Identificação de snoRNAs utilizando Máquinas de Vetores de Suporte : aprimorando o snoReport

Abstract

O estudo de RNAs não-codificadores (ncRNAs) vem se mostrando bastante desafiador devido a dificuldade de verificar experimentalmente qual função desempenha determinado gene não codificador de proteína em um organismo [20]. Métodos computacionais para a identificação de ncRNAs possuem dificuldades similares aos métodos experimentais, pois a Bioinformática não possui um método único para a identificação e classificação de ncRNAS. Em particular, métodos que utilizam Aprendizagem de Máquina tem se mostrado bastante úteis para essa tarefa. Um método computacional que vem mostrando bons resultados é o snoReport [30], que combina predição de estrutura secundária de snoRNAs com Máquina de Vetores de Suporte (SVM) para identificação de snoRNAs, uma classe específica de ncRNA que contém duas classes principais, snoRNA H/ACA box e snoRNA C/D box. Entretanto, o snoReport necessita de um refinamento pois está disponível hoje um volume bem maior de snoRNAs, alguns já testados experimentalmente. Neste contexto, este trabalho tem como objetivo aprimorar a identificação de snoRNAs usando o banco de dados disponibilizados pelo Centro de Bioinformática da Universidade de Leipzig, além das versões mais novas de programas usados no workflow do snoReport. Essas alterações levaram a índices de 30,43% de melhoria na sensibilidade do classificador de snoRNAs H/ACA box e de 24,24% de melhoria na sensibilidade do classificador snoRNA C/D box. Além disso, foi feito um estudo de caso com o fungo Paracoccidioides brasiliensis, que identificou 188 snoRNAs C/D box e 5.929 snoRNAs H/ACA Box.