કારણ કે લીવર કેન્સર ઘણા પ્રકારો ધરાવે છે, મજબૂત વારસો અને સરળ પુનરાવૃત્તિ, રોગની પ્રગતિની આગાહી કરી શકે તેવા બાયોમાર્કર્સને ઓળખવું એ લીવર કેન્સર સામે લડવાનું મુખ્ય ધ્યેય છે.
તાજેતરમાં, સંશોધકોએ સ્પ્લિસિંગ બાયોમાર્કર્સના આધારે લીવર કેન્સર-હેપેટોસેલ્યુલર કાર્સિનોમા (HCC) ના સૌથી સામાન્ય સ્વરૂપને ઓળખવા માટેની પદ્ધતિ વિકસાવી છે. તેઓ માને છે કે આ પદ્ધતિનો ઉપયોગ અન્ય પ્રકારના કેન્સર માટે પણ થઈ શકે છે. આ અભ્યાસ હાઇલાઇટ કરે છે કે કેવી રીતે આરએનએ સ્પ્લિસિંગ વેરિઅન્ટ્સ કેન્સરમાં ફાળો આપે છે, અને નિર્દેશ કરે છે કે આ પ્રકારો કેન્સરની પ્રગતિ માટે સંભવિત બાયોમાર્કર્સ બની શકે છે.
સ્પ્લિસિંગ એ એવી પ્રક્રિયાનો સંદર્ભ આપે છે જેમાં ચોક્કસ પ્રોટીન નકશો બનાવવા માટે ઉપયોગમાં લઈ શકાય તે પહેલાં જનીનમાં એન્કોડ કરેલી માહિતીમાંથી કોપી કરેલી આરએનએ માહિતીને સંપાદિત કરવામાં આવે છે. એક જનીન બહુવિધ RNA સંદેશા ઉત્પન્ન કરી શકે છે, અને દરેક સંદેશ એક અલગ પ્રોટીન પ્રકાર અથવા "આઇસોમર" ઉત્પન્ન કરે છે. ઘણા રોગો આરએનએ સ્પ્લિસિંગ પદ્ધતિઓમાં ભૂલો અથવા ભિન્નતા સાથે સંબંધિત છે. વિભાજનમાં ભૂલો અથવા ફેરફારો વિવિધ અથવા અસામાન્ય કાર્યો સાથે પ્રોટીનમાં પરિણમી શકે છે.
Recent research has identified splicing irregularities in લીવર કેન્સર cells. Krainer’s team has developed a method that can comprehensively analyze all RNA information produced by a given gene. The team tested their methods of detecting splice variants in HCC by analyzing RNA information from HCC cells collected from hundreds of patients.
They found that the specific splicing isoform of the AFMID gene is associated with the patient’s low survival. These variants result in cells making truncated versions of the AFMID protein. These unusual proteins are associated with mutations in TP53 and ARID1A ગાંઠ suppressor genes in adult liver cancer cells.
સંશોધકોએ અનુમાન કર્યું હતું કે આ પરિવર્તનો NAD + નામના પરમાણુના નીચા સ્તર સાથે સંબંધિત છે, જે ક્ષતિગ્રસ્ત ડીએનએના સમારકામમાં સામેલ છે. AFMID સ્પ્લિસિંગનું સમારકામ NAD + ના ઉત્પાદનમાં વધારો અને DNA સમારકામમાં વધારો તરફ દોરી શકે છે. જો આપણે આ કરી શકીએ, તો AFMID સ્ટિચિંગ એક ઉપચારાત્મક લક્ષ્ય બની શકે છે અને લીવર કેન્સર માટે નવી દવાઓનો સ્ત્રોત બની શકે છે. પ્રારંભિક પ્રયોગો દર્શાવે છે કે ટીમનું સંશોધન સાચા માર્ગ પર છે અને અમે આશા રાખીએ છીએ કે વધુ સારા ડેટા પરિણામોથી લીવર કેન્સરના દર્દીઓને ફાયદો થશે.
