یک‌پارچه‌سازی شبکه هم‌بیان ژنی و شبکه تنظیمی microrna در تومور بدخیم پروستات با آنالیز داده‌های بیانی میکرواری

زمینه و هدف: سرطان پروستات ازجمله سرطان های شایع میان مردان است که ناهمگونی بسیار بالایی را در ویژگی های ژنتیکی و پاتولوژیکی از خود نشان می دهد. توضیح روابط تنظیمی بین mrna و microrna می تواند به شناسایی الگوی تنظیم بیان ژن در سرطان پروستات بدخیم کمک کند. در این مطالعه یک پارچه سازی شبکه هم بیان ژنی و شبکه تنظیمی microrna در تومور بدخیم پروستات با آنالیز داده های بیانی میکرواری بررسی گردید.روش بررسی: در مطالعه حاضر از داده های بیانی (ژن و microrna) بیماران مبتلا به سرطان پروستات، به منظور بررسی شبکه اندرکنش ژنی تومور بدخیم پروستات استفاده شد. شبکه هم بیان ژنی وزن دار برای گروه بندی ژن ها و یافتن گروه های ژنی که همبستگی قابل توجهی با متغیر زمان عود بیوشیمیایی بیماری دارند، به کار برده شد. هدف های ژنی microrna های با تفاوت بیان از پایگاه های داده مبتنی بر پیشگویی و شواهد آزمایشگاهی گردآوری شد. با تلفیق آن با نتایج همبستگی پیرسون داده های بیانی ژن و microrna، شبکه تنظیمی microrna به دست آمد. یافته ها: دوگروه ژنی با همبستگی بالا با زمان عود بیوشیمیایی شناسایی شدند. یکی از این دو در مسیرهای تنظیم و تقسیم چرخه سلولی درگیر شده که جزء مسیرهای مشخصه سرطان است. تلفیق شبکه هم بیان با شبکه تنظیمی microrna نشان داد اولاً این microrna ها، مسیرهایی را هدف قرار می دهند که در بدخیم شدن تومور پروستات نقش دارند و دوماً چندین عنصر کلیدی شامل microrna و ژن را معرفی می کنند.نتیجه گیری: در مطالعه حاضر، جزئیات بیشتری از اجزای عملکردی کلیدی که باعث بدخیم شدن تومور پروستات می شوند به دست آمد. این جزئیات ممکن است فرصت های جدیدی را برای توسعه روش های جایگزین درمانی فراهم کند.

CoExpression and Microrna Regulatory Network Integration in Metastatic Prostate Tumor Using Microarray Expression Data Analysis

Background and objectives: Prostate cancer is one of the most prevalent cancer in men which shows high heterogeneity in genetic and pathological features. Elucidating the regulatory relationships between microRNAs and mRNAs can help to identification of gene regulatory patterns in metastatic prostate cancer. Methods: In the present study prostate cancer patient’s expression data (gene and microRNA) was used to study gene interactions in metastatic prostate tumor. Weighted gene coexpression network have been implemented for gene clustering and finding gene modules correlation with biochemical recurrence free survival variable. Differentially expressed microRNA gene targets were obtained from experimentally validated and prediction based databases and alongside with gene and microRNA expression, Pearson correlations measurements were implemented to constructing microRNA regulatory network. Results: Two significant modules were detected in coexpressed modules significant analysis for biochemical recurrence free variable. One of them involved in cell cycle regulation and cell proliferation pathways which are hallmark pathways of progressed cancers. Integration of gene coexpression network with microRNA regulation network shows, first: Micrornas target pathways which involved in the progression of prostate cancer to metastatic stage, and second: introduce several key factors including microRNA and genes. Conclusion: Present study revealed more details on key functional components in prostate cancer development. These details may provide opportunities for the development of alternative therapeutic approaches.