بررسی میزان بیان lncRNA GAPLINC در نمونه های سرطان پستان سه گانه منفی در نمونه های متاستاتیک و غیرمتاستاتیک
سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 109
فایل این مقاله در 9 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_NCMBJ-15-59_005
تاریخ نمایه سازی: 17 اسفند 1404
چکیده مقاله:
سابقه و هدف: هدف از این مطالعه بررسی میزان بیان lncRNA GAPLINC برای اولین بار در نمونه های بافت سرطان پستان سه گانه منفی متاستاتیک و غیرمتاستاتیک با استفاده از تکنیک Real-Time PCR به منظور یافتن مارکر احتمالی در تشخیص سرطان پستان سه گانه منفی متاستاتیک می باشد.
مواد و روش ها: پس از انتخاب lncRNA کاندید و طراحی پرایمرها بر روی توالی ژن هدف، RT-quantitative PCRبا استفاده از پرایمرها و سایبرگرین بر روی ۵۰ نمونه بافت تازه شامل ۲۰ نمونه بافت سرطان پستان سه گانه منفی متاستاتیک، ۲۰ نمونه بافت سرطان پستان غیرمتاستاتیک و ۱۰ نمونه کنترل انجام شد. در این مطالعه از ژن β-actin به عنوان کنترل داخلی استفاده گردید که طبق مطالعه های صورت گرفته کنترل مناسبتری از نظر پایداری بیان در مقایسه با سایر ژنها در آزمایش های مولکولی سرطان پستان می باشد.
برای آنالیز آماری از نرم افزار GraphPad Prism استفاده و ۰۵/۰ Adj. p-value < به عنوان سطح معنی داری درنظر گرفته شد.
یافته ها: افزایشی در سطح بیان lncRNA GAPLINC در نمونه های سرطان پستان سه گانه منفی در مقایسه با نمونه های سرطان پستان سه گانه منفی غیرمتاستاتیک با مقدار p کمتر از ۰۵/۰ مشاهده شد.
نتیجه گیری: GAPLINC می تواند به عنوان یک نشانگر زیستی بالقوه در تشخیص سرطان پستان متاستاتیک از غیرمتاستاتیک عمل کند.
کلیدواژه ها:
نویسندگان
شیوا سلیمانی
Department of Biology, Science and Research Branch, Islamic Azad University, Tehran, Iran.
فرخنده پوراسماعیلی
Department of Medical Genetics, Faculty of Medicine & Men’s Health and Reproductive Health Research Center, Shahid Beheshti University of Medical Sciences, Tehran, Iran
ایمان سلحشوری پور
.Department of Biology, Science and Research Branch, Islamic Azad 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 :