عنوان مقاله ترجمه شده:شناسایی نشانگرهای زیستی کاندید و تجزیه و تحلیل ارزش پیش آگهی سرطان تخمدان با تجزیه و تحلیل یکپارچه بیوانفورماتیک
عنوان انگلیسی مقاله ترجمه شده:Identification of candidate biomarkers and analysis of prognostic values in ovarian cancer by integrated bioinformatics analysis
سال انتشار مقالهنام ژورنالتعداد صفحات مقاله ترجمه شده
20168
چکیده فارسی:سرطان تخمدان اولین دلیل ایجاد سرطان های مرگ آور زنان و زایمان است. برای شناسایی ژن های کلیدی و microRNA ها در سرطان تخمدان، مجموعه اطلاعات میکرواری mRNA، GSE36668,، GSE18520، GSE14407 و مجموعه اطلاعات microRNA GSE47841 از بیان ژن مجموعه اطلاعات Omnibus دانلود شده است. ژن های بیان شده DEG2 و میکروRna های (DEMs) با استفاده از GEO2R حاصل شدند. آنالیزهای عملکردی و غنی سازی مسیر برای DEGs با استفاده ازاطلاعات DAVID انجام شده است. برهمکنش شبکه پروتئین-پروتئین (PPI) توسط STRING انجام گرفت و توسط سیوسکوپ قابل دیدن شد. آنالیز بقای کلی (OS) ژن های قطبی با ابزار آنلاین Kaplan–Meier انجام شد. انالیز واحد شبکه PPI با استفاده از MCODE انجام گرفت. علاوه برآن miRecord برای پیشگویی هدف DEMS اجرا شد. نهایتا تعداد 345 DEMS تامین شد عمدتا با فرآیند سیکل سلولی، میتوز و تخمک گذاری در ارتباطند. یک شبکه PPI ، متشکل از 141 گره و 269 edge ساخته شد. 16 تا از ژن ها درجه های بالایی در شبکه دارند. بیان بالا چهار ژن از 16 ژن با OS بیماران مبتلا به سرطان تخمدان، شامل CCNB1، CENPF، KIF11 و ZWINT مرتبط است. واحد قابل توجه از شبکه PPI کشف شده است. عملکردها و مسیرهای غنی شده شامل سیکل سلولی، تقسیم هسته و میتوز اووسیت است. به علاوه، مجموع 36 DEMs شناسایی شدند. بیان KIF11 به طور منفی با miR-424 و has-miR-381 ارتباط دارد و این همچنین یک هدف بالقوه microRNA ها است. در نتیجه، این ژن های کلیدی که میتوانند هدف های بالقوه برای تشخیص و درمان سرطان تخمدان را فراهم کنند، یافت میشود.
چکیده انگلیسی:Ovarian cancer is the first leading cause of mortality in gynecological malignancies. To identify key genes and microRNAs in ovarian cancer, mRNA microarray dataset GSE36668, GSE18520, GSE14407 and microRNA dataset GSE47841 were downloaded from the Gene Expression Omnibus database. Differentially expressed genes (DEGs) and microRNAs (DEMs) were obtained using GEO2R. Functional and pathway enrichment analysis were performed for DEGs using DAVID database. Protein–protein interaction (PPI) network was established by STRING and visualized by Cytoscape. Following, overall survival (OS) analysis of hub genes was performed by the Kaplan– Meier plotter online tool. Module analysis of the PPI network was performed using MCODE. Moreover, miRecords was applied to predict the targets of the DEMs. A total of 345 DEGs were obtained, which were mainly enriched in the terms related to cell cycle, mitosis, and ovulation cycle process. A PPI network was constructed, consisting of 141 nodes and 296 edges. Sixteen genes had high degrees in the network. High expression of four genes of the 16 genes was associated with worse OS of patients with ovarian cancer, including CCNB1, CENPF, KIF11, and ZWINT. A significant module was detected from the PPI network. The enriched functions and pathways included cell cycle, nuclear division, and oocyte meiosis. Additionally, a total of 36 DEMs were identified. The expression of KIF11 was negatively correlated with that of has-miR-424 and has-miR-381, and it was also the potential target of two microRNAs. In conclusion, these results identified key genes, which could provide potential targets for ovarian cancer diagnosis and treatment
کلمات کلیدی مقاله:
دانلود اصل مقاله ترجمه نشده افزودن به سبد خرید