Detailansicht
Computational predicion of structural non-coding RNAs
Lorenz Perschy
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Zentrum für Molekulare Biologie
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Molekulare Biologie
Betreuer*in
Robert Konrat
Mitbetreuer*in
Tanja Gesell
DOI
10.25365/thesis.50625
URN
urn:nbn:at:at-ubw:1-13766.54644.604360-8
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Während die ”wahre” Anzahl nicht kodierender Ribonukleinsäure (Englisch: ncRNA) im menschlichen Genom noch immer stark umstritten ist, ist ihre biologische Rolle, die von Trankskriptions- und Translationskontrolle zu Splicing und epigenetischem Silencing reicht, unumstritten. Als Folge ihrer vielfälltigen regulatorischen Funktionen, die in allen Domainen des Lebens anzutreffen sind, stehen veränderte ncRNA Level im Zusammenhang mit der Enstehung von Krebs, Alzheimer und vielen anderen Krankheiten. Mit den Fortschritten in der Sequenzierungstechnologie und der stetig wachsenden Anzahl an Sequenzierungsdaten, sind in silico Methoden für die verlässliche Identifizierung von ncRNA eine entscheidende Voraussetzung, um neue ncRNA Kandidaten zu finden und ihre Rolle in der Enstehung von Krankheiten zu entschlüsseln. Allerdings stellt die relativ hohe Falsch Positiv Rate (FPR) bis heute eine große Herausfordung in der Vorhersage von ncRNA dar. Deshalb ist das Ziel dieser Masterarbeit SISSIz, ein bereits etabliertes Programm zur Vorhersage von ncRNA und zur Simulation von Alignments, zu verbessern und auf den neuesten Stand zu bringen: Eines der Hauptziele war es, die Verwendung von experimentellen Daten und neuer Engegieparameter durch die Integration der neusten Version des ViennaRNA packages zu ermöglichen. So konnte gezeigt werden, dass experimentelle SHAPE (Englisch: Selective 2’-hydroxyl acylation analyzed by primer extension) Daten ein großes Potential besitzen, die Suche nach ncRNA zu unterstützen. Dies ist vor allem dem Aufkommen von probing Methoden mit hohen Durchsatz zu verdanken ist. Zusätzlich erscheint die Erweiterung SISSIzs mit dem SCI (Englisch: Structural Conservation Index), der vom konkurrierenden ncRNA gene finder RNAz verwenden wird, in den Benchmark Tests als vielversprechend. Des Weiteren war ein großer Teil dieser Arbeit der Sequenz und Alignment Simulation zugeschrieben. In diesem Zusammenhang konnte SISSIz ebenfalls durch neue Funktionen, die die Parallelisierung und Reproduktion von Simulationen erlauben, verbessert werden. Zu guter Letzt, wurde SISSIz an zwei genomischen Untersuchungen am Drosophila X Chromosome and am HIV (Englisch: Human Immunodeficiency Virus) angewendet. Im letzeren Fall waren SHAPE Daten verfügbar, die die Vorhersage von ncRNA verbessern konnten. Der Quelltext der neuen SISSIz Version wird, genauso wie die derzeitige Version des Programms, unter der freien GNU General public license verfügbar sein.
Abstract
(Englisch)
While the “true” number of non-coding ribonucleic acids (ncRNA) in the human genome is still heavily debated, their biological role, which ranges from control of transcription and translation to splicing and epigenetic silencing, is undisputed. Due to their diverse regulatory function, which can be found in all domains of life, abnormal levels of ncRNAs have been linked to the development of cancer, Alzheimer and many other diseases. With the advances in sequencing technology and the ever growing amount of sequence data, in silico methods for the reliable identification of ncRNAs are a crucial prerequisite to find new ncRNA candidates and to decipher their role in the development of diseases; however the relatively high false positive rate (FPR) remains until today a big challenge in the prediction of ncRNAs. Therefore, the aim of this master’s thesis is to improve and update SISSIz, an already established software for the prediction of ncRNAs and simulation of alignments: One of the main objectives was to facilitate the use of experimental probing data and to update new energy parameters by incorporating the latest version of the ViennaRNA package. As a result, it could be shown that experimental SHAPE (Selective 2’-hydroxyl acylation analyzed by primer extension) data possess great potential to aid the search for ncRNAs, most of all with the advent of high throughput probing methods. Additionally, the SCI (Structural Conservation Index), which is used by the competitor ncRNA gene finder RNAz, appeared as a promising extension to SISSIz as indicated in the benchmark tests. Furthermore, a large part of the work focused on sequence and alignment simulation. In this context, SISSIz could also be improved by adding new functions that allow simulations to be parallelized and reproduced. Last but not least, SISSIz was applied in two genomic screens on the Drosophila X chromosome and the HIV (Human Immunodeficiency Virus). In the later case SHAPE data was available which could be demonstrated to improve the prediction of ncRNAs. The C source code of the new SISSIz version will be available under the free GNU General public license alike the current version of the program.
Schlagwörter
Schlagwörter
(Englisch)
ncRNA prediction SHAPE SISSIz
Schlagwörter
(Deutsch)
ncRNA Vorhersage SHAPE SISSIz
Autor*innen
Lorenz Perschy
Haupttitel (Englisch)
Computational predicion of structural non-coding RNAs
Publikationsjahr
2018
Umfangsangabe
94 Seiten : Diagramme
Sprache
Englisch
Beurteiler*in
Robert Konrat
Klassifikationen
42 Biologie > 42.13 Molekularbiologie ,
54 Informatik > 54.76 Computersimulation
AC Nummer
AC14533913
Utheses ID
44749
Studienkennzahl
UA | 066 | 834 | |