PubMed دسترسی آزاد

PSMA1, PSMA5, and PSMB2 serve as prognostic biomarkers and are correlated with tumor-infiltrating leukocytes in HCC.

استودیوی صوتی مقاله

پخش حرفه‌ای فارسی و انگلیسی

در حال بررسی نسخه‌های صوتی ذخیره‌شده…

صوت تولیدشده با هوش مصنوعی است. برای کاربرد علمی یا درمانی، متن و منبع اصلی را بررسی کنید.
خواندن هوشمند فارسی و انگلیسی در حال آماده‌سازی صداهای مرورگر…
تنظیم صدای طبیعی و سرعت

صداهایی که در نامشان «Natural»، «Neural» یا «Online» دیده می‌شود معمولاً طبیعی‌ترند. انتخاب صدا به صداهای نصب‌شده در ویندوز و مرورگر شما بستگی دارد.

چکیده اصلی

Hepatocellular carcinoma (HCC) ranks as the third leading cause of cancer-related death. Proteasome (PSM) is the main intracellular proteolytic system in higher eukaryotic cells. It has been reported to be involved in the tumor's onset, metabolism, and survival, and it has been recognized as a therapeutic target for many human cancers. The 20S proteasome subunits, specifically proteasome 20S subunit alpha 1 (PSMA1), proteasome 20S subunit alpha 5 (PSMA5), and proteasome 20S subunit beta 2 (PSMB2), are overexpressed in various malignancies, including HCC. Nevertheless, the exact role of these genes in HCC prognosis remains only partially understood. Moreover, a reliable predictive biomarker for HCC is essential for supporting the implementation of personalized therapies. Therefore, this study employed a comprehensive bioinformatics approach, integrating data from cBioPortal, Human Protein Atlas (HPA), Oncomine, STRING Viruses, Kaplan-Meier plotter, and other established high-throughput databases and tools. The current study thoroughly examined the expression levels, methylation, and genomic alterations of PSM and their correlation with tumor-infiltrating leukocytes. PSMA1, PSMA5, and PSMB2 are overexpressed in various cancers, including HCC, and their expression levels are associated with tumor grade and stage. The abundance of these genes is linked to diminished DNA methylation levels and genome alterations. Moreover, there was a significant association between the expression levels of these genes and poor prognosis and immune cell infiltration. In conclusion, this study proposes PSMA1, PSMA5, and PSMB2 as biomarkers for HCC.

نتیجه فارسی

این مطالعه نشان می‌دهد که ژن‌های PSMA1، PSMA5 و PSMB2 در سرطان کبد سلولی بیش‌ازحد بیان می‌شوند و با درجه و مرحله تومار، متیلاسیون پایین‌تر DNA و پیش‌بینی بد مرتبط هستند. این ژن‌ها همچنین با نفوذ سلول‌های ایمنی و لنفوسیت‌های تومور همبستگی دارند.

  • PSMA1، PSMA5 و PSMB2 در سرطان کبد سلولی بیش‌ازحد بیان می‌شوند.
  • سطوح بیان این ژن‌ها با درجه و مرحله تومار مرتبط است.
  • غلظت این ژن‌ها با متیلاسیون پایین‌تر DNA و تغییرات ژنومیک مرتبط است.
  • این ژن‌ها با پیش‌بینی بد و نفوذ سلول‌های ایمنی همبستگی دارند.

