Thuật toán “Bước đi ngẫu nhiên” trên mạng tương tác gen mục tiêu microRNA lẫn nhau giúp cải thiện khả năng dự đoán các microRNA liên quan đến bệnh được đăng tải trên tạp chí BMC Bioinformatics. 2017, 18(1): 479.
Nhóm tác giả: Duc-Hau Le 1, Lieven Verbeke 2, Le Hoang Son 3, Dinh-Toi Chu 4 5
Ngày công bố: 14/11/2017.
Đơn vị công tác:
- Viện Nghiên cứu Tế bào gốc và Công nghệ gen Vinmec, 458 Minh Khai, Hai Bà Trưng, Hà Nội, Việt Nam.
- Khoa Công nghệ Thông tin, Đại học Ghent – imec, Ghent, Bỉ.
- Trường Đại học Khoa học Tự nhiên, Đại học Quốc gia Hà Nội, Việt Nam.
- Khoa Sinh học, Trường Đại học Sư phạm Hà Nội, Hà Nội, Việt Nam.
- Viện Nghiên cứu và Phát triển, Đại học Duy Tân, 03 Quang Trung, Đà Nẵng, Việt Nam.
- Khoa Công nghệ Thông tin, Đại học Tôn Đức Thắng, Thành phố Hồ Chí Minh, Việt Nam. phamvanhuy@tdt.edu.vn.
Tổng quan
Nền tảng: MicroRNAs (miRNAs) đã cho thấy vai trò quan trọng trong giai đoạn khởi bệnh, diễn tiến bệnh và duy trì bệnh. Việc nhận biết những miRNAs liên quan đến bệnh không phải là đơn giản tại các phòng xét nghiệm, vì vậy đã có nhiều phương pháp dựa trên các mạng lưới đã được phát triển để dự đoán các miRNAs mới trong mô phỏng ảo (in silico). Các mạng lưới đồng nhất (homogeneous) này (mỗi node trong mạng lưới đều là miRNA) được dựa trên các đích (target) chung giữa các miRNAs, và được dùng để dự đoán vai trò cũng chúng trong kiểu hình bệnh. Tuy nhiên, dù những mạng lưới đồng nhất này có thể dự báo các miRNAs tiềm năng liên quan đến bệnh, những mạng lưới này không có xem xét đến vai trò của các gene đích của miRNAs. Ở nghiên cứu này, chúng tôi giới thiệu một phương pháp mới dựa trên một mạng lưới không đồng nhất (heterogeneous), trong đó không chỉ đánh giá miRNAs mà còn xem xét đến những gene đích tương ứng trong mô hình mạng lưới đó.
Kết quả: Thay vì xây dựng một mạng lưới miRNAs đồng nhất, chúng tôi đã xây dựng những mạng lưới không đồng nhất, chứa cả miRNAs và những gene đích tương ứng; dựa trên các cơ sở dữ liệu về những tương tác miRNAs – gene đích đã được tìm thấy trước đây. Thêm vào đó, những nghiên cứu gần đây đã cho thấy miRNAs và các gene đích tương tác điều tiết nghịch với nhau; vì vậy chúng tôi cho rằng các mạng lưới không đồng nhất này không được định hướng. Tiếp theo, chúng tôi giới thiệu một phương pháp mới (RWRMTN) để sử dụng các mạng lưới miRNAs không đồng nhất này nhằm xếp hạng các miRNAs liên quan đến bệnh lý, sử dụng thuật toán “random walk with restart” (RWR). Bằng cách sử dụng cả miRNAs liên quan đến bệnh và gene đích để làm node, phương pháp này giúp phát hiện thêm những miRNAs khác có thể đóng góp cho kiểu hình (phenotype) của bệnh lý. Các thí nghiệm đã cho thấy rằng RWRMTN tốt hơn so với 2 phương pháp tốt nhất hiện nay: RWRMDA (phương pháp dựa trên mạng lưới cùng sử dụng thuật toán RWR nhưng sử dụng mạng lưới miRNAs đồng nhất) và RLSMDA (phương pháp dựa trên thuật toán học máy – machine learning). Đặc biệt, chúng ta có thể thấy mối liên hệ giữa việc tăng hiệu suất này với sự xuất hiện của các “đơn vị bệnh lý” (disease module) trong mạng lưới miRNA không đồng nhất được dùng trong thuật toán. Hơn nữa, chúng tôi có thể chứng minh RWRMTN ổn định và hoạt động tốt khi được dùng trong thí nghiệm để xác nhận và dự đoán những tương tác giữa miRNA và các gene đích trong việc xây dựng mạng lưới. Cuối cùng, bằng phương pháp RWRMTN, chúng tôi đã tìm thấy 76 miRNA mới có liên quan đến 23 kiểu hình bệnh xuất hiện trong cơ sở dữ liệu mới về những sự liên quan giữa bệnh và miRNA tương ứng.
Kết luận: để tổng kết, sử dụng thuật toán “bước đi ngẫu nhiên” (random walk) với các miRNA và các mạng lưới đích giúp cải thiện khả năng dự đoán các miRNAs mới liên quan đến bệnh nhờ những đơn vị bệnh lý (disease modules) trong các mạng lưới này.
- PMID: 29137601
- PMCID: PMC5686822
- DOI: 10.1186/s12859-017-1924-1
Từ khóa: Các microRNA liên quan đến bệnh tật; Phân tích mạng; Đi bộ ngẫu nhiên với khởi động lại; mục tiêu microRNA
Được trí dẫn:
RWRMTN: a tool for predicting disease-associated microRNAs based on a microRNA-target gene network
Le DH, Tran TTH.
BMC Bioinformatics. 2020 Jun 15;21(1):244. doi: 10.1186/s12859-020-03578-3.
PMID: 32539680
Để đọc chi tiết bài báo, vui lòng truy cập tại đây.