Áp dụng thuật toán ACO vào việc giải các bài toán tối ưu trong sinh học phân tử

Applycation of aco algorithms for molecular biology problems
Nơi đăng: TC Khoa học và Công nghệ - Đại học Đà Nẵng(1859-1531), Số: 5(04), Trang: HOT, Năm: 2012, Loại bài viết: Bài báo, Quốc gia: Việt Nam.

Tóm tắt:

Bài toán tối ưu trong sinh học phân tử là một trong những lĩnh vực khoa học tính toán được nghiên cứu nhiều hiện nay; trong đó có vấn đề dự đoán cấu trúc chuỗi RNA bằng những thuật toán tối ưu. Thuật toán ACO (Ant Colony Optimization)- tối ưu đàn kiến – là phương pháp nghiên cứu lấy cảm hứng từ việc mô phỏng hành vi của đàn kiến trong tự nhiên nhằm mục đích giải quyết các bài toán tối ưu phức tạp trong thực tế. Các cá thể kiến trao đổi thông tin trên đường đi thông qua vết mùi (Pheromone) để lại trên đường đi. Các đường đi có nồng độ mùi ít hơn sẽ được loại bỏ, cuối cùng tất cả đàn kiến sẽ đi trên con đường có khả năng trở thành con đường ngắn nhất từ tổ đến nguồn thức ăn. Trong bài báo này chúng tôi giới thiệu thuật toán ACO (Ant Colony Optimization) là một phương pháp mới giải bài toán tối ưu tìm cấu trúc bậc 2 của phân tử RNA có tổng năng lượng bền vững nhất.

Abstract:

Optimization problems in molecular biology is one of the most investigated areas in computer science today; one notable case is the prediction of RNA structures by optimizing algorithms. ACO (Ant Colony Optimization) algorithm is the research method inspired from the simulation of the behavior of ants in nature for the solution of optimization problems. Ants’ behavior was that most of the communication among individuals, or between individuals and the environment, is based on the use of chemicals produced by the ants, these chemicals are called pheromones. The road less pheromones will be removed, enventually all ants will go on the road with the potential to become the shortest path from nest to a food source. In this paper we introduce the ACO (Ant Colony Optimization) algorithm as a new way to solve the problem of predicting the optimal secondary structures of RNAs that have the most stable total energies.