población hallada en 6.2.2.1.3. La estructura que se decidió afrontar en esta prueba es un cuadrado de 5x5 elementos. Puede que no parezca una estructura mucho más compleja, pero el incremento de elementos de procesado (células) y la cantidad de mensajes entre estas para mantener esa forma hacen que sea una prueba perfecta para testear el sistema. Para la realización de esta prueba la configuración del sistema quedo como se puede consultar en la Tabla 6.1.
La prueba fue ejecutada con 10 poblaciones distintas donde ninguna de ellas llegó al resultado óptimo. El resumen de dichas pruebas puede verse en la Tabla 6.9.
Tabla 6.9 Resultados para la generación de un cuadrado 5x5
Valor de ajuste Numero de secciones
utilizadas Número de genes
Tiempo utilizado para la búsqueda Media de los mejores
individuos de las 10 pruebas partiendo de una solución previa 14,9681 81,2 34,2 26h 01min Mejor individuo desde población previa 8,02 62 27 24h 11min
Media de los mejores individuos de las 10 poblaciones aleatorias 16,7814 73,1 30,8 26h 04min Mejor individuo desde población aleatoria 2,0245 45 16 23h 15min
Como se puede observar, por los datos mostrados en la Tabla 6.9, en esta ocasión los mejores resultados son los ofrecidos por un individuo encontrado a partir de una población aleatoria. Uno de los motivos para este comportamiento puede ser que, a medida que las comunicaciones se hacen más complejas, al aumentar el número de células, es más difícil para el sistema reconfigurarlo. Si bien, en media, los resultados
son mejores, parece así mismo claro, que los dos mejores resultados fueron obtenidos partiendo de una población aleatoria. El resultado gráfico del mejor individuo puede verse en la Figura 6.7. La ecuación utilizada para el cálculo del valor de ajuste es la Eq. 6.1, pero adaptando la plantilla para que se corresponda con la forma deseada.
Figura 6.7: Solución gráfica para el cuadrado 5x5
Para hallar esta solución el algoritmo genético encontró un ADN de 16 genes que se muestran en la Tabla 6.10. Este ADN, aunque mayor que los mostrados anteriormente, sigue siendo asumible el analizarlo. Si se centra la atención en la Tabla 6.10 se detecta que los genes 7, 8, 11, 13 y 16 contienen información que no se expresará nunca. Esto se debe a que no son genes constitutivos, y además no tienen promotores que los activen. Aun así se han conservado durante la simulción para tener diversidad en los cruces y mutaciones.
El gen 14 también es casi imposible que llegue a activarse, ya que necesita una concentración muy alta de la proteína que figura en su parte activa.
Una vez planteado esto, se identifican los genes 2, 4 y 9 como los constitutivos del sistema. Esto implica que serán los que, en ausencia de las proteínas que contienen en la parte promotora, se expresarán siempre. Cabe destacar que, tanto el gen 2, como el
gen 4, son el mismo pero con distinto nivel de activación. Esto implica que, ante la ausencia de la proteína 0011 se expresen ambos. Si está presente dicha proteína, es probable que sólo se exprese el gen 2, mientras que, si su presencia es notable, ninguno de los dos se expresará. Además, resaltar que la producción de la proteína 0111 por estos dos genes puede provocar la desactivación del gen 4 ya que, la distancia Hamming entre la proteína 0011 (que inhibe al gen 4) y la 0111 no es alta y el umbral de activación es bajo, lo que facilita la activación como se explica en el punto 5.4.
Tabla 6.10: Genes necesarios para generar el cuadrado 5x5
Nº Secuencia Promotora Concentración Mínima Constitutivo Secuencia Generada Especial 1 0010 13.5990 false 0110 2 0011 59.2441 true 0111
3 0111 36.8929 false 1001 Mitosis Derecha
4 0011 1.4519 true 0111
5 0001 39.8667 false 0011 Mitosis Izquierda
6 0001 16.6105 false 0110
7 false 1100
8 false 0001 Mitosis Abajo
9 1101 58.6701 true 0010
10 0000 42.2078 false 0110
11 false 0100
12 1110 23.8562 false 0101 Mitosis Arriba
13 56.1970 false 1010
14 0101 91.6035 false 1100
15 0011 65.6439 false 0011 Mitosis Izquierda
16 false 0110
Teniendo, por tanto, las proteínas 0111 y 0010 en el sistema, se pueden activar también los genes 1 (directamente), 5, 6, 10 y 15 (por promotores parecidos a la proteína 0010: 0000, 0001 y 0011). Sin embargo, el gen 15 tiene una concentración mínima tan alta que no es probable que se active. La expresión del gen 5 provocaría que la célula se dividiese hacía la izquierda y la activación del gen 3 hacia la derecha. El crecimiento
hacia arriba se da por activación del gen 12 debido a proteínas parecidas a la 1011 que no se genera directamente.
El crecimiento del sistema celular se detiene en un cierto momento ya que, al pasar los ciclos, es más difícil conseguir concentraciones altas de las proteínas de las partes activas que permitan activar los genes de crecimiento.
Como se puede comprobar en la Figura 6.7 la solución no es perfecta. El mejor ajuste alcanzado para esta prueba fue de 2.0045. Cabe destacar que el algoritmo genético necesita 45 secciones para hacer uso de 36 para encontrar la solución. Finalmente sobre esta prueba se puede decir, además, que el tiempo que tardó en realizar las 1000 generaciones fue de aproximadamente unas 23 horas. Estos hechos plantearon un punto de inflexión en el desarrollo del modelo ya que, ni el tiempo, ni el resultado, eran los esperados. Como conclusiones de estas pruebas se puede destacar:
Con los resultados de las pruebas partiendo de una solución previa y partiendo de poblaciones aleatorias. Se puede afirmar que, partir de una población previa, no garantiza el obtener los mejores resultados, si bien en media tienden a ser mejores que los obtenidos a partir de poblaciones aleatorias.
A medida que el número de células aumenta su control se hace más complejo y requiere más información.
Se requerían adaptaciones para hacer el modelo más ligero para afrontar pruebas con más células y que permitieran hacer desarrollos más complejos.