A hasnyálmirigyrák az egyik leghalálosabb rossz prognózisú daganat a világon.Ezért pontos előrejelzési modellre van szükség a hasnyálmirigyrák magas kockázatának kitett betegek azonosításához a kezelés testreszabása és e betegek prognózisának javítása érdekében.
Megszereztük a The Cancer Genome Atlas (TCGA) pancreas adenocarcinoma (PAAD) RNAseq adatait az UCSC Xena adatbázisából, korrelációs elemzéssel azonosítottuk az immunrendszerrel kapcsolatos lncRNS-eket (irlncRNS-eket), és különbségeket azonosítottunk a TCGA és a normál pancreas adenocarcinoma szövetei között.DEirlncRNS) a TCGA-ból és a hasnyálmirigy-szövet genotípus szöveti expressziója (GTEx).További egyváltozós és lasszó regressziós elemzéseket végeztünk a prognosztikai aláírási modellek megalkotására.Ezután kiszámítottuk a görbe alatti területet, és meghatároztuk az optimális határértéket a magas és alacsony kockázatú hasnyálmirigy-adenokarcinómában szenvedő betegek azonosításához.A klinikai jellemzők, az immunsejt-infiltráció, az immunszuppresszív mikrokörnyezet és a kemoterápiás rezisztencia összehasonlítása magas és alacsony kockázatú hasnyálmirigyrákban szenvedő betegeknél.
20 DEirlncRNS-párt azonosítottunk, és a betegeket az optimális küszöbérték szerint csoportosítottuk.Kimutattuk, hogy prognosztikai aláírási modellünk jelentős teljesítményt nyújt a PAAD-ban szenvedő betegek prognózisának előrejelzésében.A ROC görbe AUC értéke 0,905 az 1 éves előrejelzésnél, 0,942 a 2 éves előrejelzésnél és 0,966 a 3 éves előrejelzésnél.A magas kockázatú betegek túlélési aránya alacsonyabb és klinikai jellemzők rosszabbak voltak.Azt is kimutattuk, hogy a magas kockázatú betegek immunszupprimált állapotban vannak, és rezisztenciát alakíthatnak ki az immunterápiával szemben.A rákellenes gyógyszerek, például a paklitaxel, a sorafenib és az erlotinib számítási előrejelző eszközökön alapuló értékelése megfelelő lehet a PAAD-ban szenvedő magas kockázatú betegek számára.
Összességében tanulmányunk egy új prognosztikai kockázati modellt hozott létre, amely páros irlncRNS-en alapul, amely ígéretes prognosztikai értéket mutatott hasnyálmirigyrákos betegeknél.A prognosztikai kockázati modellünk segíthet megkülönböztetni a PAAD-ban szenvedő betegeket, akik alkalmasak az orvosi kezelésre.
A hasnyálmirigyrák egy rosszindulatú daganat, amelynek alacsony az ötéves túlélési aránya és magas fokozata van.A diagnózis idején a legtöbb beteg már előrehaladott stádiumban van.A COVID-19 járvány kapcsán az orvosokra és az ápolókra óriási nyomás nehezedik a hasnyálmirigyrákos betegek kezelésekor, és a betegek családjai is többszörös nyomással szembesülnek a kezelési döntések meghozatalakor [1, 2].Bár nagy előrelépés történt a DOAD-k kezelésében, mint például a neoadjuváns terápia, a sebészeti reszekció, a sugárterápia, a kemoterápia, a célzott molekuláris terápia és az immunkontroll-gátlók (ICI), a betegek mindössze 9%-a éli túl öt évvel a diagnózis után [3 ].], 4].Mivel a hasnyálmirigy-adenokarcinóma korai tünetei atipikusak, a betegeknél általában előrehaladott stádiumban diagnosztizálják a metasztázisokat [5].Ezért egy adott beteg esetében az egyénre szabott átfogó kezelésnek mérlegelnie kell az összes kezelési lehetőség előnyeit és hátrányait, nemcsak a túlélés meghosszabbítása, hanem az életminőség javítása érdekében is [6].Ezért hatékony előrejelzési modellre van szükség a beteg prognózisának pontos felméréséhez [7].Így a PAAD-ban szenvedő betegek túlélése és életminősége egyensúlyban lévő megfelelő kezelés választható ki.
