طبقه‌‎بندي پيش‌‎سازهاي microRNA در گاو (Bos Taurus) با استفاده از ويژگي‎‌هاي كاهش يافته تكرارهاي دو نوكلئوتيدي

مقدمه و هدف: توسعه مداوم فناوري‌هاي مولكولي مورد استفاده براي تجزيه و تحليل رونوشت‌ها، به‌ويژه فناوري‌هاي توالي‌يابي نسل بعدي و ابزارهاي پيشرفته بيوانفورماتيك، امكان كاوش عميق‌تر RNAهاي پيام‌رسان (mRNAs) و RNA‎هاي غيركد كننده (ncRNA) از جمله miRNA‎ها را فراهم مي‌كند. اين فناوري‌ها فرصت‌هاي بزرگي را براي اكتشاف عميق‌تر دخالت miRNA‎ها در بيماري‌هاي حيوانات مزرعه و همچنين بهره‌وري و رفاه دام ارائه نمودند. از زمان كشف lin-4 و let‑7، هزاران miRNA در گونه‌هاي حيوانات مزرعه شناسايي و در پايگاه‌هاي داده miRNA ثبت شده‌اند. miRNA‎ها را مي‎توان به‎عنوان نشانگرهاي زيستي، اهداف تشخيصي، پيش‎آگهي و درماني براي مديريت بيماري‎هاي دام استفاده كرد. با تعيين توالي ژنوم گاو (Bos Taurus)، فرصتي براي كشف miRNA‎هاي جديد در اين گونه فراهم خواهد شد. از آنجايي‎كه تعيين توالي و ساختار miRNA ها به‎صورت آزمايشگاهي هزينه‎بر و زمان‎بر است، بنابراين اين پژوهش با هدف استفاده از روش‎هاي محاسباتي مبتني بر يادگيري ماشين به‎‎منظور پيش‌بيني microRNA‎ها در ژنوم گاو انجام شد.مواد و روش‎ها: يافتن روشي دقيق براي شناسايي مولكول‎هاي miRNA مي‎تواند به درك فرآيندهاي تنظيمي كمك كند. در حال حاضر روش‌هاي محاسباتي مبتني بر الگوريتم‌هاي يادگيري به‎طور گسترده براي پيش‌بيني miRNA‎ها استفاده مي‌ شوند. با الهام از ساير تحقيقات انجام شده در زمينه شناسايي miRNA‎ها، يك مدل محاسباتي بهبود يافته يادگيري ماشين براي شناسايي توالي‎هاي پيش‎ساز miRNA‎هاي واقعي (pre-miRNA) پيشنهاد شد. در مرحله اول فراواني توالي‎هاي دو نوكلئوتيدي ژن‌هاي pre-miRNA و محتواي بازهاي سيتوزين و گوانين (G+C) در توالي ها در نظر گرفته شد. تركيب دي نوكلئوتيدي مشاهده شده به‎عنوان ويژگي هاي ساختاري تركيب توالي براي هر ژن miRNA محاسبه شد. مجموع تركيبات دو نوكلئوتيدي در گونه گاو (Bos Taurus) با محتويات ژنومي G+C براي 1064 توالي miRNA و توالي هاي غير miRNA محاسبه شد. در مرحله بعد دو مدل طبقه‌بندي مبتني بر رويكرد يادگيري ماشين براي شناسايي pre-miRNA هاي واقعي و شبه واقعي آموزش داده شدند. مجموعه اي از 17 ويژگي بهينه شده مربوط به ساختارهاي توالي براي آموزش مدل‎ها استفاده شد. اين مدل‌ها با روش اعتبارسنجي متقاطع 10 تايي آموزش يافتند و اعتبارسنجي شدند.يافته‌ ها: هدف بررسي عملكرد پيش‌بيني طبقه‌بندي كننده‎ها براساس ويژگي‌هاي RNA در تشخيص  pre-miRNAها از ساير توالي‎ها بود. مدل آناليز شده در اين پژوهش با استفاده از مجموعه داده‎هاي گاو (Bos Taurus) به‎دقت 99 درصد و ضريب همبستگي متيو 97/9 درصد دست يافت.نتيجه‎گيري: روش‌هاي محاسباتي هوش مصنوعي مي‌توانند miRNAهاي بالقوه جديدي را در ژنوم گاو شناسايي كنند كه برخي از آنها قبلاً در اين ژنوم شناسايي نشده بودند. در نتيجه لزوم استفاده از روش‌هاي محاسباتي جهت شناسايي اين RNAهاي تنظيمي در دام‌ها جهت اهداف اصلاحي ضروري به‌منظر مي‌رسد. نتايج اين پروژه نشان داد كه تنها با استفاده از ويژگي‎هاي ساختاري دو نوكلئوتيدي مي‎توان در پيش‎بيني توالي‎هاي miRNA به‎دقت بالايي دست يافت.