این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مجله دیابت و متابولیسم ایران، جلد ۲۵، شماره ۶، صفحات ۵۳۵-۵۴۳
عنوان فارسی شبکۀ‌ برهم‌کنش پروتئین-پروتئین: شناسایی ژن‌های کلیدی و مسیرهای دخیل در تومورزایی آدنوم‌ هیپوفیز غیرعملکردی
چکیده فارسی مقاله مقدمه: آدنوم‌های هیپوفیز غیرعملکردی (NFPAs) فاقد شواهد بالینی افزایش هورمون هستند. عدم وجود نشانگرهای زیستی قابل اعتماد برای پیش‌آگهی و درمان، همراه با خطر قابل توجه عود، سبب ایجاد چالش‌های اساسی برای مدیریت بیماری شده است. هدف این مطالعه شناسایی ژن‌های کلیدی و مسیرهای زیستی در تومورزایی آدنوم هیپوفیز غیرعملکردی با استفاده از روش سیستم بیولوژی است.
روش‌ها: مجموعه دادۀ میکرواری با شمارۀ دسترسی GSE26966 برای شناسایی ژن‌های افتراقی بین نمونه‌های آدنوم هیپوفیز غیرعملکردی و هیپوفیز سالم آنالیز شد. برهم‌کنش‌های بین ژن‌های افتراقی در سطح پروتئین با استفاده از داده‌های برهم‌کنش پروتئین- پروتئین (PPI) جمع‌آوری شده از پایگاه داده IntAct، ایجاد شد. نرم افزار cytoscape،  پکیج‌های igraph و MCL برای ساخت، آنالیز توپولوژیکی و خوشه‌بندی شبکه استفاده شدند.
یافته‌ها: ۱۱۳۵ ژن افتراقی، |log2FC|>2 و FDR< 0.05، بین نمونه‌های آدنوم هیپوفیز غیرعملکردی و هیپوفیز سالم شناسایی شدند که ۳۲۳ ژن افزایش و ۸۱۲ ژن کاهش بیان داشتند. شبکۀ PPI شامل ۶۹۶۰ گره و ۱۵۶۹۱ یال بود. براساس آنالیز خوشه‌بندی، تنظیم چرخۀ سلولی، تنظیم سازمان‌دهی و تجمع کروماتین، تنظیم رونویسی و تنظیم مسیر اسکلت سلولی اکتین، مهم‌ترین مسیرهای درگیر بودند. با آنالیز توپولوژیکی شبکه، ژن‌های CDKN1A، BHLHE40، FHL2، H1-2، H2BC21 و FGFR3 به‌عنوان گره‌های هاب مرکزی شناسایی شدند. این ژن‌ها در مسیرهای زیستی ذکر شده نیز درگیر بودند.
نتیجه‌گیری: این مطالعه نشان داد که روش سیستم بیولوژی با رویکرد تلفیق داده‌های‌های رونوشت ژن با داده‌های برهم‌کنش پروتئین‌ها توانایی شناسایی مسیرها و نشانگرهای زیستی بالقوه در تومورزایی آدنوم هیپوفیز غیرعملکردی دارد.
 
کلیدواژه‌های فارسی مقاله آدنوم هیپوفیز غیرعملکردی، ترانسکریپتوم، شبکۀ برهم‌کنش پروتئین-پروتئین، توپولوژی، خوشه‌بندی
عنوان انگلیسی Protein-Protein Interaction Network: The Identification of Key Genes and Pathways Involved in Nonfunctioning Pituitary Adenoma Tumorigenesis
چکیده انگلیسی مقاله Background: Nonfunctioning pituitary adenomas (NFPAs) are among the most prevalent subtypes of pituitary adenomas, presenting no clinical hormone elevation. The lack of definitive biomarkers for prognosis and treatment, combined with a significant risk of recurrence, poses substantial challenges to management. This study aims to identify key genes and biological pathways involved in NFPAs tumorigenesis using a systems biology approach.
Methods: The dataset with accession number GSE26966 was analyzed to identify differentially expressed genes (DEGs) in NFPAs. Interactions between DEGs at the protein level were constructed using protein-protein interaction (PPI) data collected from the IntAct database. Cytoscape software, igraph, and MCL packages were used to construct the PPI network, analyze its topology, and cluster it.
Results: 1,135 differential genes were identified between NFPAs and normal pituitary samples based on |log2FC|>2 and FDR < 0.05. Of these, 323 were up-regulated and 812 were down-regulated. The constructed PPI network consisted of 6,960 nodes and 15,691 edges. According to network clustering, cell cycle regulation, chromatin organization and assembly regulation, transcription regulation, and actin cytoskeleton regulation were the most significant pathways. Using topological analysis, CDKN1A, BHLHE40, FHL2, H1-2, H2BC21, and FGFR3 were identified as central hub nodes in the PPI network. These genes were also involved in the biological pathways mentioned above.
Conclusion: This study demonstrated that a systems biology approach, integrating gene transcriptome data with protein interaction data, can effectively identify pathways and biomarkers in NFPAs tumorigenesis.
 
کلیدواژه‌های انگلیسی مقاله Nonfunctioning pituitary adenomas (NFPAs), Transcriptome, Protein-protein interaction (PPI) network, Topology, Clustering
نویسندگان مقاله ناهید صفری علی قیارلو | Nahid Safari-Alighiarloo
Endocrine Research Center, Institute of Endocrinology and Metabolism, Iran University of Medical Sciences, Tehran, Iran
مرکز تحقیقات غدد درون‌ریز، پژوهشکدۀ غدد درون‌ریز و متابولیسم، دانشگاه علوم پزشکی ایران، تهران، ایران

سید محمد طباطبائی | Seyyed Mohammad Tabatabaei
Medical Informatics Department, School of Medicine, Mashhad University of Medical Sciences, Mashhad, Iran
گروه انفورماتیک پزشکی، دانشکدۀ پزشکی، دانشگاه علوم پزشکی مشهد، مشهد، ایران

نصیبه خیر | Nasibeh Khayer
Skull Base Research Center, The Five Senses Health Institute, Iran University of Medical Sciences, Tehran, Iran
مرکز تحقیقات قاعدۀ جمجمه، پژوهشکدۀ سلامت حواس پنجگانه، دانشگاه علوم پزشکی ایران، تهران، ایران

ناهید هاشمی مدنی | Nahid Hashemi Madani
Endocrine Research Center, Institute of Endocrinology and Metabolism, Iran University of Medical Sciences, Tehran, Iran
مرکز تحقیقات غدد درون‌ریز، پژوهشکدۀ غدد درون‌ریز و متابولیسم، دانشگاه علوم پزشکی ایران، تهران، ایران

محمد ابراهیم خمسه | Mohammad E. Khamseh
Endocrine Research Center, Institute of Endocrinology and Metabolism, Iran University of Medical Sciences, Tehran, Iran
مرکز تحقیقات غدد درون‌ریز، پژوهشکدۀ غدد درون‌ریز و متابولیسم، دانشگاه علوم پزشکی ایران، تهران، ایران

نشانی اینترنتی http://ijdld.tums.ac.ir/browse.php?a_code=A-10-2311-1&slc_lang=fa&sid=1
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده تخصصی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات