Revista de Proteómica y Bioinformática

Revista de Proteómica y Bioinformática
Acceso abierto

ISSN: 0974-276X

abstracto

Rendimiento y evaluación de las herramientas de identificación de genes de microARN

Swati Sinha, TS Vasulu y Rajat K. De

Los microARN son moléculas pequeñas de ARN monocatenario de ~ 22 nt de longitud que desempeñan un papel importante en la regulación génica postranscripcional, ya sea mediante la represión traduccional del ARNm o mediante su escisión. Desde su descubrimiento, los esfuerzos continuos para identificar los genes de miARN llevaron al descubrimiento de varios miARN tanto en plantas como en animales. Debido a las limitaciones de las técnicas genéticas moleculares de identificación de miARN, se introdujeron enfoques computacionales para mejores y asequibles predicciones in silico-miARN. Aquí, comparamos algunas herramientas de identificación de genes de miARN, como "MiPred", "Triplet-SVM", "BayesMiRNAfind", "OneClassmiRNAfind" y "BayesSVMmiRNAfind". para evaluar el rendimiento de su previsibilidad en función de los conjuntos de datos de miARN reales y pseudoprecursores. De todas las herramientas examinadas, MiPred es más sensible (96 %) en la identificación de pseudo miARN que Triplet-SVM para la clasificación de miARN real/pseudo, mientras que para la predicción de miARN maduro ‘una clase’ El clasificador SVM muestra la mejor especificidad (96 %), mientras que BayesSVMmiRNAfi nd muestra la menor especificidad (8 %).

Descargo de responsabilidad: este resumen se tradujo utilizando herramientas de inteligencia artificial y aún no ha sido revisado ni verificado.
Top