دوره 27، شماره 5 - ( دوماهنامه طب جنوب 1404 )
جلد 27 شماره 5 صفحات 408-394 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Khorshidi M, Manoochehri H, AAlikhani M, Ezatzadeh M. Identification of Key Hub Genes Associated with Breast Cancer Stem Cells to Overcome Therapy Resistance. Iran South Med J 2025; 27 (5) :394-408
URL: http://ismj.bpums.ac.ir/article-1-2142-fa.html
URL: http://ismj.bpums.ac.ir/article-1-2142-fa.html
خورشیدی مبینا، منوچهری حامد، عالیخانی مهدی، عزت‌زاده مریم. شناسایی ژن‌های هاب کلیدی مرتبط با سلول‌های بنیادی سرطان سینه به منظور غلبه بر مقاومت به درمان. مجله طب جنوب. 1404; 27 (5) :394-408
مبینا خورشیدی1 
، حامد منوچهری*2 ، مهدی عالیخانی3 ، مریم عزت‌زاده1
، حامد منوچهری*2 ، مهدی عالیخانی3 ، مریم عزت‌زاده1
1- کمیته تحقیقات دانشجویی، دانشگاه علوم پزشکی بوشهر، بوشهر، ایران
گروه بیوتکنولوژی پزشکی، دانشکده پیراپزشکی، دانشگاه علوم پزشکی بوشهر، بوشهر، ایران
2- مرکز تحقیقات زیست فناوری دریایی خلیج‌فارس، پژوهشکده علوم زیست پزشکی خلیج‌فارس، دانشگاه علوم پزشکی بوشهر، بوشهر، ایران ،Manoochehry.hamed@gmail.com
3- گروه بیوتکنولوژی پزشکی، دانشکده پیراپزشکی، دانشگاه علوم پزشکی بوشهر، بوشهر، ایران
گروه بیوتکنولوژی پزشکی، دانشکده پیراپزشکی، دانشگاه علوم پزشکی بوشهر، بوشهر، ایران
2- مرکز تحقیقات زیست فناوری دریایی خلیج‌فارس، پژوهشکده علوم زیست پزشکی خلیج‌فارس، دانشگاه علوم پزشکی بوشهر، بوشهر، ایران ،
3- گروه بیوتکنولوژی پزشکی، دانشکده پیراپزشکی، دانشگاه علوم پزشکی بوشهر، بوشهر، ایران
چکیده: (324 مشاهده)
زمینه: سرطان سینه یکی از شایع‌ترین و کشنده‌ترین بدخیمی‌ها در زنان است. حضور سلول‌های بنیادی سرطانی(CSCs) ، که در متاستاز، مقاومت درمانی و عود بیماری نقش کلیدی دارند، چالشی اساسی در درمان محسوب می‌شود. شناسایی اهداف درمانی اختصاصی مرتبط با CSCs از طریق رویکردهای زیست‌شناسی سیستمی می‌تواند به استراتژی‌های درمانی مؤثرتر منجر شود.
مواد و روش‌ها: سه مجموعه داده بیانی مربوط به سرطان سینه ) GSE7513سلول‌های بنیادی/ غیربنیادی سرطان(،GSE15852 (بافت‌های توموری/ نرمال)، و GSE76540 (سلول‌های مقاوم/ حساس به دوکسوروبیسین) از پایگاه GEO دریافت شد. تحلیل داده‌ها با ابزارهایGEO2R ، DAVID،STRING و Cytoscape انجام گرفت. ژن‌های کلیدی بر اساس معیارهای شبکه انتخاب (دیتاست‌های GSE7513 و GSE76540) و با ژن‌های متفاوت بیان شده در GSE76540 مقایسه شدند. همچنین، بیان ژن‌ها، پیش‌بینی پاسخ به درمان و تعاملات دارو- ژن با ابزارهای TNMplot، ROC Plotter و DGIdb بررسی شد.
یافته‌ها: داده‌های بیانی استخراج‌شده از مجموعه داده‌ها به‌ترتیب 1446، 344 و 1826 ژن را شامل شدند. تحلیل اشتراک ژن‌ها بین GSE7513 و GSE15852، 75 ژن مشترک را شناسایی کرد. خروجی تحلیل شبکه برهمکنش پروتئین- پروتئین، 3 کلاستر و7 هاب ژن بود که 4 مورد آن با ژن‌های دارای بیان متفاوت در GSE76540 مشترک بود. ژن‌هایAGR2 ، GATA3 و KRT19 بر اساس TNM انتخاب شدند.KRT19 و GATA3با پاسخ بیماران به درمان ارتباط داشتند و بر اساس DGIdb، GATA3 به صورت بالقوه می‌تواند هدف داروهای موجود باشد.
