آشکار سازی نقش ژن های اصلی VCL، MYLK و TPM۱ در سرطان پروستات در داده کاوی و تجزیه تحلیل ریزآرایه های خوش خیم و سرطانی

با توسعه سریع فناوری توالی یابی نسل جدید (NGS)، تجزیه و تحلیل بیوانفورماتیکی به ابزاری قدرتمند در زمینه زیست پزشکی برای پیش بینی ژن های مرتبط با انواع بیماری ها و درمان آن ها به ویژه درک مکانیسم پیچیده سرطان ها تبدیل شده است. سابقه خانوادگی، نژاد و عوامل ژنتیکی از عوامل خطر ثابت شده برای سرطان پروستات هستند. هدف این مطالعه داده کاوی ریز آرایه های خوش خیم و سرطانی در ۹۸ نمونه تایید شده پاتولوژیکی پروستات برای کشف و معرفی نشانگرهای زیستی بالقوه و ژن های اصلی کاندید در سرطان پروستات با استفاده از تجزیه و تحلیل شبکه عملکرد تعاملات پروتئینی بود. داده کاوی در پایگاه داده بیان ژن GEO برای ریزآرایه GSE۳۲۵۷۱ انجام و تجزیه تحلیل داده ها با GEO۲R صورت گرفت. ارزیابی و بررسی هستی شناسی ژن (GO) و غنی سازی ژن ها در مسیر KEGG با استفاده از پایگاه داده DAVID انجام شد. ضمن استفاده از افزونه Cytohubba در شناسایی و غربالگری ژن های کلیدی، ماژول های اصلی موثر بر تعاملات ژن ها و پروتئین ها نیز شناسایی شدند. نتایج داده کاوی و ارزیابی مقایسه ای در نمونه های خوش خیم و سرطانی پروستات نشان داد که از مجموع ۷۵۸۱ ژن مشترک بیان شده تعداد ۳۰۵۴ ژن کاهش بیان و ۲۳۹۲ ژن افزایش بیان داشته اند (p <۰.۰۵). تجزیه و تحلیل بیوانفورماتیکی و داده کاوی آنالیز شبکه بر همکنش پروتئین ها، نشان داد که هاب ژن های کلیدی در سرطان پروستات شامل ۱۰ ژن: TPM۱،MYLK ،CALD۱ ،MYL۹ ،ACTG۱ ، CAV۱، ITGB۴ ،FLNC ، VCLو MYH۱۱ می باشند. نتایج غنی سازی ژن های کلیدی و بررسی های شبکه KEGG نشان داد که عمده مسیر های غنی شده با چسبندگی کانونی، تنظیم اسکلت سلولی اکتین و پروتئوگلیکان های سرطان در ارتباط می باشد. نتایج این پژوهش بیان می دارد که بیومارکرهای مولکولی اطلاعات ارزشمندی در مورد مکانیسم های بیولوژیکی سرطان پروستات ارائه می کنند و می توانند ابزارهای بالینی آسیب شناسی موجود را برای پیش آگهی و حتی درمان تکمیل کنند.

کلیدواژه ها:

داده کاوی ، ریزآرایه ، سرطان پروستات ، نشانگر زیستی تشخیصی ، هستی شناسی ژن و غنی سازی ژن ها و بیوانفورماتیک.