شناسایی ژن های میکرو آر ان ای از اهمیت ویژه ای برخوردار است. توسعه روش های محاسباتی و متعاقبا صرفه جویی در هزینه و زمان پژوهش های آزمایشگاهی، تاثیر بسزایی در افزایش سرعت و دقت شناسایی آنها دارد. با توجه به اینکه زمان کمی از شناخت میکرو آر ان ای ها می گذرد، در ابتدا روند پژوهش ها کند بود، اما به مرور با شکل گیری پایگاه های اطلاعاتی بیولوژیکی و درک اهمیت آنها دانشمندان به مطالعات گسترده در این زمینه پرداختند. تاکنون روش های مختلفی با در نظر گرفتن ویژگی های متفاوت از جمله ویژگی های ساختاری، موقعیتی و ترمودینامیکی بر روی گونه های مختلف از جمله انسان، موش و حتی گونه های گیاهی ارائه شده است. با این وجود، مدل های هوشمند برای گونه های نشخوارکنندگان وجود ندارد یا بطور سطحی مطالعه شده اند. در این مطالعه نقش انواع دسته بندی کننده های هوشمند در پیش بینی ژن های میکرو آر ان ای ها برای گاو و گوسفند مورد بررسی قرار گرفت. ابتدا بر روی سه دسته ویژگی ساختاری، موقعیتی و ترمودینامیکی تمرکز و ویژگی های برتر با استفاده از تحلیل مولفه های اصلی انتخاب گردید. سپس داده ها با استفاده از دسته بندی های گوناگون مورد مطالعه قرار گرفتند. در مجموع ماشین بردار پشتیبان با کرنل rbf و الگوریتم یادگیری smo بهترین دسته بندی کننده برای ژن های میکرو آر ان ای در نشخوارکنندگان معرفی گردید. سپس نرم افزار شناسایی ژن های pre-mirna طراحی و پیاده سازی شد. با استفاده از این نرم افزار در مجموع 18776 pre-mirna شناسایی گردید. در ادامه تحقیق به منظور دست یابی به میکرو آر ان ای های بالغ از آنالیزهای مجازی بهره گرفته شد. در نهایت به ترتیب در گاو و گوسفند 25 و 28 میکرو آر ان ای بالغ گزارش گردید. با توجه به محدودیت مالی پروژه 3 میکرو آر ان ای بالغ جدید در گوسفند بر اساس روش rt-pcr تایید و به منظور بررسی عمومی حضور میکرو آر ان ای ها در گاو و گوسفند از real-time pcr استفاده و حضور دو میکرو آر ان ای مورد تایید قرار گرفت.