los algoritmos genéticos

Un algoritmo se define como un conjunto de instrucciones o de operaciones finitas, ordenadas y organizadas de manera lógica, que permiten solucionar un problema específico.


ENTENDIENDO LOS ALGORITMOS GENÉTICOS

Un algoritmo genético (AG) resuelve un problema que imita a la evolución biológica y la selección natural para producir individuos mejor adaptados a su entorno que finalmente son los que sobreviven; sin embargo la configuración biológica no se da de la noche a la mañana, sino que toma mucho tiempo hasta que los individuos mutantes logran adaptarse, sobrevivir y heredan sus características.

El proceso inicia con una población seleccionada que se ha sometido a procesos de recombinación y mutación del material genético. 

El AG procesa en la población los cromosomas en forma de cadenas de bits, de manera que cada gen en el cromosoma tiene 2 posibles valores: 0 y 1.

 

VARIABLES EN LOS ALGORTIMOS GENÉTICOS 

Todos los AG involucran tres tipos de variables: selección, cruce y mutación. 

En la selección, se seleccionan los cromosomas de la población con las mejores aptitudes, en el cruce se realiza la recombinación de los cromosomas para generar nuevos cromosomas y en la mutación se cambia aleatoriamente bits en un cromosoma de acuerdo con las probabilidades de selección. 

Cada iteración que se realice crea una generación y se estudian los cromosomas con mejor aptitud dentro de la población.

Como todo proceso aleatorio, diferentes ejecuciones producen diferentes comportamientos, permitiendo que se puedan realizar múltiples ensayos de selección, cruce y mutación hasta obtener lo que se desea. 

Como se manejan cadenas de bits las que tengan mayor aptitud son las cadenas que tienen mayor probabilidad de crear la nueva generación. 

En la vida real estas aptitudes están dadas por la habilidad que tengan los individuos para adaptarse y sobrevivir a condiciones adversas, para ser adultos y reproducirse. 


LOS ALGORITMOS GENÉTICOS BACTERIANOS

Las bacterias tienen mecanismos genéticos y evolutivos de adaptación a diferentes condiciones incluyendo a condiciones adversas, lo que las hace organismos de investigación para aplicar sobre las formas de combinación genética, los diferentes algoritmos para hacer simulaciones de mecanismos genéticos de la conjugación y la transducción bacteriana.

Para entender como actúa el algoritmo genético es necesario entender primero, qué es la conjugación bacteriana, que se define como la transferencia de material genético entre una bacteria donadora y una receptora, mientras que en la transducción involucra la transferencia de genes (fragmentos de DNA) de una bacteria donante a otra receptora mediante un bacteriófago, es decir que un virus infecta la bacteria y se reproduce dentro de la bacteria.


INTELIGENCIA ARTIFICIAL EN LOS ALGORITMOS GENÉTICOS

La gran ventaja es que con el uso de inteligencia artificial (AI) estos procesos corren de forma rápida y no hay que esperar miles de años para una mutación y un cambio evolutivo.

Cuando el acceso a computadores cuánticos sea una opción de fácil alcance para todos, estos cambios evolutivos utilizando compuertas los podemos hacer en tiempo récord y los algoritmos nos pueden dar exponencialmente un número de probabilidades que no imaginamos, así que los cambios evolutivos de las poblaciones se pueden dar en entornos simulados y escoger la generación con mejor adaptabilidad.

En todos estos procesos la AI es una parte importante en el desarrollo de los AG y abre un abanico de posibilidades de uso como en la medicina, la ingeniería biomédica, la biología y en la mecanobiología. 


APLICACIONES DE LOS ALGORTIMOS GENÉTICOS

En la actualidad se realizan estudios con AG en el diagnóstico del cáncer de seno y de diseño de andamios estructurales en tejidos lesionados en pacientes con osteoporosis y en la simulación de patologías, reparación y recuperación de tejidos y órganos.

Aunque los AG están basados en la mecánica de la selección y genética natural que representan a los seres vivos, es una opción para analizar un problema específico donde se tienen una gran cantidad de candidatos para la solución. La búsqueda se lleva de manera amplia de cada una de las iteraciones anteriores donde los AG exploran todas las soluciones múltiples de la descendencia del individuo y ve cuales son los más aptos.


Los AG ayudan a resolver muchos problemas complejos con mayor rendimiento y menor esfuerzo computacional.

 


Sobre la autora

Ivonne Bernier

CEO 

FERMION PLATFORM

Bióloga marina apasionada por la microbiología, la biología molecular y la investigación de microorganismos, docente de microbiología y emprendedora en Bernier Group, Spin Quantum Tech y CEO en Fermion Platform.  

Líder en la automatización de procesos de laboratorios con la adopción de soluciones con inteligencia artificial, siguiendo un modelo de trabajo basado en las 3Ps (Personas, Procesos & Productos) para una transformadora innovación en el modelo de negocio de los laboratorios.


Contáctenos


CRM form will load here