| Tez Künye | Durumu | ||
| An integrative data mining approach for microrna detection in human / İnsan mikrorna tespiti için bütünleştirici veri madenciliği yaklaşımı Yazar:MÜŞERREF DUYGU SAÇAR Danışman: DOÇ. DR. JENS ALLMER Yer Bilgisi: İzmir Yüksek Teknoloji Enstitüsü / Mühendislik ve Fen Bilimleri Enstitüsü / Moleküler Biyoloji ve Genetik Ana Bilim Dalı Konu:Biyoloji = Biology Dizin: | Onaylandı Yüksek Lisans İngilizce 2013 50 s. | ||
| MikroRNAlar (miRNA) uzunluğu yaklaşık 22 nükleotid olan, tek diziden oluşan ve genellikle kodlama özelliği olmayan küçük RNA’lardır ve gen ekspresyonunu posttranskripsiyonel seviyede, hedefleri olan mRNAların translasyonel baskılanması ve istikrarsızlaştırılması yoluyla kontrol ederler. Çeşitli türlerde yüzlerce miRNA tespit edilmesine rağmen, miRNAların büyük bir çoğunluğu hala bilinmiyor olabilir. Bu nedenle, yeni miRNA genlerinin keşfi, miRNA aracılığıyla düzenlenen transkripsiyon sonrası regülasyon mekanizmalarının anlaşılması için önemli bir adımdır. MiRNA genlerin belirlenmesi için ilk girişimlerin neredeyse tamamı endojen küçük RNA’ların yönlü klonlanmasına ve çok sayıdaki cDNA klonlarının yüksek verimli sıralanmasına dayalıdır. Ancak konvansiyonel ileri genetik tarama, klonlanmış ürünleri domine eden, yüksek miktarda sentezlenen ve/veya her yerde görülen miRNAlara karşı yanlı bir yöntemdir. Fakat bu tarz biyolojik yöntemler nadir miRNAların saptanmasında etkisiz kalmaktadır. İncelenen doku ve organizmanın içinde bulunduğu gelişimsel dönemlerin farklılıkları da bu yöntemleri sınırlandıran faktörlerdendir. Bu sınırlamalar, olası miRNAları in silico olarak bulmak için sofistike bilgisayar programlarının geliştirilmesine yol açmıştır. Ancak bir genomdaki muhtemel miRNAları tahmin etme amacıyla oluşturulan bu programlar, tahminlerini deneysel olarak doğrulamak için yeterli güveni garanti edebilecek kadar hassas ya da kesin olmaktan çok uzaklardır. Bu çalışma ile yeni ve hassas, makine öğrenimine dayalı bir yaklaşım geliştirerek insan genomundaki olası miRNAların tahmini ve tüm bu sorunların çözülmesi amaçlanmıştır. | |||
| MicroRNAs (miRNAs) are single-stranded, small, usually non-coding RNAs of about 22 nucleotides in length, that control gene expression at the posttranscriptional level through translational inhibition, degradation, adenylation, or destabilization of their target mRNAs. Although hundreds of miRNAs have been identified in various species, many more may still remain unknown. Therefore, the discovery of new miRNA genes is an important step for understanding miRNA mediated post transcriptional regulation mechanisms. First attempts for the identification of novel miRNA genes were almost exclusively based on directional cloning of endogenous small RNAs and high-throughput sequencing of large numbers of cDNA clones. However, conventional forward genetic screening is known to be biased towards abundantly and/or ubiquitously expressed miRNAs that can dominate the cloned products. Hence, such biological approaches might be limited in their ability to detect rare miRNAs, and restricted to the tissues and the developmental stage of the organism under examination. These limitations have led to the development of sophisticated computational approaches attempting to identify possible miRNAs in silico. Nevertheless, the programs designed to predict possible miRNAs in a genome are not sensitive or accurate enough to warrant sufficient confidence for validating all their predictions experimentally. With this study, we aim to solve these problems by developing a new and sensitive machine learning based approach to predict potential miRNAs in the human genome. | |||