[DEBUG-WINDOW 처리영역 보기]
즐겨찾기  |  뉴스레터  |  오늘의 정보  |  e브릭몰e브릭몰 회원가입   로그인
BRIC홈 한국을 빛내는 사람들
스폰서배너광고 안내  배너1 배너2 배너3 배너4
과학으로 본 코로나19 (COVID-19)
전체보기 한빛사논문 추천논문 인터뷰 그이후 한빛사통계
김성규 (Sung-Kyu Kim)
조회 471  인쇄하기 주소복사 트위터 공유 페이스북 공유 
miTarget: microRNA target gene prediction using a support vector machine
Sung-Kyu Kim12†, Jin-Wu Nam12†, Je-Keun Rhee12, Wha-Jin Lee12 and Byoung-Tak Zhang123* 

Equal contributors 
1 Graduate Program in Bioinformatics, Seoul National University, Seoul, Korea 
2 Center for Bioinformation Technology (CBIT), Seoul National University, Seoul, Korea 
3 Biointelligence Laboratory, School of Computer Science and Engineering, Seoul National University, Seoul, Korea 

* Corresponding author: Byoung-Tak Zhang 

MicroRNAs (miRNAs) are small noncoding RNAs, which play significant roles as posttranscriptional regulators. The functions of animal miRNAs are generally based on complementarity for their 5' components. Although several computational miRNA target-gene prediction methods have been proposed, they still have limitations in revealing actual target genes. 

We implemented miTarget, a support vector machine (SVM) classifier for miRNA target gene prediction. It uses a radial basis function kernel as a similarity measure for SVM features, categorized by structural, thermodynamic, and position-based features. The latter features are introduced in this study for the first time and reflect the mechanism of miRNA binding. The SVM classifier produces high performance with a biologically relevant data set obtained from the literature, compared with previous tools. We predicted significant functions for human miR-1, miR-124a, and miR-373 using Gene Ontology (GO) analysis and revealed the importance of pairing at positions 4, 5, and 6 in the 5' region of a miRNA from a feature selection experiment. We also provide a web interface for the program. 

miTarget is a reliable miRNA target gene prediction tool and is a successful application of an SVM classifier. Compared with previous tools, its predictions are meaningful by GO analysis and its performance can be improved given more training examples. 

- 형식: Research article
- 게재일: 2006년 09월 (BRIC 등록일 2015-06-11)
- 연구진: 국내연구진태극기
- 분야: Bioinformatics
- 피인용횟수: 120회 이상 인용된 논문
광유전학의 과거, 현재와 미래[Neuron]
발표: 김윤석 (Stanford University)
일자: 2020년 7월 30일 (목) 오후 02시 (한국시간)
언어: 한국어
참석자 접수신청하기

  댓글 0
김성규 님 전체논문보기 >
관련분야 논문보기

Google (by Sung-Kyu Kim)
Pubmed (by Sung-Kyu Kim)
e브릭몰(연구용 제품 온라인 구매 사이트)
모집인원: 50명
모집기간: ~7/15
신청조건: BRIC 회원
평가자 혜택

- 참가자 전원 3만원 상품권 제공

제품평가자 모집중
한빛사 홈  |  한빛사FAQ  |  한빛사 문의 및 제안
 |  BRIC소개  |  이용안내  |  이용약관  |  개인정보처리방침  |  이메일무단수집거부
Copyright © BRIC. All rights reserved.  |  문의 member@ibric.org
트위터 트위터    페이스북 페이스북   유튜브 유튜브    RSS서비스 RSS