شناسایی پروتئین‌های کلیدی درگیر در بروز سرطان معده به روش in silico

مقدمه: سرطان معده اولین عامل مرگ میر ناشی از سرطان در ایران است. مطالعات بسیاری در خصوص یافتن پروتئین های تاثیرگذار به جهت اهمیت بر روی سرطان معده صورت گرفته است . با استفاده از پروتئین های شناسایی شده در خصوص سرطان معده و ابزارهای محاسباتی طراحی شده برای مطالعه شبکه های پیچیده، می توان راهی ارزان و منطقی برای شناسایی کاندیدهای پروتئینی درگیر در این بیماری معرفی نمود.روش بررسی: در این مطالعه که به روش تحلیلی با نگرش کمی انجام شده است، به منظور بررسی شبکه میانکنشی پروتئین های شناسایی شده درگیر در سرطان معده، ابتدا پروتئین ها از مقالات استخراج شدند سپس با استفاده از نرم افزار cytoscape و افزونه mimi در پایگاه داده های میان کنشی پروتئین ها مورد جستجو قرار گرفتند و شبکه میان کنشی رسم شد. با استفاده از افزونه centiscape شاخص های مرکزی (degree, stress, betweenness, closeness,) موردبررسی قرار گرفتند و گره های کلیدی تر شناسایی شدند. پس از افزودن داده های بیانی نیز مجدد این محاسبات صورت پذیرفت.یافته ها: از مقالات، فهرستی مشتمل بر 72 پروتئین استخراج شد و به کمک آن ها شبکه ای متشکل از 1673 گره ایجاد گردید. ارتباطات عمل کردی بین گره های موجود در زیر شبکه ها موردبررسی قرار گرفت و مشخص شد که اکثر پروتئین ها در فرایندهای تنظیمی دخیل هستند نتیجه بررسی شاخص های مرکزی در این شبکه نشان داد که hnf4a و taf1 به دلیل داشتن میان کنش های زیاد و ایجاد ارتباط بین بخش های مختلف شبکه به عنوان گره های کلیدی در شبکه میان کنشی پروتئین های درگیر در بروز سرطان معده هستند.نتیجه گیری: از پروتئین های معرفی شده در این مطالعه می توان به عنوان مارکرهای تشخیصی و اهداف درمانی در سرطان معده استفاده نمود. از طرفی از روند ارائه شده در این مطالعه می توان در شناسایی اهداف کلیدی در سایر بیماری های پیچیده نیز استفاده نمود.

An In silico method to identify key proteins involved in the development of gastric cancer

Background: Gastric cancer is the first most common cancer death in Iran. There have been many efforts in finding the most effective proteins in this cancer. Using the proteins identified in gastric cancer combined with advanced computational tools in analyzing biological networks, we have developed a rational method in order to identify candidate proteins associated with this cancer.Materials and Methods: In this study, The analytical procedure is performed with quantitative view. At the beginning we extracted the available studied proteins using a comprehensive literature search, Important proteins in gastric cancer were extracted from the available scientific articles, then the protein interaction databases were searched using Cytoscape MiMI plugin in order to draw the interaction network. Using the Centiscape plugin more key nodes were identified and the Degree, Stress, Betweenness and Closeness were examined. We next added the available expression data and recalculated the parameters.Result: Our beginning list was 72 known proteins involved in gastric cancer, after creating a comprehensive network using the earlier mentioned tools and databases a network with 1673 nodes was created. Examining the GO term using the BINGO plugin most of the proteins were involved in the regulatory processes (65007, 50789, and 50794). Results in the network core index showed that HNF4A and TAF1 were the major key proteins in the protein interaction network which can be greatly involved in the development of gastric cancer.Conclusion: The proteins identified in this study can be used as diagnostic markers and therapeutic targets used in gastric cancer. The process presented in this study can be used to identify key targets in other diseases as well.