CÓMO LOS GRAFOS Y LA INTELIGENCIA ARTIFICIAL PUEDE TRANSFORMAR LA BÚSQUEDA DE METABOLITOS
DOI:
https://doi.org/10.32399/icuap.rdic.2448-5829.2025.31.1545Palabras clave:
Grafos de conocimiento, Bioinformática, Inteligencia artíficial, BLASTResumen
Ante la posibilidad de que la vasta cantidad de información genética de un gran número de microorganismos se encuentre subutilizada, el presente trabajo explora el potencial de combinar la bioinformática con técnicas de inteligencia artificial para descubrir microorganismos capaces de producir metabolitos de interés. Se discute el uso de grafos de conocimiento para representar relaciones biológicas, el graph embedding para transformar su información en representaciones espaciales, y el clustering para identificar patrones en secuencias genéticas obtenidas mediante BLAST. Se destaca la importancia de estas herramientas en la búsqueda de soluciones innovadoras para desafíos sociales, como la degradación de contaminantes o el control de plagas. Además, se resalta el papel crucial de la inteligencia artificial en acelerar la comprensión y el aprovechamiento del vasto conocimiento biológico disponible en la actualidad. Este enfoque integrado ofrece nuevas oportunidades para explorar y comprender el universo biológico, así como para desarrollar aplicaciones prácticas en campos como la medicina y la biotecnología.
Citas
Altschup, S. F., Gish, W., Miller, W., Myers, E. W., & Lipman, D. J. (1990). Basic Local Alignment Search Tool. In J. Mol. Biol (Vol. 215).
Brachman, R. J., & Levesque, H. J. (2004). Knowledge Representation and Reasoning (1st Edition). Morgan Kaufmann.
Cai, H., Zheng, V. W., & Chang, K. C.-C. (2017). A Comprehensive Survey of Graph Embedding: Problems, Techniques and Applications. http://arxiv.org/abs/1709.07604
Chen, R., Liu, X., Jin, S., Lin, J., & Liu, J. (2018). Machine learning for drug-target interaction prediction. In Molecules (Vol. 23, Issue 9). MDPI AG. https://doi.org/10.3390/molecules23092208
Hamilton, W. L. (2020). Graph Representation Learning (Vol. 14, Issue 3).
Hogan, A., Blomqvist, E., Cochez, M., D’Amato, C., Melo, G. De, Gutierrez, C., Kirrane, S., Gayo, J. E. L., Navigli, R., Neumaier, S., Ngomo, A. C. N., Polleres, A., Rashid, S. M., Rula, A., Schmelzeisen, L., Sequeda, J., Staab, S., & Zimmermann, A. (2021). Knowledge graphs. ACM Computing Surveys, 54(4). https://doi.org/10.1145/3447772
Ma, T., Xiao, C., Zhou, J., & Wang, F. (2018). Drug Similarity Integration Through Attentive Multi-view Graph Auto-Encoders. http://arxiv.org/abs/1804.10850
Mohamed, S. K., Nounu, A., & Nováček, V. (2021). Biological applications of knowledge graph embedding models. Briefings in Bioinformatics, 22(2), 1679–1693. https://doi.org/10.1093/bib/bbaa012
Notredame, C., & Claverie, J.-M. (2007). Bioinformatics for dummies (Second Edition). Wiley Publishing, Inc.
Reddy, A. •. (2014). DATA CLUSTERING DATA CLUSTERING Algorithms and Applications Chapman & Hall/CRC Data Mining and Knowledge Discovery Series Chapman & Hall/CRC Data Mining and Knowledge Discovery Series.
S. Pandit, D. Chau, S. Wang, & C. Faloutsos. (2007). NetProbe: A fast and scalable system for fraud detection in online acution networks. 16th International Conference on World Wide Web (WWW ’07), 201–210. https://doi.org/https://doi.org/10.1145/1242572.1242600
Tan, P.-N., Steinbach, M., Karpatne, A., & Kumar, V. (2019). Introduction to Data Mining, 2/e (2nd ed.).
Tan, P.-N., Steinbach, M., & Kumar, V. (2006). Introduction to data mining.
Xu, M. (2020). Understanding graph embedding methods and their applications. http://arxiv.org/abs/2012.08019
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 RD-ICUAP
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Definir aviso de derechos.
Los datos de este artículo, así como los detalles técnicos para la realización del experimento, se pueden compartir a solicitud directa con el autor de correspondencia.
Los datos personales facilitados por los autores a RD-ICUAP se usarán exclusivamente para los fines declarados por la misma, no estando disponibles para ningún otro propósito ni proporcionados a terceros.
