english Icono del idioma   español Icono del idioma  

Por favor, use este identificador para citar o enlazar este ítem: https://hdl.handle.net/20.500.12008/22168 Cómo citar
Título: Aplicación de métodos de Monte Carlo en el estudio de redes metabólicas
Autor: Teixeira Manion, Pablo
Título Obtenido: Magíster en Investigación de Operaciones
Facultad o Servicio que otorga el Título: Universidad de la República (Uruguay). Facultad de Ingeniería. Instituto de Computación
Tutor: Cancela, Héctor
Acerenza, Luis
Tipo: Tesis de maestría
Palabras clave: Modelos basados en restricciones, Métodos de Monte Carlo
Fecha de publicación: 2019
Resumen: Los modelos basados en restricciones permiten estudiar las redes metabólicas de diferentes cepas de microorganismos. Imponiendo la condición de estado estacionario, estos modelos definen un espacio de flujos que puede ser analizado mediante simulaciones de Monte Carlo para, por ejemplo, aproximar su volumen. Este volumen está relacionado con el repertorio de posibles respuestas del microorganismo a cambios en las condiciones externas. El cálculo del volumen es un problema complejo desde el punto de vista computacional, dado que el espacio de flujos suele desarrollarse en muchas dimensiones, por lo que Monte Carlo estándar no es suficiente para analizar los modelos más grandes. En este trabajo se estudió la posibilidad de usar muestreos por importancia y Hit-and-Run para mejorar los resultados del Monte Carlo estándar. La metodología desarrollada se puso a prueba en un modelo ramificado simple y en un modelo núcleo de E.coli compacto, con 25 reacciones y 17 metabolitos. Se validó este modelo observando que se comporta de manera muy similar al núcleo de E.coli y que además verifica el “growth-flexibility trade-off”. El muestreo por importancia no mejoró los resultados del Monte Carlo estándar, pero su aplicación permitió una mayor comprensión de esta técnica aplicada al muestreo en modelos metabólicos, abriendo líneas de trabajo futuro. Con Hit-and-Run se logró una aproximación al orden de magnitud del volumen del espacio de flujos, que puede resultar útil en modelos de muchas dimensiones. Se aplicaron estas técnicas para el análisis del núcleo de E.coli compacto, encontrándose resultados relevantes cuyas implicancias biológicas se analizaron. A modo de ejemplo, estudiando los volúmenes con distintas fermentaciones en el modelo, se encontró que no existe una sinergia en ningún par de fermentaciones que permita un mayor aumento en el volumen al estar las dos fermentaciones activadas a la vez. Se simuló también una capacidad máxima en el microorganismo imponiendo una restricción a la suma de los valores absolutos de los flujos, buscando un valor óptimo a partir de un indicador que comprende el volumen y la distancia promedio al centro de masa del espacio de soluciones. Por otro lado, al estudiar la relación entre crecimiento máximo y volumen, se encontró que se requiere reducir la cota inferior del crecimiento microbiano a valores inferiores al 60% del crecimiento máximo para obtener un volumen que no sea despreciable con respecto al volumen máximo (obtenido con cota inferior igual a cero). Si bien el problema de calcular volúmenes en muchas dimensiones de manera precisa está lejos de ser resuelto, estos y otros resultados encontrados muestran que la aplicación de simulaciones de Monte Carlo permite obtener conclusiones significativas a partir de modelos metabólicos, incluso cuando se trata de modelos simplificados.
Descripción: Tribunal: Dr. Eduardo Fernández, Dr. Andrés Pomi, M.Sc. María E. Urquhart
Editorial: Udelar. FI
Citación: Teixeira Manion, P. Aplicación de métodos de Monte Carlo en el estudio de redes metabólicas [en línea] Tesis de maestría, 2019
Licencia: Licencia Creative Commons Atribución – No Comercial – Sin Derivadas (CC BY-NC-ND 4.0)
Aparece en las colecciones: Tesis de posgrado - Instituto de Computación

Ficheros en este ítem:
Fichero Descripción Tamaño Formato   
20190923 - Tesis PTM V11.pdf2,76 MBAdobe PDFVisualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons