Algoritmos genéticos como mecanismo para modelar interacciones genéticas utilizando información observada en distintos tiempos

Los modelos de interacción genética corresponden a grafos ponderados que se generan a partirde replicaciones de abundancia genética en distintos tiempos de observación, en donde cadaarista con peso es una probabilidad de asociación genética. Estos modelos de interaccionesson herramientas empleadas por los investigadores en biología para comprender las relacionesgenéticas. Dos algoritmos genéticos fueron desarrollados para modelar interacciones genéticasa partir de información de entrada obtenida en experimentos científicos (abundancia genética),en donde un algoritmo sigue un esquema tradicional, mientras que el otro (no tradicional) sebasa en la etapa de ‘crossover’, con la aplicación de la mutación de manera poco frecuente.Ambos algoritmos genéticos evolucionan una población actual conformada por grafos acíclicosdirigidos para producir una nueva población, en donde cada grafo representa un modeloBayesiano para una posible interacción genética. El ‘fitness’ empleado en los algoritmosgenéticos consiste en la probabilidad relativa posterior en la que un modelo Bayesiano se ajustaa las replicaciones de abundancia genética. Estas probabilidades Bayesianas son calculadasutilizando una de las tres técnicas de análisis: cotemporal, estado siguiente del primer orden yestado siguiente del segundo orden. Los modelos de interacción genética ponderados reflejanlos grafos acíclicos dirigidos y sus probabilidades presentados en la última población de cadauna de las numerosas ejecuciones independientes del algoritmo genético. Empleando un setde genes simulado, ambos algoritmos genéticos encuentran las señales que se han diseñadoy se mantienen consistentes entre paradigmas. También, se presentan modelos empleando unset de datos de la abundancia genética obtenida a partir del estudio de la planta Arabidopsisthaliana estimulada por la hormona auxina.