شناسایی ژن های مرتبط با پیش‌ آگهی در سرطان پستان Her2enriched با استفاده از تجزیه و تحلیل شبکه هم‌ بیانی ژنی

مقدمه: زیرگروه her2enriched در سرطان پستان پیش آگهی بدتری نسبت به زیرگروه های لومینال دارد. و اخیرا کشف درمان های هدفمند در سایر گروه های سرطان پستان منجر به افزایش بقاء بیماران شده است. هدف این مطالعه شناخت ژن های موثر در بقای کلی این دسته از بیماران مبتنی بر زیست شناسی سامان ه ای است. روش بررسی: مجموعه داده های بیان ژن و اطلاعات بالینی 58 بیمار مبتلا به زیرگروه her2enriched از اطلس ژنوم سرطان دانلود شد. با استفاده از شبکه هم بیان ژنی وزن دار، ماژول های هم بیان شناسایی شدند. به منظور شناسایی ماژول های موثر بر بقای کلی، از رگرسیون کاکس استفاده شد. آنالیز بقاء تک ژنی در درون ماژول منتخب انجام و در پایان ژن های معنی دار با استفاده از ابزار david مورد تفسیر عملکردی قرار گرفتند. یافته ها: از میان شش ماژول هم بیان شناسایی شده، دو ماژول به طور معنی دار با پیش آگهی بدتر در بیماران مرتبط بودند. بر مبنای آنالیز بقای تک ژنی، 39% از ژن های ماژول منتخب، معنادار شناخته شد که رابطه معناداری با مسیرهای زیستی ubiquitin mediated proteolysis و rna degradation داشتند. ژن های champ1، ppp1r26، prrc2b، kansl3 و anapc2 به ترتیب به عنوان 5 ژن مهم در کاهش بقای کلی شناسایی شدند. همچنین این ژن ها در مسیرهای مرتبط با تقسیم سلولی نقش دارند که تاییدکننده نقش آن ها در سرطان است. نتیجه گیری: رویکرد زیست شناسی سامان ه ای می تواند نتایج مناسبی در تحلیل بقاء بیماران داشته باشد. در این مطالعه ژن هایی شناسایی شدند که می توانند در مطالعات آزمایشگاهی به عنوان بیومارکرهای پیش آگهی دهنده بقای کلی بیماران زیرگروه her2enriched و همچنین کاندیداهای بالقوه برای درمان هدفمند این دسته از بیماران مورد استفاده قرار گیرند.

Identification of Prognostic Genes in Her2enriched Breast Cancer by Gene CoExpression Network Analysis

Introduction: HER2enriched subtype of breast cancer has a worse prognosis than luminal subtypes. Recently, the discovery of targeted therapies in other groups of breast cancer has increased patient survival. The aim of this study was to identify genes that affect the overall survival of this group of patients based on a systems biology approach.Methods: Gene expression data and clinical information on 58 patients with HER2enriched cancer were downloaded from The Cancer Genome Atlas (TCGA). Coexpression modules were identified using the weighted gene coexpression network analysis (WGCNA). The Cox regression was used to determine the modules that had a significant relationship with the overall survival (OS) endpoint. Singlegene survival analysis was performed within the selected module. Finally, functional annotation to explore the significance of genes was performed using the Database for Annotation, Visualization, and Integrated Discovery (DAVID).Results: Of the six identified coexpression modules, two had significantly poor prognoses. Singlegene survival analysis showed that 39% of genes in the selected modules were identified as significant. The genes were mainly related to the biological pathways such as Ubiquitinmediated proteolysis and RNA degradation. CHAMP1, PPP1R26, PRRC2B, KANSL3, and ANAPC2 were identified as the 5 most important genes associated with reduced OS, in order of significance.Conclusion: The systems biology approach can provide appropriate results relate to patient survival analysis. In this study, some genes were identified to be used as prognostic biomarkers in experimental studies related to the OS in the HER2enriched subgroup. These genes can be considered potential candidates for therapeutic targets in this group of patients.