Optimization in computational systems biology via high performance computing techniques

Resumo

O obxectivo da bioloxía de sistemas computacional é xerar coñecemento sobre complexos sistemas biolóxicos a través da combinación de datos experimentais con modelos matemáticos e técnicas avanzadas de computación. O desenvolvemento de modelos dinámicos (cinéticos), tamén coñecidos como enxeñería inversa, é un dos temas chave nesta área. Nos últimos anos, moitas investígacións centráronse no escalado destes modelos, facendo da estimación dos parámetros destes modelos, tamén coñecida como calibración de modelos, unha tarefa complexa. Esa complexidade require o uso de ferramentas e métodos eficientes para acadar bos resultados nun tempo cálculo razoable. En xeral, para resolver este tipo de problemas úsanse métodos de optimización global, e en particular as metaheurísticas xurdiron como métodos eficientes para resolver os problemas máis custosos. Con todo, pare a maioría das aplicacións reais, as metaheurísticas aínda requiren moito tempo de cálculo para obter resultados aceptábeis. Nesta tese preséntase o deseño, implementación e avaliación de novas metaheurísticas paralelas, especializadas en resolver problemas de estimBCión de parámetros dentro do contexto da bioloxía de sistema. En concreto, propóñense novas metaheurÍsticas baseadas nos algoritmos de avaliación diferencial e de procura dispersa. As novas propostas teñen como obxectivo acadar un equilibrio entre as capacidades de exploración e explotación dos algoritmos. Ademais, demostran como a cooperación entre procuras concorrentes mellara o comportamento dos algoritmos, mellorando a calidade das solucións e diminuíndo o tempo de execución. Tamén estudáronse estratexias adaptativas para aumentar a robustez das propostas. Na avaliación usáronse tanto arquitecturas HPC tradicionais como novas infraestruturas na nube. Obtivéronse moi bos resultados con problemas de optimización de grande dimensión e complexidade.