fa مقایسه پیش‌بینی ژن‌ هدف میکروRNAهای مرتبط با بیماری آلزایمر با ابزارهای بیوانفورماتیکی آنلاین بیوانفورماتیک Bioinformatics پژوهشي اصیل Original Article <span style="font-family:Tahoma;"><strong><span style="color:black;">مقدمه:</span></strong><span style="color:black;"> پیش‌بینی میکرو</span><span dir="LTR"><span style="color:black;"><span style="font-size:11.0pt;">RNA</span></span></span><span style="color:black;">های مرتبط با ژن‌های هدف با استفاده از ابزارهای بیوانفورماتیکی، موجب صرفه‌جویی در وقت و هزینه‌های بررسی آزمایشگاهی می‌شود. در این مطالعه، پیش‌بینی ژن‌های هدف میکرو</span><span dir="LTR"><span style="color:black;"><span style="font-size:11.0pt;">RNA</span></span></span><span style="color:black;">های مرتبط با بیماری آلزایمر توسط ابزارهای بیوانفورماتیکی مختلف با داده‌های تجربی گزارش شده مقایسه شد.</span><span dir="LTR"><span style="color:black;"></span></span><br> <strong><span style="color:black;">روش:</span></strong><span style="color:black;"> 41 میکرو</span><span dir="LTR"><span style="color:black;"><span style="font-size:11.0pt;">RNA</span></span></span><span style="color:black;"> که بر اساس نتایج آزمایشگاهی گزارش شده در مقالات موجب تغییر در بیان 21 ژن اصلی دخیل در بیماری آلزایمر شده‌ بودند، انتخاب گردید. سپس پیش‌بینی ژن هدف برای هر میکرو</span><span dir="LTR"><span style="color:black;"><span style="font-size:11.0pt;">RNA</span></span></span><span style="color:black;"> به وسیله سه ابزار بیوانفورماتیکی شامل </span><span dir="LTR"><span style="color:black;"><span style="font-size:11.0pt;">MirTarget</span></span></span><span style="color:black;">، </span><span dir="LTR"><span style="color:black;">T</span></span><span dir="LTR"><span style="color:black;"><span style="font-size:11.0pt;">argetScan</span></span></span><span style="color:black;"> و </span><span dir="LTR"><span style="color:black;"><span style="font-size:11.0pt;">Diana-microT</span></span></span><span style="color:black;"> انجام شد و نتایج به دست آمده برای هر سه ابزار با توجه به ژن‌های هدف گزارش شده برای آن‌ها با یکدیگر مقایسه گردید.</span><span style="font-family:B Mitra;"></span><br> <strong><span style="color:black;">نتایج</span></strong><strong>:</strong> در بررسی 41 میکرو<span dir="LTR"><span style="font-size:11.0pt;">RNA</span></span> گزارش شده برای 21 ژن دخیل در بیماری آلزایمر، ابزار <span dir="LTR"><span style="font-size:11.0pt;">MirTarget</span></span> در 66 درصد، <span dir="LTR"><span style="font-size:11.0pt;">TargetScan</span></span> در 61 درصد و <span dir="LTR"><span style="font-size:11.0pt;">Diana-microT</span></span> در 27 درصد از موارد اتصال میکرو<span dir="LTR"><span style="font-size:11.0pt;">RNA</span></span>های مورد نظر را به ژن هدف، تأیید نمود؛ اما اتصال 22 درصد از میکرو<span dir="LTR"><span style="font-size:11.0pt;">RNA</span></span>ها به ژن‌های هدف، توسط هیچ‌کدام از ابزارها تأیید نشد.<span dir="LTR"></span><br> <strong>نتیجه&shy; گیری:</strong> ابزارهای <span dir="LTR"><span style="font-size:11.0pt;">MirTarget</span></span> و <span dir="LTR"><span style="font-size:11.0pt;">TargetScan</span></span> نسبت به <span dir="LTR"><span style="font-size:11.0pt;">Diana-microT</span></span> در پیش‌بینی ژن هدف میکرو<span dir="LTR"><span style="font-size:11.0pt;">RNA</span></span>های دخیل در بیماری آلزایمر توانایی بالاتری دارند. با توجه به الگوریتم به کار گرفته شده در <span dir="LTR"><span style="font-size:11.0pt;">MirTarget</span></span>، این ابزار بیوانفورماتیکی در پیش‌بینی ژن‌های هدف میکرو<span dir="LTR"><span style="font-size:11.0pt;">RNA</span></span>ها نتایج عملکردی و واقعی‌تری را ارائه می‌کند و به عنوان یک نرم‌افزار کاربردی در پیش‌بینی اهداف میکرو<span dir="LTR"><span style="font-size:11.0pt;">RNA</span></span>ها توصیه می‌شود. همچنین می‌توان نتیجه‌گیری نمود که تغییرات بیان ژن گزارش شده با واسطه میکرو<span dir="LTR">RNA</span>ها در بیماری آلزایمر، در مواردی نیاز به بررسی بیشتر دارند.</span><span dir="LTR"></span> <span style="font-family:Tahoma;"><strong>Introduction:</strong> The prediction of microRNAs related to target genes using bioinformatics tools saves time and costs of the experimental analyses. In the present study, the prediction of microRNA target genes relevant to Alzheimer&rsquo;s Diseases (AD) were compared with the experimentally reported data using different bioinformatics tools.<br> <strong>Method:</strong> A total of 41 microRNAs associated with 21 essential genes involved in AD were selected based on experimental results reported in previously published literature. Then, the prediction of the target gene for each microRNA was done using three bioinformatics tools, including MirTarget, TargentScan, and Diana-microT. The results of the predictions for all three tools considering the reported target genes were compared with each other.&nbsp;<br> <strong>Results:</strong> The results showed that MirTarget, TargetScan, and Diana-microT correctly predicted 66%, 61%, and 27% of microRNAs&rsquo; attachment to the previously reported target genes involved in AD, respectively. However, none of the tools could predict the attachment of 22% of the microRNAs to the target genes reported in the literature.<br> <strong>Conclusion</strong>: It can be concluded that MirTarget and TargetScan can better predict the target gene for microRNAs involved in AD compared with Diana-microT. Considering the algorithm used in MirTarget, this bioinformatics tool provides more functional and accurate results in predicting the target genes for microRNAs and it is recommended for predicting the target genes of microRNAs. It can also be concluded that the reported target genes for microRNAs involved in AD need further investigations in some cases.</span> میکروRNA, بیوانفورماتیک, پیش‌بینی ژن هدف, بیماری آلزایمر MicroRNA, Bioinformatics, Target Gene Prediction, Alzheimer Disease 376 389 http://jhbmi.ir/browse.php?a_code=A-10-696-1&slc_lang=fa&sid=1 Maryam Koraei مریم کرائی m.koraei@sci.uok.ac.ir 10031947532846006211 10031947532846006211 No M.Sc. Student in Cellular and Molecular Biology, Biological Science Dept., Faculty of Science, University of Kurdistan, Sanandaj, Iran دانشجوی کارشناسی ارشد سلولی و مولکولی، گروه علوم زیستی، دانشکده علوم پایه، دانشگاه کردستان، سنندج، ایران Shamseddin Ahmadi شمس الدین احمدی sh.ahmadi@uok.ac.ir 10031947532846006212 10031947532846006212 Yes Associate Professor in Physiology, Biological Science Dept., Faculty of Science, University of Kurdistan, Sanandaj, Iran دانشیار رشته فیزیولوژی، گروه علوم زیستی، دانشکده علوم پایه، دانشگاه کردستان، سنندج، ایران