نتیجه‌گیری: این مطالعه نشان می‌دهد که GATA3 می‌تواند به‌‌عنوان یک نشانگر زیستی برای پیش‌بینی پاسخ به درمان و هدف بالقوه درمانی سرطان سینه مطرح باشد.
مواد و روش‌ها: سه مجموعه داده بیانی مربوط به سرطان سینه ) GSE7513سلول‌های بنیادی/ غیربنیادی سرطان(،GSE15852 (بافت‌های توموری/ نرمال)، و GSE76540 (سلول‌های مقاوم/ حساس به دوکسوروبیسین) از پایگاه GEO دریافت شد. تحلیل داده‌ها با ابزارهایGEO2R ، DAVID،STRING و Cytoscape انجام گرفت. ژن‌های کلیدی بر اساس معیارهای شبکه انتخاب (دیتاست‌های GSE7513 و GSE76540) و با ژن‌های متفاوت بیان شده در GSE76540 مقایسه شدند. همچنین، بیان ژن‌ها، پیش‌بینی پاسخ به درمان و تعاملات دارو- ژن با ابزارهای TNMplot، ROC Plotter و DGIdb بررسی شد.
یافته‌ها: داده‌های بیانی استخراج‌شده از مجموعه داده‌ها به‌ترتیب 1446، 344 و 1826 ژن را شامل شدند. تحلیل اشتراک ژن‌ها بین GSE7513 و GSE15852، 75 ژن مشترک را شناسایی کرد. خروجی تحلیل شبکه برهمکنش پروتئین- پروتئین، 3 کلاستر و7 هاب ژن بود که 4 مورد آن با ژن‌های دارای بیان متفاوت در GSE76540 مشترک بود. ژن‌هایAGR2 ، GATA3 و KRT19 بر اساس TNM انتخاب شدند.KRT19 و GATA3با پاسخ بیماران به درمان ارتباط داشتند و بر اساس DGIdb، GATA3 به صورت بالقوه می‌تواند هدف داروهای موجود باشد.
نتیجه‌گیری: این مطالعه نشان می‌دهد که GATA3 می‌تواند به‌‌عنوان یک نشانگر زیستی برای پیش‌بینی پاسخ به درمان و هدف بالقوه درمانی سرطان سینه مطرح باشد.
واژه‌های کلیدی: نئوپلاسم سینه، سلول‌های بنیادی سرطانی، مقاومت به شیمی‌درمانی، زیست‌شناسی سیستمی، برهمکنش پروتئین- پروتئین
نوع مطالعه: پژوهشي |
موضوع مقاله:
ژنتیک پزشکی
دریافت: 1404/1/26 | پذیرش: 1404/2/21 | انتشار: 1404/3/11
دریافت: 1404/1/26 | پذیرش: 1404/2/21 | انتشار: 1404/3/11
فهرست منابع
1. Hajigholami S, Vaise Malekshahi Z. Nano Pack-aged Diblock and Curcumin: a New Approach Inor-der To Drug Resistance in Breast Cancer. Iran South Med J 2017; 19(6): 951–61. [Article]
2. Bray F, Laversanne M, Sung H, et al. Global cancer statistics 2022: GLOBOCAN estimates of inci-dence and mortality worldwide for 36 cancers in 185 countries. CA Cancer J Clin 2024; 74(3): 229-63. [DOI]
3. Pont M, Marqués M, Sorolla A. Latest therapeuti-cal approaches for triple-negative breast cancer: From preclinical to clinical research. Int J Mol Sci 2024; 25(24): 13518. [DOI]
4. Manoochehri H, Farrokhnia M, Sheykhhasan M, et al. Key target genes related to anti-breast cancer activity of ATRA: A network pharmacology, molec-ular docking and experimental investigation. Heli-yon 2024; 10(14): e34300. [DOI]
5. Manoochehri H, Asadi S, Tanzadehpanah H, et al. CDC25A is strongly associated with colorectal cancer stem cells and poor clinical outcome of patients. Gene Reports 2021; 25: 101415. 10. [DOI]
6. Wang L, Jin Z, Master RP, et al. Breast Cancer Stem Cells: Signaling Pathways, Cellular Interac-tions, and Therapeutic Implications. Cancers (Ba-sel) 2022; 14(13): 3287. [DOI]
7. Palomeras S, Ruiz-Martínez S, Puig T. Targeting Breast Cancer Stem Cells to Overcome Treatment Resistance. Molecules. 2018; 23(9): 2193. [DOI]
8. Hillebrand LE, Reinheckel T. Impact of proteolysis on cancer stem cell functions. Biochimie 2019;1 66: 214-22. [DOI]
9. Chen J, Chen S, Zhuo L, et al. Regulation of cancer stem cell properties, angiogenesis, and vasculo-genic mimicry by miR-450a-5p/SOX2 axis in colo-rectal cancer. Cell Death Dis 2020; 11(3): 173. [DOI]
10. Manoochehri H, Sheykhhasan M, Samadi P, et al. System biological and experimental validation of miRNAs target genes involved in colorectal cancer radiation response. Gene Reports 2019; 17: 100540.10. [DOI]
