Advancing machine learning analysis of non-coding RNA: A novel approach of negative sequence generation

Kodlanmayan RNA (ncRNA) dizilerinin sınıflandırılması tanımlanması için birçok denetimli makine öğrenimi modelleri geliştirilmiştir. Bu modeller birçok hastalığın tanı ve tedavisinde önemli rol oynamaktadır. Bu tür analizler sırasında, pozitif öğrenme veri kümeleri genellikle bilinen ncRNA örneklerinden oluşur ve hatta bazıları güçlü deneysel verilerle doğrulanmış olabilir. Buna karşılık, ncRNA sınıfları için doğrulanmış negatif dizileri içeren bir veri tabanı veya yüksek kaliteli negatif örnek oluşturmayı sağlayan standart metodolojiler bulunmamaktadır. Bu zorluğun üstesinden gelebilmek için, bu çalışmada yeni bir negatif veri oluşturma yöntemi olan NeRNA (negatif RNA) yöntemi geliştirilmiştir. NeRNA, bilinen ncRNA dizilerini ve sekizli gösterim yapılarını kullanılarak negatif diziler oluşturur, bu oluşturma biyoloji de bulunan çerçeve kayması mutasyonlarına benzer bir şekilde ancak baz silme veya ekleme olmadan gerçekleşir. Bu tez kapsamında, mikroRNA (miRNA), transfer RNA (tRNA), uzun kodlamayan RNA (lncRNA) ve dairesel RNA (circRNA) dahil olmak üzere dört farklı ncRNA veri kümesi ile ayrı ayrı test edilmiştir. Ayrıca, çalışmanın miRNA tahminleri üzerinde performansını göstermek ve karşılaştırmak için türe özgü bir vaka analizi gerçekleştirilmiştir. Çalışma boyunca kullanılan Karar Ağacı, Naieve Bayes, Rastgele Orman sınıflandırıcıları gibi makine öğrenimi algoritmaları ve Çok Katmanlı Algılayıcı, Evrişimli Sinir Ağı ve Basit İleri Beslemeli Sinir Ağları gibi derin öğrenme algoritmaları üzerinde yapılan 1000 kat çapraz doğrulama sonuçları, NeRNA tarafından oluşturulan veri kümeleri kullanılarak elde edilen modellerin önemli ölçüde yüksek tahmin performansı sağladığını göstermektedir. NeRNA, örnek veri kümeleri ve gerekli uzantılarla birlikte indirilebilen, kullanımı kolay, güncellenebilir ve değiştirilebilir bir KNIME iş akışı olarak yayınlanmaktadır. NeRNA, özellikle RNA dizisi veri analizi için güçlü bir araç olarak tasarlanmıştır.