A PAAD rossz prognózisa főként a kemoterápiás gyógyszerekkel szembeni rezisztenciának köszönhető.Az elmúlt években az immunkontroll-gátlókat széles körben alkalmazták a szolid tumorok kezelésében [8].Az ICI-k hasnyálmirigyrákban való alkalmazása azonban ritkán sikeres [9].Ezért fontos azonosítani azokat a betegeket, akik számára előnyös lehet az ICI-terápia.
A hosszú, nem kódoló RNS (lncRNS) a nem kódoló RNS egy típusa, több mint 200 nukleotiddal.Az LncRNS-ek széles körben elterjedtek, és az emberi transzkriptom mintegy 80%-át teszik ki [10].Számos munka kimutatta, hogy az lncRNS-alapú prognosztikai modellek hatékonyan megjósolhatják a betegek prognózisát [11, 12].Például 18 autofágiával kapcsolatos lncRNS-t azonosítottak, amelyek prognosztikai aláírásokat generálnak emlőrákban [13].Hat másik immunrendszerű lncRNS-t használtak a glióma prognosztikai jellemzőinek megállapítására [14].
A hasnyálmirigyrákban egyes tanulmányok lncRNS-alapú aláírásokat hoztak létre a betegek prognózisának előrejelzésére.3-lncRNS aláírást állapítottak meg hasnyálmirigy-adenokarcinómában, ahol a ROC-görbe alatti terület (AUC) mindössze 0,742, és a teljes túlélés (OS) 3 év [15].Ezenkívül az lncRNS expressziós értékei eltérőek a különböző genomokban, különböző adatformátumokban és különböző betegekben, és a prediktív modell teljesítménye instabil.Ezért egy új modellező algoritmust, párosítást és iterációt használunk immunitással kapcsolatos lncRNS (irlncRNS) aláírások generálására, hogy pontosabb és stabilabb prediktív modellt hozzunk létre [8].
A normalizált RNAseq adatok (FPKM) és a klinikai hasnyálmirigyrák TCGA és genotípus szöveti expresszió (GTEx) adatai az UCSC XENA adatbázisából származnak (https://xenabrowser.net/datapages/).A GTF fájlokat az Ensembl adatbázisból (http://asia.ensembl.org) szereztük be, és lncRNS expressziós profilok kinyerésére használtuk az RNAseq-ből.Letöltöttük az immunitással kapcsolatos géneket az ImmPort adatbázisból (http://www.immport.org), és korrelációs elemzéssel azonosítottuk az immunitással kapcsolatos lncRNS-eket (irlncRNS-eket) (p < 0,001, r > 0,4).A differenciálisan expresszált irlncRNS-ek (DEirlncRNS-ek) azonosítása a GEPIA2 adatbázisból (http://gepia2.cancer-pku.cn/#index) kapott irlncRNS-ek és differenciálisan expresszált lncRNS-ek keresztezésével a TCGA-PAAD kohorszban (|logFC| > 1 és FDR) ) <0,05).
Erről a módszerről már korábban is beszámoltak [8].Pontosabban, az X-et a párosított lncRNS A és lncRNS B helyettesítésére készítjük. Ha az lncRNS A expressziós értéke magasabb, mint az lncRNS B expressziós értéke, akkor X 1-ként van definiálva, ellenkező esetben X 0. Így megkaphatjuk 0 vagy – 1 mátrix. A mátrix függőleges tengelye az egyes mintákat, a vízszintes tengely pedig az egyes DEirlncRNS párokat 0 vagy 1 értékkel.
