بررسی جامع ژن‌ها و erna‌های درگیر در سرطان معده و ساخت مدل پیش‌آگهی برای بقای کلی بیماران

مقدمه: سرطان معده، یکی از شایع‌ترین سرطان‌ها و اولین علت مرگ ناشی از سرطان‌ها در ایران است. به‌دلیل دانش ناکافی در مورد عناصر مولکولی دخیل در بیماری برای معرفی زیست‌نشانگرهای تشخیصی/ پیش‌آگهی‌دهنده، بیماران مبتلا در مراحل بالاتر تشخیص داده می‌شوند که این امر منجر به پیش‌آگهی ضعیف این بیماران می‌شود. هدف مطالعه‌ی حاضر، بررسی جامع enhancer rnas (ernas) به‌منظور تعیین ارتباطات مولکولی این عناصر با سایر ژن‌ها و ساخت یک مدل مرتبط با بقای بیماران بود.روش‌ها: اطلاعات خام توالی‌یابی رونوشت‌ها در نمونه‌های سرطان معده از پایگاه داده‌ی اطلس ژنوم سرطان اخذ و ernaها و ژن‌های با بیان متمایز در نمونه‌های توموری نسبت به نمونه‌های غیرتوموری استخراج شد. سپس ژن‌های هدف ernaهای با بیان متمایز بر اساس فاصله‌ی فیزیکی و همبستگی تعیین شدند و شبکه‌ی تنظیمی با استفاده از این عناصر ترسیم شد. در نهایت با انجام تحلیل رگرسیون کاکس تک‌متغیره و چندمتغیره، یک مدل پیش‌آگهی‌دهنده برای پیش‌بینی بقای کلی بیماران ساخته و کارآیی مدل بررسی شد.یافته‌ها: با انجام تحلیل تمایز بیانی، 69 erna و 2606 ژن دارای بیان متمایز استخراج شدند و با تعیین ارتباطات بین آن‌ها، یک شبکه‌ی تنظیمی متشکل از 84 گره و 119 یال ترسیم شد. در نهایت یک مدل سه ‌جزئی مرتبط با بقا ساخته شد که قادر به پیش‌بینی بقای بیماران بود.نتیجه‌گیری: نتایج این مطالعه نشان داد، مدل سه‌جزئی ساخته‌ شده شامل یک erna و دو ژن دیگر می‌تواند به‌عنوان ابزار پیش‌آگهی‌دهنده در سرطان معده مورد استفاده قرار گیرد؛ اگرچه مطالعات گسترده‌تری برای کاربرد بالینی این مدل لازم است.

comprehensive analysis of ernas and genes involved in gastric cancer and constructing a prognostic model predicting the overall survival of patients

background: gastric cancer (gc) is one of the most prevalent cancers and the first cause of cancer-related deaths in iran. these patients are diagnosed at advanced stages, which leads to poor prognosis because there is inadequate knowledge of molecular factors to provide diagnostic/prognostic biomarkers. the aim of the current study was the comprehensive analysis of enhancer rnas (ernas) to determine their molecular interactions with other genes and propose a survival-related model for patients.methods: rna-sequencing raw data of gc patients were downloaded from the cancer genome atlas (tcga), and differentially-expressed ernas and genes in tumors compared to non-tumor samples were extracted. the target genes of each erna were then identified based on physical distance, correlation, and a regulatory network was constructed with these elements. a prognostic model for predicting the overall survival of patients was eventually established by performing univariate and multivariate cox regression analyses, and the performance of the model was surveyed.findings: by performing differential expression analysis, 69 and 2606 differentially-expressed ernas and genes were extracted, respectively, and by identifying the relationships between these elements, a regulatory network consisting of 84 nodes and 119 edges was constructed. a three-components survival-related model subsequently was established which could predict patients’ outcomes.conclusion: based on the results, the 3-component constructed model, including an erna and two other genes, can be considered as a possible prognostic tool; however, further research is needed to clinically implement it.