بررسی بیان RNAهای غیرکدکننده بلند ژن های GAS۵، NEAT۱ و SRA در بیماران مبتلایان به سرطان سینه و افراد سالم
Publish place: Experimental of animal Biology، Vol: 10، Issue: 2
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 115
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_EAB-10-2_001
تاریخ نمایه سازی: 22 آذر 1402
Abstract:
سرطان سینه در زنان در حدود ۱۰ درصد از کل سرطان های موجود و ۳۰ درصد از کل سرطان های درگیری را شامل می شود. بنابراین تشخیص زودهنگام آن نقش بسزایی در درمان خواهد داشت. ازآنجا که lncRNAها در بافت های سرطانی نسبت به بافت های نرمال بیان متغیر دارد، پتانسیل این مولکول ها را به عنوان بیومارکر برای تشخیص بیماری بالا می برد. همچنین تغییرات بیان lncRNAها در بیماران با نوع سابتایپ سرطان و نژاد استفاده از این مولکول ها را به عنوان بیومارکر برای تشخیص بیماری تشدید می کند. لذا هدف از این پژوهش، بررسی میزان بیان lncRNAهای GAS۵، NEAT۱ و SRA در نمونههای توموری مبتلا به سرطان و و افراد سالم بود. در این مطالعه از بافت توموری ۲۲ فرد مبتلا به سرطان سینه و هم چنین ۲۲ نمونه بافت سالم از افراد تحت نظارت مستقیم پاتولوژیست و با توجه به علایم بالینی و یافتههای آزمایشگاهی از بیمارستان های شهر اصفهان جمعآوری شدند. پس از استخراج RNA از بافت توموری و نرمال، ساخت cDNA طبق روش RT-qPCR انجام شد. سطح بیان lncRNA ژنهای GAS۵، NEAT۱ و SRA با استفاده از روش CT∆∆ محاسبه گردید. الگوی بیان ها با استفاده از نرم افزار Rest ۲۰۰۹ و SPSS نسخه ۱۶ مورد تحلیل قرار گرفت. نتایج Real Time Reverse transcription-PCR نشان داد میانگین میزان بیان نسبی ژن در نمونه های توموری، برای lncRNAهای GAS۵ و NEAT۱ به طور معنی دار کمتر از نمونه های نرمال بود. ولی برای lncRNA SRA هیچ تغییر بیانی مشاهده نگردید.
Keywords:
Authors
شهریار سعیدیان
استادیار بیوشیمی، دانشگاه پیام نور، ایران
زهرا بقایی فر
استادیار سلولی تکوینی گیاهی، دانشگاه پیام نور، ایران
زیور پروانک
کارشناس ارشد بیوشیمی، دانشگاه پیام نور، ایران
مختار فتحی
استادیار، گروه علوم دامی، دانشکده کشاروزی، دانشگاه پیام نور، ایران
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 :