• الرئیسیة
  • البحث المتقدم
  • قائمة المکتبات
  • حول الموقع
  • اتصل بنا
  • نشأة
  • ورود / ثبت نام

عنوان
ارزیابی توانایی الگوریتم جدید ‮‭ICA‬ برای انتخاب بیومارکرهای شاخص تشخیصی و مشترک در سرطانهای پستان و تخمدان,‮‭Evaluation of the ability of the new ICA algorithm to select the diagnostic and common indicator biomarkers in breast and ovarian cancers‬

پدید آورنده
/یگانه ذاکری

موضوع

رده

کتابخانه
المكتبة المركزية بجامعة تبريز و مركز التوثيق والنشر

محل استقرار
استان: أذربایجان الشرقیة ـ شهر: تبریز

المكتبة المركزية بجامعة تبريز و مركز التوثيق والنشر

تماس با کتابخانه : 04133294120-04133294118

‭۲۲۲۳۹پ‬

per

ارزیابی توانایی الگوریتم جدید ‮‭ICA‬ برای انتخاب بیومارکرهای شاخص تشخیصی و مشترک در سرطانهای پستان و تخمدان
‮‭Evaluation of the ability of the new ICA algorithm to select the diagnostic and common indicator biomarkers in breast and ovarian cancers‬
/یگانه ذاکری

