Iranian Journal of Breast Diseases

fa شناسایی ژن های مرتبط با پیش‌ آگهی در سرطان پستان Her2-enriched با استفاده از تجزیه و تحلیل شبکه هم‌ بیانی ژنی Identification of Prognostic Genes in Her2-enriched Breast Cancer by Gene Co-Expression Net-work Analysis پژوهشي Research <div style="text-align: justify;">مقدمه: زیرگروه Her2-enriched در سرطان پستان پیش آگهی بدتری نسبت به زیرگروه های لومینال دارد. و اخیرا کشف درمان&rlm; های هدفمند در سایر گروه های سرطان پستان منجر به افزایش بقاء بیماران شده است. هدف این مطالعه شناخت ژن های موثر در بقای کلی این دسته از بیماران مبتنی بر زیست شناسی سامان&rlm;ه ای است. روش بررسی: مجموعه داده های بیان ژن و اطلاعات بالینی 58 بیمار مبتلا به زیرگروه Her2-enriched از اطلس ژنوم سرطان دانلود شد. با استفاده از شبکه همبیان ژنی وزندار، ماژول های هم بیان شناسایی شدند. به&rlm; منظور شناسایی ماژول های موثر بر بقای کلی، از رگرسیون کاکس استفاده شد. آنالیز بقاء تکژنی در درون ماژول منتخب انجام و در پایان ژن های معنی دار با استفاده از ابزار DAVID مورد تفسیر عملکردی قرار گرفتند. یافته ها: از میان شش ماژول هم بیان شناسایی شده، دو ماژول به طور معنی دار با پیش &rlm;آگهی بدتر در بیماران مرتبط بودند. بر مبنای آنالیز بقای تکژنی، 39% از ژن های ماژول منتخب، معنادار شناخته شد که رابطه معناداری با مسیرهای زیستی "Ubiquitin mediated proteolysis" و "RNA degradation" داشتند. ژن&rlm; های CHAMP1، PPP1R26، PRRC2B، KANSL3 و ANAPC2 به&rlm; ترتیب به عنوان 5 ژن مهم در کاهش بقای کلی شناسایی شدند. همچنین این ژن ها در مسیرهای مرتبط با  تقسیم سلولی نقش دارند که تاییدکننده نقش آن&rlm;ها در سرطان است. نتیجه گیری: رویکرد زیست شناسی سامان&rlm;ه ای می تواند نتایج مناسبی در تحلیل بقاء بیماران داشته باشد. در این مطالعه ژن&rlm; هایی شناسایی شدند که می توانند در مطالعات آزمایشگاهی به عنوان بیومارکرهای پیش آگهی دهنده بقای کلی بیماران زیرگروه Her2-enriched و همچنین کاندیداهای بالقوه برای درمان هدفمند این دسته از بیماران مورد استفاده قرار گیرند.</div> <div style="text-align: justify;">Introduction: HER2-enriched subtype of breast cancer has a worse prognosis than luminal subtypes. Recently, the discovery of targeted therapies in other groups of breast cancer has increased patient survival. The aim of this study was to identify genes that affect the overall survival of this group of patients based on a systems biology approach. Methods: Gene expression data and clinical information on 58 patients with HER2-enriched cancer were downloaded from The Cancer Genome Atlas (TCGA). Co-expression modules were identified using the weighted gene co-expression network analysis (WGCNA). The Cox regression was used to determine the modules that had a significant relationship with the overall survival (OS) endpoint. Single-gene survival analysis was performed within the selected module. Finally, functional annotation to explore the significance of genes was performed using the Database for Annotation, Visualization, and Integrated Discovery (DAVID). Results: Of the six identified co-expression modules, two had significantly poor prognoses. Single-gene survival analysis showed that 39% of genes in the selected modules were identified as significant. The genes were mainly related to the biological pathways such as Ubiquitin-mediated proteolysis and RNA degradation. CHAMP1, PPP1R26, PRRC2B, KANSL3, and ANAPC2 were identified as the 5 most important genes associated with reduced OS, in order of significance. Conclusion: The systems biology approach can provide appropriate results relate to patient survival analysis. In this study, some genes were identified to be used as prognostic biomarkers in experimental studies related to the OS in the HER2-enriched subgroup. These genes can be considered potential candidates for therapeutic targets in this group of patients.</div> سرطان, زیست شناسی سامانه ای, شبکه های وزندار, شبکه های هم‌ بیانی, Her2-enriched, WGCNA HER2-enriched Breast Cancer, WGCNA, Co-expression Network, TCGA 49 63 http://ijbd.ir/browse.php?a_code=A-10-419-2&slc_lang=fa&sid=1 Mohammad Darzi محمد درزی modarzi@yahoo.com 0058009418 00031947532846008729 No Department of Electrical Engineering and Information Technology, Iranian Research Organization for Science and Technology (IROST), Tehran, Iran پژوهشکده برق و فناوری اطلاعات، سازمان پژوهش های علمی و صنعتی ایران، تهران، ایران Saeid Gorgin سعید گرگین gorgin@irost.ir 00031947532846008730 00031947532846008730 No Department of Electrical Engineering and Information Technology, Iranian Research Organization for Science and Technology (IROST), Tehran, Iran پژوهشکده برق و فناوری اطلاعات، سازمان پژوهش های علمی و صنعتی ایران، تهران، ایران keivan Majidzadeh-A کیوان مجیدزاده kmajidzadeh@acecr.ac.ir 00031947532846008731 00031947532846008731 No Genetics Department, Breast Cancer Research Center, Motamed Cancer Institute, ACECR, Tehran, Iran دپارتمان ژنتیک، مرکز تحقیقات سرطان پستان، پژوهشکده سرطان معتمد، جهاد دانشگاهی، تهران، ایران Rezvan Esmaeili رضوان اسمعیلی esmaeili.rezvan@gmail.com 00031947532846008732 00031947532846008732 Yes Genetics Department, Breast Cancer Research Center, Motamed Cancer Institute, ACECR, Tehran, Iran دپارتمان ژنتیک، مرکز تحقیقات سرطان پستان، پژوهشکده سرطان معتمد، جهاد دانشگاهی، تهران، ایران