شناسایی پروفایل بیانی ژن های اختصاصی سرطان ریه بر اساس مطالعات بیوانفورماتیکی

مقدمه و هدف: سرطان ریه دومین سرطان رایج در بین زنان و مردان است. اگرچه با پیشرفت‌های اخیر در فناوری تراشه‌های ژنی، ژن های متعدد مرتبط با سرطان ریه شناسایی شده است، با این حال، هیچ یک از این ژن ها نمی توانند به طور این سرطان را تشخیص دهند یا پیش بینی کنند. هدف از این مطالعه، بررسی بیان ژن های اختصاصی و rna های تنظیمی در سرطان ریه، به منظور شناسایی نشانگرهای زیستی تشخیصی یا عوامل تعیین کننده در پزشکی دقیق بر اساس بررسی بیان آنها در سطح rna می باشد.روش کار: در این مطالعه، ما از tcga به عنوان مجموعه داده استفاده کردیم. در مرحله اول، ما یک شبکه cerna با استفاده از ژن هایtcga ساختیم که با پیش آگهی سرطان ریه مرتبط بود. نتایج: نتایج حاصل از مطالعات in silico نشان داد که بیان 683 lncrna در سرطان ریه به صورت معناداری تغییر می-کند (403 lncrna افزایش بیان و 280 lncrna کاهش بیان) (05/0p< ) . همچنین بیان 3088 mrna افزایش و بیان 3893 mrnaکاهش معناداری یافته بود. نتایج تفاوت بیان mirna ها نیز نشان داد که بیان161 mirna افزایش و بیان 123 کاهش معنی دار داشتند (05/0p<). در شبکه cerna نیز سه lncrna شامل snhg7، h19 و cche1 با بیشترین برهمکنش با دیگر ژن های شناسایی شده شناسایی شد. تجزیه و تحلیل غنی‌سازی ژن‌های متابولیک نشان داد که ژن‌های مدل پیش‌آگهی در متابولیسم و مسیرهای مرتبط با سرطان فعالیت دارند. نتیجه گیری : با توجه به نتایج بدست آمده در این مطالعه، می توان عنوان کرد که این سه lncrna شناسایی شده می توانند در سرطان ریه تغییر بیان فاحشی داشته باشند.

identifying the expression profile of lung cancer specific genes based on bioinformatics studies

introduction and purpose: lung cancer is the second most common cancer among men and women. although with recent advances in gene chip technology, numerous genes related to lung cancer have been identified, however, none of these genes can diagnose or predict this cancer. the purpose of this study is to investigate the expression of specific genes and regulatory rnas in lung cancer, in order to identify diagnostic biomarkers or determinants in precision medicine based on their expression at the rna level. methods: in this study, we used tcga as a dataset. in the first step, we constructed a cerna network using tcga genes that were associated with lung cancer prognosis. results: the results of the in silico studies showed that the expression of 683 lncrnas significantly changes in lung cancer (403 lncrnas increase in expression and 280 lncrnas decrease in expression) (p<0.05). also, the expression of 3088 mrnas increased and the expression of 3893 mrnas decreased significantly. the results of the difference in mirna expression also showed that the expression of 161 mirnas increased and the expression of 123 decreased significantly (p<0.05). in the cerna network, three lncrnas including snhg7, h19 and cche1 were identified with the highest interaction with other identified genes. enrichment analysis of metabolic genes showed that prognostic model genes are active in cancer-related metabolism and pathways. conclusion: according to the results obtained in this study, it can be said that these three identified lncrnas can have drastic expression changes in lung cancer.