طی دهه اخیر، میکروrnaها به دلیل نقش اساسی شان در تنظیم بیان ژن توجه بسیاری از دانشمندان علوم حوزه زیستی را به خود جلب نموده اند. میکروrnaها توالی های غیر کدکننده ی کوتاه 20 الی 23 نوکلئوتیدی هستند که کمتر از سه دهه از کشف و معرفی آن ها می گذرد. این مولکول ها علیرغم اندازه بسیار کوچک، نقش بسیار موثری در کنترل بیان ژن های یوکاریوتی ایفا می کنند. اندازه کوچک میکروrnaها و همچنین سایر فاکتورهای محدود کننده، شناسایی آزمایشگاهی آن ها و mrnaهای هدف شان را با محدودیت هایی مواجه ساخته است. بنابراین به کارگیری روش های محاسباتی جهت سرعت بخشیدن به شناسایی آن ها در حال گسترش است. روش های متعددی که با بررسی ژنوم جانداران مختلف mrnaهای هدف این میکروrnaها را با بازده و کارآیی بیشتری نسبت به روش های آزمایشگاهی معرفی می کند. الگوریتم های متنوعی جهت شناسایی اهداف میکروrnaها ارائه شده است که هر کدام دارای مزایا و معایبی می باشند. در این پایان نامه سعی شده است تا با بهره گیری از روش های مبتنی بر یادگیری ماشین به دلیل انعطاف و کارآیی بسیار بالا در طبقه بندی و کلاس بندی این ساختارهای زیستی و با استفاده از داده های به روز موجود در پایگاه های داده، الگوریتم بسیار سودمندی با حسّاسّیت و اختصاصّیت بالا در مقایسه با نرم افزارهای ارائه شده قبلی معرفی گردد. gettargetالگوریتم پیشنهادی این پایان نامه، با نشان دادن مقادیر بسیار بالای استاندارد طلایی، با اطمینان بالایی قابلیت استفاده برای پژوهشگران را دارد