Resumen

La unión de los microARN (miARN) se basa principalmente en la secuencia, pero también es posible la unión de estructuras específicas. Se han desarrollado varios algoritmos de predicción para predecir genes diana de miARN; sin embargo, los resultados tienen niveles relativamente altos de falsos positivos, y el grado de solapamiento entre las dianas predichas a partir de diferentes métodos es pobre o nulo. Hemos ideado un nuevo método para identificar genes diana de miARN significativos a partir de una extensa lista de predicciones de relaciones entre genes diana de miARN utilizando distribuciones hipergeométricas. Evaluamos nuestro método en aspectos estadísticos y semánticos utilizando un cluster común de miRNAs de seis tumores sólidos. Nuestro método proporciona genes diana de miARN estadística y semánticamente significativos. Complementar los algoritmos de predicción de dianas con nuestro método propuesto puede tener un efecto sinérgico significativo a la hora de encontrar y evaluar la anotación funcional y el análisis de enriquecimiento para miARN.

• Materias:Señales orofaciales Clasificación del cáncer Terapia de exposición Resonancias magnéticas Medicina de precisión
• Subjects:Orofacial signals Cancer classification Exposure therapy Magnetic resonance imaging Precision medicine
• Palabras claves:método, genes diana, genes diana miARN significativos, Varios algoritmos de predicción, cluster miARN común, efecto sinérgico significativo, relaciones entre genes diana, algoritmos de predicción de dianas, miARN, diferentes métodos
• Keywords:method, target genes, significant miRNA target genes, Various prediction algorithms, common miRNA cluster, significant synergistic effect, target gene relationships, target prediction algorithms, miRNA, different methods