микроРНК

Новость8519 маяОбзор

В данном исследовании ученые применили вычислительный пайплайн ab initio для анализа восьми сегментов РНК вируса гриппа А (штамм H3N2), чтобы выявить механизмы регуляции генов хозяина через микроРНК-подобные механизмы. С помощью инструментов VMir и MatureBayes были предсказаны пре-микроРНК и зрелые микроРНК, а последующий анализ через сервер miRDB позволил определить их мишени в геноме человека. Исследователи идентифицировали 10 сегмент-специфичных целевых генов (включая IFNL1, DDX60, SAMHD1, MAVS, IRF4, BIRC2, AGO1, MAP3K1, NOD1, TNFAIP1) и один общий целевой ген (CADM2) для всех сегментов. Анализ генных онтологий показал значительное обогащение путей интерферонового сигналинга, RIG-I-подобных рецепторов, РНК-интерференции и воспалительных реакций. Результаты демонстрируют, что вирус использует микроРНК для модуляции врожденного иммунитета, что открывает новые перспективы для поиска терапевтических мишеней. Работа предоставляет конкретный список генов-кандидатов для дальнейшей экспериментальной валидации в контексте патогенеза гриппа.

вирусология биоинформатика иммунология микроРНК грипп

bioRxiv — Bioinformatics Оригинал

Новость7518 мая

В данной работе представлен DiscrimAlign — новый статистический метод для оптимизации параметров выравнивания биологических последовательностей с использованием дискриминативного обучения. Традиционные подходы к оценке матриц замещения и штрафов за пропуски часто не ориентированы на задачи классификации, что снижает точность биоинформатического анализа. Авторы предложили модель, которая связывает оценку выравнивания пары последовательностей с бинарным меткой через логистическую функцию, обучаясь методом максимизации правдоподобия. В ходе исследования метод был протестирован на задачах предсказания взаимодействий микроРНК с мишенями. Результаты показали, что DiscrimAlign демонстрирует точность, сопоставимую с современными нейросетевыми классификаторами, при этом обладая значительно более высокой интерпретируемостью параметров. Разработчики подчеркивают, что такой подход позволяет более эффективно проводить поиск гомологов и картирование чтений, сохраняя при этом математическую прозрачность процесса.

биоинформатика машинное обучение алгоритмы+2

bioRxiv — Bioinformatics Оригинал

микроРНК

Дискриминативное обучение матриц замещения и штрафов за пропуски для парного выравнивания биологических последовательностей