MEME KANSERİNDE BİYOİNFORMATİK ANALİZLER İLE BELİRLENEN DİYAGNOSTİK BİYOBELİRTEÇLERİN DENEYSEL OLARAK VALİDASYONU

Abstract

Meme kanseri, kadınlarda en sık görülen malignitelerden biri olup erken tanı ve uygun tedavi stratejilerinin belirlenmesi hastalığın prognozu açısından büyük önem taşımaktadır. Moleküler biyolojide ve yüksek işlem hacimli teknolojilerde yaşanan gelişmeler, biyoinformatik analizler aracılığıyla yeni tanısal biyobelirteçlerin belirlenmesini olağan kılmaktadır. Bu tür biyobelirteç adaylarının klinik uygulamalara aktarılabilmesi için deneysel olarak doğrulanmaları gerekmektedir. Bu tez çalışmasının amacı, meme kanserinde biyoinformatik analizler kullanılarak belirlenen potansiyel diyagnostik biyobelirteç adayı genlerin deneysel olarak doğrulanmasıdır. Bu anlamda, Gene Expression Omnibus (GEO) veri tabanından elde edilen meme kanseri ve sağlıklı kontrol bireylerden alınan kan örneklerine ait genom boyu transkriptom profilleri analiz edilmiştir. Gen ekspresyon analizleri sonucunda istatistiksel olarak anlamlı bulunan genler belirlenmiş ve literatür verileri ile karşılaştırılarak aday biyobelirteç paneli oluşturulmuştur. Biyoinformatik analizler sonucunda seçilen genlerin deneysel doğrulaması, meme kanseri hastalarına ve sağlıklı bireylere ait kan örneklerinden izole edilen RNA'lar kullanılarak kantitatif gerçek zamanlı polimeraz zincir reaksiyonu (qRT-PCR) yöntemi ile gerçekleştirilmiştir. Elde edilen qRT-PCR sonuçları biyoinformatik analiz bulgularıyla karşılaştırılarak değerlendirilmiş ve genlerin diyagnostik potansiyelleri istatistiksel olarak analiz edilmiştir. Çalışma sonucunda, biyoinformatik analizlerle belirlenen bazı genlerin meme kanserinde anlamlı düzeyde farklı ekspresyon profili gösterdiği ve deneysel olarak doğrulandığı saptanmıştır. Elde edilen bulgular, genlerin meme kanserinin erken tanısında potansiyel diyagnostik biyobelirteçler olarak kullanılabileceğini göstermektedir. Bu çalışma, biyoinformatik yaklaşımlar ile deneysel doğrulamanın entegrasyonunun, meme kanserinde güvenilir biyobelirteçlerin belirlenmesine katkı sağlayabileceğini ortaya koymaktadır.Breast cancer is one of the most common malignancies in women, and early diagnosis and determination of appropriate treatment strategies are of great importance for the prognosis of the disease. Advances in molecular biology and high-throughput technologies have made it commonplace to identify new diagnostic biomarkers through bioinformatics analyses. Such biomarker candidates must be experimentally validated before they can be transferred to clinical applications. The aim of this thesis is to experimentally validate potential diagnostic biomarker candidate genes identified in breast cancer using bioinformatics analyses. In this context, genome-wide transcriptomic profiles obtained from blood samples taken from breast cancer and healthy control individuals, obtained from the Gene Expression Omnibus (GEO) database, were analyzed. Genes found to be statistically significant as a result of gene expression analyses were identified and a candidate biomarker panel was created by comparing them with literature data. The experimental validation of the genes selected through bioinformatics analyses was performed using quantitative real-time polymerase chain reaction (qRT-PCR) with RNA isolated from blood samples obtained from breast cancer patients and healthy individuals. The obtained qRT-PCR results were evaluated by comparing them with the bioinformatics analysis findings, and the diagnostic potential of the genes was statistically analyzed. As a result of the study, it was determined that some genes identified by bioinformatics analyses showed a significantly different expression profile in breast cancer and were experimentally validated. The findings indicate that these genes could potentially be used as diagnostic biomarkers for the early diagnosis of breast cancer. This study demonstrates that the integration of bioinformatics approaches with experimental validation can contribute to the identification of reliable biomarkers for breast cancer.