Molecular Biology and Genetics / Moleküler Biyoloji ve Genetik

Permanent URI for this collectionhttps://hdl.handle.net/11147/9

Browse

Filters

20172

Settings

Author: search.filters.author.Acar, İlhan ErkinScopus Q: search.filters.scopusQuartile.N/A

Search Results

Now showing 1 - 2 of 2
  • Research Project
    Mikro-RNA metabolik ağ kontrol analizi için veri ambarı
    (2017) Saçar Demirci, Müşerref Duygu; Acar, İlhan Erkin; Allmer, Jens
    MikroRNA'lar (miRNA) uzunluğu yaklaşık 22 nükleotid olan, tek diziden oluşan ve kodlama özelliği olmayan küçük RNA'lardır ve gen ekspresyonunu transkripsiyon sonrası seviyede hedefleri olan mRNA'ların translasyonel baskılanması ve istikrarsızlaştırılması yoluyla kontrol ederler. Çeşitli türlerde yüzlerce miRNA tespit edilmesine rağmen, miRNA?ların büyük bir miktarı hala bilinmemektedir. Bu nedenle, yeni miRNA genlerinin keşfi, miRNA aracılığıyla düzenlenen transkripsiyon sonrası düzenleme mekanizmalarının anlaşılması için önemli bir adımdır. Konvansiyonel ileri genetik tarama, klonlanmış ürünleri domine eden, yüksek miktarda sentezlenen ve/veya her yerde görülen miRNA?lara karşı yanlı bir yöntemdir. Fakat bu tarz biyolojik yöntemler nadir miRNA?ların saptanmasında etkisiz kalmaktadır. İncelenen doku ve organizmanın içinde bulunduğu gelişimsel dönemlerin farklılıkları gibi sınırlamalar, olası miRNA?ları in silico olarak bulmak için karmaşık bilgisayar programlarının geliştirilmesine yol açmıştır. Ancak bir genomdaki muhtemel miRNA?ları tahmin etme amacıyla oluşturulan bu programlar, tahminlerini deneysel olarak doğrulamak için yeterli güveni garanti edebilecek kadar hassas ya da kesin olmaktan çok uzaklardır. Bu nedenle, bu proje kapsamında miRNA analizinde daha güvenilir sonuçlar elde etmek için yeni ve daha etkili bir araç geliştirdik. Proje kapsamında geliştirdiğimiz yöntem sayesinde artık miRNA?lar organizmaların genom dizilerinden yüksek güven aralıklarında bulunabilmektedir. MiRNA?ların potansiyel hedeflerini tespit edebilmek için kullanılması planlanan algoritmaların yeterli doğruluk seviyesinde olmadığı denemeler sonucu görüldükten sonra, hedef tahminlemesi için psRNATarget gibi özelleştirilebilir tahmin araçlarının kullanımı tercih edilmiştir. Bu araçlar birlikte kullanarak farklı organizmalarda önemli miRNA etkileşimleri bulunmuştur. VANESA?nın verilerini aldığı DAWIS-M.D.?ye, tüm bilinen miRNA?lar ve bunların hedeflerini içeren bir veritabanı entegre edilmiştir. Böylece, düzenleyici yolakların görselleştirilmesi (örn: KEGG, Reactome) ve miRNA etkileşimleriyle zenginleştirilmesi mümkün hale gelmiştir. Ek olarak, tahmini yapılan miRNA?lar ve hedefleri, yerel olarak VANESA?ya eklenebilmektedir. Bu özellik, kızamık yolaklarının daha iyi anlaşılmasına ve ALS için yeni potansiyel ilaç hedeflerinin tanımlanmasına olanak sağlamıştır.
  • Conference Object
    Citation - WoS: 3
    Citation - Scopus: 8
    Distinguishing Between Microrna Targets From Diverse Species Using Sequence Motifs and K-Mers
    (SCITEPRESS, 2017) Yousef, Malik; Khalifa, Waleed; Acar, İlhan Erkin; Allmer, Jens
    A disease phenotype is often due to dysregulation of gene expression. Post-translational regulation of protein abundance by microRNAs (miRNAs) is, therefore, of high importance in, for example, cancer studies. MicroRNAs provide a complementary sequence to their target messenger RNA (mRNA) as part of a complex molecular machinery. Known miRNAs and targets are listed in miRTarBase for a variety of organisms. The experimental detection of such pairs is convoluted and, therefore, their computational detection is desired which is complicated by missing negative data. For machine learning, many features for parameterization of the miRNA targets are available and k-mers and sequence motifs have previously been used. Unrelated organisms like intracellular pathogens and their hosts may communicate via miRNAs and, therefore, we investigated whether miRNA targets from one species can be differentiated from miRNA targets of another. To achieve this end, we employed target information of one species as positive and the other as negative training and testing data. Models of species with higher evolutionary distance generally achieved better results of up to 97% average accuracy (mouse versus Caenorhabditis elegans) while more closely related species did not lead to successful models (human versus mouse; 60%). In the future, when more targeting data becomes available, models can be established which will be able to more precisely determine miRNA targets in hostpathogen systems using this approach.