Inferring the Human microRNA Functional Similarity in Latent Factor Space

Abstract

MicroRNAs (miRNAs) are small non-coding RNA molecules that have important functions in many biological processes. Unfortunately, there are no functional annotations for most miRNAs. Thus, to predict the potential functions of miRNAs, the strategy of inferring functional similarities among them has gained attention. The existing methods measure the functional similarities by applying a ‘best-match average strategy’, which based on “miRNA – related object information" and “between – object information". However, none of them take account of transitive relations among miRNAs, or integrate several types of information harmoniously. This paper proposes a new model, MFSim, based on Matrix Factorization (MF). By mapping miRNAs and related objects to a joint latent factor space, the model can take account of the transitive relations among miRNAs. The experimental results show that the proposed model is superior to a comparison method in all evaluation methods. The model is also flexible; it can integrate additional information harmoniously by mapping it in a shared latent factor space. This characteristic will make the model easy to be extended further.

마이크로RNA (miRNA)는 작은 크기의 논코딩 RNA 분자로, 많은 생물학적 과정에서 중요한 기능들을 담당하고 있다. 불행히도, 대부분의 마이크로RNA에 대한 기능적 주석은 현재 존재하지 않는다. 따라서 그들 사이의 기능적 유사도를 추론하여 마이크로RNA의 잠재적인 기능들을 예측하는 방식이 관심을 끌고 있다. 현재 존재하는 추론 방법들은 “마이크로RNA – 관련 객체 정보”와 “해당 객체들 사이의 정보”를 기반으로 하는, ‘최고-매치 평균 전략’을 사용하여 기능적 유사도를 측정한다. 하지만 이들 중, 마이크로RNA 간의 ‘추이 관계’를 고려하거나 여러 가지 다른 형태의 정보들을 조화롭게 통합하는 방법은 존재하고 있지 않다. 본 논문에서는 ‘행렬 분해’ (Matrix Factorization)를 기반으로 하는 새로운 추론 모델, MFSim 을 제안한다. 이 모델은 마이크로RNA와 관련 객체들을 ‘공통된 잠재 요소 공간’ (Joint latent factor space)상에 사상함으로써 마이크로RNA 간의 추이 관계를 고려할 수 있다. 실험에서는 제안한 모델이 비교 방법보다 모든 평가 측면에서 우수함을 볼 수 있다. 본 모델은 또한 유동적인 특징을 가지고 있다. 즉, 추가적인 정보를 기존의 잠재 요소 공간상에 공유되도록 사상함으로써 해당 정보를 조화롭게 모델에 통합할 수 있으며 이러한 특징은 추후에 모델이 쉽게 확장 될 수 있도록 만들어 준다.