مجله علوم پزشکی پارس

بررسی بیوانفورماتیکی برای تعیین بیومارکرهای کلیدی در سرطان پروستات

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه مهندسی بافت، دانشکده علوم و فناوری های نوین، دانشگاه علوم پزشکی فسا، فسا، ایران

2 گروه فارماکولوژی، دانشکده پزشکی، دانشگاه علوم پزشکی فسا، فسا، ایران

3 مرکز تحقیقات ارزیابی فناوری سلامت و انفورماتیک پزشکی، دانشگاه علوم پزشکی شهید صدوقی یزد، یزد

چکیده

مقدمه: درمان موثر در سرطان پروستات اهمیت ویژه ای دارد. حفظ کیفیت زندگی افراد مبتلا به این نوع رایج سرطان حیاتی است. یافتن روش های درمانی جدید مبتنی بر علوم مدرن همچون بیوانفورماتیک برای امکان داشتن برنامه های پزشکی شخصی متناسب با نیازهای فرد ضروری است. امکان برنامه‌های پزشکی شخصی متناسب با نیازهای فرد را فراهم می‌کند. علاوه بر این،  پیشرفت های مذکور
می توانند به توسعه اقدامات پیشگیرانه در راستای کاهش میزان خطر ابتلا به این نوع سرطان کمک کنند.
روش کار: مجموعه داده‌های بیان ژن GSE55945 از NCBI-GEO بارگذاری و ژن‌های دارای تفاوت بیان (DEG) تجزیه و تحلیل شدند. نقش ژن ها در فرآیندهای بیولوژیکی و مسیرهای غنی‌سازی آن ها در پایگاه Enrichr توسط دانشنامه ژن و ژنوم کیوتو (KEGG)  Reactome، Bioplanet و غیره نمایش داده شد. همچنین شبکه‌های پروتئین-پروتئین (PPI) ترسیم شد.
نتایج: در مجموع هفت ژن کلیدی شامل CCK، NOX4، CALM1، CACNA1D، MYLK، CAV1 و AOX1 شناسایی شد. تحلیل های مربوط به فرآیندهای مولکولی نشان داد که بیشتر ژن‌های دارای تفاوت بیان در سازوکار متابولیسم دارو نقش دارند. همچنین، نتایج نشان داد که عملکرد مولکولی اکثر ژن‌ها مربوط به فرآیندهای وابسته به G-protein  و متابولیسم اینوزیتول فسفات است.
نتیجه گیری: ژن های دارای تفاوت بیان، ژن های کلیدی و مسیرهای سیگنالی شناسایی شده در این مطالعه ممکن است به درک سازوکارهای مولکولی سرطان پروستات کمک کرده و اهداف احتمالی برای تشخیص و درمان این بیماری ارائه دهند.

کلیدواژه‌ها

عنوان مقاله [English]

Bioinformatics study to determine key biomarkers in prostate cancer

نویسندگان [English]

  • Mohsen Safaei 1
  • Zahra Abpeikar 1
  • Ahmad Reza Farmani 1
  • Seyed Amin Kouhpayeh 2
  • Mohammad Hassan Jafari Najaf Abadi 3
  • Arash Goodarzi 1

1 Department of Tissue Engineering, School of Advanced Technologies in Medicine, Fasa University of Medical Sciences, Fasa, Iran

2 Department of Pharmacology, School of Medicine, Fasa University of Medical Sciences, Fasa, Iran

3 Research Center for Health Technology Assessment and Medical Informatics, School of Public Health, Shahid Sadoughi University of Medical Sciences, Yazd, Iran

چکیده [English]

