شناسایی rna های غیرکدکننده کوتاه ‌عملکردی با استفاده از روش های بیوانفورماتیکی در گوسفند و بز

Microrna ها، rnaهای غیرکدکننده ای هستند که در تنظیمات پس از رونویسی نقش های مهمی را بازی می کنند. آن ها بیان ژن ها را به وسیله مسیرهای تداخلی rna، از طریق برش یا مهار ترجمه mrna هدف تنظیم می کنند. نقش های مهمی برای mirna ها در روند تکاملی حیوانات مختلف گزارش شده است، اما اطلاعات محدودی در مورد mirna های گوسفند و بز وجود دارد. گوسفند و بز مدلی مناسب برای مطالعات ژنومیک مقایسه ای و بیولوژیکی در نشخوارکنندگان هستند. شناساییmirna ها برای درک مکانیسم بیولوژیکی آن ها بسیار حیاتی است. روش های شناسایی محاسباتی، روش های آزمایشگاهی را برای شناسایی سریع تر rna های غیرکدکننده در ژنوم های جدید، که اغلب تحت شرایط ویژه در انواع مختلفی از سلول ها نسخه برداری می شوند را تکمیل می کنند. اخیراً روش های یادگیری ماشین برای پیش بینی ژن های mirna جدید استفاده می شود. در این پژوهش یک طبقه بندی کننده جدید بر اساس svm معرفی شد. این طبقه بندی کننده دقت بالا، حساسیت متعادل و اختصاصیت برای مجموعه داده mirna را نشان می دهد که ابزاری ایده آل، برای شناسایی mirna ها در داده های ترانسکریپتوم محسوب می شود. ما در این پژوهش یک زیرمجموعه از ویژگی های بهینه شامل 20 ویژگی را با استفاده از ماشین بردار پشتیبان (svm) ایجاد کردیم. سپس با استفاده از برنامه c#، ویژگی های استخراج شده برای داده های آموزشی محاسبه شد. در این پژوهش، مدل هوشمند ماشین بردار پشتیبان با کرنل rbf و الگوریتم یادگیری smo بهترین دسته بندی کننده برای پیش بینی ژن های microrna در گوسفند و بز معرفی شد. حساسیت و اختصاصیت این مدل به ترتیب 88 و 85 درصد به دست آمد. سپس یک روش محاسباتی بر اساس آنالیز est برای تشخیص mirna های بالغ گوسفند و بز مورد استفاده قرار گرفت. در کروموزوم یک گوسفند، 23 کاندید mirna و در بز 15 mirna از جستجوی هم سانی شناسایی شد. نتایج نشان داد که مدل مورد استفاده ما می تواند دقت بالایی در شناسایی mirna های گوسفند و بز ارائه دهد و نیز اطلاعات مفیدی را در زمینه عملکرد بیولوژیکی آن ها در گونه های نشخوارکنندگان فراهم آورد.