رویکردهای زیست شناسی محاسباتی و بیوانفورماتیک برای شناسایی ژن های کلیدی در سندرم تخمدان پلی کیستیک: یک مرور سیستماتیک

پیش زمینه و هدف:

سندرم تخمدان پلی کیستیک (PCOS) شایع ترین بیماری غدد درون ریز زنانه است و اغلب باعث ناباروری زنان در سنین باروری می شود. این سندروم شامل ژن و پروتیین های مختلف، مسیرهای متعدد و فرآیندهای پیچیده ترشح هورمون است. ازاین رو، پاتوژنز PCOS را نمی توان با یک عامل توضیح داد. استفاده از زیست شناسی محاسباتی و اومیکس ها شامل ژنومیکس، ترانسکریپتومیکس، پروتیومیکس و متابولومیکس می توانند روش های سریع و موثرتری برای مطالعه پاتوژنز بیماری های پیچیده مثل PCOS ارایه دهند.

در این مطالعه جهت یافتن مقالات مرتبط پایگاه های اطلاعاتی PubMed، Google Scholar و Science direct بدون محدودیت زمانی و با استفاده از کلیدواژه های Polycystic Ovary Syndrome،Computational Biology، Protein-Protein Interaction، Network Biology و Pathways analysis در بازه زمانی 3 ساله مورد جستجو قرار گرفتند.

یافته ها:

 تاکنون پایگاه های داده مختلفی برای ذخیره اطلاعات، میانکنش های پروتیینی، شبکه ها و مسیرهای زیستی مربوط به انسان طراحی شده و در اختیار عموم قرار گرفته است. سه پایگاه داده PCOSBase، PCOSKB و PCOSDB مخصوص سندروم تخمدان پلی کیستیک ابداع شده است.

بحث و نتیجه گیری:

ازآنجاکه مکانیسم های مولکولی سندروم تخمدان پلی کیستیک هنوز به طور کامل شناخته نشده است برای درک این سندروم نیاز است علاوه بر نتایج آزمایشگاهی با استفاده از پلتفرم های اومیکس، زیست شناسی محاسباتی و ابزارهای بیوانفورماتیک میانکنش بین پروتیین ها و مسیرهای درگیر در آن شناسایی شود.