ارزیابی اثر نانوذرات داستیل کیتین بر میزان بیان ژن VEGF در مدل متاستاتیک سرطان سینه
Publish Year: 1396
نوع سند: مقاله ژورنالی
زبان: Persian
View: 82
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JMUMS-27-152_001
تاریخ نمایه سازی: 2 آبان 1402
Abstract:
سابقه و هدف: سرطان سینه از علل عمده مرگ و میر زنان در سراسر جهان می باشد. درمان های دارویی متعارف با استفاده از داروهای سیتوتوکسیک دارای سطح بالایی از عوارض جانبی برای بیمار است. امروزه محققین به دنبال درمان جایگزین با اثرات جانبی کم و حداکثر بهره وری می باشند. داستیل کیتین پلیمرکربوهیدراتی است که به عنوان یک ترکیب زیست تخریب پذیر و زیست سازگار مطرح می باشد. هدف از این مطالعه، بررسی ارزیابی اثر نانوذرات داستیل کیتین بر میزان بیان ژن VEGF در مدل متاستاتیک سرطان سینه می باشد.
مواد و روش ها: نانوذرات داستیل کیتین سنتز شد. سایز و بار و مورفولوژی آن تعیین گردید. مدل موش های توموری سرطان سینه با داستیل کیتین تیمار شدند. بیان ژن VEGF با روش real time PCR مورد ارزیابی قرار گرفت.
یافته ها: اندازه داستیل کیتین به طور میانگین ۲۱۰ نانومتر تعیین شد. آنالیز آماری با (P<۰.۰۵) نشان داد که داستیل کیتین موجب کاهش بیان ژن VEGF در مقایسه با گروه کنترل می شود.
استنتاج: داستیل کیتین بر بیان ژن های متاستاتیک در مدل موش های توموری سرطان سینه در مطالعات حیوانی اثر کاهشی دارد. این ترکیب ممکن است به عنوان یک ابزار جدید برای راهکار های درمانی برای درمان سرطان در آینده مطرح باشد.
Keywords:
Deacetyl chitin , breast cancer , metastasis , VEGF gene , داستیل کیتین , سرطان سینه , متاستاز , ژن VEGF.
Authors
ندا سلیمانی
Assistant Professor, Department of Microbiology, Faculty of Biological Sciences and Technology, Shahid Beheshti University, Tehran, Iran
بهارک فرهنگی
MSc in Molecular Genetics, Faculty of Biological Sciences, Tarbiat Modares University, Tehran, Iran
مسعود حسینی
Professor, Department of Microbiology, Faculty of Biological Sciences and Technology, Shahid Beheshti 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 :