A prognosztikai DEirlncRNS párok szűrésére egyváltozós regressziós analízist, majd Lasso regressziót alkalmaztunk.A lasszó regressziós analízis 10-szeres keresztellenőrzést használt, 1000-szer megismételve (p < 0,05), futásonként 1000 véletlenszerű ingerrel.Amikor az egyes DEirlncRNS párok gyakorisága meghaladta a 100-szorost 1000 ciklus alatt, a DEirlncRNS párokat választottuk ki a prognosztikai kockázati modell felépítéséhez.Ezután az AUC görbét használtuk, hogy megtaláljuk az optimális küszöbértéket a PAAD betegek magas és alacsony kockázatú csoportokba való besorolásához.Az egyes modellek AUC értékét is kiszámítottuk és görbeként ábrázoltuk.Ha a görbe eléri a maximális AUC értéket jelző legmagasabb pontot, a számítási folyamat leáll, és a modell a legjobb jelöltnek minősül.1, 3 és 5 éves ROC görbe modelleket készítettem.A prognosztikai kockázati modell független prediktív teljesítményének vizsgálatára egy- és többváltozós regressziós elemzéseket használtunk.
Használjon hét eszközt az immunsejtek beszűrődésének tanulmányozásához, köztük az XCELL, TIMER, QUANTISEQ, MCPCOUNTER, EPIC, CIBERSORT-ABS és CIBERSORT.Az immunsejtek infiltrációs adatait a TIMER2 adatbázisból töltöttük le (http://timer.comp-genomics.org/#tab-5817-3).A felépített modell magas és alacsony rizikójú csoportjai között az immuninfiltráló sejtek tartalombeli különbségét Wilcoxon előjeles rang teszttel elemeztük, az eredményeket a négyzetgrafikon mutatja.Spearman korrelációs elemzést végeztek a kockázati pontszámok és az immunrendszerbe beszűrődő sejtek közötti kapcsolat elemzésére.Az így kapott korrelációs együtthatót nyalóka formájában mutatjuk be.A szignifikancia küszöbértéket p < 0,05 értékben határoztuk meg.Az eljárást a ggplot2 R csomag használatával végeztük.A modell és az immunsejt-infiltrációs rátával összefüggő génexpressziós szintek közötti kapcsolat vizsgálatára ggstatsplot csomagot és hegedűs plot vizualizációt végeztünk.
A hasnyálmirigyrák klinikai kezelési mintáinak értékeléséhez kiszámítottuk az általánosan használt kemoterápiás gyógyszerek IC50 értékét a TCGA-PAAD kohorszban.A magas és alacsony kockázatú csoportok közötti félinhibitor koncentrációk (IC50) különbségeit Wilcoxon előjeles rangú teszttel hasonlítottuk össze, és az eredményeket a pRRophetic és a ggplot2 használatával generált boxplot-ok formájában mutattuk be az R-ben. Minden módszer megfelel a vonatkozó irányelveknek és normáknak.
Vizsgálatunk munkafolyamatát az 1. ábra mutatja be. Az lncRNS-ek és az immunitással kapcsolatos gének közötti korrelációs elemzés segítségével 724 irlncRNS-t választottunk ki, amelyeknek p < 0,01 és r > 0,4.Ezt követően a GEPIA2 differenciálisan expresszált lncRNS-eit elemeztük (2A ábra).Összesen 223 irlncRNS expresszálódott eltérően a hasnyálmirigy adenokarcinóma és a normál hasnyálmirigyszövet között (|logFC| > 1, FDR < 0,05), ezeket DEirlncRNS-eknek nevezték el.
Prediktív kockázati modellek felépítése.(A) A differenciálisan expresszált lncRNS-ek vulkán diagramja.(B) A lasszó együtthatók megoszlása 20 DEirlncRNS párra.(C) A LASSO együttható eloszlás részleges valószínűségi szórása.(D) Erdőparcella, amely 20 DEirlncRNS pár egyváltozós regressziós elemzését mutatja.
