Desarrollo de un metaclasificador de dianas microRNA

Abstract

Este trabajo se ha desarrollado con el objetivo de crear meta modelo capaz de predecir dianas de microRNAs en humanos, mejorando la actuación de los predictores utilizados. Desde el descubrimiento de los microRNAs hace casi 30 años se ha ido viendo el importante papel que estas secuencias de ~22 nucleótidos tienen en todos los procesos celulares y en el desarrollo de numerosas enfermedades. Para determinar el impacto de un miRNA en nuestro organismo es fundamental conocer la diana sobre la que actúa. Con este objetivo se han desarrollado numerosos métodos computacionales pero estos, en general, carecen de la exactitud necesaria. El meta learning ha demostrado mejorar las predicciones en los problemas de machine learning a los que se le ha enfrentado. Teniendo esto en cuenta se ha hecho una selección de predictores de dianas y se han entrenado varios modelos de machine learning con los resultados de los diferentes clasificadores. Se ha obtenido un meta modelo que mejora las predicciones de todos los predictores empleados.

The main object of this project was to create a meta model capable of predicting microRNA targets in humans. Improving the performance of the predictors involved. Since the discovery of microRNAs almost 30 years ago, the important role that these ~22 nucleotide sequences have in all cellular processes and in the development of numerous diseases has been found. To determine the impact of a miRNA on our body, it is essential to know the target on which the miRNA acts. Many computational metods has been developed with this objective. Generally this methods give too much noise. Meta Learning has shown how it is able to outperform base learners on machine learning tasks. With this in consideration, a miRNA predictor selection has been done and multiples machine learning models has been trained with the results of the predictors. Finally, a meta model has been obtained. This meta model outperforms the base learners used for its training.

Aquest treball s'ha desenvolupat amb l'objectiu de crear meta model capaç de predir dianes de microRNAs en humans, millorant l'actuació dels predictors utilitzats. Des del descobriment dels microRNAs fa gairebé 30 anys s'ha anat veient l'important paper que aquestes seqüències de 22 ~nucleòtids tenen en tots els processos cel·lulars i en el desenvolupament de nombroses malalties. Per a determinar l'impacte d'un miRNA en el nostre organisme és fonamental conèixer la diana sobre la qual actua. Amb aquest objectiu s'han desenvolupat nombrosos mètodes computacionals però aquests, en general, manquen de l'exactitud necessària. El meta learning ha demostrat millorar les prediccions en els problemes de machine learning als quals se li ha enfrontat. Tenint això en compte s'ha fet una selecció de predictors de dianes i s'han entrenat diversos models de machine learning amb els resultats dels diferents classificadors. S'ha obtingut un meta model que millora les prediccions de tots els predictors empleats.