微RNA(miRNA)是通过mRNA的降解或翻译抑制来调节基因表达的短(〜21 nt)非编码RNA。积累证据表明miRNA调节在多种神经退行性(ND)疾病的发病机理中的作用,例如,例如阿尔茨海默氏病,帕金森氏病,帕金森氏病,肌萎缩性侧面硬化症和亨廷顿病(HD)。几项旨在探讨miRNA调节在NDS中的作用的系统级别研究,但这些研究仍然具有挑战性。该问题的一部分可能与缺乏足够丰富或同质的数据有关,例如时间序列或在模型系统或人类生物样本中获得的细胞类型的数据,以说明上下文依赖性。该问题的一部分也可能与与miRNA和mRNA数据的准确系统级建模相关的方法学挑战有关。在这里,我们批判性地回顾了用于分析表达数据的机器学习方法的主要家族,强调了使用形状分析概念作为精确建模高度尺寸的miRNA和mRNA数据的添加价值,例如在研究HD过程中获得的概念,并详细介绍了这些概念和方法的潜在方法和方法来对这些概念和方法进行建模复杂的复杂信息数据。
主要关键词