بررسی کمی بیان تومور مارکر miRNA-196a-2 درافراد مبتلا به سرطان تخمدان به روشReal Time PCR
Publish place: New Cellular Biotechnology - Molecular، Vol: 9، Issue: 33
Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 362
This Paper With 8 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_NCMBJ-9-33_008
تاریخ نمایه سازی: 16 اسفند 1399
Abstract:
سابقه وهدف: مطالعههای اخیر بر نقش کلیدی برخی ازRNA های غیر رمزگذاری شده در شدت بیماری و حتی تشخیص زودهنگام سرطان تأکید دارند. هدف تحقیق حاضر بررسی ارتباط سرطان اپیتلیال تخمدان با miR-196a-2 است.
مواد و روشها: در این پژوهش میزان کمی بیان مولکول miR-196a-2 در نمونه بافت50 نفر از افراد بیمار و 50 فرد سالم بررسی شد. مطالعه در حضور ژن GAPDHبهعنوان کنترل با استفاده از روش qRT-PCR انجام شد.
یافته ها: نتایج نشان داد که میزان بیان miR-196a-2 در سلولهای سرطانی تخمدان در مقایسه با بافت نرمال افزایش یافته است این مسأله ارتباط معناداری بین سن، grade وstage با بیان miRNA-196a-2 را نشان میدهد.
نتیجه گیری: میزان کمی بیان micRNA بهعنوان فاکتور احتمالی مؤثر در سرطان تخمدان بهعنوان بیومارکر در تشخیص سرطان تخمدان در نمونههای خونی بهعنوان روشی غیرتهاجمی و کمی استفاده شد.
این آزمایش گویای افزایش معنادار miR-196a-2 در افراد بیمار بوده، این امر بهاحتمال سبب مهار فعالیت ژنهای سرکوب کننده تومور میگردد. لذا بررسی کمیmiR-196a-2 میتواند بهعنوان بیومارکر برای تشخیص زودهنگام و غربالگری نمونهها در سرطان تخمدان کاربری داشته باشد.
Keywords:
Authors
فهیمه عزتی زاده
Department of Molecular and cellular sciences, Faculty of advanced science & Technology, Tehran medical sciences, Islamic Azad university, Tehran, Iran
سویار ساری
Department of Molecular and cellular sciences, Faculty of advanced science & Technology, Tehran medical sciences, Islamic Azad university, Tehran, Iran
اردشیر حسام پور
Department of Biology, Central Tehran Branch, Islamic Azad University, Tehran, Iran
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 :