microRNA­ها، ­RNAهای غیرکدکننده­ای هستند که در تنظیمات پس از رونویسی نقش­های مهمی را بازی می­کنند. آن­ها بیان ژن­ها را به­وسیله مسیرهای تداخلی RNA، از طریق برش یا مهار ترجمه mRNA هدف تنظیم می­کنند. نقش­های مهمی برای miRNA­ها در روند تکاملی حیوانات مختلف گزارش شده است، اما اطلاعات محدودی در مورد miRNA­های گوسفند و بز وجود دارد. گوسفند و بز مدلی مناسب برای مطالعات ژنومیک مقایسه­ای و بیولوژیکی در نشخوارکنندگان هستند. شناساییmiRNA ­ها برای درک مکانیسم بیولوژیکی آن­ها بسیار حیاتی است. روش­های شناسایی محاسباتی، روش­های آزمایشگاهی را برای شناسایی سریع­تر RNA­های غیرکدکننده در ژنوم­های جدید، که اغلب تحت شرایط ویژه در انواع مختلفی از سلول­ها نسخه برداری می­شوند را تکمیل می­کنند. اخیراً روش­های یادگیری ماشین برای پیش­بینی ژن­های miRNA جدید استفاده می­شود. در این پژوهش یک طبقه­بندی­کننده جدید بر اساس SVM معرفی شد. این طبقه­بندی­کننده دقت بالا، حساسیت متعادل و اختصاصیت برای مجموعه داده miRNA را نشان می­دهد که ابزاری ایده­آل، برای شناسایی miRNA­ها در داده­های ترانسکریپتوم محسوب می­شود. ما در این پژوهش یک زیرمجموعه از ویژگی­های بهینه شامل 20 ویژگی را با استفاده از ماشین بردار پشتیبان (SVM) ایجاد کردیم. سپس با استفاده از برنامه C#، ویژگی­های استخراج شده برای داده­های آموزشی محاسبه شد. در این پژوهش، مدل هوشمند ماشین بردار پشتیبان با کرنل RBF و الگوریتم یادگیری SMO بهترین دسته‌بندی کننده برای پیش‌بینی ژن‌های microRNA در گوسفند و بز معرفی شد. حساسیت و اختصاصیت این مدل به ترتیب 88 و 85 درصد به‌دست آمد. سپس یک روش محاسباتی بر اساس آنالیز EST برای تشخیص miRNA­های بالغ گوسفند و بز مورد استفاده قرار گرفت. در کروموزوم یک گوسفند، 23 کاندید miRNA و در بز 15 miRNA از جستجوی هم­سانی شناسایی شد. نتایج نشان داد که مدل مورد استفاده ما می­تواند دقت بالایی در شناسایی miRNA­های گوسفند و بز ارائه دهد و نیز اطلاعات مفیدی را در زمینه عملکرد بیولوژیکی آن­ها در گونه­ های نشخوارکنندگان فراهم آورد.

کلمات کلیدی