Hasil Pencarian  ::  Simpan CSV :: Kembali

"Kanker payudara merupakan tipe kanker yang paling banyak terjadi didunia dan menjadi penyebab kematian terbanyak pada negara berkembang. Subtipe kanker payudara saat ini dapat diklasifikasikan berdasarkan profil ekspresi gennya dengan immunohistokimia (IHK) menjadi subtipe Luminal A, Luminal B, HER2+, dan TNBC. Namun, IHK memiliki beberapa keterbatasan yang dapat menyebabkan kesalahan klasifikasi. Penelitian ini bertujuan melakukan integrasi data multi-omik (genomik, epigenomik, dan transkriptomik) serta penggunaan machine learning dalam penentuan biomarker subtipe kanker payudara.Metode Isolat DNA dari pasien kanker payudara yang menjalani pengobatan di RSUPN Cipto Mangunkusumo dan RS Kanker Dharmais Jakarta sebanyak 48 subjek digunakan dalam penelitian ini. Untuk mengidentifikasi mutasi dan metilasi DNA, digunakan kit Illumina Infinium Asian Screening Array dan Illumina Infinium EPIC Human methylation array v2.0 yang kemudian dilakukan pembacaan dengan Illumina iScan. Biomarker mutasi dan metilasi DNA kemudian dianalisis dengan machine learning untuk mendapatkan biomarker subtipe kanker payudara. Pendekatan transkriptomik dengan analisis DEG (Differentially Expressed Genes) dilakukan dengan menggunakan dataset yang berada pada basis data GEO (Gene Expression Omnibus), yaitu dataset GSE33447 dan GSE20685. Studi translasional untuk identifikasi biomarker metilasi DNA, dilakukan dengan metode MSP (methylated specific PCR).Hasil Didapatkan biomarker mutasi dan metilasi DNA yang signifikan berasosiasi dengan masing-masing subtipe kanker payudara serta berkaitan dengan ekspresi gennya, yaitu Luminal A (rs2355062 dan cg14397888), Luminal B (rs36087647 dan cg14397888), HER2+ (rs4925108 dan cg25910261), TNBC (rs137966431, rs886040223 dan cg26371957). Adanya mutasi pada BRCA2 (rs886040223) pada pasien TNBC, diprediksi akan memberikan respon yang sensitif terhadap pemberian terapi inhibitor PARP. Kit diagnostik berbasis biomarker omik dengan metode methylation-specific PCR (MSP) dapat menentukan status metilasi DNA pada biomarker cg14397888 untuk subtipe Luminal A dan Luminal B dengan akurasi 75% dan 76%.Kesimpulan Pendekatan biomarker multiomik pada pasien kanker payudara dapat digunakan sebagai pilihan untuk melakukan klasifikasi subtipe kanker payudara dan memprediksi pilihan terapi yang tepat.......IntroductionBreast cancer is the predominant form of cancer globally and is the primary cause of mortality in emerging nations. Currently, breast cancer subtypes can be classified using immunohistochemistry (IHC) into four subtypes: Luminal A, Luminal B, HER2+, and TNBC. Nevertheless, the IHC possesses various constraints that may result in misclassification. The objective of this study is to combine multiple types of biological data (genomic, epigenomic, and transcriptomic) and apply machine learning techniques to identify biomarkers for different subtypes of breast cancer.MethodDNA isolates obtained from 48 breast cancer patients who were receiving therapy at RSUPN Cipto Mangunkusumo and Dharmais Cancer Hospital Jakarta. The Illumina Infinium Asian Screening Array and Illumina Infinium EPIC Human methylation array v2.0 kits were employed to detect mutations and DNA methylation which were then read using Illumina iScan. Machine learning was used to examine DNA mutation and methylation biomarkers in order to identify biomarkers specific to different subtypes of breast cancer. The transcriptomics approach was employed to analyze differentially expressed genes (DEGs) utilizing datasets from the Gene Expression Omnibus (GEO) database, namely the GSE33447 and GSE20685 datasets. The MSP approach was employed to conduct translational research to identify DNA methylation biomarkers.ResultsSignificant DNA mutations and methylation biomarkers were discovered to be linked to each subtype of breast cancer and were found to be associated with gene