Ezután 223 DEirlncRNS párosításával 0 vagy 1 mátrixot állítottunk össze.Összesen 13 687 DEirlncRNS-párt azonosítottak.Egyváltozós és lasszó regressziós analízist követően végül 20 DEirlncRNS-párt teszteltünk a prognosztikai kockázati modell felépítéséhez (2B-D ábra).A Lasso és a többszörös regressziós elemzés eredményei alapján kiszámítottuk a kockázati pontszámot a TCGA-PAAD kohorsz minden egyes betegére (1. táblázat).A lasszó regressziós analízis eredményei alapján a TCGA-PAAD kohorsz minden egyes betegére kockázati pontszámot számoltunk.A ROC görbe AUC értéke 0,905 volt az 1 éves kockázati modell előrejelzésénél, 0,942 a 2 éves előrejelzésnél és 0,966 a 3 éves előrejelzésnél (3A-B ábra).Az optimális küszöbértéket 3,105-ben határoztuk meg, a TCGA-PAAD kohorsz betegeket magas és alacsony kockázatú csoportokba soroltuk, és minden egyes beteg esetében ábrázoltuk a túlélési eredményeket és a kockázati pontszám eloszlását (3C-E. ábra).A Kaplan-Meier elemzés kimutatta, hogy a PAAD-betegek túlélése a magas kockázatú csoportban szignifikánsan alacsonyabb volt, mint az alacsony kockázatú csoportban (p < 0,001) (3F. ábra).
A prognosztikai kockázati modellek érvényessége.(A) A prognosztikai kockázati modell ROC.(B) 1, 2 és 3 éves ROC prognosztikai kockázati modellek.(C) A prognosztikai kockázati modell ROC.Az optimális vágási pontot mutatja.(DE) A túlélési állapot (D) és a kockázati pontszámok (E) megoszlása.(F) PAAD betegek Kaplan-Meier elemzése magas és alacsony kockázatú csoportokban.
Tovább értékeltük a kockázati pontszámok különbségeit a klinikai jellemzők szerint.A csíkdiagram (4A. ábra) a klinikai jellemzők és a kockázati pontszámok közötti általános kapcsolatot mutatja.Különösen az idősebb betegeknél volt magasabb a kockázati pontszám (4B. ábra).Ezenkívül a II. stádiumú betegek magasabb kockázati pontszámot értek el, mint az I. stádiumú betegek (4C. ábra).Ami a PAAD-betegek daganatos fokozatát illeti, a 3. fokozatú betegek magasabb kockázati pontszámot értek el, mint az 1. és 2. fokozatú betegek (4D ábra).Végeztünk továbbá egy- és többváltozós regressziós elemzéseket, és kimutattuk, hogy a kockázati pontszám (p < 0,001) és az életkor (p = 0,045) független prognosztikai tényező a PAAD-ban szenvedő betegeknél (5A-B. ábra).A ROC-görbe azt mutatta, hogy a kockázati pontszám jobb volt a többi klinikai jellemzőnél a PAAD-ban szenvedő betegek 1, 2 és 3 éves túlélési előrejelzésében (5C-E ábra).
A prognosztikai kockázati modellek klinikai jellemzői.A hisztogram (A) mutatja (B) életkorát, (C) tumorstádiumát, (D) tumor fokozatát, kockázati pontszámát és a betegek nemét a TCGA-PAAD kohorszban.**p < 0,01
A prognosztikai kockázati modellek független prediktív elemzése.(AB) A prognosztikai kockázati modellek és klinikai jellemzők egyváltozós (A) és többváltozós (B) regressziós elemzése.(CE) 1, 2 és 3 éves ROC a prognosztikai kockázati modellekhez és klinikai jellemzőkhöz
Ezért megvizsgáltuk az idő és a kockázati pontszámok közötti kapcsolatot.Azt találtuk, hogy a PAAD-betegek kockázati pontszáma fordítottan korrelált a CD8+ T-sejtekkel és az NK-sejtekkel (6A. ábra), ami a magas kockázatú csoportban elnyomott immunfunkciót jelez.Felmértük az immunsejt-infiltráció különbségét is a magas és alacsony kockázatú csoportok között, és ugyanazokat az eredményeket kaptuk (7. ábra).A CD8+ T-sejtek és NK-sejtek kevésbé infiltrálódnak a magas kockázatú csoportban.Az elmúlt években az immunkontroll-gátlókat (ICI) széles körben alkalmazták a szolid daganatok kezelésében.Az ICI-k hasnyálmirigyrákban való alkalmazása azonban ritkán járt sikerrel.Ezért értékeltük az immun-ellenőrzőpont gének expresszióját magas és alacsony kockázatú csoportokban.Azt találtuk, hogy a CTLA-4 és a CD161 (KLRB1) túlzottan expresszálódott az alacsony kockázatú csoportban (6B-G ábra), ami azt jelzi, hogy az alacsony kockázatú csoport PAAD-betegei érzékenyek lehetnek az ICI-re.
