B iologa computacional desarrollo y aplicacin de

Info iconThis preview shows page 1. Sign up to view the full content.

View Full Document Right Arrow Icon
This is the end of the preview. Sign up to access the rest of the document.

Unformatted text preview: computacional utiHza enfoques m atemáticos y computacionales para resolver cuestiones teóricas y experimentales de la biología. Aunque la bioinformática y la biología computacional son diferentes, existe un s olapamiento significativo entre ellas, como se puede observar a continuación. 1.2.1. Definiciones L as siguientes definiciones provienen del NIH-BISTIC (National Institute of HealthBiomedical Information Science and Technology Initiative Consortium) d eMaryland [NB03]. Ellos mismos reconocen que las definiciones de bioinformática y biología computacional n unca podrán eliminar el solapamiento con otras actividades, o impedir diferentes interpretaciones. • B ioinformática: Investigación, desarrollo o aplicación de herramientas computacionales para expandir el uso de datos biológicos, médicos, de comportamiento o de s alud, incluyendo aquellas que permiten adquirir, almacenar, organizar, archivar, a nalizar o visualizar tales datos. • B iología computacional: Desarrollo y aplicación de métodos teóricos y de análisis de d atos, m odelado matemático y técnicas de simulación al estudio de la biología, el c omportamiento y los sistemas sociales. 1.3. Data mining e n biología computacional 1.3. Data mining e n biología computacional C omo se vio en el apartado anterior, la biología computacional se puede definir como el desarrollo y la aplicación de métodos teóricos y de análisis de datos a la biología molecular. La biología computacional ha evolucionado desde su aparición. De ser una simple h erramienta de soporte a la investigación, ha pasado a ser, hoy en día, una disciplina científica. Uno de los principales objetivos de la biología computacional es la investigación y el desarrollo de herramientas útiles que permitan comprender la información biológica lo m ejor posible. Las estructuras moleculares, las funciones bioquímicas y el comportamiento biológico de los genes y proteínas se tratan en esta disciplina con el objetivo de descubrir su influencia en las enfermedades y en la salud. La g e n ó m i c a (ciencia que estudia el genoma - conjunto completo de genes de un organismo-) y la p r o t e ó m i c a ( ciencia que estudia la e structura, función, localización e interacción de las proteínas, dentro y fuera de la célula) s on actualmente dos de los campos más importantes de la biología computacional, en los q ue las técnicas de data mining e stán siendo más utilizadas. L a genómica y la proteómica están permitiendo a los investigadores realizar diferentes m ejoras médicas. El estudio de la genómica está proporcionando información útil que puede ser utilizada en la investigación biomédica. A día de hoy, esta información está siendo u tilizada en la práctica clínica, como terapia y como diagnosis. Por otra parte, la proteómica está generando importante información sobre las proteínas, proporcionando datos s obre su función y su estructura. Esta información está permitiendo grandes avances en el c ampo del diseño de fármacos y de la industria proteica. G racias a las nuevas tecnologías para la obtención de información de genes y proteínas, se hace posible obtener mayores avances en la ciencia de la biomedicina. Sin embargo, d ebido a la gran cantidad de información obtenida por estas tecnologías, se hace necesaria l a utilización de técnicas de aprendizaje automático para el procesado de la información y la posterior obtención de conocimiento. Las técnicas de data mining t ales como las redes B ayesianas, las redes neuronales, los árboles de decisión, etc., están obteniendo importantes r esultados en el análisis de datos dentro de estos campos. Los campos de la biología computacional son múltiples. Sirvan como ejemplos los s iguientes: • L ocalización de enfermedades asociadas a determinados genes o proteínas. • L ocalización de información de genes o proteínas. • Microarrays d e ADN. • Microarrays d e proteínas. • I nvestigación biofarmacéutica y de desarrollo de fármacos. • P redicción de la estructura de proteínas. • E volución molecular. • E nsamblado, agrupamiento y proyección de ADN. • A lgoritmos de reconstrucción biogenéticos. 8 Clasificación Supervisada Basada en RRBB. Aplicación en Biología Computacional 1.4. Objetivos Los trabajos que se llevan a cabo en esta tesis se enmarcan dentro de dos grandes áreas: l a clasificación supervisada con redes Bayesianas y la biología computacional. Además, d entro del área de la biología computacional, se centra en un determinado campo de la p roteómica como es el de la predicción de la estructura secundaria de las proteínas (PSSP). E n los siguientes apartados se describen los principales objetivos. 1.4.1. C l a s i f i c a c i ó n s u p e r v i s a d a c o n m o d e l o s gráficos p r o b a b i l í s t i c o s E n los últimos años ha habido un interés creciente en la utilización de modelos gráficos p robabilísticos para clasificación. Éstos han demostrado acomodarse a la naturaleza flexible d e numerosos conceptos y ,adem...
View Full Document

{[ snackBarMessage ]}

Ask a homework question - tutors are online