متاآنالیز ترنسکریپتومی سرطان دهانه رحم با رویکرد شبکه، به‌منظور شناسایی ژن‌های کلیدی در بیماری

زمینه و هدف: سرطان دهانه رحم، ازجمله شایع ترین بیماری ها در زنان است. تشخیص دقیق و درمان بیماری های پیچیده نیازمند شناسایی دقیق ویژگی های مولکولی بیماری می باشد. پروفایل های ترنسکریپتومی حاوی اطلاعات با ارزشی در زمینه بیان ژن سلول های موردبررسی می باشد. به کارگیری رویکرد تحلیلی متاآنالیز در کنار روش های مبتنی بر شبکه، اطلاعات دقیق و با ارزشی از داده های موردمطالعه در اختیار قرار می دهد که می تواند در توسعه روش های تشخیصی و درمانی جدید مورداستفاده قرار گیرد. این مطالعه با هدف بررسی متاآنالیز ترنسکریپتومی سرطان دهانه رحم با رویکرد شبکه، به منظور شناسایی ژن های کلیدی در بیماری انجام شد.روش بررسی: در مطالعه حاضر، سه مجموعه داده با 189 نمونه برای سرطان دهانه رحم انتخاب شد. مجموعه داده ها به طور جداگانه بررسی و نتایج حاصل در جهت به دست آوردن ژن ها با الگوی بیان یکسان تلفیق گردید. از این ژن ها در مرحله بعد، به منظور ساخت شبکه تنظیمی بیان ژنی به کمک پایگاه داده string استفاده شد. جهت شناسایی عناصر کلیدی در شبکه که قابل تعمیم به سرطان دهانه رحم می باشند نیز پارامترهای شبکه (شامل درجه و مرکزیت بینابینی) به کار برده شد.یافته ها: در این مطالعه، 194 ژن با الگوی بیانی دقیقاً یکسان، بین سه مجموعه شناسایی گردید. همچنین با آنالیز شبکه به دست آمده، 12 ژن کلیدی در شبکه تنظیم بیان ژن سرطان دهانه رحم شناسایی شد. (برخی از این ژن ها قبلاً به عنوان انکوژن گزارش شده و در مسیر تنظیم چرخه سلولی و مسیرهای ترمیم dna نقش دارند.)نتیجه گیری: با توجه به نتایج این مطالعه، این ژن ها می توانند به عنوان مارکرهای بالقوه تشخیصی و درمانی برای درمان سرطان دهانه رحم موردتوجه قرار گیرند.

MetaAnalysis of Cervical Cancer Transcriptome with a Network Approach to Identify Key Genes in the Disease

Background and Objectives: Cervical cancer is one of the most prevalent cancers among women. Accurate diagnosis and treatment of complex diseases require precise identification of molecular characteristics of the disease. Transcriptome profiles provide valuable information on gene expression of the studied cells. Applying metaanalysis approache along with networkbased approaches provides precise and valuable information about studied data, which can be used in developing new diagnostic and therapeutic methods. The aim of this study was metaanalysis investigation of cervical cancer transcriptome using a network approach in order to identify key genes in the disease. Methods: In the current study, three datasets including 189 cervical cancer samples, were selected for cervical cancer. The data sets were analyzed separately and the results were integrated to obtain genes with the same expression pattern. These genes were used to construct gene regulatory network by STRING database. Network parameters (including degree and betweenness centrality), were used to explore key elements in the network, which are generalizable to cervical cancer. Results: In this study, 194 genes with same expression pattern, were identified in the three datasets. Moreover, the obtained network analysis led to identification of 12 key genes in the gene expression regulatory network. Some of these genes have been previously reported as oncogenes and are involved in cell cycle regulation and DNA repair pathways. Conclusion: According to the results of this study, these genes can be considered as the potential diagnostic and therapeutic markers for the treatment of cervical cancer.