Zeitschrift für Proteomik und Bioinformatik
Offener Zugang

Abstrakt

Leistung und Bewertung von MicroRNA-Genidentifizierungstools

Swati Sinha, TS Vasulu und Rajat K. De

MicroRNAs sind kleine einzelsträngige RNA-Moleküle mit einer Länge von ca. 22 nt, die eine wichtige Rolle bei der posttranskriptionellen Genregulation spielen, entweder durch translationale Unterdrückung von mRNA oder durch deren Spaltung. Seit ihrer Entdeckung führten kontinuierliche Bemühungen zur Identifizierung der miRNA-Gene zur Entdeckung mehrerer miRNAs in Pflanzen und Tieren. Aufgrund der Einschränkungen der molekulargenetischen Techniken zur miRNA-Identifizierung wurden computergestützte Ansätze für bessere und kostengünstigere In-silico-miRNA-Vorhersagen eingeführt. Hier haben wir einige miRNA-Genidentifizierungstools wie „MiPred“, „Triplet-SVM“, „BayesMiRNAfind“, „OneClassmiRNAfind“ und „BayesSVMmiRNAfind“ verglichen, um die Leistung ihrer Vorhersagbarkeit basierend auf den realen und Pseudo-Pre-Cursor-miRNA-Datensätzen zu bewerten. Von allen untersuchten Tools ist MiPred bei der Identifizierung von Pseudo-miRNAs für die Klassifizierung echter/Pseudo-miRNAs sensitiver (96 %) als Triplet-SVM, während für die Vorhersage reifer miRNAs der „One-Class“-SVM-Klassifikator die beste Spezifität (96 %) zeigt, BayesSVMmiRNAfind hingegen die geringste Spezifität (8 %).