piRNA های دارای افتراق بیان در سلول های سرطان سینه
محل انتشار: فصلنامه زیست فناوری، دوره: 15، شماره: 4
سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 193
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_BIOT-15-4_006
تاریخ نمایه سازی: 4 بهمن 1403
چکیده مقاله:
سرطان سینه شایع ترین سرطان زنان می باشد که علیرغم پیشرفتهای علمی زیاد همچنان علت اصلی مرگ و میر ناشی از سرطان در بین زنان محسوب می شود. برای حل این معضل جهانی نیازمند مطالعات مولکولی عمیق تری در حوزه سرطان سینه هستیم. امروزه نقش piRNAها بعنوان تنظیم کننده بیان ژن ها در سرطان های مختلف مورد توجه بسیاری قرار گرفته است. در این مطالعه هدف ما شناسایی piRNAهای مهم درگیر در سرطان سینه و ژن های هدف آن ها می باشد. برای این منظور داده های RNA seq small خام مربوط به نمونه های بافت سرطان سینه و بافت نرمال سینه از پایگاه داده GEO انتخاب و استخراج شد و از پلتفرم Galaxy برای آنالیز بیوانفورماتیکی آن ها استفاده شد. بیان افتراقی ۳۷۲ عدد piRNA بر اساس Log۲ FC ≥ ۲، p. value ≤ ۰.۰۵ بدست آمد که ۱۹۱ عدد افزایش بیان و ۱۸۱ عدد کاهش بیان معنی دار را نشان دادند. بیشترین افزایش مربوط به hsa-piR-۳۳۱۲۵ می باشد که هدف آن GATAD۲A می باشد و در پروسه های سرطانزایی از قبیل توسعه عروق خونی، آپاپتوز، تنظیم بیان ژن در سطح رونویسی و ... نقش دارد. بیشترین کاهش مربوط به hsa-piR-۳۳۰۷۳ با Log۲ FC= -۴.۲۰ می باشد. پیدا کردن لیستی از piRNAهای مهم که افتراق بیان معنی دار در سرطان سینه نسبت به بافت نرمال دارند و همچنین مشخص کردن افزایش و یا کاهش بیان آن ها در بافت سرطانی و تشخیص ژن های هدف و بررسی نقش آن ها در مسیرهای بیولوژیکی دخیل در توسعه و پیشرفت سرطان، می تواند آغازگر مطالعاتی باشد که در نهایت منجر به پیشرفت در تحقیقات سرطان سینه و روش های درمانی شود.
کلیدواژه ها:
نویسندگان
مریم عابدی
Ph.D. student, Department of Genetics, Faculty of Biological Sciences, Tarbiat Modares University, Tehran, Iran
مجید صادقی زاده
Professor, Department of Genetics, Faculty of Biological Sciences, Tarbiat Modares University, Tehran, Iran
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 :