Associações De Micrornas Via Mapas Auto-Organizáveis Binários E Categóricos

Abstract

The small non-coding RNA fragments, known as microRNAs, are part of a complex network of biological interaction, acting as regulators in several processes, from cell differentiation to the development of diseases such as cancer. Understanding the existing relationships between microRNAs and their functions is an important step to reveal their mechanisms of action and thus to develop new therapies for the prevention and treatment of diseases. Machine learning techniques, such as the Self-Organizing Maps, or SOM network, have been widely used in several areas, including Biology, to assist in the manipulation of the generated data and to help in the search for a better understanding of the mechanisms and phenomena of these areas. After a review of existing SOM network variations, it was observed that in their majority there is the use of data encryption mechanisms and/or complex mathematical approaches, sometimes obtaining unsatisfactory clustering performances. So, considering the microRNAs complexity and the nature of their data, it was necessary to develop in this work an alternative computational approach to the SOM network. The proposed new algorithm will manipulate binary and categorical data in a simple and efficient way, addressing the two main processes of network operation: competition and updating. Thus, this work aims to create a new database of microRNAs associations through the application of a new binary and categorical SOM network algorithm. Finally, it is expected to contribute to a better understanding of microRNAs and their mechanisms of functioning through the study of their associations and thus collaborate with the development of the preventive medicine.

Os pequenos fragmentos de RNA não-codificantes, conhecidos como microRNAs, fazem parte de uma complexa rede de interação biológica, agindo como reguladores em diversos processos, da diferenciação celular ao desenvolvimento de doenças como o câncer. Entender as relações existentes entre microRNAs e suas funções é um passo importante para revelar seus mecanismos de atuação e assim poder desenvolver novas terapias para a prevenção e tratamento de doenças. Técnicas de aprendizado de máquina, como os Mapas AutoOrganizáveis, ou rede SOM, têm sido amplamente utilizadas em diversas áreas, incluindo a Biologia, para auxiliar na manipulação dos dados gerados e ajudar na busca de um melhor entendimento dos mecanismos e fenômenos dessas áreas. Após uma revisão das variações da rede SOM existentes, observou-se que, em sua maioria, há a utilização de mecanismos de codificação dos dados e/ou abordagens matemáticas complexas obtendo, por vezes, agrupamentos com desempenho não satisfatório. Assim, considerando a complexidade dos microRNAs e a natureza de seus dados, viu-se a necessidade de desenvolver, neste trabalho, uma abordagem computacional alternativa para a rede SOM. O novo algoritmo proposto manipulará dados binários e categóricos de forma simples e eficiente, tratando os dois principais processos de funcionamento da rede: competição e atualização. Assim, este trabalho tem por objetivo criar uma nova base de dados de associações de microRNAs por meio da aplicação de um novo algoritmo de rede SOM binária e categórica. Ao final, espera-se contribuir para um melhor entendimento dos microRNAs e seus mecanismos de funcionamento por meio do estudo de suas associações e colaborar, assim, com o desenvolvimento da medicina preventiva.