: علوم طبیعی
، ‮‭۱۳۹۸‬
، میرزائی

‮‭۶۵‬ص‬

چاپی - الکترونیکی

کارشناسی ارشد
زیست شناسی گرایش ژنتیک مولکولی
‮‭۱۳۹۸/۰۶/۱۶‬
تبریز

مقدمه : س‍ـرطان پستان و تخمدان از جمله سرطان های شایع در زنان میباشد ک‍ـه م‍ـرگ و می‍ـر گس‍ـترده ای را در سراسر جهان به دنبال دارد .تشخیص زود هنگام این سرطان ها می تواند نقش بسزایی در درم‍ـان ،پیشگیری و افرایش طول عمر این بیماران داشته باشد .بهره گیری از بیومارکرهای تشخیص‍ـی م‍ـا را در این مهم یاری خواهد کرد .تجزیه و تحلیل محاسباتی نشان می دهد که سرطان سینه( زیرگ‍ـروه ‮‭(TNBC)‬ و سرطان تخمدان های سروزی ممکن است هر دو ب‍ـه عوام‍ـل م‍ـؤثر ب‍ـر رش‍ـد رگ ه‍ـای خونی، قطع جریان خون به تومور و همچنین ترکیباتی که برای ترمیم‮‭DNA‬ مورد استفاده قرار می گیرند، شامل داروهای شیمی درمانی مانند سیس پلاتین حساس باشند .شباهت مولک‍ـولی یک‍ـی اززیرمجموعه های اصلی سرطان پستان به آنچه که در سرطان تخمدان یافت می شود، ما را ترغی‍ـب به ارزیابی تدابیر و نتایج در این دو سرطان می کند .تنظیم بیان ژن ها توسط عوامل مختلفی صورت میگیرد که یکی از مهمترین آنها ژنه‍ـای غی‍ـر ک‍ـد کننده هستند‮‭RNA) lncRNAs‬ .های بلند غیرکدکننده) از جمله‮‭RNA‬ های غیرکدکننده هستند و با بیان تنظیم نشده در سرطان به عنوان نشانگرهای بالینی تشخیص‍ـی و اه‍ـداف درم‍ـانی ک‍ـاربرد دارند.که البته دارای اختصاصیت و حساسیت بالاتری در امر تشخیص سرطان میباشند .روش ها : در تحقیق حاضر ما الگوریتمی را مورد ارزیابی ق‍ـرار داده ایم ک‍ـه ب‍ـا به‍ـره گی‍ـری از متدهای بیوانفورماتیکی و هوش مصنوعی قادر به یافتن‮‭LncRNA‬ های دارای پتانسیل بیوم‍ـارکری در تشخیص سرطان است .برای این منظور ابتدا داده های بیان چندین هزار‮‭LncRNA‬ ک‍ـه توس‍ـط تکنولوژیهای میکروآرایه و‮‭NGS‬ به دست آم‍ـده از بان‍ـک داده ه‍ـای‮‭GEO Dataset‬ پایگ‍ـاه داده ی ‮‭NCBI‬ جمع آوری کردیم .در مرحله ی دوم ، پیش پردازش هایی روی این داده ه‍ـا انج‍ـام گرفت .در مرحله ی سوم ، داده های پیش پردازش شده توسط الگوریتم های بیوانفورماتیکی که به آنها روش های انتخاب ویژگی گفته می شود ، آنالیز شد .این روشها بر پای‍ـه ی جس‍ـتجو ب‍ـین‮‭lncRNA‬ ها عمل می کند و از بین آنها ،‮‭LncRNA‬ هایی را که با بیش‍ـترین دق‍ـت ، حساس‍ـیت و اختصاصیت می توانند بین نمونه های کنترل و غیر کنترل تمایز قائل شوند ، انتخاب م‍ـی کن‍ـد .در مرحله ی چهارم ،‮‭LncRNA‬ هایی که توسط الگوریتم های انتخ‍ـاب ویژگ‍ـی ب‍ـه عن‍ـوان کاندی‍ـدای بیومارکر بودن انتخاب شده اند ، دسته بندی شده و تعداد معینی از آنها ک‍ـه دارای بیش‍ـترین رتب‍ـه برای داشتن پتانسیل بیومارکری هستند به عنوان کاندیدهای نهایی برگزیده خواهند شد .در مرحله نهایی ، اعتبار بیولوژیکی‮‭LncRNA‬ های انتخاب شده با بررسی مقالات منتشر شده سنجیده م‍ـی شود .نتایج :برای هر یک از داده های آماری تعدادی بیومارکر یافت شد که هر یک دارای حساسیت و اختصاصیت بالایی برای تشخیص نمونه های سرطانی از غیر سرطانی می باشند . نتیجه گیری :با توجا به داده های آماری جمع آوری شده و پردازش این داده ها بیومارکر مشترکی که اختصاصیت و حساسیت بالایی در تشخیص بیماری داشته و درصد خطای پایینی داشته باشد یافت نشد ولی بیومارکر های هر یک از داده ها به صورت جداگانه قابل اعتماد می باشند
BACKGROUND: Breast and ovarian cancer is one of the most common cancers in women that leads to death and affected people. According to researchers from the National Institutes of Health, many of the genetic features of a type of breast cancer are common with ovarian cancer. The data show that these cancers have similar molecular origin, which can facilitate the comparison of therapeutic data for a variety of breast and ovarian cancers. Early diagnosis of these cancers can play a significant role in the treatment, prevention, and prolongation of these patients. Long noncoding RNAs (lnc-RNAs) have been recently acknowledged as important regulators at cellular pathways. Here, we developed a novel software-based to identify lnc-RNAs with biomarker and therapeutic target breast and ovarian cancer that based on GEO. METHODS: The data were divided into three groups. Differentially expressed lncRNAs were identified in cancer tissue compared to adjacent normal tissues for up- and down regulated lncRNA, respectively. The relationship between survival outcome and lncRNA expression was assessed with Colonial competition algorithm. These methods are based on a search of LncRNAs, and among them, LncRNAs with the highest accuracy, sensitivity and Specificity can be distinguished from control and non-control samples. RESULT: In the discovery set, we found that 2 lnc-RNAs were specifically up regulated in both cancers (fold change 144.16, P < 0.0001) and primary tumors (fold change 74.37, P = 0.004) in patients. Notably, logistic regression analyses confirmed that these lncRNAs were independent risk factor for breast and ovary cancer (OR 4.1, 95 CI 2.56.6, P < 0.001). CONCLUSIONS: Our study showed that the two-lncRNA can be used as an independent biomarker for the prognosis of breast and ovarian cancer, based on bioinformatic analysis

‮‭Evaluation of the ability of the new ICA algorithm to select the diagnostic and common indicator biomarkers in breast and ovarian cancers‬

ذاکری، یگانه
Zakeri, Yeganeh

سیاه و سفید

نمایه‌سازی قبلی

الاقتراح / اعلان الخلل

تحذیر! دقق في تسجیل المعلومات
ارسال عودة
تتم إدارة هذا الموقع عبر مؤسسة دار الحديث العلمية - الثقافية ومركز البحوث الكمبيوترية للعلوم الإسلامية (نور)
المكتبات هي المسؤولة عن صحة المعلومات كما أن الحقوق المعنوية للمعلومات متعلقة بها
برترین جستجوگر - پنجمین جشنواره رسانه های دیجیتال