Efectividad del método de búsqueda metaheurístico enfriamiento simulado en la determinación de una secuencia consenso a partir de múltiples secuencias

Abstract

Uno de los eventos que cambia la forma de estudiar y hacer Biología es la capacidad de estudiar los lenguajes que escriben las componentes de la vida. Una vez que comprendimos y entendimos que la información genética está almacenada en las cadenas de ADN a principios de la década de 1950, la velocidad de nuevos descubrimientos avanzó a una velocidad exponencial. A finales de la década de 1970, el científico Sanger pudo secuenciar un fragmento de ADN, abriendo la puerta a conocer el orden de nucleótidos que conforman esa sección de la molécula. Con el paso del tiempo, los métodos fueron mejorando tanto en velocidad como en costos por lectura. La secuenciación, es decir, la lectura y representación de un gen, ARN mensajero o proteína (entre otros) dio paso a una nueva etapa en la Biología. Es inevitable que la Informática se vuelva parte central de los procesos de investigación en la ciencia, y la Biología no es la excepción. De hecho, la Bioinformática surgió como una ciencia que combina entre otras a la Informática con la Biología en pos de extraer información y nuevo conocimiento desde todos los datos extraídos de las muestras biológicas. Este trabajo muestra, a lo largo de su desarrollo, un claro ejemplo de la contribución de la Computación en la Biología. Actualmente hay una cantidad incalculable de datos por ser estudiada, procesada y usada como fuente de entrada de nuevos procesos de investigación, desarrollo y aplicación. En el caso de la secuenciación de entidades biológicas como ADN de genes, ARN mensajeros, aminoácidos de secuencias proteínas, por no hablar de artefactos completos como genomas, proteomas, transcriptomas, entre otros. El análisis de dichas entidades en conjunto permitió caracterizar al conjunto más allá del individuo. Entre los muchos ejemplos, se pueden deducir regiones que han sido conservadas a lo largo de los procesos evolutivos de las diferentes especies estudia-das. El éxito de estos estudios bioinformáticas se ve plasmado en que sea cotidiano realizar alineamientos múltiples de secuencias o caracterizar una familia de proteínas con una secuencia consenso o un logo. Todo esto es posible gracias al trabajo multidisciplinario entre expertos biólogos e informáticos desde hace muchos años. La idea del autor al momento de efectuar este trabajo es aportar una comparación entre herramientas existentes en el ámbito de la construcción de alineamientos múltiples de secuencias y una implementación de la metaheurística “Enfriamiento Simulado” (SA por sus siglas en inglés de Simulated Annealing). Este trabajo describe el camino recorrido al crear un método bioinformática y sentar las bases de comparación y evaluación de utilidad para futuros investigadores. Tanto el código de la implementación SA como los protocolos de comparación y evaluación se encuentran disponibles en un repositorio de código presentado más adelante en este documento con la finalidad de ser consultados.