Görüntüleme
1
Yapılan birçok biyolojik deneylerde lncRNA’nın çeşitli karmaşık insan hastalıklarının gelişimi ile yakından ilişkili olduğunu kanıtlanmıştır. Bu nedenle lncRNA ve hastalık arasındaki ilişkiyi bilmek sadece hastalık mekanizmasını anlamaya yardımcı olmakla kalmaz, aynı zamanda hastalığın teşhisini, tedavisini ve prognozunu da kolaylaştırır. Fakat lncRNA ile hastalık arasındaki ilişkiyi biyolojik deneyler yoluyla belirlemek hem maliyetli hem de çok zaman gerektiren bir süreçtir. Bu sebeple birçok araştırmacı potansiyel lncRNA-hastalık ilişkilerini tahmin etmek için hesaplamalı yöntemler geliştirmişlerdir. Bu çalışmada, fonksiyonel olarak benzer lncRNA’ların fenotipik olarak benzer hastalıklarla ilişki kurma eğiliminde olduğu varsayımına dayanarak, potansiyel lncRNA’ları tahmin etmek için NMF adı verilen bir hesaplama yöntemi öneriyoruz. Bu yöntem lncRNA ekspresyon benzerlik ağını, lncRNA kosinüs benzerlik ağını, hastalık semantik benzerlik ağını, hastalık kosinüs benzerlik ağını ve bilinen lncRNA-hastalık ilişkilendirme ağını entegre etmektedir. Yöntemimizin tahmin doğruluğunu göstermek için 5-katlı çapraz doğrulama ve birini dışarıda bırak çapraz doğrulama tekniklerini uyguladık ve ROC grafiklerini elde ettik. 5-katlı çapraz doğrulama için 0.7837 AUC değeri, birini dışarıda bırak çapraz doğrulama için 0.8551 AUC değeri hesaplandı. Sonuçlar NMF yönteminin güvenilir tahmin performansına sahip olduğunu göstermektedir.
Many biological experiments have proven that lncRNA is related to various complex human diseases. Therefore, knowing the lncRNA-disease relationships not only facilitates the diagnosis, treatment and prognosis of the disease helps to understand the disease mechanism. However, determining the lncRNA-disease relationships through biological experiments is both costly and time-consuming. For this reason, many researchers have suggested calculational methods to forecast potential relationships between lncRNAs and diseases. In this study, we suggest a computational method named NMF to forecast possible lncRNAs, based on the assumption that functionally similar lncRNAs tend to associate with phenotypically similar diseases. This method integrates the lncRNA expression similarity network, the lncRNA cosine similarity network, the disease semantic similarity network, the disease cosine similarity network, and the known lncRNA-disease relationship network. To demonstrate the prediction accuracy of our method, we applied 5-fold cross-validation and leave-out cross-validation techniques and obtained ROC plots. AUC of 0.7837 for 5-fold cross-validation and 0.8551 AUC for leave-out cross-validation were calculated. The results show that the NMF method has reliable prediction performance.
Alan : Mühendislik
Dergi Türü : Uluslararası
Makale Detay 
Benzer Makaleler
PDF Görüntüle
Dergi Bilgisi
Eseri Dinleyin
Alıntı Yap
Bu Sayfayı Yazdırın
Paylaş
Mendeley
