Project

General

Profile

Overview

Os resultados obtidos com o algoritmo GA_FIND_RR comprovaram que o uso do AG pode ser uma solução complementar a outras soluções já desenvolvidas para a predição de RG. Porém, como ainda não há um perfeito conhecimento biológico de todas as características das RG em organismos unicelulares (procariontes), existe um grande trabalho a ser desenvolvido em todos os algoritmos de predição de RG, incluído o GA_FIND_RR. Os algoritmos estudados que apresentaram os melhores resultados são os desenvolvidos para predição de RG objetivando apenas um organismo específico. Foram criadas cinco versões distintas do GA_FIND_RR, conforme explicado no capítulo 6. As versões 1, 3 e 5 conseguiram predizer cerca de 10% das 635 RG conhecidas para o Bacillus subtilis. As versões 2 e 4 tiveram uma forte convergência para uma região perto do TSS, conhecida como Shine-Delgarno, gerando resultados falsos. Sugere-se, em uma versão futura, do FIND_AG_RR, desenvolver uma função de adaptação com as cinco funções implementadas no mesmo código fonte, deixando como parâmetro para o usuário selecionar qual versão deverá ser usada. Mudanças nos operadores genéticos, também alteraravam os resultados obtidos, para uma mesma versão, principalmente quando alterava-se o valor percentual da taxa de mutação e cruzamento. Taxas de mutação maiores, em torno de 12% a 50%, com taxas de cruzamento variando entre 40% a 80%, apresentaram os melhores resultados. O uso de taxas de mutações maiores que as sugeridas normalmente (em torno de 1% a 2%), foram para aumentar a diversidade dos indivíduos no espaço de busca. Para garantir que o melhor indivíduo não fosse perdido, em praticamente todas as execuções do GA_FIND_RR foi usado o conceito de elitismo, variando entre 1 a 10 indivíduos. O uso da técnica de torneio para o processo de seleção, variando entre 6 a 10 indivíduos, diminuiu a perda de diversidade. O MatLab, não utiliza a técnica de Rank, por isso não foi usada.