Computational establishment of microRNA metabolic networks

Abstract

MicroRNAs (miRNAs) are single-stranded, small, non-coding RNAs, that control gene expression at the post transcriptional level through various mechanisms such as translational inhibition, degradation and destabilisation of their target mRNAs. Despite the fact that thousands of miRNAs have been reported in various species, most still remain unknown. Due to this, the identification of new miRNAs is an essential process for analysing miRNA mediated post transcriptional regulation mechanisms. Moreover, many biological approaches suffer from limitations in their capacity to reveal rare miRNAs, and are further restricted to the state of the organism under examination. Such limitations have resulted in the construction of sophisticated computational tools for identification of possible miRNAs in silico. However, these programs suffer from low sensitivity and/or accuracy and as a result they do not provide enough confidence for validating all their predictions experimentally. In this study, the aim is overcoming these challenges by creating a new and adaptable machine learning based method to predict potential miRNAs in any given sequence. The efficiency of proposed method is shown by comparison with available tools on various data sets. By using this approach, miRNAs from the genomes of various organisms like human (Homo sapiens), fly (Drosophila melanogaster) and tomato (Solanum lycopersicum) are identified. Moreover, networks between the possible miRNAs of virus and human genes as well as the communications among nuclear and organelle genomes of Solanum lycopersicum through miRNAs are investigated.MikroRNAlar (miRNAlar) tek diziden oluşan, küçük, kodlayıcı olmayan, hedef mRNAlarının translasyonel inhibisyonu, bozunması ve kararsızlaşması gibi çeşitli mekanizmalar aracılığıyla transkripsiyon sonrası seviyesinde gen ekspresyonunu kontrol edebilen RNAlardır. Farklı türlerde binlerce miRNA rapor edilmesine rağmen çoğu hala bilinmemektedir. Bu nedenle, yeni miRNAların belirlenmesi, miRNA aracılı transkripsiyon sonrası düzenleme mekanizmalarını analiz etmek için önemli bir işlemdir. Ayrıca, birçok biyolojik yaklaşım nadir miRNAları ortaya çıkarma kapasitesindeki sınırlamalardan muzdariptir ve inceleme altındaki organizmanın durumuyla daha da kısıtlıdır. Bu tür sınırlamalar olası miRNAların in silico olarak tanımlanması için karmaşık bilişimsel araçların yapımıyla sonuçlanmıştır. Ancak, bu programlar düşük duyarlılık ve/veya doğruluktan muzdariptir ve bunun sonucu olarak da tüm tahminlerin deneysel olarak doğrulaması için yeterince güven vermemektedir. Bu çalışmada amaç, verilen herhangi bir dizideki potansiyel miRNAları tahmin etmek için yeni ve uyarlanabilir makine öğrenme temelli bir yöntem oluşturarak bu zorlukların üstesinden gelmektir. Önerilen yöntemin verimliliği çeşitli veri kümeleri üzerinde uygun araçlar ile karşılaştırılarak gösterilmektedir. Bu yaklaşımı kullanılarak insan (Homo sapiens), meyve sineği (Drosophila melanogaster) ve domates (Solanum lycopersicum) gibi çeşitli organizmaların genomlarından miRNAlar tanımlanmıştır. Ayrıca, hem olası virüs miRNAları ve insan genleri arasındaki ağlar hem de Solanum lycopersicum nükleer ve organel genomları arasındaki miRNA vasıtalı iletişim incelenmiştir.