Introduction: The importance of effective treatment for prostate cancer cannot be ignored. Maintaining the quality of
life of people with this common type of cancer is vital. Identifying new treatments through modern sciences such as bioinformatics is essential and provides the possibility of personalized medical programs tailored to individual needs. In addition, these advances can help develop preventive measures that can ultimately reduce the risk of developing this type of cancer.
Materials and Methods: We downloaded the GSE55945 gene expression data set from NCBI-GEO and analyzed the
differentially expressed genes (DEG). The role of genes in biological processes, and the enrichment pathways of genes in the Enrichr database are displayed by the Kyoto Encyclopedia of Genes and Genomes (KEGG), Reactome, Bioplanet, etc. Also, protein-protein (PPI) networks drawn and discussed.
Results: A total of 7 hub or key genes, including CAV1, MYLK, CACNA1D, CALM1, NOX4, CCK, and AOX1, were identified. Analyzes related to molecular processes showed that most genes with differential expression are involved in the "mechanism of drug metabolism". Also, the results showed
that the molecular function of most genes is related to "G-protein dependent", and "inositol phosphate
metabolism" processes.
Conclusion: DEGS, key genes and signaling pathways identified in this study may help to understand the molecular
mechanisms of prostate cancer and provide possible targets diagnosing and treating this disease.

کلیدواژه‌ها [English]

