Modeling Small RNA binding rules using Machine Learning

Ing. Katarína Grešová, Ph.D.

Disertační práce

Anotace:

Post-transkripčná regulácia génov prostredníctvom mikroRNA (miRNA) zohráva kľúčovú úlohu v mnohých biologických procesoch a jej dysregulácia je spojená s rôznymi ochoreniami, od rakoviny až po neurologické poruchy. Identifikácia väzbových miest miRNA naprieč transkriptómom je nevyhnutná pre pochopenie tejto regulácie, ale experimentálne overenie všetkých potenciálnych interakcií zostáva nepraktické. Rastúca dostupnosť vysokopriepustných experimentálnych dát ponúka nové možnosti pre predikcie prostredníctvom prístupov strojového učenia. Vývoj spoľahlivých metód však vyžaduje riešenie viacerých zásadných problémov: spracovanie komplexných experimentálnych dát, vytvorenie komplexných trénovacích datasetov a interpretáciu sofistikovaných modelov strojového učenia. Predkladaná dizertačná práca predstavuje komplexný súbor nástrojov a metód rozširujúcich technické možnosti a reprodukovateľnosť predikcie väzbových miest miRNA. V rámci práce bol vyvinutý HybriDetector, bioinformatický nástroj určený na spracovanie dát z CLASH a chimeric eCLIP protokolu, ktorého aplikáciou na viaceré experimentálne datasety vznikla jedna z najrozsiahlejších zbierok validovaných miRNA-cieľových interakcií. Pre podporu reprodukovateľného výskumu bol vytvorený miRBench, štandardizovaný benchmarkingový nástroj poskytujúci programatický prístup k spracovaným datasetom a implementáciám moderných predikčných metód. V práci bola navrhnutá reprezentácia pomocou 2D-väzbovej matice na zachytenie miRNA-cieľových interakcií a vyvinuté nové prístupy strojového učenia presahujúce tradičné metódy založené na seed sekvenciách. Pre prepojenie výpočtových predikcií s biologickou interpretáciou bola vyvinutá technika atribučného sekvenčného zarovnania, ktorá odhaľuje naučené biologické vzory a umožňuje extrakciu mechanistických poznatkov z modelov. Táto integrácia spracovania experimentálnych dát, vývoja metód strojového učenia a biologickej interpretácie demonštruje potenciál výpočtových prístupov komplementovať a rozširovať tradičné experimentálne metódy, čím prispieva ku komplexnejšiemu pochopeniu génovej regulácie prostredníctvom miRNA.

Abstract:

Post-transcriptional gene regulation by microRNAs (miRNAs) plays a crucial role in numerous biological processes, and its dysregulation is implicated in various diseases, from cancer to neurological disorders. The identification of miRNA binding sites across the transcriptome is essential for understanding this regulation, but experimental validation of all potential interactions remains impractical. The increasing availability of high-throughput experimental data offers new opportunities for computational prediction through deep learning approaches, yet developing reliable methods requires addressing several critical challenges: the processing of complex experimental data, the generation of comprehensive training datasets, and the interpretation of sophisticated machine learning models. In this thesis, we present a comprehensive suite of computational tools and methods that advance both the technical capabilities and reproducibility of miRNA binding site prediction. We developed HybriDetector, a bioinformatics pipeline for processing CLASH and chimeric eCLIP data, and applied it to multiple experimental datasets to create one of the largest collections of validated miRNA-target interactions. To facilitate reproducible research, we established miRBench, a standardized benchmarking resource that provides programmatic access to our processed datasets and implementations of state-of-the-art prediction methods. We introduced the 2D-binding matrix representation for capturing miRNA-target interactions and developed novel deep learning approaches that go beyond traditional seed-based methods. To bridge the gap between computational predictions and biological understanding, we designed an attribution sequence alignment technique that reveals learned biological patterns, enabling the extraction of mechanistic insights from our models. This integration of experimental data processing, machine learning development, and bi- ological interpretation demonstrates how computational approaches can both complement and enhance traditional experimental methods, paving the way for more comprehensive understanding of miRNA- mediated gene regulation.

Keywords

post-transcriptional gene regulation, miRNA, deep learning, benchmarking

Jazyk práce: angličtina

Datum vytvoření / odevzdání či podání práce: 5. 2. 2025

Obhajoba závěrečné práce

• Obhajoba proběhla 4. 3. 2025
• Vedoucí: PhD Panagiotis Alexiou
• Oponent: Myriam Gorospe, Ph.D, Esa Pitkänen, Ph.D

Masarykova univerzita

Přírodovědecká fakulta

Doktorský studijní program / obor:
Genomika a proteomika / Genomika a proteomika