Inteligência artificial aplicado em dados de non-coding RNAs

Os miRNAs são pequenos ncRNAs que possuem um papel fundamental na regulação dos genes, o qual diversos processos biológicos nas células animais/vegetais estão sob controle do miRNA. Para que o miRNA se torne maduro e apto a desempenhar seu papel regulatório, sua biogênese canônica é constituída de duas clivagens. Alguns estudos em organismos modelos identificaram uma subclasse de miRNAs, denominada Mirtrons, originadas de uma biogênese de via não canônica que elimina a clivagem de Drosha.Os Mirtrons também participam de diversos processos regulatórios e são potenciais silenciadores de doenças. Apesar das semelhanças entre mirtrons e miRNAs canônicos, uma comparação entre suas diferenças estruturais permitem a compreensão quanto a forma como os processos biológicos são regulados. Além disso, devido as diferenças entre essas classes, preditores de miRNAS não são hábeis a realizar a predição de Mirtrons.Nesse projeto foi realizada uma coleta de dados de mirtrons e microRNAs, bem como a extração de características identificadas pelo estado da arte como distintas entre as classes, a redução de um grande número de características pelo método SFS e por fim o treinamento de um classificador de aprendizado supervisionado denominado Random Forest que realiza a distinção das classes de forma automatizada.