Identifikace cílů RNA vazných proteinů pomocí Machine Learning algoritmů

Mgr. Eliška Chalupová, Ph.D.

Doctoral thesis

RNA binding protein target site identification using Machine Learning algorithms

Abstract:

RNA-vazné proteiny hrají klíčovou roli v post-transkripčních procesech a jsou často spojovány s různými poruchami. Objasnění jejich vazebných preferencí je zásadní pro porozumění jejich regulačním mechanismům. Tato disertační práce se zaměřuje na výpočetní přístupy pro identifikaci vazebných míst těchto proteinů a spojuje tři samostatné projekty. První projekt využívá konvoluční neuronové sítě pro predikci malých nekódujících RNA napříč genomem. Druhý, hlavní projekt, představuje ENNGene, webový nástroj pro tvorbu neuronových sítí určený pro výzkumníky v oblasti genomiky. S využitím poznatků z předchozího projektu se tato publikace zabývá hlavními výzvami v predikci vazebných míst RNA-vazných proteinů, a to včetně výběru architektury, důležitosti vstupních proměnných a interpretovatelnosti výsledků neuronových sítí. Třetí projekt zahrnutý v této disertační práci se zabývá problémem malých datových sad a cílí na zvýšení prediktivního výkonu modelů u proteinů s omezeným množstvím experimentálních dat. Disertace je uspořádána do tří sekcí, s hlavním zaměřením na komplexní přehled nástrojů pro predikci vazebných míst RNA-vazných proteinů. Úvodní části poskytují potřebný teoretický základ k hlubokému učení a k biologickým aspektům vazeb mezi proteiny a RNA. První sekce představuje koncepty hlubokého učení v kontextu hlavní publikace. Druhá sekce zkoumá experimentální metody získání RNA sekvencí vázaných proteiny a diskutuje komplexnost interakcí mezi molekulami proteinů a RNA. Třetí sekce přezkoumává výpočetní přístupy, od tradiční analýzy sekvenčních motivů po inovativní nástroje hlubokého učení. Přehled diskutuje různé přístupy, jejich silné a slabé stránky, a formuluje možné směry budoucího výzkumu. Závěrem tato práce zdůrazňuje klíčovou roli hlubokého učení pro pokroky v porozumění mechanismům vazby mezi proteiny a RNA.

Abstract:

RNA-binding proteins play a pivotal role in post-transcriptional processes and are often linked to various disorders. Understanding their binding preferences is essential for unraveling their regulatory mechanisms. This thesis focuses on computational approaches for RBP target site identification, combining three distinct projects. First project employs convolutional neural networks for small RNA loci prediction. The second, major project, introduces ENNGene, a web-based deep learning tool designed for Genomics researchers. Building on insights from the previous work, this publication addresses key challenges in the RBP target site prediction, including architecture selection, input feature importance, and result interpretability. The third project included in this thesis tackles the issue of small datasets to enhance predictive performance in proteins with limited experimental data. The thesis is organized into three sections, culminating in a comprehensive review of RBP target site prediction. The opening sections provide the necessary theoretical foundation for deep learning and biological aspects of protein-RNA binding. The first section introduces deep learning concepts in the context of the major publication. The second section explores experimental methods for obtaining RBP sequence specificities and delves into the complexity of protein-RNA interactions. The third section reviews computational approaches, from traditional motifs to innovative deep learning tools. The review surveys various approaches, discusses their strengths and limitations, and outlines future directions. In conclusion, this work emphasizes the pivotal role of deep learning in advancing our understanding of protein-RNA binding mechanisms.

Keywords

RNA-vazné proteiny, transkriptomika, bioinformatika, hluboké učení, strojové učení, konvoluční neuronové sítě, RNA binding proteins, Transcriptomics, Bioinformatics, Deep learning, Machine Learning, Convolutional neural networks

Language used: English

Date on which the thesis was submitted / produced: 3. 1. 2024

Thesis defence

• Date of defence: 28. 2. 2024
• Supervisor: PhD Panagiotis Alexiou
• Reader: PhD Stanislav Mazurenko, Dr. Julian König

Masaryk University

Faculty of Science

Doctoral programme / field:
Genomics and Proteomics / Genomics and Proteomics