پیدا کردن واحدهای تنظیم کننده microRNA در ژنوم انسان با استفاده از القای قانون

قیمت: 38,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

پیدا کردن واحدهای تنظیم کننده microRNA در ژنوم انسان با استفاده از القای قانون

عنوان لاتین

Finding microRNA regulatory modules in human genome using rule induction

پس زمینه: MicroRNAs (miRNAs) یک رده از مولکول های RNA غیر کدکننده کوچک (24–20 nt) هستند که اعتقاد بر این است در سرکوب بیان ژن شرکت دارند. آنها نقش های مهمی در فرآیندهای بیولوژیکی متعدد ایفا می کنند (به طور مثال مرگ سلولی و رشد سلول). هر دو رویکرد تجربی و محاسباتی برای تعیین عملکرد miRNAs در فرآیندهای سلولی به کار برده شده اند. اکثر تلاش ها بر شناسایی miRNAs و ژن های هدف آنها متمرکز شده اند. با این حال، درک مکانیسم تنظیمی miRNAs در شبکه تنظیمی ژن نیز برای کشف توابع miRNAs در سیستم های سلولی پیچیده ضروری است. برای درک مکانیسم تنظیمی miRNAs در سیستم های سلوی پیجیده، ما باید واحدهای عملکردی درگیر در تعاملات پیچیده بین miRNAs و ژن های هدف را شناسایی کنیم. نتایج: ما یک روش یادگیری مبتنی بر قانون را برای شناسایی گروه های miRNAs و ژن های هدف پیشنهاد می کنیم که باور بر این است که به طور هماهنگ در تنظیم ژن پس از رونویسی، اصطلاحاً واحدهای تنظیمی miRNA (MRMs) مشارکت داشته باشد. با اعمال روش های خودمان به ژن های انسانی و miRNAs ما 79 MRMs مشاهده کردیم. MRMs از منابع اطلاعاتی متعددی از جمله اطلاعات الزام آور miRNA هدف، بیان ژن و پروفایل های بیان miRNA تولید می شوند. تحلیل دو MRM نخست نشان می دهد که این MRM ها شامل miRNAs بسیار مرتبط و ژن های هدف آنها با توجه به فرآیندهای بیولوژیکی می باشند. نتیجه گیری: MRM های موجود در روش ما همبستگی بالایی در الگوهای بیان miRNA ها و همچنین mRNA ها دارند. mRNA های گنجانده شده در همان واحد، توابع بیولوژیکی مشابهی را به اشتراک گذاشتند که نشان دهنده توانایی روش ما برای تشخیص ژن های مرتبط با عملکرد می باشد. علاوه بر این بررسی مقالات نشان می دهد که miRNA ها در یک واحد در انواع مختلف سرطان انسان درگیر هستند.

Background: MicroRNAs (miRNAs) are a class of small non-coding RNA molecules (20–24 nt), which are believed to participate in repression of gene expression. They play important roles in several biological processes (e.g. cell death and cell growth). Both experimental and computational approaches have been used to determine the function of miRNAs in cellular processes. Most efforts have concentrated on identification of miRNAs and their target genes. However, understanding the regulatory mechanism of miRNAs in the gene regulatory network is also essential to the discovery of functions of miRNAs in complex cellular systems. To understand the regulatory mechanism of miRNAs in complex cellular systems, we need to identify the functional modules involved in complex interactions between miRNAs and their target genes. Results: We propose a rule-based learning method to identify groups of miRNAs and target genes that are believed to participate cooperatively in the post-transcriptional gene regulation, so-called miRNA regulatory modules (MRMs). Applying our method to human genes and miRNAs, we found 79 MRMs. The MRMs are produced from multiple information sources, including miRNA-target binding information, gene expression and miRNA expression profiles. Analysis of two first MRMs shows that these MRMs consist of highly-related miRNAs and their target genes with respect to biological processes. Conclusion: The MRMs found by our method have high correlation in expression patterns of miRNAs as well as mRNAs. The mRNAs included in the same module shared similar biological functions, indicating the ability of our method to detect functionality-related genes. Moreover, review of the literature reveals that miRNAs in a module are involved in several types of human cancer.