مقایسه الگوریتمها و ابزارهای بیوانفورماتیکی مرتبط با برهمکنش های RNA-Protein

پروتئین و اسیدهای نوکلئیک در تنوع بیولوژیکی موجودات زنده نقش مهمی دارند و هر یک ویژگیهای ساختاری و عملکردی خاص خود را نشان میدهند. لذا پیشبینی جایگاه های RPI (RNA-Protein Interaction) از اهمیت قابل توجهی برخوردار است. برهمکنش های پروتئین-ریبونوکلئیک اسید (RPI) نقشی اساسی در بیشتر فرآیندهای سلولی مانند رونویسی، رونویسی معکوس، پردازش پس از رونویسی، همانندسازی، انتقال RNA، ترجمه و تنظیم مقادیر RNA در سلول ایفا میکند. روشهای توان بالای آزمایشگاهی مختلفی برای شناسایی RPI انجام میشود که داده های ارزشمندی را ایجاد میکنندولی این آزمایشها هزینه بر و وقتگیر میباشند. بنابراین روشهای مختلف محاسباتی به منظور مطالعه، تجزیه و تحلیل و ساخت شبکه های RPI ایجاد شده است. در این زمینه هشت الگوریتم مهم PRINTR)، PLPIHS، XGBPRH، LPI-IBNRA، Xpred RBR، Struct-NB، SRC PREDو (RPiRLS مورد بررسی قرار گرفت. ارزیابی شاخصهای صحت با استفاده از اعتبارسنجی LooCV و ۱۰-fold-cross آشکار نمود که الگوریتم LPI-IBNRA با صحت (%۸۸) و دقت (%۸۷) در مجموعه داده ۴۷۹۶ برهمکنش protein-lncRNA شناخته شده از پایگاه داده NPInter V۲.۰ نسبت به سایرالگوریتمهای مورد مقایسه توانمندتر میباشد. در نهایت، میتوان اشاره نمود که برخی ازمشکلات بیولوژیکی مهم و حل نشده در این زمینه مربوط به اتصال خاص یک پروتئین به RNA هدف آن است. بنابراین ایجاد الگوریتم هایی در زمینه نقش RPI تنظیمی دخیل در بیماری ها، شناسایی RPI در ویروسها، معرفی ویژگیهای مناسبتر برای استفاده در الگوریتمهای پیشبینی RPI، تعیین الگوهای RPI در میتوکندری و کلروپلاست گیاهان و استفاده از روشهای ترکیبی و یادگیری عمیق ماشین برای تولید ابزارهای بیوانفورماتیکی قویتر به منظور پیشبینی RPI پیشنهاد گردیده است.

Keywords:

الگوریتم , شاخص های صحت , نرم افزار , روشهای محاسباتی , یادگیری ماشین