بررسی بیان ژن GNMT در بافت سرطان پروستات با استفاده از روش Real-Time PCR
Publish place: Tolooebehdasht Journal، Vol: 19، Issue: 5
Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 340
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_TBS-19-5_005
تاریخ نمایه سازی: 1 اسفند 1399
Abstract:
مقدمه: سرطان پروستات دومین سرطان رایج و دلیل اصلی مرگ و میر مرتبط با سرطان در سراسر جهان است. با توجه به گزارشاتی که اخیراً ژن مربوط به آنزیم گلایسین N-متیل ترانسفراز (Glycine N-Methyl Transferase) را در دسته ی ژن های حساس به تومور قرار داده اند، در مطالعه حاضر به بررسی سطح بیان ژن مربوط به آنزیم در بافت سرطان پروستات افراد مبتلا به سرطان پروستات پرداخته شده است. آنزیم GNMT توسط ژن GNMT کد می شود و در متابولیسم متیونین و گلوکونئوژنز نقش دارد. افزایش بیان ژن GNMT سبب افزایش تبدیل گلایسین به سارکوزین و افزایش سطح سارکوزین در خون و ادرار می شود.
روش بررسی: بدین منظور سطح بیان ژنGNMT در نمونه های بافت بیماران مبتلا به سرطان پروستات در مقایسه با افراد دارای هایپرپلازی خوش خیم پروستات با استفاده از تکنیک Real-Time PCR ارزیابی شد.
یافته ها: سطح بیان ژن GNMT در بیماران سرطان پروستاتی در مقایسه با افراد دارای بزرگی خوش خیم پروستات افزایش معنی دار نشان داد (001/0>p). همچنین سطح بیان ژن GNMT وابسته به میزان پیشرفت سرطان بود و در همه مراحل مختلف سرطان پروستات در مقایسه با افراد دارای بزرگی خوش خیم پروستات افزایش معنی داری مشاهده شد (001/0>p).
نتیجه گیری: سطح غلظت سارکوزین توسط GNMT کنترل شده و به نظر می رسد افزایش سطح بیان ژن GNMT موجب افزایش سطح غلظت سارکوزین می گردد. به نظر می رسد که افزایش سطح بیان GNMT در مراحل اولیه بیماری سرطان پروستات اتفاق می افتد. بنابراین با اندازه گیری دوره ایی سطح بیان GNMT شاید بتوان پیش از تشکیل سلول سرطانی و تهاجم آن به بافت های دیگر، سرطان پروستات را تشخیص داد.
Keywords:
Authors
نیلوفر دهقانی
دانشگاه آزاد اسلامی واحد پرند
مسعود صالحی پور
دانشگاه آزاد اسلامی واحد پرند
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :