Design of a sequence based miRNA clustering method; analysis of fungal milrnas and host organism target genes

Abstract

Mikro RNA'lar (miRNA) bir hücrenin transkripsiyon makinesini kontrol eden küçük kodlanmamış RNA molekülleridir. miRNA'lar 20-22 nükleotit uzunluğunda RNA'lar olup hedeflendikleri mRNA'ları susturarak kontrol ederler. miRNA dizilerinin ve işlevlerinin benzerliği gözlemlenmiştir. Bunlardan bazıları da aynı anda sentezlenerek aynı fonksiyonel olaylarda rol alırlar. Son yillarda yapılan miRNA gruplama analizlerinde bunların sadece ifade paternleri kullanılmaktadır. Bu tür analizler miRNA dizileri arasında işlevlerinin saptanması hala araştırmaların odak noktasıdır. Bununla beraber, bazı işlevsel miRNA grupları arasında önemli sekans benzerlikleri ve hatta miRNA dizileri, hedef mRNA RISC (RNA-indüklenmiş susturma kompleksi) bağlanma bölgelerinin algılamasında oldukça önemli olduğu için, sekans benzerliğine bakılarak benzer mRNA bölgelerine hedeflenmiş yeni miRNA grupları bulunabilir. miRNA dizilim benzerliğinden bağımsız olarak dizilimin ölçütlenmesi ile miRNA sekansları arasında önemli benzerlikler bulunabilir. Bu yöntem ile olgun miRNA'lara ait dizilim ölçütleri uygun matrislere yerleştirilerek farklı kümeleme analizlerine tabi tutulabilir. Bu çalışmada işlevsel olarak anlamlı miRNA gruplarını bulmaya yönelik olarak sadece olgun miRNA sekanslarına dayalı olan geliştirdiğimiz yöntem sunulmaktadır. Bu amaçla, birbirinden farklı bazı makine öğrenimi algoritmaları değişik sekans gösterim şemalarıyla kullanılmıştır. Bununla birlikte, geliştirdiğimiz bu yöntem kullanilarak laboratuvarmızda deneysel olarak saptanmış iki bitkisel patojenin ve bir simbiyotik fungusun küçük RNA diziliminden elde edilen veriler analiz edilmiştir. Analizler yeni tanımlanan miRNA dizilerinin işlevsel benzerliklerine dair gruplar bulunmasini saglamistir. Ayrıca, aday mikro RNA'ların bitki genomundaki olası hedef genleri saptanmıştır.

Micro RNAs (miRNA) are small non-coding RNA molecules regulating transcription machinery of a cell. They are 20-22 nucleotide RNAs and they involve in gene silencing events by targeting specific regions of mRNA complementing to the miRNA. miRNAs show similarity over species in function and sequence as well, and they polycistronically expressed to enrole in the same processes. In current applications, cluster analysis of micro RNA sequences are only investigated by projection on their expression patterns. Such researches are still in focus of many scientists to discover functional annotations of miRNAs. However, as an important sequence similarity is detected in some of the functional groups of miRNAs and the sequence of miRNA is highly important in recognition of the target mRNA sequences in the RISC (RNA-induced silencing complex) binding regions, the new miRNA clusters targeting the same kind of mRNA sequences can be found by sequence similarity information. By representing the miRNA sequence as a mathematical number, it is possible to find significant similarities between miRNA sequences. In this perspective, a variety of clustering methods can be applied onto the informative matrix constructed by metrics of mature miRNA sequences. Here, we present a study that considers only mature miRNAs to obtain functionally relevant miRNA clusters. To this end, various machine learning methods are employed with different sequence representation schemes. Moreover, the data obtained by sequencing small RNAs fungal pathogens of plants were analyzed by the tool generated in this thesis to functionally annotate novel miRNA sequences for further studies. Furthermore, small RNAs predicted by sequencing analysis, and some predicted fungal candidate targeting host plant messages studied as well