Algoritmo de otimização para buscar caminhos em redes biológicas que conectam receptores de superfície celular a reguladores transcricionais

Abstract

Na comunicação intercelular, informações são transmitidas de receptores de superfície celular a reguladores transcricionais por meio de redes biológicas altamente complexas e esparsas. A identificação eficiente de rotas relevantes nessas redes demanda algoritmos avançados de fluxo máximo e otimização computacional. Este trabalho implementa e compara as abordagens de Ford-Fulkerson e Edmonds-Karp, utilizando as linguagens R e Java e focando em estruturas de dados, uso de memória e tempo de execução. Aplicações com dados de glioblastoma mostram como técnicas de Ciência da Computação ampliam a descoberta de trajetórias biologicamente significativas e enfrentam desafios de escalabilidade. Os resultados destacam o papel interdisciplinar da computação na análise e solução de problemas reais em sinalização celular.

In intercellular communication, information is transmitted from cell surface receptors to transcriptional regulators through complex biological networks. Identifying relevant signaling pathways amidst network sparsity and scale presents significant computational challenges for maximum flow algorithms. This study implements and compares Ford-Fulkerson and Edmonds-Karp algorithms in R and Java, optimizing data structures and analyzing memory usage and runtime. Applications on glioblastoma datasets demonstrate how advanced computational modeling enhances the discovery of biologically meaningful routes within large-scale graphs. The results highlight the interdisciplinary relevance of computer science techniques for solving real-world problems in cellular signaling.