Browsing by Author "Saçar Demirci, Müşerref Duygu"

Now showing 1 - 3 of 3

Computational Detection of Pre-microRNAs
(Humana Press Inc., 2022) Saçar Demirci, Müşerref Duygu; 0000-0003-2012-0598; AGÜ, Yaşam ve Doğa Bilimleri Fakültesi, Biyomühendislik Bölümü; Saçar Demirci, Müşerref Duygu
MicroRNA (miRNA) studies have been one of the most popular research areas in recent years. Although thousands of miRNAs have been detected in several species, the majority remains unidentified. Thus, finding novel miRNAs is a vital element for investigating miRNA mediated posttranscriptional gene regulation machineries. Furthermore, experimental methods have challenging inadequacies in their capability to detect rare miRNAs, and are also limited to the state of the organism under examination (e.g., tissue type, developmental stage, stress-disease conditions). These issues have initiated the creation of high-level computational methodologies endeavoring to distinguish potential miRNAs in silico. On the other hand, most of these tools suffer from high numbers of false positives and/or false negatives and as a result they do not provide enough confidence for validating all their predictions experimentally. In this chapter, computational difficulties in detection of pre-miRNAs are discussed and a machine learning based approach that has been designed to address these issues is reviewed.
COMPUTATIONAL IDENTIFICATION OF MICRORNAS FROM SSDNA VIRUSES
(Eskişehir Teknik Üniversitesi, 2018) Saçar Demirci, Müşerref Duygu; 0000-0003-2012-0598; AGÜ, Yaşam ve Doğa Bilimleri Fakültesi, Moleküler Biyoloji ve Genetik Bölümü; Saçar Demirci, Müşerref Duygu
MicroRNAs (miRNAs) are post-transcriptional regulators of gene expression and the fact that they are associated with various disease phenotypes is one of the main reasons for their importance. The complexity of experimental detection of miRNAs due to their characteristics led to the development of computational methods. In this work, a machine learning based approach was applied to identify and analyze potential miRNAs that might be originated from 60 single strand DNA (ssDNA) viruses’ genomes. The results suggest that 53 of these viruses may possibly produce proper miRNA precursors. Moreover, the possibility of these candidate miRNA precursors’ ability to generate mature miRNAs that could target human genes and viral genomes has been tested. Overall, the outcomes of this research indicate that there might be another level of host-virus interaction through miRNAs which requires further experimental confirmation.
RNA İkincil Yapılarının Çok Boyutlu Gösterimi ve Pre-Mirna Tespiti Için Uygulamaları
(TUBİTAK, 2021) Saçar Demirci, Müşerref Duygu; Demirci, Yilmaz Mehmet; 0000-0003-2012-0598; 0000-0003-3802-4211; AGÜ, Yaşam ve Doğa Bilimleri Fakültesi, Biyomühendislik Bölümü; Saçar Demirci, Müşerref Duygu; Demirci, Yilmaz Mehmet
MikroRNA'lar (miRNA'lar), transkripsiyon sonrası gen ekspresyonu düzenleyicileridir. Bir miRNA yüzlerce haberci RNA'yı (mRNA'lar) hedefleyebildiği gibi, bir mRNA farklı miRNA'lar tarafından hedeflenebilir, üstelik tek bir miRNA bir mRNA sekansında çeşitli bağlanma bölgelerine sahip olabilir. Bu nedenle miRNA'ları deneysel olarak araştırmak oldukça karmaşıktır. Bu tür zorlukları aşabilmek için makine öğrenimi (ML) sıklıkla kullanılmaktadır. ML analizinin temel kısımları büyük ölçüde giriş verilerinin kalitesine ve verileri tanımlayan özelliklerin kapasitesine bağlıdır. Daha önce miRNA'lar için 1000'den fazla özellik önerilmişti. Bu projede, RNA ikincil yapısını temsil eden yeni özellikler ve yüksek doğruluk değerleri sağlayan, dinamik, çok boyutlu grafik gösterimini tanımlamayı hedeflemiştik. Bu çalışmada, ML tabanlı miRNA tahmini için yeni ve kolayca güncellenebilir bir yaklaşım geliştirilmiştir. Bilinen insan miRNA'larının ve sözde saç tokalarının random forest (RF), support vector machine (SVM) ve multilayer perceptron (MLP) gibi çeşitli sınıflandırıcılarla sınıflandırılmasıyla binlerce model oluşturulmuştur. Yöntem insan verilerine dayanarak oluşturulmuş olsa da en iyi model miRBase ve MirGeneDB gibi kamu veri tabanlarından insan olmayan saç tokaları üzerinde test edilmiş ve yüksek skorlar üretilmiştir. Ayrıca, yöntemin farklı veriler üzerindeki etkinliğini göstermek için ekspresyon farkları tahmini (differential expression prediction) analizinde de kullanılmıştır. Bu aşamada SARS-CoV-2 enfeksiyonunun etkisini ölçen bir veri setinin analizinden elde edilen sonuçlar yayınlanmıştır.