In Silico Approach for Prediction of the Structural and Functional Impacts of ۱۸۴(T>C) Missense Mutation Identified in BRCA۱ Gene in a Syrian Breast Cancer Patient
محل انتشار: مجله سرطان خاورمیانه، دوره: 11، شماره: 4
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 100
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_MISJ-11-4_003
تاریخ نمایه سازی: 25 آبان 1402
چکیده مقاله:
Background: The classification of genetic variations depending on their clinical impacts is highly relevant for clinical decision-making. Therefore, predicting the effects of missense mutations using in silico tools has become a frequently employed approach. The objective of this study was to analyze the impacts of a previously detected BRCA۱ missense mutation using an in silico prediction tool in the context of invasive breast cancer. Methods: In this bioinformatics study, application of the in silico combination of tools Phyre۲ to ۱۸۴(T>C), a BRCA۱ missense mutation previously characterized by Khalil et al. in ۲۰۱۸, we used to predict its clinical impacts. Results: Incidence of the missense mutation caused a disorder in the zinc binding RING finger functional domain of BRCA۱ protein. This incidence was considered to be a major contributor to the interaction of this protein with other proteins in signal transduction pathway in the mechanism of cellular response to DNA damage. The functional analysis also revealed that the detected missense mutation might significantly affect the function of both the protein and phenotype of the living organism. Conclusion: In silico prediction confirmed the detrimental impact of the identified missense mutation in the exon ۲ of BRCA۱ gene on both the structural and functional properties of the generated BRCA۱ protein.
نویسندگان
Husam Khalil
Al-Rasheed International University for Science and Technology (RU), Damascus, Syria
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :