RNA İkincil Yapılarının Çok Boyutlu Gösterimi ve Pre-Mirna Tespiti Için Uygulamaları

Abstract

MikroRNA'lar (miRNA'lar), transkripsiyon sonrası gen ekspresyonu düzenleyicileridir. Bir miRNA yüzlerce haberci RNA'yı (mRNA'lar) hedefleyebildiği gibi, bir mRNA farklı miRNA'lar tarafından hedeflenebilir, üstelik tek bir miRNA bir mRNA sekansında çeşitli bağlanma bölgelerine sahip olabilir. Bu nedenle miRNA'ları deneysel olarak araştırmak oldukça karmaşıktır. Bu tür zorlukları aşabilmek için makine öğrenimi (ML) sıklıkla kullanılmaktadır. ML analizinin temel kısımları büyük ölçüde giriş verilerinin kalitesine ve verileri tanımlayan özelliklerin kapasitesine bağlıdır. Daha önce miRNA'lar için 1000'den fazla özellik önerilmişti. Bu projede, RNA ikincil yapısını temsil eden yeni özellikler ve yüksek doğruluk değerleri sağlayan, dinamik, çok boyutlu grafik gösterimini tanımlamayı hedeflemiştik. Bu çalışmada, ML tabanlı miRNA tahmini için yeni ve kolayca güncellenebilir bir yaklaşım geliştirilmiştir. Bilinen insan miRNA'larının ve sözde saç tokalarının random forest (RF), support vector machine (SVM) ve multilayer perceptron (MLP) gibi çeşitli sınıflandırıcılarla sınıflandırılmasıyla binlerce model oluşturulmuştur. Yöntem insan verilerine dayanarak oluşturulmuş olsa da en iyi model miRBase ve MirGeneDB gibi kamu veri tabanlarından insan olmayan saç tokaları üzerinde test edilmiş ve yüksek skorlar üretilmiştir. Ayrıca, yöntemin farklı veriler üzerindeki etkinliğini göstermek için ekspresyon farkları tahmini (differential expression prediction) analizinde de kullanılmıştır. Bu aşamada SARS-CoV-2 enfeksiyonunun etkisini ölçen bir veri setinin analizinden elde edilen sonuçlar yayınlanmıştır.

MicroRNAs (miRNAs) are posttranscriptional regulators of gene expression. While a miRNA can target hundreds of messenger RNA (mRNAs), an mRNA can be targeted by different miRNAs, not to mention that a single miRNA might have various binding sites in an mRNA sequence. Therefore, it is quite complicated to investigate miRNAs experimentally. Thus, machine learning (ML) is frequently used to overcome such challenges. The key parts of a ML analysis largely depend on the quality of input data and the capacity of the features describing the data. Previously, more than 1000 features were suggested for miRNAs. In this project, we aim to define new features representing the RNA secondary structure and its dynamic multidimensional graphical representation providing high accuracy values. In this study, a new and easily updateable approach for ML-based miRNA prediction has been developed. Thousands of models have been created by classifying known human miRNAs and pseudo hairpins with various classifiers such as random forest (RF), support vector machine (SVM), and multilayer perceptron (MLP). Although the method was created based on human data, the best model was tested on non-human hairpins from public databases such as miRBase and MirGeneDB and high scores were produced. It has also been used in differential expression prediction analysis to show the effectiveness of the method on different data sets. At this stage, the results obtained from the analysis of a data set measuring the impact of SARS-CoV-2 infection have been published.