شناسايي پروفايل بياني ژن هاي اختصاصي سرطان ريه بر اساس مطالعات بيوانفورماتيكي

Identifying the expression profile of lung cancer specific genes based on bioinformatics studies

مقدمه و هدف: سرطان ريه دومين سرطان رايج در بين زنان و مردان است. اگرچه با پيشرفت‌هاي اخير در فناوري تراشه‌هاي ژني، ژن هاي متعدد مرتبط با سرطان ريه شناسايي شده است، با اين حال، هيچ يك از اين ژن ها نمي توانند به طور اين سرطان را تشخيص دهند يا پيش بيني كنند. هدف از اين مطالعه، بررسي بيان ژن هاي اختصاصي و RNA هاي تنظيمي در سرطان ريه، به منظور شناسايي نشانگرهاي زيستي تشخيصي يا عوامل تعيين كننده در پزشكي دقيق بر اساس بررسي بيان آنها در سطح RNA مي باشد. روش كار: در اين مطالعه، ما از TCGA به عنوان مجموعه داده استفاده كرديم. در مرحله اول، ما يك شبكه ceRNA با استفاده از ژن هايTCGA ساختيم كه با پيش آگهي سرطان ريه مرتبط بود. نتايج: نتايج حاصل از مطالعات in silico نشان داد كه بيان 683 lncRNA در سرطان ريه به صورت معناداري تغيير مي-كند (403 lncRNA افزايش بيان و 280 lncRNA كاهش بيان) (05/0p ) . همچنين بيان 3088 mRNA افزايش و بيان 3893 mRNAكاهش معناداري يافته بود. نتايج تفاوت بيان miRNA ها نيز نشان داد كه بيان161 miRNA افزايش و بيان 123 كاهش معني دار داشتند (05/0p ). در شبكه ceRNA نيز سه lncRNA شامل SNHG7، H19 و CCHE1 با بيشترين برهمكنش با ديگر ژن هاي شناسايي شده شناسايي شد. تجزيه و تحليل غني‌سازي ژن‌هاي متابوليك نشان داد كه ژن‌هاي مدل پيش‌آگهي در متابوليسم و مسيرهاي مرتبط با سرطان فعاليت دارند. نتيجه گيري : با توجه به نتايج بدست آمده در اين مطالعه، مي توان عنوان كرد كه اين سه lncRNA شناسايي شده مي توانند در سرطان ريه تغيير بيان فاحشي داشته باشند.

Introduction and purpose: Lung cancer is the second most common cancer among men and women. Although with recent advances in gene chip technology, numerous genes related to lung cancer have been identified, however, none of these genes can diagnose or predict this cancer. The purpose of this study is to investigate the expression of specific genes and regulatory RNAs in lung cancer, in order to identify diagnostic biomarkers or determinants in precision medicine based on their expression at the RNA level. Methods: In this study, we used TCGA as a dataset. In the first step, we constructed a ceRNA network using TCGA genes that were associated with lung cancer prognosis. Results: The results of the in silico studies showed that the expression of 683 lncRNAs significantly changes in lung cancer (403 lncRNAs increase in expression and 280 lncRNAs decrease in expression) (p 0.05). Also, the expression of 3088 mRNAs increased and the expression of 3893 mRNAs decreased significantly. The results of the difference in miRNA expression also showed that the expression of 161 miRNAs increased and the expression of 123 decreased significantly (p 0.05). In the ceRNA network, three lncRNAs including SNHG7, H19 and CCHE1 were identified with the highest interaction with other identified genes. Enrichment analysis of metabolic genes showed that prognostic model genes are active in cancer-related metabolism and pathways. Conclusion: According to the results obtained in this study, it can be said that these three identified lncRNAs can have drastic expression changes in lung cancer.