Research on Animal Production

fa شناسایی RNA های غیرکدکننده کوتاه ‌عملکردی با استفاده از روش های بیوانفورماتیکی در گوسفند و بز Detecting of Functional Short Non-Coding RNAs using Bioinformatics Methods in Sheep and Goat تخصصي Special پژوهشي Research microRNAها، RNAهای غیرکدکنندهای هستند که در تنظیمات پس از رونویسی نقشهای مهمی را بازی میکنند. آنها بیان ژنها را بهوسیله مسیرهای تداخلی RNA،  از طریق برش یا مهار ترجمه mRNA هدف تنظیم میکنند. نقشهای مهمی برای miRNAها در روند تکاملی حیوانات مختلف گزارش شده است، اما اطلاعات محدودی در مورد miRNAهای گوسفند و بز وجود دارد. گوسفند و بز مدلی مناسب برای مطالعات ژنومیک مقایسهای و بیولوژیکی در نشخوارکنندگان هستند. شناساییmiRNA ها برای درک مکانیسم بیولوژیکی آنها بسیار حیاتی است. روشهای شناسایی محاسباتی، روشهای آزمایشگاهی را برای شناسایی سریعتر RNAهای غیرکدکننده در ژنومهای جدید، که اغلب تحت شرایط ویژه در انواع مختلفی از سلولها نسخه برداری میشوند را تکمیل میکنند. اخیراً روشهای یادگیری ماشین برای پیشبینی ژنهای miRNA جدید استفاده میشود. در این پژوهش یک طبقهبندیکننده جدید بر اساس SVM معرفی شد. این طبقهبندیکننده دقت بالا، حساسیت متعادل و اختصاصیت برای مجموعه داده miRNA را نشان میدهد که ابزاری ایدهآل، برای شناسایی miRNAها در دادههای ترانسکریپتوم محسوب میشود. ما در این پژوهش یک زیرمجموعه از ویژگیهای بهینه شامل 20 ویژگی را با استفاده از ماشین بردار پشتیبان (SVM) ایجاد کردیم. سپس با استفاده از برنامه C#، ویژگیهای استخراج شده برای دادههای آموزشی محاسبه شد. در این پژوهش، مدل هوشمند ماشین بردار پشتیبان با کرنل RBF و الگوریتم یادگیری SMO بهترین دسته‌بندی کننده برای پیش‌بینی ژن‌های microRNA در گوسفند و بز معرفی شد. حساسیت و اختصاصیت این مدل به ترتیب 88 و 85 درصد به‌دست آمد. سپس یک روش محاسباتی بر اساس آنالیز EST برای تشخیص miRNAهای بالغ گوسفند و بز مورد استفاده قرار گرفت. در کروموزوم یک گوسفند، 23 کاندید miRNA و در بز 15 miRNA از جستجوی همسانی شناسایی شد. نتایج نشان داد که مدل مورد استفاده ما میتواند دقت بالایی در شناسایی miRNAهای گوسفند و بز ارائه دهد و نیز اطلاعات مفیدی را در زمینه عملکرد بیولوژیکی آنها در گونههای نشخوارکنندگان فراهم آورد. MicroRNAs (miRNAs) are small non-coding RNAs that have functional roles in post-transcriptional modification. They regulate gene expression by an RNA interfering pathway through cleavage or inhibition of the translation of target mRNA. Numerous miRNAs have been described for their important functions in developmental processes in numerous animals, but there is limited information about sheep and goat miRNAs. Sheep and goat are ideal model organisms for biological and comparative genomics studies in ruminants. Identification of miRNAs is crucial to understanding their biological mechanism. Computational identification approaches can supplement experimental approaches to quickly identify ncRNAs in novel genomes, chiefly miRNAs that are transcribed under particular conditions in specific cell types. Currently, machine learning approaches have been employed to predict novel miRNAs. In this study, we present a new SVM-based classifier. It demonstrated high accuracy, balanced sensitivity and specificity for the miRNA datasets, thus representing an ideal tool for miRNA identification from transcriptome sequencing data. In this research, we generated an optimized feature subset including 20 features using a support vector machine, and we developed a c # program to compute the features in the training sequences. In this study, an intelligent SVM model with RBF kernel and the SMO learning algorithm was the best classifier for predicting microRNA genes in sheep and goat. Sensitivity and specificity of this model were 88% and 85% respectively. Then, expressed sequence tag (EST) analysis was performed for finding sheep and goat mature miRNAs. Chromosome 1 was scanned for finding miRNA potential region. In sheep 23 miRNA genes and, in goat 15 miRNAs had been discovered by homology searching. Our finding demonstrate that the Sheep and goat miRNA sequences can be supplied useful information for investigating biological roles of miRNAs in ruminants. نشخوارکنندگان, microRNA پیش‌ساز, ماشین بردار پشتیبان, گوسفند و بز Pre-miRNA Genes, Ruminants, Sheep and Goat, Support Vector Machine 161 170 http://rap.sanru.ac.ir/browse.php?a_code=A-10-1-208&slc_lang=fa&sid=1 عاطفه سیددخت 10031947532846006448 10031947532846006448 No حامد احمدی 10031947532846006449 10031947532846006449 No علی اصغر اسلمی نژاد 10031947532846006450 10031947532846006450 Yes علی مسعودی نژاد 10031947532846006451 10031947532846006451 No محمدرضا نصیری 10031947532846006452 10031947532846006452 No بلال صادقی 10031947532846006453 10031947532846006453 No