شماره کتابشناسی ملی
شماره
۲۰۷۱۳پ
زبان اثر
زبان متن نوشتاري يا گفتاري و مانند آن
per
عنوان و نام پديدآور
عنوان اصلي
مطالعه داده‌صهای بیانی میکرواری مربوط به سرطان معده و پیشگویی فازهای مختلف بیماری
عنوان اصلي به زبان ديگر
Gastric cancer patients diseases stage prediction based on Microarray data analysis
نام نخستين پديدآور
/نفیسه قربانپور فرشباف
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
: علوم طبیعی
تاریخ نشرو بخش و غیره
، ۱۳۹۷
نام توليد کننده
، راشدی
مشخصات ظاهری
نام خاص و کميت اثر
۷۲ص
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
چاپی - الکترونیکی
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
کارشناسی ارشد
نظم درجات
زیست شناسی گرایش بیوشیمی
زمان اعطا مدرک
۱۳۹۷/۱۱/۱۶
کسي که مدرک را اعطا کرده
تبریز
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
تشخیص دیرهنگام و نتایج کلینیکی ضعیف حاصل از درمان در مبتلایان به سرطان معده باعث شده است تا سرطان معده به‌صعنوان یکی از عوامل مرگ ناشی از سرطان در جهان مطرح باشد .مبتلایان به سرطان معده را بر اساس ویژگی‌صهای مولکولی به چهار زیرگروه تقسیم کرده‌صاند .تاکنون درک روشنی از فرآیندصهای مولکولی دخیل در زیرگروه‌صهای مختلف سرطان معده به‌صوجود نیامده است و بنابراین نیاز است تا یک روش درمانی و تشخیصی جدید در این زمینه توسعه یابد .در این مطالعه یک روش زیست سامانه‌صای سه مرحله‌صای جهت درک مکانیسم‌صهای مولکولی درگیر در زیرگروه‌صهای سرطان معده و شناسایی ژن‌صهای کلیدی در هر زیرگروه مولکولی اتخاذ گردید .ابتدا آنالیز شبکه‌صی هم‌صبیان ژنی جهت شناسایی ماژول‌صهای ژنی هم‌صبیان در هر زیرگروه از سرطان معده انجام شد .سپس ارتباط هر ماژول با فاز بیماری) به‌صعنوان یک پارامتر کلینیکی نشان-دهنده‌صی پیشرفت تومور (با استفاده از الگوریتم یادگیری درخت تصمیم‌صگیری بررسی شد و بهترین ماژول ژنی برای پیش‌صگوئی فاز بیماری در هر زیرگروه مولکولی برای انجام آنالیزصهای بیشتر انتخاب شد .در مرحله‌صی بعدی، آنالیز شبکه شامل شناسایی و رتبه‌صبندی موتیف‌صها به‌صکار گرفته شد تا موتیف‌صهای ژنی تنظیمی از شبکه‌صی زیستی ساخته شده برای ماژول برتر در هر زیرگروه استخراج شوند .موتیف‌صهای برتر زیرگروهTP۵۳ - عمدتا شامل ژن‌صهای درگیر در مسیر سیگنالینگ MAPK هستند که این موضوع نقش کلیدی این ژن‌صها را در این زیرگروه از سرطان معده نشان می‌صدهد .از میان ژن‌صهای درگیر در موتیف‌صهای زیرگروهTP۵۳ + دو ژن HNRNPC و RPL۶ در مطالعات به‌صعنوان ژن‌صهای مرتبط با سرطان معده مطرح شده‌صاند که نتایج حاصل از این پایان‌صنامه نشان می‌صدهد این ژن‌صها با زیرگروهTP۵۳ + از سرطان معده ارتباط دارند .در بین ژن‌صهای شناسایی‌صشده برای زیرگروهEMT ، PSMB۸ به‌صعنوان یک زیست‌صنشانگر بالقوه‌صی پیش‌صآگهی مختص به زیرگروه‌صهای سرطان معده با پیش‌صآگهی ضعیف گزارش شده است .ژن RIPK۴ در تمامی پنج موتیف برتر زیرگروه MSI تکرار شده است که این موضوع نشان می‌صدهد که RIPK۴ ممکن است یک ژن مرتبط با زیرگروه MSI باشد .این یافته‌صها می‌صتوانند در جهت توسعه‌صی یک روش درمانی جدید بر اساس پزشکی شخصی و در راستای تشخیص سریع فاز بیماری در مبتلایان و توسعه‌صی درمان متناسب با فاز بیماری استفاده شوند .روش استفاده شده در این مطالعه می‌صتواند برای درک مکانیسم‌صها و مسیرهای درگیر در سایر بیماری‌صها و فنوتیپ‌صهای پیچیده نیز به‌صکار رود
متن يادداشت
Late diagnosis and poor clinical outcomes of cancer therapy in Gastric cancer (GC) patients have caused to GC be one of the causes of cancer mortality worldwide. GC patients are classified in four subtypes based on molecular properties. Molecular understanding of different GC subtypes is still dismal and it is necessary to develop new diagnostic and therapeutic approaches. A three-step systemes biology approach was developed in this study to understand involved molecular mechanisms of GC subtypes and identify important genes in each subtype. First weighted gene co-expression network analysis was performed to explore co-expressed gene modules in subtypes. Afterwards, the relationship of each module with tumor stage (as a clinical trait indicating tumor progression) was studied by decision tree machine learning algorithm and the best predicting module was selected for further analysis. Subsequently network analysis including motif identification and motif ranking was implemented to explore regulatory gene motifs from biological network of selected module in each molecular subtype. Motif members of TP53- mostly contain MAPK signaling pathway genes which shows their key role in this subtype of GC. Among involved genes in motifs of TP53+ subtype, HNRNPC and RPL6 genes were reported as GC related genes that our results in this thesis show that these genes are related to TP53+ subtype of GC. Among identified genes for EMT subtype, PSMB8 was reported as a potential subtype-specific prognostic marker for GC subtype with poor prognosis (such as EMT). RIPK4 Is repeated in all five important motifs of MSI subtype that it shows RIPK4 might be a MSI subtype related gene. These findings can be used to develop new diagnostic and therapeutic approaches based on personalized medicine concept. This methodology could be implemented to unravel underlying mechanisms and pathways in other complex phenotypes and diseases
عنوان اصلی به زبان دیگر
عنوان اصلي به زبان ديگر
Gastric cancer patients diseases stage prediction based on Microarray data analysis
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )
مستند نام اشخاص تاييد نشده
قربانپور فرشباف، نفیسه
مستند نام اشخاص تاييد نشده
Ghorbanpour Farshbaf, Nafiseh
نام شخص - ( مسئولیت معنوی درجه دوم )
مستند نام اشخاص تاييد نشده
برزگر، ابوالفضل، استاد راهنما
مستند نام اشخاص تاييد نشده
صادقی، مهدی، استاد راهنما
مستند نام اشخاص تاييد نشده
نیکزاد، بهزاد، استاد مشاور
دسترسی و محل الکترونیکی
يادداشت عمومي
سیاه و سفید
وضعیت فهرست نویسی
وضعیت فهرست نویسی
نمایه‌سازی قبلی
