MikroRNA veri tabanlarında bilgi geri-getirimi

Abstract

Büyük ve açık veri tabanlarında bulunan biyolojik deneylerin içerik tabanlı geri getirimi biyoenformatik ve hesaplamalı biyolojide güncel bir problemdir. İçerik-tabanlı getirimde genel olarak, herhangi bir deneysel üst-veri içermeyen örnek sorgu kullanarak bir veri tabanında arama yapılabilmesi hedeflenmektedir. Bu çalışmada özel olarak mikrodizi veri tabanlarında ilgili mikroRNA deneylerinin geri-getirimi problemine odaklanılmıştır. Bunun için işlemsel bir alt yapı önerilmiştir. Mikrodizi profil deneylerinde farklı ifade olan mikroRNA'ları belirlemek için bir normal-tekdüze karışım modeli alt yapıya uyarlanmıştır. Ayrıca mikrodizi deney içeriğini temsil etmek için bilgi-tabanlı bir yöntem önerilmiştir. Ölçülmüş ifade verisi üzerinde istatistiksel zenginleşme analizi için mikroRNA'ların kemoterapi direncini temel alan bir dizi ek açıklamalı mikroRNA kümesi kullanılmıştır. Farklı ifade değerlerini temel alan gerçek-değerli deney imzalarını ikili hale çevirmede kullanmak üzere sıra-tabanlı bir eşikleme yöntemi önerilmiştir. Kategorik imzaları karşılaştırmak için etkili bir benzerlik ölçütü tanıtılarak iki deney arasındaki ilgililiğin ortaya çıkarılmasında kullanılmıştır. Önerilen modelin geri-getirim kabiliyetini ayırt etmek için deneysel ilgililik iki farklı bakış açısı ile değerlendirilmiştir. Birincisi hastalık ilişkisi, ikincisi ise embriyonik köken ortaklığıdır. Bilindiği kadarıyla deney geri getirim problemi, mikroRNA mikrodizileri bağlamında ilk defa bu çalışma ile incelenmiştir.

Content-based retrieval of biological experiments in large public repositories is a recent challenge in computational biology and bioinformatics. The task is, in general, to search in a database using a query-by-example without any experimental meta-data annotation. Here, a more specific problem that seeks a solution for retrieving relevant microRNA experiments from microarray repositories is considered. A computational framework is proposed with this objective. The framework adapts a normal-uniform mixture model for identifying differentially expressed microRNAs in microarray profiling experiments. Also a knowledge-based approach for representing microarray experiment content is proposed. A group of annotated microRNA sets based on their chemotherapy resistance are used for a statistical enrichment analysis over observed expression data. A rank-based thresholding scheme is offered to binarize real-valued experiment fingerprints based on differential expression. An effective similarity metric is introduced to compare categorical fingerprints, which in turn infers the relevance between two experiments. Two different views of experimental relevance are evaluated, one for disease association and another for embryonic germ layer, to discern the retrieval ability of the proposed model. To the best of one's knowledge, the experiment retrieval task is investigated for the first time in the context of microRNA microarrays.