شناسایی نشانگر زیستی جدید و موثر در پیشرفت سرطان پروستات با بهره گیری از تحلیل داده های RNA-seq و یادگیری ماشین

سرطان پروستات به عنوان یکی از شایع ترین سرطان ها در مردان شناخته می شود. باوجود مطالعات گسترده در این حوزه، نشانگرهای زیستی موثر در بروز و پیشرفت این بیماری به طور کامل شناسایی و تبیین نشده اند. در مطالعه حاضر از داده های بیان ژن RNA Seq با شناسه های GSE۱۷۹۳۲۱ و GSE۲۲۹۲۰۴ از پایگاه داده GEO و استفاده از سه روش مختلف یادگیری ماشین در حوزه انتخاب ویژگی برای شناسایی ژن های کلیدی استفاده شده است. برای بررسی بیشتر نشانگرهای موثر و مسیرهای زیستی مرتبط با سرطان پروستات از آزمون ANOVA F-test استفاده شد. علاوه بر این به منظور شناسایی ژن های دارای بیان تفاضلی (DEGs)، تحلیل های مربوطه بر روی داده ها انجام گرفت و سپس جهت بررسی غنای عملکردی این ژن ها از ابزار DAVID بهره گیری گردید. در ادامه، پایگاه داده STRING برای ساخت شبکه تعاملات پروتئین - پروتئین (PPI) مورد استفاده قرار گرفت و این شبکه به کمک نرم افزار Cytoscape ترسیم شد. به منظور شناسایی ژن های کلیدی افزونه CytoHubba در Cytoscape به کار گرفته شدند. در مجموع ۴۵۸ ژن در بیماران مبتلا به سرطان پروستات دچار افزایش بیان شده عمدتا با فرآیندهایی نظیر تنظیم مثبت رونویسی توسط RNA پلیمراز II، هسته سلولی و اتصال به پروتئین مرتبط هستند؛ و ۴۴۱ ژن کاهش بیان داشتند و عمدتا در مسیرهای مرتبط با پاسخ های التهابی، سیتوپلاسم و اتصال به پروتئین نقش دارند. تحلیل مسیرهای KEGG نشان داد که ژن های کم بیان به طور مشخص در مسیرهای عفونت با ویروس پاپیلومای انسانی (HPV)، مسیرهای متابولیک، مسیر سیگنال دهی گیرنده لکتین نوع C و متابولیسم گلوتاتیون دخالت دارند. در نهایت هفت ژن شامل XRCC۳، NDUFC۲، COL۴A۲، SMC۵، TGA۱، LUC۷L۳ و DAPL۱ به عنوان ژن های کلیدی شناسایی شدند. یافته های این مطالعه منجر به معرفی و اعتبارسنجی یک نشانگر مهم گردید که می تواند در تشخیص، پیش آگهی و درمان سرطان پروستات کاربردهای بالینی ارزشمندی داشته باشد.

کلیدواژه ها:

یادگیری ماشین ، سرطان پروستات ، مسیرهای KEGG ، آزمون آماری ANOVA F-test ، نشانگر زیستی