Treffer: A Many-Objective Memetic Generalized Differential Evolution Algorithm for DNA Sequence Design

La conception de séquences fiables d'ADN (acide désoxyribonucléique) est une tâche critique dans les domaines de l'informatique de l'ADN et de la nanotechnologie. La qualité et la fiabilité de la séquence d'ADN peuvent affecter directement la précision du traitement des informations stockées dans les séquences. Ce problème de conception de séquences fiables appartient à la classe NP-difficile de problèmes. Il a de nombreux critères de conception incompatibles, qui ne peuvent pas être optimisés en même temps. De nombreux algorithmes évolutifs objectifs peuvent équilibrer des critères de conception contradictoires en utilisant une population diversifiée de solutions. Cet article propose une évolution différentielle généralisée mémétique basée sur l'opposition (MGDE3) pour gérer quatre critères de conception contradictoires pour une conception de séquence d'ADN fiable. L'apprentissage basé sur l'opposition et les stratégies de recherche locale sont suggérés pour renforcer les propriétés exploratoires et exploitatives de la MGDE3 proposée. L'algorithme proposé est évalué avec des ensembles de données petits, moyens et grands contre 7 algorithmes à objectifs multiples et multi-objectifs hautement cités. Les résultats expérimentaux et l'analyse statistique révèlent que la MGDE3 surpasse de manière significative les algorithmes comparés. La méthode proposée génère des séquences réelles fiables d'ADN qui sont sensiblement meilleures que les séquences d'ADN générées par d'autres algorithmes considérés.
El diseño de secuencias confiables de ADN (ácido desoxirribonucleico) es una tarea crítica en los campos de la computación de ADN y la nanotecnología. La calidad y confiabilidad de la secuencia de ADN pueden afectar directamente la precisión del procesamiento de la información almacenada en las secuencias. Este problema de diseño de secuencias confiables pertenece a la clase de problemas NP-hard. Tiene muchos criterios de diseño incompatibles, que no se pueden optimizar al mismo tiempo. Muchos algoritmos evolutivos objetivos pueden equilibrar los criterios de diseño conflictivos mediante el uso de una población diversa de soluciones. Este documento propone una Evolución Diferencial Generalizada Memética (MGDE3) basada en la oposición para manejar cuatro criterios de diseño conflictivos para el diseño confiable de secuencias de ADN. Se sugieren estrategias de aprendizaje y búsqueda local basadas en la oposición para fortalecer las propiedades exploratorias y de explotación de la MGDE3 propuesta. El algoritmo propuesto se compara con conjuntos de datos pequeños, medianos y grandes que son sustancialmente mejores que las secuencias de ADN generadas por otros algoritmos considerados. Los resultados experimentales y el análisis estadístico revelan que MGDE3 supera significativamente los algoritmos comparados. El método propuesto genera secuencias de ADN confiables de la vida real que son sustancialmente mejores que las secuencias de ADN generadas por otros algoritmos considerados.
Designing reliable sequences of DNA (Deoxyribonucleic Acid) is a critical task in the fields of DNA computing, and nanotechnology.The quality and reliability of the DNA sequence can directly affect the accuracy of the processing of information stored in sequences.This problem of designing reliable sequences belongs to the NP-hard class of problems.It has many incompatible design criteria, which cannot be optimized at the same time.Many objective evolutionary algorithms can balance conflicting design criteria by using a diverse population of solutions.This paper proposes an opposition-based Memetic Generalized Differential Evolution (MGDE3) to handle four conflicting design criteria for reliable DNA sequence design.Opposition-based learning and local search strategies are suggested to strengthen the explorative and exploitative properties of the proposed MGDE3.The proposed algorithm is bench-marked with small, medium, and large data sets against 7 highly-cited many-objective and multi-objective algorithms.Experimental results and statistical analysis reveal that MGDE3 significantly outperforms the compared algorithms.The proposed method generates reliable real-life sequences of DNA that are substantially better than the DNA sequences generated by other considered algorithms.
إن تصميم تسلسلات موثوقة من الحمض النووي (حمض نووي ريبوزي منقوص الأكسجين) هو مهمة حاسمة في مجالات حوسبة الحمض النووي، وتكنولوجيا النانو. يمكن أن تؤثر جودة وموثوقية تسلسل الحمض النووي بشكل مباشر على دقة معالجة المعلومات المخزنة في تسلسلات. هذه المشكلة في تصميم تسلسلات موثوقة تنتمي إلى فئة NP الصعبة من المشاكل. لديها العديد من معايير التصميم غير المتوافقة، والتي لا يمكن تحسينها في نفس الوقت. يمكن للعديد من الخوارزميات التطورية الموضوعية أن توازن بين معايير التصميم المتضاربة باستخدام مجموعة متنوعة من الحلول. تقترح هذه الورقة تطورًا تفاضليًا معممًا قائمًا على المعارضة (MGDE3) للتعامل مع أربعة معايير تصميم متضاربة لتصميم تسلسل الحمض النووي الموثوق به. يقترح التعلم القائم على المعارضة واستراتيجيات البحث المحلية لتعزيز الخصائص الاستكشافية والاستغلالية لـ MGDE3 المقترح. يتم قياس الخوارزمية المقترحة بشكل أفضل مع مجموعات بيانات صغيرة ومتوسطة وكبيرة مقابل 7 خوارزميات موضوعية ومتعددة الأهداف عالية الاستشهاد. نتائج التجربة والتحليل الإحصائي تكشف أن MGED3 تفوق بشكل كبير أداء الخوارزميات المقارنة. تولدات الموثوقة تسلسلات الحقيقية للحمض النووي التي يتم إنشاؤها بشكل أفضل من خوارزميات الحمض النووي الأخرى.