ترجمه فارسی چکیده

سرطان کبد سلولی (HCC) سومین علت اصلی مرگ‌ومیر ناشی از سرطان است. پروتئازوم (PSM) سیستم اصلی پروتئولیتیک داخل سلولی در یوکاریوت‌های بالاتر است. گزارش شده است که در شروع، متابولیسم و بقا تومارها دخیل است و به عنوان هدف درمانی بسیاری از سرطان‌های انسانی شناخته شده است. زیردسته‌های ۲۰S پروتئازوم، به طور خاص پروتئازوم ۲۰S زیردسته آلفا ۱ (PSMA1)، پروتئازوم ۲۰S زیردسته آلفا ۵ (PSMA5) و پروتئازوم ۲۰S زیردسته بتا ۲ (PSMB2)، در سرطان‌های مختلف از جمله HCC بیش‌ازحد بیان می‌شوند. با این حال، نقش دقیق این ژن‌ها در پیش‌بینی HCC هنوز تا حدی درک نشده است. این مطالعه از رویکرد جامع بیوانفورماتیک برای بررسی بیان، متیلاسیون و تغییرات ژنومیک PSM و همبستگی آن‌ها با لنفوسیت‌های نفوذکننده تومور استفاده کرد. بیان PSMA1، PSMA5 و PSMB2 در سرطان‌های مختلف از جمله HCC بالاتر است و سطوح بیان آن‌ها با درجه و مرحله تومار مرتبط است. غلظت این ژن‌ها با سطوح پایین‌تر متیلاسیون DNA و تغییرات ژنومیک مرتبط است. علاوه بر این، همبستگی معناداری بین سطوح بیان این ژن‌ها و پیش‌بینی بد و نفوذ سلول‌های ایمنی وجود داشت. در نتیجه، این مطالعه PSMA1، PSMA5 و PSMB2 را به عنوان نشانگرهای HCC پیشنهاد می‌کند.

روش پژوهش

این مطالعه از رویکرد بیوانفورماتیک جامع برای بررسی بیان، متیلاسیون و تغییرات ژنومیک PSM و همبستگی آن‌ها با لنفوسیت‌های نفوذکننده تومور استفاده کرد.

محدودیت‌ها

محدودیت‌های این مطالعه در متن ارائه نشده است.

استخراج ساختاریافته از متن منبع

نمای PICO و پیامدها

جمعیت
سرطان کبد سلولی (HCC)
مداخله/مواجهه
بررسی بیان ژن‌های PSMA1، PSMA5 و PSMB2
مقایسه
مقایسه با سایر سرطان‌ها و بافت‌های سالم (در متن ذکر نشده)
حجم نمونه
در متن ذکر نشده

متن کامل اصلی

نسخه دارای مجوز در منبع علمی در دسترس است.

لینک مستقیم از metadata منبع گرفته شده و در تب جدید باز می‌شود.

باز کردن متن کامل

کلیدواژه‌ها

HCCProteasomebiomarkerscancerprognosis
در همین زیرشاخه

مقاله‌های مرتبط

PubMed2027

A Straightforward and Reliable Mouse Model of Colorectal Cancer by Orthotopic Transplantation.

Colorectal cancer (CRC) is a major malignancy with significant global implications for human health. The development of a reliable and pathologically relevant orthotopic CRC model is essential for advancing our understanding of its molecular mechanisms and for developing more effective therapeutic interventions. However, the construction of such models is fraught with challenges primarily because of the technical complexities involved …

PubMed2027

A Tissue Explant Model for Colon Cancer.

Colorectal cancer (CRC) remains a leading cause of cancer-related morbidity and mortality worldwide. Recent advancements in cancer research emphasize the importance of personalized medicine, necessitating robust preclinical models that closely mimic the tumor microenvironment. Colorectal cancer organoids have emerged as a pivotal tool in this domain, providing a platform that preserves the cellular heterogeneity and allows high-through…

PubMed2027

AA-Induced Lipid Peroxidation at the Center of Tumor Cell Apoptosis and Ferroptosis.

Polyunsaturated fatty acids (PUFAs), especially gamma-linolenic acid (GLA), arachidonic acid (AA), eicosapentaenoic acid (EPA), and docosahexaenoic acid (DHA), can block HMG-CoA reductase activity and thus decrease cholesterol synthesis/formation. Cholesterol has antioxidant actions and thus reduces the formation of ROS (reactive oxygen species). In contrast, PUFAs augment the generation of ROS. PUFAs undergo peroxidation to form lipid…

PubMed2027

Advanced Image Generation for Cancer and Stem Cell Biology Using Diffusion Models.

Deep learning has transformed medical image analysis, but progress in cancer and stem cell applications is often constrained by limited access to large, diverse, well-annotated imaging datasets. This bottleneck is especially acute for studies of tumor heterogeneity and cancer stem cell (CSC) biology, where rare phenotypes and dynamic cell-state transitions-frequently linked to stemness-associated transcriptional programs (e.g., OCT4, S…