You are on page 1of 2

A Review of Soft Computing Techniques for

Gene Prediction
El rpido crecimiento de datos de secuencias genmicas para las diferentes
especies de organismos ha hecho que se torne el anlisis de estas secuencias, y
ms an la prediccin de genes, por ello es el foco de muchos esfuerzos de
investigacin. Adems de su inters cientfico en biologa molecular y la genmica
de la comunidad, la prediccin de genes es de considerable importancia en la
salud humana y la medicina. En este ensayo se pretenden hacer una revisin al
anlisis que nos presentan los autores en el artculo donde nos presentan clara y
entendiblemente la aplicacin de determinadas tcnicas de Soft Computing en la
prediccin de genes.
Para empezar el Soft Computing es el enfoque moderno para la construccin de
un sistema inteligente computacional. El objetivo final de este es emular
humanamente lo mas similar como sea posible. Adems es la mezcla de
metodologas diseadas para resolver los problemas del mundo real, que no se
resuelven o que incluso son demasiado difciles de resolver matemticamente.
Hoy en da, las tcnicas de Soft Computing se identifican como alternativas
atractivas a la norma, mtodos bien establecidos. A diferencia de los mtodos
informticos duros, los mtodos de computacin flexible se enfocan en esos
problemas que tienen que ver con la imprecisin, la incertidumbre, el aprendizaje,
y la aproximacin para alcanzar robustez y soluciones de bajo costo. Aqu cabe
destacar que la propiedad nica de soft computing es que est profundamente
involucrado en el aprendizaje a partir de datos experimentales que lo hace
adecuado para la prediccin de genes. Mientras que la prediccin de genes, los
patrones especficos en la secuencia de ADN son reconocidos y tcnicas de
computacin suaves se han utilizado ampliamente en los problemas de
reconocimiento de patrones. Soft Computing consiste en varias tcnicas, siendo
las ms importantes las redes neuronales, algoritmos genticos y lgica difusa.
1.

Redes Neuronales: Es una representacin artificial del cerebro humano. El


objetivo principal detrs del desarrollo de la red neuronal es adquirir la
capacidad humana para adaptarse a las circunstancias cambiantes y el
medio ambiente(Pag3)

2.

Algoritmos genticos: Son algoritmos de bsqueda heurstica con base en


el proceso de evolucin natural [44, 45]. AGs menudo codifica una solucin
candidata como una cadena de bits de longitud fija llamada cromosoma
(Pag4)

3.

Sistema Hibrido: Es aquel el cual integra dos o ms tecnologas para


resolver un problema, por ejemplo, la red neuronal combinado con GA o red
neuronal combinado con lgica difusa. La lgica difusa se basa en la lgica
de varios valores que permite a los mltiples valores que se definen entre

los valores convencionales como 0 y 1. Se proporciona una tcnica para


hacer frente a la imprecisin y la incertidumbre(Pag5)
Finalmente se puede concluir que el artculo ofrece informacin bastante til y
clara para el lector donde puede apreciar las aplicaciones de las tcnicas de Soft
Computing en el campo de la prediccin de genes. Estas actualmente son una
herramienta poderosa en la prediccin de genes, siendo una tcnica ideal para la
combinacin de mltiples fuentes de informacin. Pero el xito de las redes
neuronales como una tcnica de prediccin de genes depende principalmente del
tipo de informacin que se utiliza como una entrada. Los algoritmos genticos y
las tcnicas hbridas dan resultados prometedores pero se aplican de una manera
muy limitada.
Nelly Marcela Porras Daz
Gina Paola Ruiz Garca

You might also like