A prognosztikai kockázati modell és az immunsejt-infiltráció korrelációs elemzése.(A) Korreláció a prognosztikai kockázati modell és az immunsejt-infiltráció között.(BG) A génexpressziót jelzi magas és alacsony kockázatú csoportokban.(HK) Specifikus rákellenes gyógyszerek IC50-értékei magas és alacsony kockázatú csoportokban.*p < 0,05, **p < 0,01, ns = nem szignifikáns
Továbbá értékeltük a kockázati pontszámok és a gyakori kemoterápiás szerek közötti összefüggést a TCGA-PAAD kohorszban.Megkerestük a hasnyálmirigyrákban gyakran használt rákellenes gyógyszereket, és elemeztük az IC50-értékeik különbségeit a magas és alacsony kockázatú csoportok között.Az eredmények azt mutatták, hogy az AZD.2281 (olaparib) IC50 értéke magasabb volt a magas kockázatú csoportban, ami azt jelzi, hogy a magas kockázatú csoportba tartozó PAAD-betegek rezisztensek lehetnek az AZD.2281-kezelésre (6H. ábra).Ezenkívül a paklitaxel, a sorafenib és az erlotinib IC50 értéke alacsonyabb volt a magas kockázatú csoportban (6I-K ábra).Továbbá azonosítottunk 34 magasabb IC50 értékű rákellenes gyógyszert a magas kockázatú csoportban és 34 rákellenes gyógyszert, amelyek IC50 értékűek alacsonyabbak a magas kockázatú csoportban (2. táblázat).
Nem tagadható, hogy az lncRNS-ek, mRNS-ek és miRNS-ek széles körben léteznek, és döntő szerepet játszanak a rák kialakulásában.Számos bizonyíték támasztja alá az mRNS vagy miRNS fontos szerepét az általános túlélés előrejelzésében számos ráktípus esetében.Kétségtelenül sok prognosztikai kockázati modell is lncRNS-eken alapul.Például Luo et al.Tanulmányok kimutatták, hogy a LINC01094 kulcsszerepet játszik a PC proliferációjában és metasztázisában, és a LINC01094 magas expressziója a hasnyálmirigyrákos betegek rossz túlélésére utal [16].A Lin et al.Tanulmányok kimutatták, hogy az lncRNS FLVCR1-AS1 downregulációja rossz prognózissal jár hasnyálmirigyrákos betegeknél [17].Az immunitással kapcsolatos lncRNS-eket azonban viszonylag kevésbé tárgyalják a rákos betegek általános túlélésének előrejelzése szempontjából.A közelmúltban nagy mennyiségű munka irányult a prognosztikai kockázati modellek felépítésére a rákos betegek túlélésének előrejelzésére és ezáltal a kezelési módszerek kiigazítására [18, 19, 20].Egyre jobban felismerik az immuninfiltrátumok fontos szerepét a rák kialakulásában, progressziójában és az olyan kezelésekre adott válaszokban, mint a kemoterápia.Számos tanulmány megerősítette, hogy a tumorba infiltráló immunsejtek kritikus szerepet játszanak a citotoxikus kemoterápiára adott válaszban [21, 22, 23].A daganatos immunrendszer mikrokörnyezete fontos tényező a daganatos betegek túlélésében [24, 25].Az immunterápiát, különösen az ICI-terápiát széles körben alkalmazzák a szolid daganatok kezelésében [26].Az immunrendszerrel kapcsolatos géneket széles körben használják prognosztikai kockázati modellek felépítésére.Például Su és mtsai.Az immunrendszerrel kapcsolatos prognosztikai kockázati modell fehérjét kódoló géneken alapul, hogy előre jelezze a petefészekrákos betegek prognózisát [27].A nem kódoló gének, például az lncRNS-ek is alkalmasak prognosztikai kockázati modellek felépítésére [28, 29, 30].Luo és munkatársai négy immunrendszerrel kapcsolatos lncRNS-t teszteltek, és prediktív modellt állítottak fel a méhnyakrák kockázatára [31].Khan és mtsai.Összesen 32 differenciálisan expresszált transzkriptumot azonosítottak, és ennek alapján egy 5 szignifikáns transzkriptumot tartalmazó predikciós modellt hoztak létre, amelyet erősen ajánlott eszköznek javasoltak a biopsziával igazolt akut kilökődés előrejelzésére vesetranszplantáció után [32].