11. Manoochehri H, Jalali A, Tanzadehpanah H, et al. Identification of key Gene Targets for Sensitizing Colorectal Cancer to Chemoradiation: an Integra-tive Network Analysis on Multiple Transcriptomics Data. J Gastrointest Cancer 2022; 53(3): 649-68. [DOI]
12. Çorbacıoğlu Ş K, Aksel G. Receiver operating char-acteristic curve analysis in diagnostic accuracy studies: A guide to interpreting the area under the curve value. Turk J Emerg Med 2023; 23(4): 195-8. [DOI]
13. Puckett Y, Patel P, Bokhari AA. Prednisone. In: StatPearls [Internet]. Treasure Island (FL): StatPearls Publishing; 2025. [Article]
14. Thorn CF, Oshiro C, Marsh S, Hernandez-Boussard T, et al. Doxorubicin pathways: Pharmacodynam-ics and adverse effects. Pharmacogenet Ge-nomics. 2011; 21(7): 440-6. [DOI]
15. Sharma H, Wadhwa R. Mercaptopurine. In: StatPearls [Internet]. Treasure Island (FL): StatPearls Publishing; [Article]
16. Johnson DB, Lopez MJ, Kelley B. Dexamethasone. In: StatPearls [Internet]. Treasure Island (FL): StatPearls Publishing; 2025. [Article]
17. Hanoodi M, Mittal M. Methotrexate. In: StatPearls [Internet]. Treasure Island (FL): StatPearls Pub-lishing; 2025: 32310574. [Article]
18. Nousari HC, Sragovich A, Kimyai-Asadi A, et al. Mycophenolate mofetil in autoimmune and in-flammatory skin disorders. J Am Acad Dermatol 1999;40(2): 265-8. [DOI]
19. Awosika AO, Below J, Das JM. Vincristine. In: StatPearls [Internet]. Treasure Island (FL): StatPearls Publishing; 2025. [Article]
20. Faruqi A, Tadi P. Cytarabine. In: StatPearls [Inter-net]. Treasure Island (FL): StatPearls Publishing; 2025. [Article]
21. Hegde VS, Nagalli S. Leucovorin. In: StatPearls [Internet]. Treasure Island (FL): StatPearls Publishing; 2024. [DOI]
22. Fassas A, Anagnostopoulos A. The use of liposo-mal daunorubicin (DaunoXome) in acute myeloid leukemia. Leuk Lymphoma 2005; 46(6): 795-802. [DOI]
23. Voduc D, Cheang M, Nielsen T. GATA-3 expression in breast cancer has a strong association with es-trogen receptor but lacks independent prognostic value. Cancer Epidemiol Biomarkers Prev 2008; 17(2): 365-73. [DOI]
24. Sharma P, Alsharif S, Bursch K, et al. Keratin 19 regulates cell cycle pathway and sensitivity of breast cancer cells to CDK inhibitors. Sci Rep. 2019; 9(1): 14650. [DOI]
25. Hosseinzadeh L, Kikhtyak Z, Laven-Law G, et al. The androgen receptor interacts with GATA3 to transcriptionally regulate a luminal epithelial cell phenotype in breast cancer. Genome Biol 2024; 25(1): 44. [DOI]
26. Raap M, Gierendt L, Werlein C, et al. Co-expression of transcription factor AP-2beta (TFAP2B) and GATA3 in human mammary epithelial cells with intense, apicobasal immunoreactivity for CK8/18. J Mol Histol. 2021; 52(6): 1257-64. [DOI]
27. Chen Y, Lin Y, Cui Z. Identification of adriamycin resistance genes in breast cancer based on mi-croarray data analysis. Transl Cancer Res 2020; 9(12): 7486-94. [DOI]
28. De Lara S, Parris TZ, Werner Rönnerman E, et al. GATA3 as a putative marker of breast cancer me-tastasis-A retrospective immunohistochemical study. Breast J 2018; 24(2): 184-8. [DOI]
29. Maneechotesuwan K, Yao X, Ito K, et al. Suppres-sion of GATA-3 nuclear import and phosphoryla-tion: a novel mechanism of corticosteroid action in allergic disease. PLoS Med 2009; 6(5): e1000076. [DOI]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
