Aplicación de la simulación Monte Carlo en la evolución de poblaciones del virus de influenza A/H1N1
Archivos
Fecha
2011-06-12
Autores
Thi Minh, Tu Nguyen
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Central “Marta Abreu” de Las Villas
Resumen
En este trabajo se exponen los resultados obtenidos en la simulación de la evolución de poblaciones del virus de la influenza A/H1N1, mediante la aplicación del método estocástico Monte Carlo y diferentes modelos evolutivos de Markov. El empleo de los modelos evolutivos y la estimación de sus parámetros, a partir de un conjunto de secuencias alineadas del gen de la Hemaglutinina, permite la aplicación de la simulación de Monte Carlo en la predicción de posibles variantes mutacionales. Con el propósito de evaluar las tendencias evolutivas de las poblaciones virales, en ausencia o presencia de la presión selectiva del sistema inmune, fueron implementadas dos variantes del algoritmo de generación de secuencias mutantes, utilizando el lenguaje de programación C++. Se aplica, además, un método de diseño experimental de superficies de respuesta para estimar los valores óptimos de los parámetros de la simulación, que maximizan la similitud entre las variantes mutacionales generadas y las observadas en la base de datos Influenza Virus Resources. Los parámetros utilizados fueron: el tiempo evolutivo, el tipo de procedimiento de simulación y el modelo evolutivo de Markov. Los resultados logrados sugieren el empleo de la simulación de Monte Carlo en la evaluación de las tendencias evolutivas de las poblaciones virales a corto plazo.
This paper presents the results obtained from the simulation of the evolution of influenza A/H1N1 virus populations, by means of the application of stochastic method Monte Carlo and different evolutionary models of Markov. The use of the evolutionary models and estimating its parameters, from a set of aligned sequences of the hemagglutinin gene, allow the application of Monte Carlo simulation in predicting possible mutational variants of the gen. In order to assess the evolutionary trends of viral populations, in the absence or presence of selective pressure of the immune system, were implemented two variants of mutant sequences generation algorithm by using the programming language C++. It was applied also an experiment design method of response surfaces to estimate the optimal values of simulation’s parameters, that maximize the similarity between the mutational variants generated and the present in the Influenza Virus Database Resources. The parameters used were: the evolutionary time, the type of simulation procedure, and the markovian evolutionary model. The results obtained suggest the use of Monte Carlo simulation in the assessment of evolutionary trends of virus’ populations to short term.
This paper presents the results obtained from the simulation of the evolution of influenza A/H1N1 virus populations, by means of the application of stochastic method Monte Carlo and different evolutionary models of Markov. The use of the evolutionary models and estimating its parameters, from a set of aligned sequences of the hemagglutinin gene, allow the application of Monte Carlo simulation in predicting possible mutational variants of the gen. In order to assess the evolutionary trends of viral populations, in the absence or presence of selective pressure of the immune system, were implemented two variants of mutant sequences generation algorithm by using the programming language C++. It was applied also an experiment design method of response surfaces to estimate the optimal values of simulation’s parameters, that maximize the similarity between the mutational variants generated and the present in the Influenza Virus Database Resources. The parameters used were: the evolutionary time, the type of simulation procedure, and the markovian evolutionary model. The results obtained suggest the use of Monte Carlo simulation in the assessment of evolutionary trends of virus’ populations to short term.
Descripción
Palabras clave
Simulación Monte Carlo, Evolución de Poblaciones, Virus de Influenza A/H1N1, Modelos Evolutivos de Markov, Lenguaje de Programación C++, Diseño Experimental