A legtöbb ilyen modell génexpressziós szinteken alapul, akár fehérjét kódoló gének, akár nem kódoló gének.Ugyanazon gén azonban eltérő expressziós értékekkel rendelkezhet különböző genomokban, adatformátumokban és különböző betegeknél, ami instabil becslésekhez vezethet a prediktív modellekben.Ebben a tanulmányban egy ésszerű modellt építettünk fel két lncRNS-párral, függetlenül a pontos expressziós értékektől.
Ebben a tanulmányban először azonosítottuk az irlncRNS-t immunitással kapcsolatos génekkel való korrelációs elemzéssel.223 DEirlncRNS-t vizsgáltunk meg differenciálisan expresszált lncRNS-ekkel történő hibridizációval.Másodszor, a publikált DEirlncRNS párosítási módszer alapján [31] szerkesztettünk egy 0- vagy 1-es mátrixot.Ezt követően egyváltozós és lasszó regressziós elemzéseket végeztünk, hogy azonosítsuk a prognosztikai DEirlncRNS párokat, és felállítsunk egy prediktív kockázati modellt.Tovább elemeztük a kockázati pontszámok és a klinikai jellemzők közötti összefüggést PAAD-ban szenvedő betegeknél.Megállapítottuk, hogy prognosztikai kockázati modellünk, mint független prognosztikai faktor PAAD-betegeknél, hatékonyan képes megkülönböztetni a magas fokú betegeket az alacsony kategóriájú betegektől, valamint a magas fokú betegeket az alacsony fokú betegektől.Ezenkívül a prognosztikai kockázati modell ROC görbéjének AUC értéke 0,905 volt az 1 éves előrejelzésnél, 0,942 a 2 éves előrejelzésnél és 0,966 a 3 éves előrejelzésnél.
A kutatók arról számoltak be, hogy a magasabb CD8+ T-sejt-infiltrációjú betegek érzékenyebbek voltak az ICI-kezelésre [33].A tumorszuppresszív hatás egyik oka lehet a citotoxikus sejtek, CD56 NK sejtek, NK sejtek és CD8+ T sejtek mennyiségének növekedése a tumorimmun mikrokörnyezetben [34].Korábbi tanulmányok kimutatták, hogy a tumorba infiltráló CD4(+) T és CD8(+) T magasabb szintje szignifikánsan összefügg a hosszabb túléléssel [35].A gyenge CD8 T-sejt-infiltráció, az alacsony neoantigén terhelés és az erősen immunszuppresszív tumor mikrokörnyezet az ICI-terápiára adott válasz hiányához vezet [36].Azt találtuk, hogy a kockázati pontszám negatívan korrelált a CD8+ T-sejtekkel és az NK-sejtekkel, ami azt jelzi, hogy a magas kockázati pontszámmal rendelkező betegek esetleg nem alkalmasak ICI-kezelésre, és rosszabb a prognózisuk.
