Aprimoramento de uma ferramenta de predição de ncrnas baseada em estruturas secundárias

(1)

Aprimoramento de uma ferramenta de predi¸c˜ao de ncRNAs baseada em estruturas secund´arias

Aprimoramento de uma ferramenta de predi¸c˜

ao

de ncRNAs baseada em estruturas secund´

arias

Trabalho de Formatura Supervisionado

Felipe Lamberti Amado

Orientador: Prof. Dr. Alan Mitchell Durham

Instituto de Matem´

atica e Estat´ıstica - USP

(2)

Aprimoramento de uma ferramenta de predi¸cão de ncRNAs baseada em estruturas secundárias Introdu¸cão

Biologia básica - Transcri¸cão e Tradu¸cão

(3)

Biologia básica - Transcri¸cão e Tradu¸cão

(4)

Tipos de RNA

(5)

(6)

Representando sequˆencias como grafos

(7)

O preditor

(8)

Aprimoramento de uma ferramenta de predi¸c˜ao de ncRNAs baseada em estruturas secund´arias Objetivos

Objetivos deste trabalho

I

Otimizar os parˆ

ametros utilizados pelo preditor

I

Fazer uma compara¸c˜

ao justa com algum outro preditor de

microRNAs

I

Implementar uma extens˜

ao do preditor para realizar o

treinamento autom´

atico

(9)

Aprimoramento de uma ferramenta de predi¸cão de ncRNAs baseada em estruturas secundárias Métodos e resultados

Otimiza¸c˜ao dos parˆametros

Parˆ

ametros a serem otimizados

I

Limiar de

probabilidade

I

Tamanho

m´ınimo de

h´

elice

0,0

2 0,25

4 0,05

6

(10)

Curvas ROC

● ●_● ● ● ● ● ●_● ● ● ● ● ●●● ● ● ● ●●● ● ● ● ●●● ● ● ● ●●●_● ● ● ●●●●_● ● ●●●●● ●●●●●● 3 4 5 6 7 8 9 10 11 0.00 0.25 0.50 0.75 1.00 0.00 0.25 0.50 0.75 1.00 0.00 0.25 0.50 0.75 1.00 0.6 0.7 0.8 0.9 1.00.6 0.7 0.8 0.9 1.00.6 0.7 0.8 0.9 1.0 Specificity Sensitivity 0.00 0.25 0.50 0.75 prob_threshold

(11)

´

Arvore de decis˜

ao

Sequˆ

encia

Padr˜

ao 1

Padr˜

ao 2

...

Padr˜

ao N

microRNA real?

seqA

1

0 ...

0

1 seqB

1

1 ...

1

1 seqC

0

1 ...

0

0 :

:

(12)

´

Arvore de decis˜

ao

Sequˆ

encia

Padr˜

ao 1

Padr˜

ao 2

...

Padr˜

ao N

microRNA real?

seqA

1

0 ...

0

1 seqB

1

1 ...

1

1 seqC

0

1 ...

0

0 :

:

(13)

Padr˜

oes otimizados

Padr˜

ao I

V

Padr˜

ao II

Limiar de probabilidade: 0

Limiar de probabilidade: 0,57

Tamanho m´ınimo de h´

elice: 7

Tamanho m´ınimo de h´

elice: 5

(14)

Antes x Depois da otimiza¸c˜

ao

Medida

Antes

Depois

Especificidade

87,538%

84,154%

Sensibilidade

71,692%

82,692%

Acur´

acia

79,615%

83,423%

Especificidade = TN/(TN + FN)

Sensibilidade = TP/(TP + FP)

Acur´

acia = (TP + TN)/(TP + FP + TN + FN)

(15)

Compara¸c˜ao entre os preditores

Compara¸c˜

ao entre os preditores

Medida

MiPred

Nosso preditor

Especificidade

88,076%

84,154%

Sensibilidade

80,615%

82,692%

(16)

Treinamento autom´atico do preditor

Treinamento autom´

atico do preditor

I

Feito encontrando subestruturas t´ıpicas em um conjunto de

microRNAs

I

Que foram encontradas utilizando um algoritmo de subgrafo

maximal entre dois grafos

I

Que, por sua vez, foi implementado utilizando uma redu¸

c˜

ao

ao problema do clique maximal

(17)

Redu¸c˜

ao ao problema do clique maximal

I

Entrada: Grafos G

1 =< V

1 , A

1 > G

2 =< V

2 , A

2 >

I

Grafo produto de arestas H

e

= G

1 ◦ G

2 possui como v´

ertices o

conjunto V

H

= E

1 × E

2 I

H´

a uma aresta do n´

o v = (v

1 , v

2 ) ao w = (w

1 , w

2 ) em H

e

sse

v

1 6= w

1 e v

2 6= w

2 e (o n´

o que conecta as arestas v

1 e w

1 ´

e

compat´ıvel com o n´

o que conecta v

2 e w

2 OU v

1 e w

1 n˜

ao s˜

ao

arestas adjacentes em G

1 e v

2 e w

2 tamb´

em n˜

ao s˜

ao

adjacentes em G

2 )

