جهش در ژن های دخیل در بیماری های متابولیک ذخیره ای لیزوزوم به روش تعیین توالی اگزوم در دو خانواده در استان خوزستان
محل انتشار: مجله دانشکده پزشکی اصفهان، دوره: 41، شماره: 710
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 87
فایل این مقاله در 7 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_IMSJ-41-710_002
تاریخ نمایه سازی: 13 آبان 1403
چکیده مقاله:
مقاله پژوهشیمقدمه: بیماری های ذخیره ای لیزوزومی (Lysosomal storage diseases) LSDs، گروهی از بیماری های متابولیک هستند که در اثر جهش در آنزیم های لیزوزومی ایجاد شده و منجر به تجمع سوبسترای لیزوزوم می شود. بیماری گوچر و نیمن پیک، دو اختلال لیزوزومی اتوزومال مغلوب هستند که به ترتیب در اثر جهش در ژن بتا گلوکوزیداز و ژن اسفنگومیلین فسفودی استراز ۱ ایجاد می شوند. ابزار تشخیصی قدرتمند مبتنی بر فناوری توالی یابی اگزوم (Whole-exome sequencing) WES با کمک به تشخیص سریع تر، زمینه را برای مشاوره ی ژنتیکی مناسب تر فراهم می کند.روش ها: در این پژوهش، پس از نمونه گیری در لوله ی حاوی ماده ی ضد انعقاد EDTA و استخراج DNA، تعیین توالی نسل بعد به کمک روش WES انجام پذیرفت. بعد از یافتن ژن کاندید، به منظور تایید واریانت از روش (Poly chain reaction) PCR برای تکثیر و از نرم افزار کروماس برای خوانش توالی استفاده گردید.یافته ها: نتایج تعیین توالی اگزون ۸ ژن GBA در فرد بیمار خانواده اول، حاکی از جهش هموزیگوت شناخته شده ی بیماری گوچر در ژن GBA: c.۷۹C>T:p.I۲۶۰S بود. نتایج تعیین توالی اگزون ۹ از ژن NPC۱ در فرد بیمار خانواده ی دوم، نشان دهنده ی جهش هموزیگوت در ژن NPC۱: c.۱۳۵۰C>G.p.I۴۵۰M می باشد که یک واریانت جدید در بیماران نیمن پیک است.نتیجه گیری: روش WES با ارزیابی همزمان چندین ژن می تواند زمان تشخیص واریانت های بیماری زای بیماری های ذخیره ی لیزوزومی (LSDs) کاهش داده و به درمان بیماران کمک می کند.
کلیدواژه ها:
نویسندگان
زهرا یگانه دوست
کارشناسی ارشد، گروه علوم تجربی، واحد دزفول، دانشگاه آزاد اسلامی، دزفول، ایران
آتوسا مرادزادگان
استادیار، گروه علوم تجربی، واحد دزفول، دانشگاه آزاد اسلامی، دزفول، ایران
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 :