Bioinformtica

Tema 1: Computacin
p
basada en modelos
naturales

Temario terico
1 Computacin basada en modelos naturales
1.
naturales.
2.
3.
4.
5.
6
6.
7.

Inteligencia de enjambres.
Introduccin a la computacin evolutiva.
Algoritmos genticos. Conceptos Bsicos.
Algoritmos genticos. Diversidad y Convergencia.
Ot
Otros
modelos
d l evolutivos.
l ti
Algoritmos Genticos. Problemas multimodales. Problemas
multiobjetivo.
j
8. Introduccin a las redes neuronales artificiales.
Neurocomputacin.
9
9.
F d
Fundamentos
t de
d redes
d neuronales
l artificiales.
tifi i l
10. Modelos evolutivos de aprendizaje.
11 Otros modelos de computacion bio-inspirados
11.
bio inspirados.

Objetivos

Entender el concepto de algoritmos bioinspirados.

inspirados

Conocer, a nivel introductorio, algunos de los

algoritmos bio-inspirados ms desarrollados.

ndice
1. Modelos de computacin bio-inspirados
2 Ejemplos de modelos de computacin bioinspirados
2.
2.1. Algoritmos evolutivos
2.2. Redes neuronales
2.3. Algoritmos inmunolgicos
2.4. Algoritmos de optimizacin basados en enjambres
2.5. Algoritmos basados en colonias de hormigas

3 Bibliografa
3.
Bibli
f

1. Modelos de computacin bioinspirados

La Computacin Bioinspirada (Bioinspired

Algorithms/Natural Computing) se basa en emplear
analogas con sistemas naturales o sociales para la
resolucin de problemas
problemas.

Los algoritmos bioinspirados simulan el comportamiento

de sistemas naturales para el diseo de mtodos
heursticos no determinsticos de bsqueda, de

aprendizaje,
di j d
de iimitacin
it i d
de comportamiento,
t i t ...

En la act
actualidad
alidad los algoritmos bio
bio-inspirados
inspirados son uno
no
de los campos ms prometedores de investigacin en el
diseo de algoritmos.
g

1. Modelos de computacin bioinspirados

Caractersticas de los algoritmos bio-inspirados
bio inspirados
Modelan ((de forma aproximada)
p
) un fenmeno existente en
la naturaleza
Metfora biolgica para resolver problemas

Son no d
S
determinsticos.
t
i ti
A menudo presentan, implcitamente, una estructura
paralela (mltiples agentes)
agentes).
Son adaptativos (utilizan realimentacin con el entorno
para modificar el modelo y los parmetros).

1. Modelos de computacin bioinspirados

Algoritmos bio
bio-inspirados
inspirados <> Bioinformtica
Bioinformtica es la aplicacin de las matemticas y de la informtica en el
procesamiento de datos experimentales para comprender problemas biolgicos,
normalmente
l
creando
d o utilizando
ili
d programas iinformticos,
f
i
modelos
d l matemticos
i
o
ambos.
Una de las principales aplicaciones de la bioinformtica es la simulacin, la minera de datos
(data mining) y el anlisis de los datos obtenidos en los proyectos genoma (Proyecto
Genoma Humano) o el proteoma. Otras aplicaciones son el alineamiento de secuencias, la
prediccin de estructuras proteicas y las redes metablicas.

La bioinformtica se nutre especialmente de dos grandes reas del conocimiento, las

ciencias biolgicas y las ciencias de la computacin. Dado este origen existen dos
grandes lneas de trabajo:

La primera en la que las ciencias de la computacin utilizan modelos de las ciencias

biolgicas, ejemplo de ello lo constituyen las redes neuronales, los algoritmos genticos,
computacin con DNA, entre otras.
La segunda en la cual las ciencias biolgicas utilizan modelos y herramientas de las ciencias
de la computacin
computacin. sta es la que se considera en mayor medida Bioinformtica
Bioinformtica.

2. Ejemplos de modelos de
computacin bio-inspirados
bio inspirados
Algunos modelos de computacin bio-inspirados:
1.
2.
3.
4
4.

Algoritmos evolutivos
Redes neuronales
Algoritmos inmunolgicos
Algoritmos basados en enjambres (swarm
intelligence) y dentro de ellos
5 Algoritmos basados en colonias de hormigas
5.

2 1 Algoritmos evolutivos
2.1.

Basados en los principios

Darwinianos de Evolucin
N
Natural
l

Modelan la evolucin natural

2 1 Algoritmos evolutivos
2.1.
El fenmeno natural: La evolucin natural
En la naturaleza,, los p
procesos evolutivos ocurren cuando
se satisfacen las siguientes condiciones:

Una entidad o individuo tiene la habilidad de reproducirse.

reproducirse

Hay una poblacin de tales individuos que son capaces de

reproducirse.

Existe alguna variedad, diferencia, entre los individuos que se

reproducen.

