تقدیر از عضو هیات علمی پژوهشکده سرطان معتمد در جشنواره ملی پایان نامه سال
رساله عضو هیات علمی پژوهشکده سرطان معتمد جهاد دانشگاهی در بیستمین جشنواره پایاننامه سال دانشجویی به عنوان پایان نامه شایسته تقدیر برگزیده و در آئین پایانی این جشنواره که در ۲۴ آبان ماه سال جاری برگزار شد، مورد تقدیر قرار گرفت.
به گزارش روابط عمومی پژوهشکده سرطان معتمد جهاد دانشگاهی، محمد درزی، دانش آموخته دکتری مهندسی نرم افزار سازمان پژوهش های علمی و صنعتی ایران و عضو هیات علمی گروه ژنتیک سرطان پژوهشکده سرطان معتمد در رساله خود با عنوان «مقایسه گروه سرطان سارکوم با کارسینوما به منظور استخراج الگوهای ژنوم مشابه با استفاده از رویکرد زیست شناسی سامانه ای» موفق به شناسایی ژن هایی شد که به طور مشترک بر بقای کلی مبتلایان به این دو گروه از سرطان تاثیر دارند.
تحقیقات این رساله دکتری با راهنمایی دکتر سعید گرگین، دانشیار پژوهشکده برق و فناوری اطلاعات سازمان پژوهش های علمی و صنعتی ایران و دکتر رضوان اسمعیلی، دانشیار پژوهشکده سرطان معتمد جهاد دانشگاهی و مشاوره دکتر کیوان مجیدزاده، استاد پژوهشکده سرطان معتمد انجام شد.
محمد درزی که تالیف و گردآوری سه عنوان کتاب، نگارش 18 عنوان مقاله علمی- پژوهشی و کنفرانسی، اجرای شش طرح و مشارکت در هفت طرح پژوهشی را در کارنامه فعالیتهای علمی خود دارد در شهریور سال 1400 از رساله دکتری خود دفاع کرده است.
وی در بخش نخست رساله خود با استفاده از رویکرد زیست شناسی سامانه ای به بررسی جداگانه شبکه همبیانی زیرگروه لیومیوسارکوم غیررحمی(NULMS) از گروه سارکوم و زیرگروه Her2-enriched در سرطان پستان به عنوان زیرگروه کارسینوم پرداخته است.
با استفاده از رویکرد زیست شناسی سامانه ای در تحلیل برهمکنش ژنها بر روی یکدیگر و تاثیر این برهمکنش بر روی ویژگیهای بالینی بیماران میتوان ژنهای موثر در بقای بیماران را شناسایی و کاندیداهای درمانی مناسب را پیشنهاد کرد.
مبنای این رویکرد، استفاده از دیدگاه شبکه برای بررسی روابط بین ژنها و تاثیر مجموعهای از آنها بر روی ویژگیها و صفات بیرونی و بالینی است.
تحلیل شبکه همبیان ژنی وزندار(WGCNA) به عنوان یکی از چارچوبهای موفق در پیاده سازی رویکرد زیست شناسی سامانه ای محسوب میشود. هدف اصلی از طراحی این چارچوب، تحلیل رفتار همبیانی مجموعه ای از ژنها به جای ژنهای انفرادی است؛ بدین ترتیب در این روش به جای ارتباط دهها هزار ژن با یک متغیر بالینی میتوان همبستگی چند گروه (ماژول) ژنی با آن متغیر خاص را بررسی نمود.
در تحلیل شبکه همبیان ژنی وزندار (WGCNA) زیرگروه لیومیوسارکوم غیررحمی مشخص شد، مهمترین ژنهایی که بیان آنها باعث پیش آگهی خوب در بیماران این گروه میشود عبارتند از IL18RAP ، ICAM3،NCR3،KLRB1. همچنین مشخص شد که بیان ژن های MDFI ، وPYCR1،SRM تاثیر منفی در بقاء بیماران مبتلا به لیومیوسارکوم غیررحمی دارند. بر اساس تحلیل مسیرهای زیستی برای مبتلایان به لیومیوسارکوم غیررحمی (NULMS)، «ایمنی درمانی» پیشنهاد شد.
در بررسی شبکه Her2-enriched نیز مشخص شد که افزایش بیان ژنهای PPP1R26،PRRC2B ،KANSL3 و ANAPC2 وCHAMP1 باعث کاهش «بقای کلی» این دسته از بیماران میشود.
در بخش پایانی رساله و برای مقایسه دو زیرگروه لیومیوسارکوم غیررحمی(NULMS) و زیرگروه Her2-enriched در سرطان پستان از شبکه اجماعی استفاده شد.
بر این اساس، مجموعا 12 ماژول استخراج و ارتباط این ماژولها با بقای بیماران هر دو زیرگروه بررسی شد. بر این اساس مشخص شد ژنهای NUP210، RAF1،PI4KA ،UBR1، MLH1، ITPR1 ،CDC16 ،PGPEP1 ،TMEM183A ،BRD8 به طور مشترک بر بقای کلی این دو گروه از سرطان تاثیر دارند.
در ادامه با استفاده از شبکه های داروئی ارتباط این ده ژن با داروهای هدف مورد بررسی قرار گرفت و تعدادی دارو برای زیرگروه لیومیوسارکوم غیررحمی(NULMS) پیشنهاد شد.
گفتنی است از این رساله دو مقاله استخراج شده که یکی از مقالات آن با عنوان "Gene co-expression network analysis reveals immune cell infiltration as a favorable prognostic marker in non-uterine leiomyosarcoma" در نشریه Scientific Nature از انتشارات Nature منتشر شده است.
انتهای پیام
نظر شما :