Riassunto analitico
Il cancro ovarico rappresenta la tipologia di tumore ginecologico più fatale, nonché il secondo tumore maligno più comune dopo il cancro al seno. Il tumore ovarico viene spesso diagnosticato in fase avanzata, soprattutto per la mancanza di specificità dei sintomi presentati, che confondono la patologia con possibili altri disturbi più comuni e non letali, rendendone difficile la diagnosi e la successiva cura. Risulta dunque chiaro il motivo per cui la ricerca scientifica si stia concentrando nella definizione di metodologie e protocolli di diagnosi precoce della malattia.
Infatti, in letteratura sono moltissimi gli studi di espressione genica in tessuti patologici, che tentano di individuare markers diagnostici che possano essere adottati per lo screening del tumore ovarico. Fino ad ora non è mai stato preso in considerazione il possibile coinvolgimento di geni connessi alla fisiologia ovarica come possibili driver genetici della patologia.
In questo studio è stato identificato un network di geni associati alla regolazione del processo di sviluppo del follicolo ovarico e ne è stata valutata l’espressione differenziale in un gruppo di pazienti affette da cancro ovarico rispetto ad un gruppo di controllo. I dati di gene expression, relativi ai gruppi presi in considerazione nello studio, sono stati ricavati dalla banca dati GEO di NCBI. Metodi network-based sono stati utilizzati per rilevare, costruire e studiare una rete di geni funzionalmente correlati all’attività biologica delle gonadotropine e delle molecole coinvolte nelle loro pathways di attivazione. La rete ottenuta si presenta come una serie di nodi, che rappresentano i geni, e di collegamenti, che rappresentano la probabilità che i geni collegati partecipino allo stesso processo biologico all’interno del tessuto ovarico. I livelli di espressione dei geni ottenuti dall’analisi network-based sono stati studiati e confrontati tra il gruppo di pazienti con cancro ovarico sieroso di alto grado e il gruppo di controllo.
I risultati ottenuti possono essere utilizzati per lo sviluppo successivo di studi sperimentali con lo scopo di sviluppare nuove terapie, metodi di diagnosi e sviluppo di farmaci.
|
