CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

A Novel Computational Approach to Predict Colorectal Cancer-Specific MiRNA Target Interactions

اعتبار موردنیاز : ۰ | تعداد صفحات: ۱ | تعداد نمایش خلاصه: ۲۵۵ | نظرات: ۰
سال انتشار: ۱۳۹۴
کد COI مقاله: NASTARANCANSER01_019
زبان مقاله: انگلیسی
نسخه کامل مقاله در کنفرانس ارائه نشده است و در دسترس نیست.

مشخصات نویسندگان مقاله A Novel Computational Approach to Predict Colorectal Cancer-Specific MiRNA Target Interactions

  Raheleh Amirkhah - Department of Cell and Molecular Biology, School of Biology, College of Science, University of Tehran, Tehran, Iran
    Ali Farazmand - Department of Cell and Molecular Biology, School of Biology, College of Science, University of Tehran, Tehran, Iran
Shailendra K.Gupta - Department of Systems Biology and Bioinformatics, Institute of Computer Science, University of Rostock, Rostock, Germany
Olaf Wolkenhauer - Department of Systems Biology and Bioinformatics, Institute of Computer Science, University of Rostock, Rostock, Germany

چکیده مقاله:

The expression of microRNAs (miRNAs) has been changed in most cancers, includingcolorectal cancer (CRC), therefore finding miRNA functions are important for cancermanagement. Emerging evidences have shown that miRNAs have tissue specific functions.Several computational approaches have been developed to predict miRNA targets; however,all of these methods assume a general pattern underlying these interactions and therefore asignificant number of false predictions have also been presented. Current research wasaimed to unravel the most specific features to identify miRNA target interactions in CRC.We developed a novel approach to predict CRC specific miRNA-target interactions using aNaïve Bayes classifier. We trained the algorithm with data from validated miRNA targetinteractions in CRC and other cancer entities. Furthermore, the correlation-based featureselection (CFS) was used to select a set of features that identify CRC-specific miRNAtarget interactions out of 70 features extracted through literature review. Then, thecontribution of each type of feature, i.e. position-based, sequence and structural features,among the selected features was analysed to the performance of the model indiscriminating between functional and non-functional miRNA–mRNA interactions in CRC.The performance of the classifier was evaluated based on the 10-fold cross validation usingreceiver operating characteristic (ROC) curves. The results showed that, though thestructural features ensure a high sensitivity of the model, the sequence features contributetowards the high specificity of the classifier. Additionally, the performance of our modelshowed a significant improvement in comparison to other widely used algorithms based onmachine learning.

کلیدواژه‌ها:

MicroRNA, Colorectal Cancer, Target Prediction, Feature, Naïve Bayes, Machine Learning

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-NASTARANCANSER01-NASTARANCANSER01_019.html
کد COI مقاله: NASTARANCANSER01_019

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Amirkhah, Raheleh; Ali Farazmand; Shailendra K.Gupta & Olaf Wolkenhauer, ۱۳۹۴, A Novel Computational Approach to Predict Colorectal Cancer-Specific MiRNA Target Interactions, اولین سمپوزیوم بین المللی سرطان نسترن, مشهد, مرکز پیشگیری سرطان نسترن, دانشگاه پزشکی مشهد - دانشگاه فردوسی, https://www.civilica.com/Paper-NASTARANCANSER01-NASTARANCANSER01_019.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (Amirkhah, Raheleh; Ali Farazmand; Shailendra K.Gupta & Olaf Wolkenhauer, ۱۳۹۴)
برای بار دوم به بعد: (Amirkhah; Farazmand; K.Gupta & Wolkenhauer, ۱۳۹۴)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: ۵۱۳۶۲
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مدیریت اطلاعات پژوهشی

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
  • علوم پزشکی > سرطان
  • اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.