Machine learning based integration of miRNA and mRNA profiles combined with feature grouping and ranking

Hastalıkların oluşum ve gelişim mekanizmalarını moleküler seviyede anlamak çok önemlidir. Hastalığa yol açan fonksiyonel mekanizmaların açığa vurulması, yalnızca hastalıkların moleküler tanısına değil, aynı zamanda yeni tedavi yöntemlerinin geliştirilmesine de katkıda bulunur. Bugünlerde, teknolojideki ilerlemeler sayesinde moleküler veriler eski zamanların aksine daha ucuz fiyatlarla elde edilebilir. Bu erişime açık verilerin entegre edilmesi, özellikle kanser gibi kompleks oluşum ve ilerleme mekanizması olan hastalıkların moleküler mekanizmalarını anlamak için elzemdir. Bu tezde, kanser hastalarını doğru sınıflandırmak için, mRNA ve mikroRNA verilerini (moleküler seviyede iki tip –omik veri) entegre eden miRcorrNet ve miRMUTINet adında iki adet araç geliştirildi. 11 kanser tipi için, örneklerin mRNA ve miRNA ekspresyon profilleri, The Cancer Genome Atlas'tan indirildi. İki veri tipi, hem Pearson Korelasyon Katsayısı, hem de Ortak Bilgi metrikleri kullanılarak entegre edildi. 100 katlı Monte Karlo Çapraz Doğrulama kullandığımız deneylerimizde, her iki araç için de 99% Area Under the Curve skoru elde ettik. Geliştirilen yöntemler bağımsız veri kümeleri ile de test edildi. Biyolojik doğrulama amacıyla, her kanser tipi için, önemli olduğu belirlenen miRNAlar ve genler listesi üzerinde, fonksiyonel zenginleştirilme analizi gerçekleştirildi. Ayrıca, her kanser tipi için, hastalıklar ile ilgili olduğu düşünülen mRNA ve miRNA'ler literatür validasyonuna tabi tutulmuş ve bulguların dikkate değer olduğu görülmüştür.