Key points are not available for this paper at this time.
CONTEXTE : Les microARNs (miARNs) sont une classe de régulateurs géniques importants. Le nombre de miARNs identifiés a considérablement augmenté ces dernières années. Un défi majeur émergent est l'interprétation des ensembles de données de miARN à l'échelle du génome, y compris ceux dérivés de microarray et de séquençage profond. Il est intéressant et important de connaître les règles ou modèles communs derrière une liste de miARNs, (c'est-à-dire les miARNs dérégulés résultant d'une expérience de microarray de miARN ou de séquençage profond). RÉSULTATS : Pour cet objectif, cette étude présente une méthode et développe un outil (TAM) pour l'annotation des catégories de miARNs humains significatifs. Nous avons d'abord intégré les miARNs dans diverses catégories significatives selon les connaissances préalables, telles que la famille de miARN, le cluster de miARN, la fonction de miARN, les maladies associées aux miARN, et la spécificité tissulaire. En utilisant TAM, des listes données de miARNs peuvent être rapidement annotées et résumées selon les données catégorielles de miARN intégrées. De plus, à partir d'une liste de miARNs, TAM peut être utilisé pour prédire de nouveaux miARNs liés. Enfin, nous avons confirmé l'utilité et la fiabilité de TAM en l'appliquant aux miARNs dérégulés dans l'infarctus du myocarde aigu (IMA) provenant de deux expériences indépendantes. CONCLUSION : TAM peut identifier efficacement des catégories significatives pour des miARNs donnés. En outre, TAM peut être utilisé pour identifier de nouveaux biomarqueurs de miARN. L'outil TAM, les codes sources et les données de catégories de miARN sont disponibles gratuitement à l'adresse http://cmbi.bjmu.edu.cn/tam.
Lü et al. (Mon,) ont étudié cette question.