases
Un modelo biolgico ... 51
de datos relacionadas con la biologa molecular siendo, por tanto, una
herramienta valiosa para localizar informacin [Lawton, 1989].
Otro fuente general de informacin sobre bases de datos es el National
Center for Biotechnology Information (NCBI), que forma parte de la
National Library of Medicine. El NCBI tambin proporciona una base de
datos de secuencias genticas desde comienzos de 1992.
Existen varias bases de datos de secuencias genticas y que mantienen
una coordinacin cada vez ms estrecha. Son el Genbank [Moore, 1990],
la Nucleotide Sequence Database del European Molecular Biology
Laboratory (EMBL) [Hamm, 1986] y la DNA Database de Japn (DDBJ)
[Miyazawa, 1990].
La base de datos de secuencias protenicas principal es el Protein
Identification Resource (PIR) [George, 1986]. El NCBI tambin
proporciona una base de datos en la que se encuentran combinacin de
secuencias protenicas no redundantes.
Varias bases de datos contienen informacin sobre las estmcturas
tridimensionales de molculas. As, la Protein Data Bank (PDB),
mantenida por el Brookhaven National Laboratory, contiene datos sobre
la estmctura de las protenas, sobre todo a partir de datos cristalogrficos.
BioMagRes (BMR) es una base de datos obtenidos por NMR sobre
protenas, incluyendo estructuras tridimensionales, que mantiene la
Universidad de Wisconsin, Madi son [Ulrich, 1989]. Carbbank contiene
informacin estructural para hidrocarbonatos complejos [Doubet, 1989].
El Online Registry File del Chemical Abstracts Service (CAS) es una
base de datos comercial que contiene ms de 1 O millones de sustancias
qumicas. La Cambridge Structural Database es una base de datos que
contiene informacin sobre pequeas estmcturas moleculares. Bases de
datos de mapas genticos (GMB), as como una base de datos de
enfermedades humanas heredadas y sus caractersticas (OMIM) se
mantienen en el Welch Medica! Library en la Universidad John Hopkins.
Existe una base de datos con informacin sobre los compuestos
implicados en el metabolismo intermediario, llamada CompoundKB y
disponible en el NCBI [Hunter, 1993].
Como muestra del tamao de estas bases de datos biolgicas, se
comparan en la siguiente tabla las tres ms importantes:
52 Jos Barreiro y Flix Montas
NOMBRE NMERO DE NMERO DE ESPACIO
DE LA BASE
ENTRADAS NUCLETIDOS O
DE DISCO
AMINOCIDOS
REQUERIDO
DE DATOS
GenBank 72.0 71280 92160761 280MB
EMBL 31.0 72481 94390065 300MB
PIR 32.0 40298 11831134 110MB
Las base de datos de nucletidos se duplican en tamao
aproximadamente cada 1 :s aos.
Por ltimo, uno de los recursos ms importantes para un informtico
interesado en biologa molecular es el sistema de tabln de anuncios
bionet. Este tabln est disponible, a travs de usenet, por correo
electrnico.
Un modelo biolgico ... 53
4.- Bibliografa
Creighton, T.E.: Proteins, structures and molecular properties. Freeman
and Company. 1983.
Doubet, S.; Bock, K.; Smith, D.; Albersheim, P. and Darvill, A.: The
Complex Carbohydrate Structure Datahase. Trends in Biochemical
Sciences, 14: 475. 1989.
Frenkel, K.A.: The Human Genome Project and lnformatics.
Communications of the ACM. Vol. 34 (11): 41-51. Noviembre 1991.
George, D.; Barker, W. and Hunt, L.: The Protein ldentification
Resource. Nucleic Acids Research, 14: 11-15. 1986.
Goodenough, U.: Ediciones Omega S.A, Cap. 2 y 3, pgs. 12-
39. Barcelona. 1981.
Guyton, F.: Tratado de Fisiologa Mdica. Editorial Interamericana.
Mexico, 1984.
Hamm, G. and Cameron, G.: The EMBL Data Library. Nucleic Acids
Research, 14: 5-9. 1986.
Holland J.H.: Adaptation in Natural and Artificial Systems. MIT Press.
1992.
Hunter, L.: Artificial Intelligence and Molecular Biology. AAAI.
Press/MIT Press. Massachusetts-Califomia, 42-44. 1992.
Lawton, J.; Burks, C. and Martinez, F.: Overview of the LiMB
Database. Nucleic Acids Researh 17: 5885-5899. 1989
Lehninger, A.L.: Bioqumica. Ediciones Omega, S.A. Barcelona. Cap.
28-34. Parte 4. 1972.
Miyazawa, S.: DNA data Bank of Japan: Present status and future
plants. Computers and DNA, 7: 47-61. 1990.
Moore, J.; Benton, D. And Burks, C.: The Genbank Nucleic Acid Data
Bank. Focus II (4): 69-72. 1990.
Ulrich, E.; Markley, J. and Kyogoyu, Y.: Creation a Nuclear Magnetic
Resonance Data Repository and Literature Base. Protein Sequence and
Data Analysis, 2 23-37. 1989.
54 Jos Barreiro y Flix Montas
Watson, J.: The Human Genome- Projetc: Past, Present and Future.
Sciencie 248: 44-48. 1990.
Watson, J.D. and Crick, F.H.C.: Molecular Structure of Nucleic Acid. A
structurefor Deoxiribose Nucleic Acid. Nature 171:737-738. 1953.