MedElevator
Войти в исследования DOI 10.3389/fbinf.2025.1566162
Использование глубоких нейронных сетей и регрессии LASSO для прогнозирования изменений в выражении miRNA на основе данных mRNA.
Аннотация
ВВЕДЕНИЕ
С момента появления высокопроизводительных молекулярных технологий многие заболевания в настоящее время параллельно изучаются на множестве слоев омикса. Понимание взаимосвязи между микроРНК (миРНК) и их целевыми МРНК имеет важное значение для понимания молекулярного уровня заболеваний. Хотя по многим болезням имеется большой объем общедоступных данных экспериментов MRNA, имеется несколько парных наборов данных с профилями выражения как miRNA, так и mRNA. Цель этого исследования состояла в том, чтобы оценить возможность прогнозирования данных о выражений miRNA на основе данных о выражений mRNA, что служит принципиальным доказательством того, что такие перекрестные прогнозы являются практически осуществимыми. Кроме того, текущие исследования основываются на целевых базах данных, в которых на основе экспериментальных и вычислительных исследований предоставляется информация о взаимосвязях МИРНА с целевыми показателями.
МЕТОДЫ
Для использования общедоступных профилей mRNA мы изучаем способность искусственных глубоких нейронных сетей и линейной регрессии линейного наименьшего абсолютного сокращения и выборочного оператора (LASSO) предсказывать неизвестные профили выражения miRNA. Мы оцениваем подход с использованием семи парных наборов выражений miRNA/mRNA, четырех из исследований вирусной инфекции Западного Нила в мышиных тканях и трех от инфекции вируса иммунодефицита человека (ВИЧ) в человеческих тканях. Мы оценивали эффективность каждой модели сначала на основе оценок в рамках данных, а затем на основе межучебных оценок. Кроме того, мы изучили вопрос о том, может ли увеличение данных или отдельные модели для данных из заболевших и не заболевших образцов повысить эффективность прогнозирования.
Результаты
В целом в большинстве режимов была достигнута сильная корреляция на уровне отдельных образцов. В некоторых наборах данных и параметрах можно наблюдать корреляцию изменений log-vers и значений p в результате дифференциального анализа выражений (DEA) между правдивыми и прогнозируемыми профилями miRNA. Корреляция между изменениями в логарифмической системе также может быть видна в ходе межучебной оценки наборов данных по ВИЧ. Увеличение объема данных последовательно повышает эффективность нейронных сетей, в то время как его влияние на модели LASSO не является значительным. ДИСКУССИЯ: В целом, прогнозирование профилей выражений с помощью перекрестных измерений представляется возможным даже при наличии некоторых корреляций на уровне дифференциального анализа выражений.
Название и аннотация на языке оригинала
Using deep neural networks and LASSO regression to predict miRNA expression changes based on mRNA data.
INTRODUCTION
Since the rise of molecular high-throughput technologies, many diseases are now studied on multiple omics layers in parallel. Understanding the interplay between microRNAs (miRNA) and their target mRNAs is important to understand the molecular level of diseases. While much public data from mRNA experiments are available for many diseases, few paired datasets with both miRNA and mRNA expression profiles are available. This study aimed to assess the possibility of predicting miRNA expression data based on mRNA expression data, serving as a proof of principle that such cross-omics predictions are feasible. Furthermore, current research relies on target databases where information about miRNA-target relationships is provided based on experimental and computational studies.
METHODS
To make use of publicly available mRNA profiles, we investigate the ability of artificial deep neural networks and linear least absolute shrinkage and selection operator (LASSO) regression to predict unknown miRNA expression profiles. We evaluate the approach using seven paired miRNA/mRNA expression datasets, four from studies on West Nile virus infection in mouse tissues and three from human immunodeficiency virus (HIV) infection in human tissues. We assessed the performance of each model first by within-data evaluations and second by cross-study evaluations. Furthermore, we investigated whether data augmentation or separate models for data from diseased and non-diseased samples can improve the prediction performance.
RESULTS
In general, most settings achieved strong correlations at the Level of individual samples. In some datasets and settings, correlations of log-fold changes and p-values from differential expression analysis (DEA) between true and predicted miRNA profiles can be observed. Correlation between log fold changes could also be seen in a cross-study evaluation for the HIV datasets. Data augmentation consistently improved performance in neural networks, while its impact on LASSO models was not significant.
DISCUSSION: Overall, cross-omics prediction of expression profiles appears possible, even with some correlations on the Level of the differential expression analysis.
Подготовка и перевод публикации
Обработка статьи · этапы, ошибки и управление
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Тип публикации указан по данным источника. Уровень доказательности автоматически не присваивается.