expression, namely, Luminal A (rs2355062 and cg14397888), Luminal B (rs36087647 and cg14397888), HER2+ (rs4925108 and cg25910261), and TNBC (rs137966431, rs886040223 and cg26371957). Predictions suggest that the presence of mutations in the BRCA2 gene (rs886040223) in TNBC patients will likely result in a highly responsive reaction to PARP inhibitor treatment. A diagnostic kit utilizing the methylation-specific PCR (MSP) approach can accurately assess the DNA methylation status of the cg14397888 biomarker for Luminal A and Luminal B subtypes with an accuracy of 75% and 76%, respectively.ConclusionThe utilization of the multiomics biomarker strategy in breast cancer patients offers a viable method for categorizing breast cancer subtypes and forecasting suitable therapy interventions.                                                                                                                                                                    "

"Gangguan koagulasi merupakan komplikasi yang umum terjadi pada pasien kanker kolorektal dan dikaitkan dengan risiko morbiditas dan mortalitas. Terapi antikoagulan pada pasien kanker kolorektal dengan gangguan koagulasi cukup sulit dilakukan akibat berbagai risiko. Pencarian kandidat biomarker sebagai potensi target terapi diperlukan untuk mengembangkan strategi pengobatan baru yang dapat menurunkan risiko efek samping pengobatan. Dataset microarray GSE52060 berisi data profil gen 23 sel tumor pasien kanker kolorektal dan 23 sel mukosa normal dari pangkalan data GEO dianalisis menggunakan GEO2R untuk identifikasi gen dengan ekspresi berbeda bermakna (DEG) dengan standar |log2(Fold Change)| > 2 dan p < 0,05. DEG yang memenuhi kriteria kemudian dilakukan analisis anotasi fungsi gen dengan analisis ontologi gen (GO) dan jalur KEGG. Analisis GEO2R menunjukkan terdapat 299 DEG antara sel tumor dan sel mukosa normal yang terdiri dari 221 gen yang mengalami down-regulasi dan 78 gen yang mengalami up-regulasi. Hasil analisis DEG oleh GO menunjukkan DEG cukup signifikan terjadi pada gen-gen yang terlibat dalam transport bikarbonat, transport anion, dan aktivitas carbonic anhydrase (CA). Hasil analisis DEG oleh jalur KEGG menunjukkan 23 DEG cukup signifikan pada berbagai jalur fisiologis maupun patologis dan memiliki hubungan dengan gangguan koagulasi pada lima jalur. Terdapat 23 gen yang memiliki potensi sebagai kandidat biomarker untuk pasien kanker kolorektal dengan gangguan koagulasi.......Coagulation disorders are common complications in colorectal cancer patients and are associated with the risk of morbidity and mortality. Anticoagulant therapy in colorectal cancer patients with coagulation disorders is difficult to carry out due to various risks and side effects. The search for biomarker candidates as potential targets for therapy is necessary to develop new treatment strategies that can reduce the risk of treatment side effects. The GSE52060 microarray dataset contains gene profile data of 23 tumor cells and 23 normal mucosal cells taken from colorectal cancer patients from the GEO database. The data was analyzed using GEO2R for identification of differentially expressed genes (DEGs). DEGs that met the criteria were then subjected to gene function annotation analysis using gene ontology (GO) analysis and KEGG pathways analysis. GEO2R analysis showed that there were 299 DEGs between tumor cells and normal mucosal cells consisting of 221 downregulated genes and 78 upregulated genes. The results of DEG analysis by GO showed that DEGs were enriched in bicarbonate transport, anion transport and carbonic anhydrase (CA) activity. The results of DEG analysis by the KEGG pathway showed that 23 DEGs were quite significant in various physiological and pathological pathways and had a connection with coagulation disorders in five pathways. Twenty-three genes have been identified as potential biomarkers for colorectal cancer patients with coagulation disorders."