ارزیابی توانایی الگوریتم جدید ICA برای انتخاب بیومارکرهای شاخص تشخیصی و مشترک در سرطانهای پستان و تخمدان
عنوان اصلي به زبان ديگر
Evaluation of the ability of the new ICA algorithm to select the diagnostic and common indicator biomarkers in breast and ovarian cancers
نام نخستين پديدآور
/یگانه ذاکری
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
: علوم طبیعی
تاریخ نشرو بخش و غیره
، ۱۳۹۸
نام توليد کننده
، میرزائی
مشخصات ظاهری
نام خاص و کميت اثر
۶۵ص
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 ژنتیک مولکولی
زمان اعطا مدرک
۱۳۹۸/۰۶/۱۶
کسي که مدرک را اعطا کرده
تبریز
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
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
متن يادداشت
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
عنوان اصلی به زبان دیگر
عنوان اصلي به زبان ديگر
Evaluation of the ability of the new ICA algorithm to select the diagnostic and common indicator biomarkers in breast and ovarian cancers
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )