دوره 33، شماره 11 - ( بهمن 1401 )
جلد 33 شماره 11 صفحات 785-768 |
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:
Tabatabaei S N, Minuchehr Z. COMPUTATIONAL BIOLOGY APPROACHES AND BIOINFORMATICS TO IDENTIFY KEY GENES IN POLYCYSTIC OVARY SYNDROME: A SYSTEMATIC REVIEW. Studies in Medical Sciences 2023; 33 (11) :768-785
URL: http://umj.umsu.ac.ir/article-1-5832-fa.html
URL: http://umj.umsu.ac.ir/article-1-5832-fa.html
طباطبایی سیده نفیسه، مینوچهر زرین. رویکردهای زیست‌شناسی محاسباتی و بیوانفورماتیک برای شناسایی ژن‌های کلیدی در سندرم تخمدان پلی‌کیستیک: یک مرور سیستماتیک. مجله مطالعات علوم پزشکی. 1401; 33 (11) :768-785
دانشیار گروه زیست فناوری سامانه‌ای، پژوهشکده زیست فناوری صنعت و محیط زیست، پژوهشگاه ملی مهندسی ژنتیک و زیست فناوری، تهران، ایران (نویسنده مسئول) ، dminuchehr@gmail.com
چکیده: (970 مشاهده)
پیش‌زمینه و هدف: سندرم تخمدان پلی‌کیستیک (PCOS) شایع‌ترین بیماری غدد درون‌ریز زنانه است و اغلب باعث ناباروری زنان در سنین باروری می‌شود. این سندروم شامل ژن و پروتئین‌های مختلف، مسیرهای متعدد و فرآیندهای پیچیده ترشح هورمون است. ازاین‌رو، پاتوژنز PCOS را نمی‌توان با یک عامل توضیح داد. استفاده از زیست‌شناسی محاسباتی و اومیکس‌ها شامل ژنومیکس، ترانسکریپتومیکس، پروتئومیکس و متابولومیکس می‌توانند روش‌های سریع و مؤثرتری برای مطالعه پاتوژنز بیماری‌های پیچیده مثل PCOS ارائه دهند.
روش کار: در این مطالعه جهت یافتن مقالات مرتبط پایگاه‌های اطلاعاتی PubMed، Google Scholar و Science direct بدون محدودیت زمانی و با استفاده از کلیدواژه‌های Polycystic Ovary Syndrome،Computational Biology، Protein-Protein Interaction، Network Biology و Pathways analysis در بازه زمانی 3 ساله مورد جستجو قرار گرفتند.
یافته‌ها: تاکنون پایگاه‌های داده مختلفی برای ذخیره اطلاعات، میانکنش‌های پروتئینی، شبکه‌ها و مسیرهای زیستی مربوط به انسان طراحی‌شده و در اختیار عموم قرار گرفته است. سه پایگاه داده PCOSBase، PCOSKB و PCOSDB مخصوص سندروم تخمدان پلی‌کیستیک ابداع شده است.
بحث و نتیجه‌گیری: ازآنجاکه مکانیسم‌های مولکولی سندروم تخمدان پلی‌کیستیک هنوز به‌طور کامل شناخته نشده است برای درک این سندروم نیاز است علاوه بر نتایج آزمایشگاهی با استفاده از پلتفرم‌های اومیکس، زیست‌شناسی محاسباتی و ابزارهای بیوانفورماتیک میانکنش بین پروتئین‌ها و مسیرهای درگیر در آن شناسایی شود.
روش کار: در این مطالعه جهت یافتن مقالات مرتبط پایگاه‌های اطلاعاتی PubMed، Google Scholar و Science direct بدون محدودیت زمانی و با استفاده از کلیدواژه‌های Polycystic Ovary Syndrome،Computational Biology، Protein-Protein Interaction، Network Biology و Pathways analysis در بازه زمانی 3 ساله مورد جستجو قرار گرفتند.
یافته‌ها: تاکنون پایگاه‌های داده مختلفی برای ذخیره اطلاعات، میانکنش‌های پروتئینی، شبکه‌ها و مسیرهای زیستی مربوط به انسان طراحی‌شده و در اختیار عموم قرار گرفته است. سه پایگاه داده PCOSBase، PCOSKB و PCOSDB مخصوص سندروم تخمدان پلی‌کیستیک ابداع شده است.
بحث و نتیجه‌گیری: ازآنجاکه مکانیسم‌های مولکولی سندروم تخمدان پلی‌کیستیک هنوز به‌طور کامل شناخته نشده است برای درک این سندروم نیاز است علاوه بر نتایج آزمایشگاهی با استفاده از پلتفرم‌های اومیکس، زیست‌شناسی محاسباتی و ابزارهای بیوانفورماتیک میانکنش بین پروتئین‌ها و مسیرهای درگیر در آن شناسایی شود.
واژه‌های کلیدی: زیست‌شناسی محاسباتی، شبکه‌های زیستی، آنالیز مسیر، سندروم تخمدان پلی‌کیستیک، آنالیز میانکنش‌های پروتئینی-پروتئینی
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