I

Sa´ıda: Clique maximal de H

e

que corresponde a um subgrafo

(18)

Redu¸c˜

ao do problema ao problema do clique maximal

(19)

(20)

Fam´ılia A x Fam´ılia B

(a)

(b)

I

O treinamento foi realizado em 21

sequˆ

encias da fam´ılia A,

encontrando 4 subestruturas

recorrentes

I

53,7% das sequˆ

encias da fam´ılia A

foram identificadas com sucesso

I

Apenas 2,7% das sequˆ

encias da

fam´ılia B foram identificadas como

sendo de A

(21)

Aprimoramento de uma ferramenta de predi¸cão de ncRNAs baseada em estruturas secundárias Conclusões

Conclus˜

oes

I

Com a otimiza¸

c˜

ao dos parˆ

ametros, obtivemos uma discreta

melhora, mas suficiente para alcan¸

car um n´ıvel de acur´

acia

compar´

avel a um dos melhores preditores de microRNA

atualmente

I

Apesar de ter apresentado um bom resultado em um dos

testes realizados, o algoritmo de treinamento autom´

atico

ainda precisa de melhorias

(22)

Aprimoramento de uma ferramenta de predi¸cão de ncRNAs baseada em estruturas secundárias Conclusões

Conclus˜

oes

I

Com a otimiza¸

c˜

ao dos parˆ

ametros, obtivemos uma discreta

melhora, mas suficiente para alcan¸

car um n´ıvel de acur´

acia

compar´

avel a um dos melhores preditores de microRNA

atualmente

I

Apesar de ter apresentado um bom resultado em um dos

testes realizados, o algoritmo de treinamento autom´

atico

ainda precisa de melhorias

(23)

Aprimoramento de uma ferramenta de predi¸c˜ao de ncRNAs baseada em estruturas secund´arias Parte subjetiva

O que mais me ajudou neste trabalho

I

Disciplina de Algoritmo em grafos

I

Disciplina de Biologia Computacional

I

Disciplina de Data Mining (cursada durante intercˆ

ambio)

(24)

Aprimoramento de uma ferramenta de predi¸c˜ao de ncRNAs baseada em estruturas secund´arias Parte subjetiva

(25)

Aprimoramento de uma ferramenta de predi¸cão de ncRNAs baseada em estruturas secundárias Apêndice

Bibliografia

Bibliografia I

Hu LL et al (2012). Benchmark comparison of ab initio

microRNA identification methods and software. GMR.

A Machado-Lima, HA del Portillo, AM Durham (2008).

Computational methods in noncoding RNA research.. J Math

Biol. 56(1-2):15-49

Ina Koch (2001). Enumerating all connected maximal common

subgraphs in two graphs. Elsevier.

Sarah W. Burge et al (2013). Rfam 11.0: 10 years of RNA

families. Nucleic Acids Res.

Jiang P et al (2007). MiPred: classification of real and pseudo

microRNA precursors using random forest prediction model

with combined features. Nucleic Acids Res.

(26)

Bibliografia

Bibliografia II

Wei-Yin Loh and Yu-Shan Shih (1997). Split Selection

Methods For Classification Trees. Statistica Sinica 7, 815-840

Marilena V. Iorio et al (2005). MicroRNA Gene Expression

Deregulation in Human Breast Cancer. AACR.

(27)

Bibliografia

MicroRNA

(28)

Aprimoramento de uma ferramenta de predi¸cão de ncRNAs baseada em estruturas secundárias Apêndice Bibliografia

RNAfold

shuf34 G G C C G G U C C G G C U C C G A G C U C G G G G G C G C C C U A G U C C G A G U G A U A G U A C U G C C G C U A A C G U U G A G U U G U A G G G C G G C C G G U C C G G C U C C G A G C U C G G G G G C G C C C U A G U C C G A G U G A U A G U A C U G C C G C U A A C G U U G A G U U G U A G G G C G G C C G G U C C G GC U C C G A G C U C G G G G G C G CC C U A G U C C G A G U G A U A G UA C U G C C G C U A A C G U U G A GU U G U A G G G C G G C C G G U C C G GC U C C G A G C U C G G G G G C G CC C U A G U C C G A G U G A U A G UA C U G C C G C U A A C G U U G A GU U G U A G G G C

(c)

G G C C G G U C C G G C U C C G A G_{CUC G} G G_{G G} C G C C C UA G U C CGA GUG A U AGU A C U G C C G C U A A C G U U G A G U U G U A G G G C

(d)

(29)

Aprimoramento de uma ferramenta de predi¸cão de ncRNAs baseada em estruturas secundárias Apêndice Bibliografia

Pseudo-n´

o

(e)

http://en.wikipedia.org/wiki/File:Pseudoknot.svg