گزارش دو Mirna 383 و 380-3p به داشتن نقش در تمایز سلول های عصبی

سابقه و هدف: مکانیسم پیچیده تمایز سلول های عصبی همیشه یک چالش بزرگ جهت شناخت جامع همه mirna های دارای نقش در تمایز سلول های عصبی بوده است. از همین رو mirna های زیادی در تمایز عصب شناخته نشده اند. به همین جهت استفاده از داده های حجیم با کمک علوم کامپیوتر راه حل مناسبی جهت بررسی همه جانبه mirna های احتمالی دارای نقش در مکانیسم تمایز سلولی می تواند باشد. مطالعه حاضر با هدف یافتن mirna های کلیدی در مکانیسم تمایز سلول های عصبی جهت درمان آسیب های عصبی با استفاده از سلول درمانی صورت گرفته است.مواد و روش ها: جهت متاآنالیز داده های ترانسکریپتوم، 5 دیتاست ماکرواری، مورد استفاده قرار گرفت. که 4 دیتاست مربوط به بررسی ژن های افتراقی و 1 دیتاست مربوط به mirna های افتراقی بودند. نتایج بدست آمده ژن های افتراقی توسط دیتابیس های mirtarbase و targetscan مورد بررسی قرار گرفت تا اینکه نتایجmirna های بدست آمده با نتایج آنالیز mirna های افتراقی مقایسه شد و mirna 4 دارای بیان افتراقی معنادار در مسیر عصبی بدست آمد. سپس توسط ابزارهای cytoscape شبکه های پروتئینی و مسیرهای زیستی( biological process) ترسیم شد.یافته ها: نتیجه متاآنالیز 4 دیتاست ژنی، 443 ژن و حاصل آنالیز دیتاست mirna 148 ،mirna ، با بیان افتراقی بود. سپس mirna 800 دارای برهمکنش با 443ژن افتراقی از دیتابیس های mirna بدست آمد که تنها mirna 4 دارای اشتراک با mirna 148 آنالیز شده، در تمایز سلول های عصبی گزارش شدند. که از این بین mirna 2 در مطالعات گذشته دارای گزارش بوده و تنها دو 380-3p mirna و 383 که در مطالعه حاضر که باقی مانده بودند گزارش شدند.نتیجه گیری: به نظر می رسد که دو mirna 380-3p و 383 در تمایز سلول های عصبی دارای اثر باشند، در نتیجه جهت سلول درمانی و بهینه سازی تمایز سلولهای عصبی در این مطالعه برای اولین بار کاندید می شوند.

Candidate roles of two miR383 and miR380-3p in neural differentiationiation

Background and Aims: MicroRNAs are reported as playing important roles in neural differentiation,but the complex mechanisms of neural differentiation are always a barrier to finding the significance of microRNAs in neural differentiation. Our hypothesis was that highthroughput techniques withsystems biology network could be used to solve these complicated mechanisms. To this end, we made an attempt to candidate new microRNAs in neural differentiation mechanisms using high throughput and systems biology network approaches.Materials and Methods: We utilized metaanalysis with five microarrays in both genes and microRNAs expression databases with R programming language. Then, we constructed proteinprotein interaction (PPI) network from DEGs using GeneMania plugin in Cystoscape environment.Also, to find miR that are in interaction with DEGs of neural differentiation, we used two TargetScan and miRTarBase databases. The results of two miR database were compared with the those of DEmiR and we finaly reported some DEmiR that have interaction with DEGs in neural differentiation Results: Our results showed that 443 DEGs and 148 DEmiR in neural differentiation process after metaanalysis of five databases. Next, the 443 DEGs were analyzed using two TargetScan and miRTarBase microRNAs database and the results revealed 252 miR, so 252 miR were compared with 148 DEmiR and the results indicated that only four miR 124, 29a, 383, and miR380-3p were present in both lists. In addition, PPI network was constructed with 443 DEGs and the results of GO indicated four anterior posterior pattern specification, Neural tube development, Stem cells differentiation, and Forebrain development pathways. PPI network of four pathways are extracted and analyzed using four DEmiR candidates, and then two miR383 and miR380-3p were reported as candidate microRNAs to play a role in neural differentiation process.Conclusion: Our results suggest that the two miR383 and miR380-3p play a role in neural differentiation process.