مقدمه: پیش‌بینی اهداف miRNAها از اهمیت ویژه‌ای برخوردار است. توسعه روش‌های محاسباتی و متعاقباً صرفه‌جویی در هزینه و زمان پژوهش‌های آزمایشگاهی، تأثیر به سزایی در افزایش سرعت ساخت داروهای درمانی از جمله داروهای ضد سرطانی دارد. با توجه به این که زمان کمی از شناخت miRNAها می‌گذرد، روند پژوهش‌ها در ابتدا کند بود. اما به مرور با شکل‌گیری دیتابیس‌های بیولوژیکی و درک اهمیت آن‌ها، دانشمندان بر روی این زمینه سرعت مطالعات و توجه خود را افزایش داده‌اند. تاکنون چندین روش کامپیوتری برای پیش‌بینی اهداف miRNAها ساخته شده است ولی اکثر این روش‌ها دارای نرخ بالایی از مثبتهای اشتباه هستند و هنوز جا برای بهبود این روش‌ها وجود دارد. از آنجا که مطالعات جدید نشان می‌دهد که miRNAها در بافتهای مختلف دارای اهداف متفاوتی هستند، هدف از این مقاله ارائه یک روش کامپیوتری برای پیش‌بینی اهداف، در سرطان سینه می‌باشد، تا به این طریق با اطمینان بیشتری بتوان به پیش‌بینی اهداف در این سرطان پرداخت.
روش: در این پژوهش، ابتدا انواع ویژگی‌ها استخراج شده، سپس ویژگی‌های برتر توسط دو روش CFS و ReliefF انتخاب گردیدند. انواع مدل‌های هوشمند از جمله شبکه عصبی، ماشین بردار پشتیبان با سه هسته متفاوت، الگوریتم نائیوبیز و درخت تصمیم‌گیری Random Forest بر روی داده‌ها با روش اعتبارسنجی ضربدری ۱۰تایی تست و نتایج آن‌ها با یکدیگر مقایسه و تحلیل شد. سپس برای تأیید نتایج حاصل از داده‌های بیان ژن بهره گرفته شد.
نتایج: با استفاده از این روش ۱۲۴ اثر متقابل عملگر، شامل ۲۱ miRNA و ۳۸ mRNA، در سرطان مورد نظر پیش‌بینی گردید.
نتیجه‌گیری: این رویکرد از لحاظ بیوانفورماتیکی برای سرطان سینه مورد تأیید قرار گرفت اما برای تأیید بیشتر این پیش‌بینی‌ها، نیاز به استفاده از روش‌های آزمایشگاهی می‌باشد.
