Dự đoán mối quan hệ giữa miRNAs và bệnh bằng phương pháp RWRs

MicroRNAs (miRNAs) là một loại non-coding RNAs có vai trò đặc biệt đối với quá trình biểu hiện gen. miRNAs không trực tiếp sản sinh ra các protein mà ngược lại có vai trò gây ức chế một số gen. Các nghiên cứu thực nghiệm gần đây cho thấy vai trò của miRNAs trong một số mẫu bệnh.
Nội dung trích xuất từ tài liệu:
Dự đoán mối quan hệ giữa miRNAs và bệnh bằng phương pháp RWRsJOURNAL OF SCIENCE OF HNUE DOI: 10.18173/2354-1075.2015-0048Educational Sci., 2015, Vol. 60, No. 7A, pp. 10-20This paper is available online at http://stdb.hnue.edu.vn DỰ ĐOÁN MỐI QUAN HỆ GIỮA MIRNAs VÀ BỆNH BẰNG PHƯƠNG PHÁP RWRs Nguyễn Đình Hùng1 , Trương Thị Tiến2 , Trần Đăng Hưng3 1 Công ty FPT Information System 2 Trường Trung học phổ thông Chuyên Sơn La 3 Khoa Công nghệ Thông tin, Trường Đại học Sư phạm Hà Nội Tóm tắt. MicroRNAs (miRNAs) là một loại non-coding RNAs có vai trò đặc biệt đối với quá trình biểu hiện gen. miRNAs không trực tiếp sản sinh ra các protein mà ngược lại có vai trò gây ức chế một số gen. Các nghiên cứu thực nghiệm gần đây cho thấy vai trò của miRNAs trong một số mẫu bệnh. Vì vậy việc nghiên cứu và dự đoán mối quan hệ giữa các miRNAs và bệnh sẽ cho chúng ta hiểu thêm về cơ chế gây bệnh của một số gen. Trong bài báo này, chúng tôi sử dụng phương pháp RWRs để tích hợp thông tin từ mạng tương tự chức năng của các miRNAs và mạng quan hệ miRNA và bệnh để dự đoán các mối quan hệ mới giữa miRNAs và bệnh.. Từ khóa: MicroRNA, Random Walk with Restarts.1. Mở đầu MicroRNA là một non-coding RNA có chiều dài khoảng 22 nucleotide, thường có chứcnăng ức chế biểu hiện của của một số gen. Gần đây, nhiều nghiên cứu đã xác định miRNA là mộttrong những thành phần quan trọng trong tế bào và đóng vai trò chủ chốt trong nhiều quá trìnhsinh học cơ bản khác nhau [1]. Do vậy, sự thay đổi chức năng miRNA có liên quan đến nhiều loạibệnh khác nhau [4, 5]. Việc tìm kiếm mỗi quan hệ giữa các miRNA và các bệnh trên diện rộng đãtrở thành một đích quan trọng trong nghiên cứu y sinh, qua đó thúc đẩy hiểu biết về các bệnh ởmức phân tử và mang lại lợi ích trong việc tiên lượng, chẩn đoán, đánh giá, điều trị và ngăn ngừabệnh ở người [8, 10, 12]. Tuy nhiên, hiểu biết hiện tại về mối quan hệ giữa các miRNA với bệnh làtương đối hạn chế. Việc xác định bằng thực nghiệm đối với các bệnh liên quan đến miRNA thôngqua những kĩ thuật sinh học đã có là đắt đỏ và tốn thời gian [10, 11]. Tuy nhiên, với lượng lớndữ liệu sinh học về các miRNA được tạo ra, chúng ta có thể xây dựng các phương pháp tính toánmạnh mà có thể phát hiện ra những mối quan hệ tiềm năng giữa miRNA và bệnh. Một số phương pháp tính toán để dự đoán các miRNA có liên quan đến bệnh đã được đềxuất. Lu et al. [7] đã phân tích dữ liệu về mối quan hệ giữa miRNA và bệnh và đã đề xuất nhiềumẫu quan hệ giữa các miRNA với các bệnh của người. Qua đó đã đặt một nền tảng mới cho cácnghiên cứu về các miRNA có liên quan tới bệnh và đã mang lại sự hỗ trợ cho các nghiên cứu vềcác bệnh ở mức miRNA. Dựa trên giả định rằng các bệnh tương tự nhau về kiểu hình có xu hướngcó mối quan hệ với các miRNA có liên quan về chức năng được đề xuất bởi Lu et al., Zhang et al.Ngày nhận bài: 20/7/2015. Ngày nhận đăng: 8/11/2015.Liên hệ: Trần Đăng Hưng, e-mail: hungtd@hnue.edu.vn10 Dự đoán mối quan hệ giữa MIRNAs và bệnh bằng phương pháp RWRsđã xây dựng phương pháp dự đoán tập hợp các bệnh liên quan đến miRNA đầu tiên. Phương phápnày xác định miRNA tiềm năng có liên quan đến bệnh tim mạch bằng cách tích hợp thông tin từtập miRNA đã biết và Gene Ontology. Tuy nhiên, thực tế là việc phương pháp này dựa nhiều vàotập miRNA đã hạn chế tính ứng dụng của nó. Jiang et al. [2] đã xây dựng một phương pháp tínhtoán dựa trên phân bố siêu bội (hypergeometric distribution) để xác định các miRNA liên quanđến bệnh bằng cách tích hợp mạng tương tác chức năng miRNA, mạng bệnh tương tự và mạngmiRNA đã biết, trong đó có tập mối quan hệ giữa miRNA với bệnh đã được kiểm chứng qua thựcnghiệm lấy từ cơ sở dữ liệu miR2Disease. Mặc dù vậy mạng chức năng miRNA được xây dựng chỉcó thông tin về các láng giềng gần của mỗi miRNA được sử dụng trong việc tính trọng số quan hệ.Việc tận dụng đầy đủ thông tin tương tự trong mạng toàn cục sẽ cải thiện độ chính xác của thuậttoán này. Jiang et al. [3] đã đề xuất thêm một cách tiếp cận cho việc xếp hạng các miRNA ứngviên dựa trên dữ liệu gen tích hợp bởi mô hình Naive Bayes. Cách tiếp cận này dựa nhiều vào tậpdữ liệu giữa gen và bệnh và các tương tác giữa các gen bị tác động của miRNA. Các phương pháp đã được đề cập ở trên cho tập quan hệ giữa miRNA và bệnh có nhiều hạnchế. Do vậy, rất cần đề xuất các phương pháp tính toán mới, có thể tích hợp được nhiều loại thôngtin và cho kết quả dự đoán cao hơn. Trong bài báo này, chúng tôi xem xét một giả thuyết sử dụngđộ đo tương tự trên mạng toàn cục trong việc xác định những quan hệ giữa các miRNA và cácbệnh. Dựa trên độ đo tương t ...