Modelling small-RNA binding using Convolutional Neural Networks

Bc. Eva Klimentová

Master's thesis

Abstract:

Regulace genové exprese pomocí pomocí malých RNA navázaných na Ago protein je složitý, ale nezbytný proces napříč všemi živočišnými druhy. Predikce míst, na která se malé RNA váží, je důležitým prvním krokem všech tzv. "target prediction" programů. Dva v dnešní době nejčastěji používané přístupy pro predikci vazebných míst jsou vazba v oblasti "seed" a kooperované skládání malé RNA a jejího cíle. Ty umožnily vzniknout velkému množství "target prediction" programů, které se soustředí primárně na "kanonickou seed" oblast, i když nezávislé experimenty ukazují, že "kanonických" cílů malých RNA je méně než 50 %. V této diplomové práci představujeme metodu pro predikci potenciálních vazebných cílů malých RNA založenou na strojovém učení. Model je natrénován na experimentálních datech nezaujatých vůči "seed" oblasti. Ukazujeme, že naše metoda dosahuje lepších výsledků než současné přístupy. Všechna data, zdrojové kódy i odkaz na webovou stránku pro oba projekty zahrnuté v této práci jsou dostupné na https://github.com/ML-Bioinfo-CEITEC/miRBind a https://github.com/evaklimentova/smallRNA_binding.

Abstract:

Gene expression regulation by Ago-loaded small RNAs is a complex but essential process across species. Prediction of small RNA – target site binding is an important first step in all small RNA target prediction programs. To date, there are two widely used techniques for small RNA – target site prediction: seed and cofold. Limitations of both these techniques have presented target prediction tools selectively focusing on targets with “canonical seed”, although unbiased experiments have shown that less than 50 % of the small RNA targets are “canonical”. In this thesis, we present a machine learning method for the prediction of potential small RNA – target site binding. It is trained on seed-unbiased experimental data and we show that our method outperforms state-of-the-art approaches. The code, data and a web server for two projects included in this thesis are available at https://github.com/ML-Bioinfo-CEITEC/miRBind and https://github.com/evaklimentova/smallRNA_binding.

Keywords

bioinformatics, Convolutional Neural Network, small RNA binding, small RNA – target prediction, CLASH

Language used: English

Date on which the thesis was submitted / produced: 17. 5. 2022

Thesis defence

• Date of defence: 24. 6. 2022
• Supervisor: PhD Panagiotis Alexiou
• Reader: Mgr. Vojtěch Bystrý, Ph.D.

Masaryk University

Faculty of Informatics

Master programme / field:
Artificial intelligence and data processing / Bioinformatics and systems biology