Análisis de agrupamiento de secuencias de ADN usando BIRCH

Abstract

Un área de estudio que se ha visto beneficiada recientemente con el uso de métodos de aprendizaje máquina es la Bioinformática, siendo ésta, el estudio de cómo la información es representada y analizada en sistemas biológicos, especialmente información derivada a nivel molecular. Para adentrarnos más en el área de aplicación del aprendizaje máquina dentro de esta disciplina, abordaremos primero el concepto de la Genómica, área de estudio de la Bioinformática cuyo término fue acuñado por Thomas Roderick en 1986, definiéndose como la disciplina científica encargada de la secuenciación y descripción de los genomas completos. Uno de los campos de aplicación de la Genómica es la Genómica Comparativa, que se encarga de comparar dos o más genomas con el objetivo de encontrar similitudes y diferencias de éstos, brindando información de la biología del organismo. Para llevar a cabo esta tarea comparativa, una de las actividades básicas del análisis computacional en la biología es el alineamiento de pares de secuencias de Ácido Desoxiribonucleico (ADN), cuya meta principal es alinear dos secuencias de tal forma que la relación evolutiva de ellos sea simple de notar, basándose este método en principios de Homología que nos dicen que las secuencias tienen una historia evolutiva compartida, y por ende se da por hecho que poseen una secuencia ancestral en común. Para realizar estas tareas del descubrimiento de las relaciones evolutivas, se han implementado herramientas computacionales de aprendizaje no supervisado como el agrupamiento(clustering, en inglés), que es útil para el reconocimiento de patrones, el análisis de datos estadísticos y en la minería de datos.