مقایسه پیش‌بینی ژن‌ هدف میکروrnaهای مرتبط با بیماری آلزایمر با ابزارهای بیوانفورماتیکی آنلاین

مقدمه: پیش‌بینی میکروrnaهای مرتبط با ژن‌های هدف با استفاده از ابزارهای بیوانفورماتیکی، موجب صرفه‌جویی در وقت و هزینه‌های بررسی آزمایشگاهی می‌شود. در این مطالعه، پیش‌بینی ژن‌های هدف میکروrnaهای مرتبط با بیماری آلزایمر توسط ابزارهای بیوانفورماتیکی مختلف با داده‌های تجربی گزارش شده مقایسه شد.روش: 41 میکروrna که بر اساس نتایج آزمایشگاهی گزارش شده در مقالات موجب تغییر در بیان 21 ژن اصلی دخیل در بیماری آلزایمر شده‌ بودند، انتخاب گردید. سپس پیش‌بینی ژن هدف برای هر میکروrna به وسیله سه ابزار بیوانفورماتیکی شامل mirtarget، targetscan و dianamicrot انجام شد و نتایج به دست آمده برای هر سه ابزار با توجه به ژن‌های هدف گزارش شده برای آن‌ها با یکدیگر مقایسه گردید.نتایج: در بررسی 41 میکروrna گزارش شده برای 21 ژن دخیل در بیماری آلزایمر، ابزار mirtarget در 66 درصد، targetscan در 61 درصد و dianamicrot در 27 درصد از موارد اتصال میکروrnaهای مورد نظر را به ژن هدف، تایید نمود؛ اما اتصال 22 درصد از میکروrnaها به ژن‌های هدف، توسط هیچ‌کدام از ابزارها تایید نشد.نتیجه گیری: ابزارهای mirtarget و targetscan نسبت به dianamicrot در پیش‌بینی ژن هدف میکروrnaهای دخیل در بیماری آلزایمر توانایی بالاتری دارند. با توجه به الگوریتم به کار گرفته شده در mirtarget، این ابزار بیوانفورماتیکی در پیش‌بینی ژن‌های هدف میکروrnaها نتایج عملکردی و واقعی‌تری را ارائه می‌کند و به عنوان یک نرم‌افزار کاربردی در پیش‌بینی اهداف میکروrnaها توصیه می‌شود. همچنین می‌توان نتیجه‌گیری نمود که تغییرات بیان ژن گزارش شده با واسطه میکروrnaها در بیماری آلزایمر، در مواردی نیاز به بررسی بیشتر دارند.

Comparing MicroRNA Target Gene Predictions Related to Alzheimer's Disease Using Online Bioinformatics Tools

Introduction: The prediction of microRNAs related to target genes using bioinformatics tools saves time and costs of the experimental analyses. In the present study, the prediction of microRNA target genes relevant to Alzheimer rsquo;s Diseases (AD) were compared with the experimentally reported data using different bioinformatics tools.Method: A total of 41 microRNAs associated with 21 essential genes involved in AD were selected based on experimental results reported in previously published literature. Then, the prediction of the target gene for each microRNA was done using three bioinformatics tools, including MirTarget, TargentScan, and DianamicroT. The results of the predictions for all three tools considering the reported target genes were compared with each other. Results: The results showed that MirTarget, TargetScan, and DianamicroT correctly predicted 66%, 61%, and 27% of microRNAs rsquo; attachment to the previously reported target genes involved in AD, respectively. However, none of the tools could predict the attachment of 22% of the microRNAs to the target genes reported in the literature.Conclusion: It can be concluded that MirTarget and TargetScan can better predict the target gene for microRNAs involved in AD compared with DianamicroT. Considering the algorithm used in MirTarget, this bioinformatics tool provides more functional and accurate results in predicting the target genes for microRNAs and it is recommended for predicting the target genes of microRNAs. It can also be concluded that the reported target genes for microRNAs involved in AD need further investigations in some cases.