پیش بینی بیوانفورماتیکی microrna های تنظیم کننده فرایند emt در سلول های سرطانی

هدف: emt فرایندی برگشت پذیر و ضروری در طول جنین زایی، بهبود زخم و پیشرفت سرطان است. در بسیاری از سرطانها، emt می تواند ویژگی های تهاجمی تومور را افزایش دهد. اخیرا، mirnaها به عنوان کلاس جدیدی از rna های غیر کدکننده ی تنظیم گر بیان ژن در مراحل پس از ترجمه دخیل درemt شناخته می شوند. با این حال، مکانیسم و اثر دقیق mirnaدر emt در سلول های سرطانی انسان هنوز به خوبی مشخص نیست. دراین راستا، این مطالعه با استفاده از ابزارهای بیوانفورماتیک پیش بینی کننده mirnaهای تنظیم کننده ژن های اصلی در فرایندemt، سعی در روشن کردن نقش mirnaها در فرایند emt دارد.مواد و روش ها: در این مطالعه، با استفاده از پایگاه های داده تحت وب و ابزارهای پیش بینی برهمکنش mirnaها نظیر diana، targetscan و mirsystem، برهمکنشmirnaهای تنظیم کننده ژن های ncadherin ، twist1، zeb1، snail و vimentin به عنوان بیومارکرهای اصلی سلول های مزانشیمی بررسی گردید.نتایج: اثرات mirnaهای متفاوت براساس الگوریتم هر پایگاه بر روی ژنهای نامزد بررسی مورد بررسی قرار گرفت و داده های بدست آمده از پایگاه های مختلف باهم اشتراک گرفته شد. نتایج نشان داد که یازده mirna با احتمال بالا به طور مشترک می توانند در emt/met نقش داشته باشند.ﻧﺘﯿﺠﻪ ﮔﯿﺮی: بر اساس یافته های ما، می توان پیش بینی کرد که با توجه به نمره بالاmirna های انتخاب شده با ژن های نامزد ، این mirna ها می توانند نقش مهمی در فرایند emt/met داشته باشد. از این رو، می توان از آنها به عنوان کاندید های مناسب برای تحقیقات بالینی آینده استفاده نمود.

Bioinformatics Prediction of microRNAs with Potential of the Epithelial-to-Mesenchymal Transition Regulator in Cancer Cells

ABSTRACTAims: Epithelial to mesenchymal transition (EMT) is an essential step in the developmental process, wound healing and cancer progression. In many cancers, EMT can increase aggressive properties including invasion, metastasis and Tumor resistance to apoptosis. Recently, miRNAs as a new class of noncoding RNAs that posttranscriptionally regulate gene expression have been demonstrated to have a crucial role in the regulation of EMT. However, the detailed mechanisms of miRNAs involvement in EMT in human cancer cells are still unclear. This study aimed to clarify this issue by using bioinformatics tools for predicting competent miRNAs target the main gens in EMT.Materials and Methods: To ascertain an effective miRNA for the EMT, we assessed five genes from EMT/MET as key genes. Then, to predict the most suitable miRNA: target interactions, different online databases including DIANA, TargetScan, and miRSystem were applied.Results: Possible targeting effects of different miRNAs on candidate genes were analyzed. Merging data from databases has shown that 11 miRNAs with strong possibility communally can be involved in EMT/MET.Conclusion: To conclude, it can be predicted that according to high interaction scores of these elected miRNAs with candidate genes in the abovementioned databases, these miRNAs probably can have critical roles in EMT/MET. Hence, these miRNAs can be introduced as appropriate candidates for future investigations.