Algunas diferencias en la habilidad para sobrevivir en el entorno

estn asociadas con esa variedad.

2 1 Algoritmos evolutivos
2.1.
El fenmeno natural: La evolucin natural
Los mecanismos q
que conducen esta evolucin no son
totalmente conocidos, pero s algunas de sus
caractersticas:

La evolucin es un proceso que opera sobre los cromosomas ms que

sobre las estructuras de la vida que estn codificadas en ellos.

La seleccin natural es el enlace entre los cromosomas y la actuacin

de sus estructuras decodificadas.

El proceso de reproduccin es el punto en el cual la evolucin toma

parte, acta.

La evolucin biolgica no tiene memoria

memoria.

2 1 Algoritmos evolutivos
2.1.
La tcnica bio-inspirada: la evolucin artificial

Est
E
t compuesta
t por modelos
d l d
de evolucin
l i b
basados
d en
poblaciones cuyos elementos representan soluciones a
problemas.
problemas

La simulacin de este proceso en un ordenador es una

tcnica de optimizacin probabilstica, que con
frecuencia mejora
j
a otros mtodos clsicos en
problemas difciles.

2 1 Algoritmos evolutivos
2.1.
Paradigmas bsicos:

Algoritmos
g
Genticos q
que utilizan operadores
p
genticos sobre cromosomas.

Estrategias
g
de Evolucin q
que enfatizan los cambios de
comportamiento al nivel de los individuos.

Programacin
g
Evolutiva q
que enfatizan los cambios de
comportamiento al nivel de las especies.

Programacin Gentica que evoluciona expresiones

representadas como rboles.

Existen otros modelos de evolucin de poblaciones.

2 2 Redes neuronales artificiales

2.2.
El fenmeno natural: El cerebro humano

Excepto en tareas basadas en el clculo aritmtico

simple, actualmente el cerebro humano es superior a
cualquier ordenador:

reconocimiento
i i t d
de iimgenes,

interpretacin de sonidos,
en g
general,, en tareas de percepcin
p
p

Caractersticas del cerebro:

Robusto: su funcionamiento
f
no se altera ante fallos
f
de pequea
importancia
Flexible: se adapta con facilidad a un entorno cambiante
Puede tratar con informacin ambigua o incompleta

2 2 Redes neuronales artificiales

2.2.
La tcnica bio-inspirada:
bio inspirada: Las redes neuronales
artificiales

Surgen como un intento de desarrollar sistemas que

emulen las caractersticas del cerebro para conseguir su
sofisticada capacidad de procesamiento de informacin
informacin.

Sistemas convencionales de I.A. frente a las redes

neuronales artificiales:

Los sistemas convencionales de IA pretenden modelar las

funciones de la mente humana con independencia de la
estructura fsica en la que est basada (cerebro).
En las redes neuronales artificiales la inteligencia surge de la
interaccin de las clulas nerviosas (neuronas artificiales) que
componen el cerebro (la red neuronal).

2 2 Redes neuronales artificiales

2.2.
La tcnica bioinspirada:
p
Las redes neuronales
artificiales
Basadas en la simulacin del
comportamiento del sistema
nervioso

Pretenden sintetizar un sistema

con la estructura funcional del
cerebro y que desarrolle un
equivalente algortmico de los
procesos de reconocimiento y
aprendizaje
di j

2.3. Sistemas inmunolgicos

artificiales
El fenmeno natural: El sistema inmune natural

El sistema inm
inmune
ne nat
natural
ral es un
n sistema m
muy complejo con varios
arios
mecanismos para la defensa contra organismos patgenos.

El propsito principal del sistema inmune es reconocer todas las

clulas (o las molculas) dentro del cuerpo y categorizar esas
clulas como propios o no.
no Las clulas no propias se categorizan
ms a fondo para inducir un tipo apropiado de mecanismo de
defensa.

El sistema inmune aprende con la evolucin a distinguir entre los

antgenos
g
p
peligrosos
g
((bacterias,, virus,, etc.)) y clulas o las molculas
del cuerpo propias.

2.3. Sistemas inmunolgicos

artificiales
La
a tc
tcnica
ca b
bio-inspirada:
o sp ada Los
os ssistemas
ste as inmunolgicos
u o g cos
artificiales
Basados en la simulacin del
comportamiento del sistema
inmunolgico
El xito de los sistemas
inmunolgicos se basa en que
el organismo contina su
funcin normalmente aunque
alguna parcela de l haya sido
infectada por lo que el cuerpo
infectada,
tiene tiempo para producir
suficientes anticuerpos para
reaccionar al virus.
http://ais.cs.memphis.edu/home/

2.4. Algoritmos de optimizacin

basados en enjambres
El fenmeno natural: Las sociedades de insectos
Objetivo: Imitar la inteligencia colectiva emergente de un grupo de
agentes simples
Caractersticas de las sociedades de insectos:

