RPmirDIP: Reciprocal PerspectiveによりmiRNAのターゲティング予測が改善されました

RPmirDIP: Reciprocal Perspective improves miRNA targeting prediction.

• Daniel G Kyrollos
• Bradley Reid
• Kevin Dick
• James R Green

抄録

マイクロRNA（miRNA）は、メッセンジャーRNA（mRNA）と相互作用して遺伝子発現の調節などの重要な細胞活動を行う短いノンコーディングRNAである。どのmiRNAがどの遺伝子を標的とするかを予測することで、分類精度を向上させ、検証コストを削減するために、いくつかの機械学習法が開発されてきた。これらの予測手法を多数のユニークなmiRNAと遺伝子のペアに適用した結果、数千万の相互作用をスコア化したデータセットが得られている。予測因子を用いて、miRNAの標的予測が大幅に改善されることを示した（[式：本文参照]）。RPmirDIPと名付けられたRP法は、従来のグローバルな決定閾値を適用するのではなく、各miRNA-遺伝子ペアに利用可能な2つの相補的なビューから得られる局所的なしきい値を利用することで、オリジナルのmirDIP予測スコアを増強する。この新しいRPmirDIP予測器を適用することで、新たな予期せぬmiRNA-遺伝子間相互作用の同定に役立つことが期待される。RPmirDIPでスコア化された相互作用のデータセットは、cu-bic.ca/RPmirDIPおよびhttps://doi.org/10.5683/SP2/LD8JKJ で公開されています。

MicroRNAs (miRNAs) are short, non-coding RNAs that interact with messenger RNA (mRNA) to accomplish critical cellular activities such as the regulation of gene expression. Several machine learning methods have been developed to improve classification accuracy and reduce validation costs by predicting which miRNA will target which gene. Application of these predictors to large numbers of unique miRNA-gene pairs has resulted in datasets comprising tens of millions of scored interactions; the largest among these is mirDIP. We here demonstrate that miRNA target prediction can be significantly improved ([Formula: see text]) through the application of the Reciprocal Perspective (RP) method, a cascaded, semi-supervised machine learning method originally developed for protein-protein interaction prediction. The RP method, aptly named RPmirDIP, augments the original mirDIP prediction scores by leveraging local thresholds from the two complimentary views available to each miRNA-gene pair, rather than apply a traditional global decision threshold. Application of this novel RPmirDIP predictor promises to help identify new, unexpected miRNA-gene interactions. A dataset of RPmirDIP-scored interactions are made available to the scientific community at cu-bic.ca/RPmirDIP and https://doi.org/10.5683/SP2/LD8JKJ.