  • Bioinformatics
  • Biomarker
  • Cancer
  • Prostate
  • Miroarray
1. Chen R, Ren S, Yiu MK, Fai NC, Cheng WS, Ian LH,
et al. Prostate cancer in Asia: a collaborative report.
Asian J Urol. 2014; 1: 15-29.
2. Drabovich AP, Saraon P, Drabovich M, Karakosta
TD, Dimitromanolakis A, Hyndman ME, et al. Multi-
omics biomarker pipeline reveals elevated levels of
protein-glutamine gamma-glutamyltransferase 4 in
seminal plasma of prostate cancer patients*[S]. Mol
Cell Proteom. 2019; 18: 1807-23.
3. Center MM, Jemal A, Lortet-Tieulent J, Ward E,
Ferlay J, Brawley O, et al. International variation in
prostate cancer incidence and mortality rates. Eur
Urol. 2012; 61: 1079-92.
4. Leitzmann MF, Rohrmann S. Risk factors for the
onset of prostatic cancer: age, location, and behavioral
correlates. Clin Epidemiol. 2012: 1-11.
5. Hessels D, Schalken JA. The use of PCA3 in the
diagnosis of prostate cancer. Nat Rev Urol. 2009; 6:
255-61.
6. Guo T, Hou D, Yu D. Bioinformatics analysis of gene
expression profile data to screen key genes involved
in intracranial aneurysms. Mol Med Rep. 2019; 20:
4415-24.
7. Strober LB. Quality of life and psychological well-
being in the early stages of multiple sclerosis (MS):
Importance of adopting a biopsychosocial model.
Disabil Health J. 2018; 11: 555-61.
8. Safari-Alighiarloo N, Taghizadeh M, Rezaei-Tavirani
M, Goliaei B, Peyvandi AA. Protein-protein
interaction networks (PPI) and complex diseases.
Gastroenterol Hepatol Bed Bench. 2014; 7: 17-31.
9. Smith HA, McNeel DG. The SSX family of cancer-
testis antigens as target proteins for tumor therapy.
Clin Dev Immunol. 2010; 2010.
10.Fujita K, Nonomura N. Urinary biomarkers of
prostate cancer. Int J Urol. 2018; 25: 770-9.
11.Li J, Yu H, Ma Y-F, Zhao M, Tang J. Identification
of genes associated with lung cancer by
bioinformatics analysis. Eur Rev Med Pharmacol Sci.
2017; 21.
12.Shaul PW, Anderson RG. Role of plasmalemmal
caveolae in signal transduction. Am J Physiol Lung
Cell Mol Physiol. 1998; 275: L843-L51.
13.Thompson T, Tahir S, Li L, Watanabe M, Naruishi
K, Yang G, et al. The role of caveolin-1 in prostate
cancer: clinical implications. Prostate Cancer Prostatic
Dis. 2010; 13: 6-11.
14.Chen P, Zhang Y-l, Xue B, Xu G-y. Association of
caveolin-1 expression with prostate cancer: a
systematic review and meta-analysis. Front Oncol.
2021; 10: 562774.
15.Wallace SE, Regalado ES, Gong L, Janda AL, Guo
D-c, Russo CF, et al. MYLK pathogenic variants
aortic disease presentation, pregnancy risk, and
characterization of pathogenic missense variants.
Genet Med. 2019; 21: 144-51.
16.Yang M, Zhang T, Zhang Y, Ma X, Han J, Zeng K,
et al. MYLK4 promotes tumor progression through
the activation of epidermal growth factor receptor
signaling in osteosarcoma. J Exp Clin Cancer Res.
2021; 40: 1-15.
17.Tan X, Chen M. MYLK and MYL9 expression in
non-small cell lung cancer identified by
bioinformatics analysis of public expression data.
Tumor Biol. 2014; 35: 12189-200.
18.Foroumadi R, Rashedi S, Asgarian S, Mardani M,
Keykhaei M, Farrokhpour H, et al. Circular RNA
MYLK as a prognostic biomarker in patients with
cancers: A systematic review and meta‐analysis.
Cancer Rep. 2022; 5: e1653.
19.Qiao P, Zhang D, Zeng S, Wang Y, Wang B, Hu X.
Using machine learning method to identify MYLK as
a novel marker to predict biochemical recurrence in
prostate cancer. Biomark Med. 2020; 15: 29-41.
20.McKerr N, Mohd-Sarip A, Dorrian H, Breen C, A.
James J, McQuaid S, et al. CACNA1D overexpression
and voltage-gated calcium channels in prostate cancer
during androgen deprivation. Sci Rep. 2023; 13: 4683.
21.Chen R, Zeng X, Zhang R, Huang J, Kuang X, Yang
J, et al., editors. Cav1. 3 channel α1D protein is
overexpressed and modulates androgen receptor
transactivation in prostate cancers. Urol Oncol: Semin
Orig Investig; 2014: Elsevier.
22.Liu T, Han X, Zheng S, Liu Q, Tuerxun A, Zhang Q,
et al. CALM1 promotes progression and dampens
chemosensitivity to EGFR inhibitor in esophageal
squamous cell carcinoma. Cancer Cell Int. 2021; 21:
1-12.
23.Sturzu A, Klose U, Sheikh S, Echner H, Kalbacher
H, Deeg M, et al. The gastrin/cholecystokinin-B
receptor on prostate cells–a novel target for
bifunctional prostate cancer imaging. Eur J Pharm Sci.
2014; 52: 69-76.
24.Sampson N, Brunner E, Weber A, Puhr M, Schäfer
G, Szyndralewiez C, et al. Inhibition of Nox4‐
dependent ROS signaling attenuates prostate
fibroblast activation and abrogates stromal‐mediated
protumorigenic interactions. Int J Cancer. 2018; 143:
383-95.
25.Li W, Middha M, Bicak M, Sjoberg DD, Vertosick
E, Dahlin A, et al. Genome-wide scan identifies role
for AOX1 in prostate cancer survival. Eur Urol. 2018;
74: 710-9.
26.Liu Y, Zhou J-W, Liu C-D, Yang J-K, Liao D-Y,
Liang Z-J, et al. Comprehensive signature analysis of
drug metabolism differences in the White, Black and
Asian prostate cancer patients. Aging (Albany NY).
2021; 13: 16316.
27.Daaka Y. G proteins in cancer: the prostate cancer
paradigm. Sci STKE. 2004; 2004: re2-re.
28.Rodriguez M, Siwko S, Liu M. Prostate-specific G-
protein coupled receptor, an emerging biomarker
regulating inflammation and prostate cancer invasion.
Curr Mol Med. 2016; 16: 526-32.
مجله علوم پزشکی پارس
دوره 21، شماره 3
مهر 1402
صفحه 50-58