Llevan a cabo actuaciones colectivas que no seran posibles para

un nico individuo
Proporcionan comportamientos adecuados para la computacin
distribuida
El repertorio
t i de
d comportamientos
t i t de
d cada
d iinsecto
t es lilimitado
it d
No existe acceso individual al estado completo de la colonia
No p
pueden hacer una divisin efectiva de la labor a realizar
No pueden garantizar el progreso de la colonia

2.4. Algoritmos de optimizacin

basados en enjambres
La tcnica bio-inspirada: Los algoritmos de optimizacin
b
basados
d en enjambres
j b
((swarm intelligence)
i lli
)

Algoritmos o mecanismos distribuidos

d resolucin
de
l i d
de problemas
bl
inspirados en el comportamiento
colectivo de colonias de insectos
sociales u otras sociedades de
animales

http://www.swarmintelligence.org/

2.5. Algoritmos basados en colonias

de hormigas
El fenmeno natural: Las colonias de hormigas

Las hormigas
g son insectos
sociales que viven en colonias y
que tienen un comportamiento
dirigido al desarrollo de la colonia
como un todo mas que a un
desarrollo individual

Una caracterstica interesante del

comportamiento de las colonias
de hormigas es cmo pueden
encontrar los caminos ms cortos
entre el hormiguero y la comida

Lo hacen a travs de un rastro de

feromona

2.5. Algoritmos basados en colonias

de hormigas
La tcnica bio-inspirada: Los algoritmos de
optimizacin basados en colonias de hormigas
La optimizacin basada en colonias de hormigas est basada en la
simulacin del comportamiento de las hormigas cuando recogen
comida

Bibliografa. Modelos de
computacin bio-inspirados
bio inspirados

P. Bentley
P
Bentley,
DIGITAL BIOLOGY.
How Nature is Transforming
g our
Technology.
Headline, 2001.

Bibliografa. Modelos de
computacin bio-inspirados
bio inspirados

M. Shipper.
M
Shipper
MACHINE NATURE.
The Coming Age of Bio-Inspired
Computing.
McGraw-Hill, 2002.

Bibliografa. Modelos de
computacin bio-inspirados
bio inspirados
Nancyy Forbes
IMITATION OF LIFE. How Biology Is
Inspiring Computing.
The MIT
MIT,2004
2004
Preface

ix

Artificial Neural Networks

Evolutionary
i
Algorithms
A
i

13

Cellular Automata

25

Artificial Life

37

DNA Computation

51

Biomolecular Self-Assembly

67

Amorphous Computing

83

Computer Immune Systems

97

Biologically Inspired Hardware

113

10

Biology through the Lens of Computer Science

139

Epilogue

155

Notes

159

Index

163

Bibliografa. Modelos de
computacin bio-inspirados
bio inspirados

Leandro N. de Castro, Fernando

J. Von Zuben
Recent Developments in
Biologically Inspired
Computing.
p
g
Idea Group Publishing, 2005.

Bibliografa. Modelos de
computacin bio-inspirados
bio inspirados
Algunas revistas cientficas:

MIT Press

Springer

IEEE Press

Springer

Elsevier MIT Press IEEE Press

Springer

Springer

Bibliografa. Algoritmos basados en

colonias de hormigas
E. Bonabeau, M. Dorigo, G. Theraulaz
Swarm Intelligence. From Nature to Artificial
Systems.
Oxford University Press
Press, 1999
1999.

M. Dorigo, T. Stuetzle
Ant Colony Optimization.
MIT Press, 2004.

Bibliografa. Computacin
evolutiva
A.E. Eiben, J.E. Smith
Introduction to Evolutionary Computation.
Springer Verlag 2003.
2003
(Natural Computing Series)

D.B.
D
B Fogel (Ed
(Ed.))
Evolutionary Computation. The Fossil Record.
(Selected Readings on the
Historyy of Evolutionaryy Computation).
p
)
IEEE Press, 1998.

Bibliografa Redes neuronales

Bibliografa.

Neural networks for pattern

recognition
g
C. M. Bishop
Oxford University Press, 1995

Redes de neuronas artificiales.

artificiales Un
enfoque prctico.
P. Isasi
sas Viuela,
ue a, I. M. Ga
Galvn
Len
e
McGraw Hill, 2004

Bibliografa: Swarm intelligence

Kennedy, JJ., Eberhart
Kennedy
Eberhart, R
R. C
C., and Shi
Shi, Y
Y.,
Swarm intelligence
San Francisco: Morgan Kaufmann Publishers
Publishers, 2001
2001.

Bibliografa: Sistemas inmune

artificiales
Artificial Immune Systems: A New
Comp tational Intelligence Approach
Computational
Castro, Leandro Nunes de, Timmis,
Jonathan
2002, Springer.
Immunity-Based Systems
A Design Perspective
Ishida Yoshiteru
Ishida,
2004, Springer.