شناسايي پروتئين‌هاي كليدي درگير در بروز سرطان معده به روش In silico

An In silico method to identify key proteins involved in the development of gastric cancer

مقدمه: سرطان معده اولين عامل مرگ مير ناشي از سرطان در ايران است. مطالعات بسياري در خصوص يافتن پروتئين‌هاي تأثيرگذار به­جهت اهميت بر روي سرطان معده صورت گرفته است . با استفاده از پروتئين‌هاي شناسايي‌شده در خصوص سرطان معده و ابزارهاي محاسباتي طراحي‌شده براي مطالعه شبكه‌هاي پيچيده، مي‌توان راهي ارزان و منطقي براي شناسايي كانديدهاي پروتئيني درگير در اين بيماري معرفي نمود. روش بررسي: در اين مطالعه كه به روش تحليلي با نگرش كمي انجام‌شده است، به منظور بررسي شبكه ميانكنشي پروتئين هاي شناسايي شده درگير در سرطان معده، ابتدا پروتئين‌ها از مقالات استخراج شدند سپس با استفاده از نرم‌افزار Cytoscape و افزونه MiMI در پايگاه داده‌هاي ميان كنشي پروتئين‌ها مورد جستجو قرار گرفتند و شبكه ميان كنشي رسم شد. با استفاده از افزونه Centiscape شاخص‌هاي مركزي (Degree, Stress, Betweenness, Closeness,) موردبررسي قرار گرفتند و گره‌هاي كليدي‌تر شناسايي شدند. پس از افزودن داده‌هاي بياني نيز مجدد اين محاسبات صورت پذيرفت. يافته‌ها: از مقالات، فهرستي مشتمل بر 72 پروتئين استخراج شد و به كمك آن‌ها شبكه‌اي متشكل از 1673 گره ايجاد گرديد. ارتباطات عمل كردي بين گره‌هاي موجود در زير شبكه‌ها موردبررسي قرار گرفت و مشخص شد كه اكثر پروتئين‌ها در فرايندهاي تنظيمي دخيل هستند نتيجه بررسي شاخص‌هاي مركزي در اين شبكه نشان داد كه HNF4A و TAF1 به دليل داشتن ميان كنش‌هاي زياد و ايجاد ارتباط بين بخش‌هاي مختلف شبكه به‌عنوان گره‌هاي كليدي در شبكه ميان كنشي پروتئين‌هاي درگير در بروز سرطان معده هستند. نتيجه‌گيري: از پروتئين‌هاي معرفي‌شده در اين مطالعه مي‌توان به‌عنوان ماركرهاي تشخيصي و اهداف درماني در سرطان معده استفاده نمود. از طرفي از روند ارائه‌شده در اين مطالعه مي‌توان در شناسايي اهداف كليدي در ساير بيماري‌هاي پيچيده نيز استفاده نمود.

Background: Gastric cancer is the first most common cancer death in Iran. There have been many efforts in finding the most effective proteins in this cancer. Using the proteins identified in gastric cancer combined with advanced computational tools in analyzing biological networks, we have developed a rational method in order to identify candidate proteins associated with this cancer. Materials and Methods: In this study, The analytical procedure is performed with quantitative view. At the beginning we extracted the available studied proteins using a comprehensive literature search, Important proteins in gastric cancer were extracted from the available scientific articles, then the protein interaction databases were searched using Cytoscape MiMI plugin in order to draw the interaction network. Using the Centiscape plugin more key nodes were identified and the Degree, Stress, Betweenness and Closeness were examined. We next added the available expression data and recalculated the parameters. Result: Our beginning list was 72 known proteins involved in gastric cancer, after creating a comprehensive network using the earlier mentioned tools and databases a network with 1673 nodes was created. Examining the GO term using the BINGO plugin most of the proteins were involved in the regulatory processes (65007, 50789, and 50794). Results in the network core index showed that HNF4A and TAF1 were the major key proteins in the protein interaction network which can be greatly involved in the development of gastric cancer. Conclusion: The proteins identified in this study can be used as diagnostic markers and therapeutic targets used in gastric cancer. The process presented in this study can be used to identify key targets in other diseases as well.