عنوان پایان‌نامه
پیش بینی mRNA های هدف microRNA های دخیل در سرطان کولورکتال انسانی با استفاده از روش های بیوانفورماتیکی و محاسباتی
- رشته تحصیلی
- زیست‌شناسی-علوم‌سلولی‌مولکولی
- مقطع تحصیلی
- دکتری تخصصی PhD
- محل دفاع
- کتابخانه پردیس علوم شماره ثبت: 5873;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 72208;کتابخانه پردیس علوم شماره ثبت: 5873;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 72208
- تاریخ دفاع
- ۱۹ مهر ۱۳۹۴
- دانشجو
- راحله امیرخواه
- استاد راهنما
- علی فرازمند
- چکیده
- تغییرات در بیان miRNAها به طور وسیعی در چندین سرطان از جمله سرطان کولورکتال مشخص شده است. مطالعات جدید مدارکی را دال بر این موضوع ارائه کرده‌اند که اهداف miRNAها ویژه بافت است. تاکنون چندین روش کامپیوتری برای پیش بینی اهداف miRNA توسعه یافته است، اما همه این روش‌ها یک الگوی عمومی برای پیش‌بینی اهداف miRNA فرض کرده‌اند، بنابراین دقت پایین و نرخ بالایی از پیش‌بینی‌های مثبت کاذب دارند. انگیزه‌ی مطالعه حاضر، ارائه روشی برای مشخص کردن ارتباط بین miRNAها و mRNAهای هدفشان در سرطان کولورکتال بود. ما یک روش کامپیوتری جدیدی را برای پیش‌بینی برهمکنش‌های miRNA-mRNA موجود در سرطان کولورکتال با استفاده از طبقه‌بند الگوریتم ساده بیز ارائه کردیم. این الگوریتم که CRCmiRTar نامیده شد با استفاده از داده‌های واکنشی miRNA-mRNA تایید شده در سرطان کولورکتال و سرطان‌های دیگر آموزش داده شد. علاوه براین یک سری از ویژگی‌های برپایه‌ی موقعیت، ساختاری، توالی و ترمودینامیکی که در شناسایی برهمکنش‌های miRNA-mRNA ویژه سرطان کولورکتال موثر بود شناسایی و مشخص شد. الگوریتم ارائه شده در این پژوهش، عملکرد بهتری را در مقایسه با دیگر الگوریتم‌های برپایه‌ی آموزش ماشینی که به طور وسیعی تاکنون استفاده شده‌اند شامل miTarget, MultiMiTar و RFMirTarget، با استفاده از اعتبارسنجی ضربدری 10تایی و با توجه به دو معیار AUC و حساسیت نشان داد. همچنین توانست 203 برهمکنش جدید را بر پایه‌ی پروفایل بیان miRNA-mRNA گرفته شده از بیماران سرطانی کولورکتال شناسایی نماید. در حالیکه روش ذکر شده در این پژوهش برای سرطان کولورکتال ارائه شده است ولی می‌توان آن را برای کاربردهای دیگر نیز سازگار کرد. امید است مشخص کردن اهداف miRNA به طور اختصاصی برای یک بیماری، بتواند راه را در جهت تشخیص اهداف دارویی با پتانسیل درمانی بالا تسهیل کند.
- Abstract
- Alterations in the expression of miRNAs have been extensively characterized in several cancers, including human colorectal cancer (CRC). Recent publications provide evidence for tissue-specific miRNA target recognition.Several computational methods have been developed to predict miRNA targets; however, all of these methods assume a general pattern underlying these interactions and therefore tolerate reduced prediction accuracy and a significant number of false predictions. The motivation underlying the presented work was to unravel the relationship between miRNAs and their target mRNAs in CRC. We developed a novel computational algorithm for miRNA–target prediction in CRC using a Naive Bayes classifier. The algorithm, which is referred to as CRCmiRTar, was trained with data from validated miRNA target interactions in CRC and other cancer entities.Furthermore, we identified a set of position-based, sequence, structural, and thermodynamic features that identify CRC-specific miRNA target interactions. Evaluation of the algorithm showed a significant improvement of performance with respect to AUC, and sensitivity, compared to other widely used algorithms based on machine learning. Based on miRNA and gene expression profiles in CRC tissues with similar clinical and pathological features, our classifier predicted 203 functional interactions, which involve 11 miRNAs and 41 mRNAs in this cancer entity. While the approach is here validated for CRC, the implementation of diseasespecific miRNA target prediction algorithms can be easily adopted for other applications too. The identification of disease-specific miRNA target interactions may also facilitate the identification of potential drug targets.Key words: MicroRNA, Colorectal Cancer, Target Prediction, Machine Learning, Naïve Bayes algorithm.