A CD161 a természetes gyilkos (NK) sejtek markere.A CD8+CD161+ CAR-transzdukált T-sejtek fokozott in vivo daganatellenes hatékonyságot közvetítenek HER2+ hasnyálmirigy ductalis adenocarcinoma xenograft modellekben [37].Az immunellenőrzési pont inhibitorok a citotoxikus T-limfocitákkal asszociált protein 4-et (CTLA-4) és a programozott sejthalál-fehérje 1-et (PD-1)/programozott sejthalál-ligandum 1-et (PD-L1) célozzák meg, és számos területen nagy lehetőségek rejlenek.A CTLA-4 és CD161 (KLRB1) expressziója alacsonyabb a magas kockázatú csoportokban, ami tovább jelzi, hogy a magas kockázati pontszámmal rendelkező betegek esetleg nem jogosultak ICI-kezelésre.[38]
A magas kockázatú betegek számára megfelelő kezelési lehetőségek megtalálásához különböző rákellenes gyógyszereket elemeztünk, és megállapítottuk, hogy a PAAD-ban szenvedő betegeknél széles körben alkalmazott paclitaxel, sorafenib és erlotinib alkalmas lehet a PAAD-ban szenvedő magas kockázatú betegek kezelésére.[33].Zhang és munkatársai azt találták, hogy bármely DNS-károsodási válasz (DDR) útvonal mutációi rossz prognózishoz vezethetnek prosztatarákos betegekben [39].A Pancreatic Cancer Olaparib Ongoing (POLO) vizsgálat kimutatta, hogy az olaparibbal végzett fenntartó kezelés meghosszabbította a progressziómentes túlélést a placebóhoz képest az első vonalbeli platinaalapú kemoterápia után hasnyálmirigy-duktális adenokarcinómában és csíravonal BRCA1/2 mutációban szenvedő betegeknél [40].Ez jelentős optimizmusra ad okot arra vonatkozóan, hogy a kezelés eredménye jelentősen javulni fog a betegek ezen alcsoportjában.Ebben a vizsgálatban az AZD.2281 (olaparib) IC50 értéke magasabb volt a magas kockázatú csoportban, ami azt jelzi, hogy a magas kockázatú csoportba tartozó PAAD-betegek rezisztensek lehetnek az AZD.2281-kezeléssel szemben.
A jelen tanulmányban szereplő előrejelzési modellek jó előrejelzési eredményeket produkálnak, de analitikus előrejelzéseken alapulnak.Fontos kérdés, hogyan lehet ezeket az eredményeket klinikai adatokkal megerősíteni.Az endoszkópos finomtűs aspirációs ultrahangvizsgálat (EUS-FNA) 85%-os szenzitivitással és 98%-os specificitással nélkülözhetetlen módszerré vált a szilárd és extrapancreas hasnyálmirigy-elváltozások diagnosztizálásában [41].Az EUS finomtűs biopsziás (EUS-FNB) tűk megjelenése elsősorban az FNA-val szembeni észlelt előnyökön alapul, mint például a nagyobb diagnosztikai pontosság, a szövettani szerkezetet megőrző minták beszerzése, és ezáltal bizonyos diagnózisok szempontjából kritikus immunszövet létrehozása.speciális festés [42].Az irodalom szisztematikus áttekintése megerősítette, hogy az FNB tűk (különösen a 22G) mutatják a legnagyobb hatékonyságot a hasnyálmirigy-tömegekből történő szövetgyűjtésben [43].Klinikailag csak kisszámú beteg jogosult radikális műtétre, és a legtöbb betegnél a kezdeti diagnózis idején inoperábilis daganatok vannak.A klinikai gyakorlatban a betegeknek csak kis hányada alkalmas radikális műtétre, mivel a betegek többsége már a kezdeti diagnózis idején inoperábilis daganattal rendelkezik.Az EUS-FNB és más módszerekkel végzett kóros megerősítést követően általában standardizált, nem műtéti kezelést, például kemoterápiát választanak.Következő kutatási programunk a tanulmány prognosztikai modelljének tesztelése sebészeti és nem sebészeti csoportokban retrospektív elemzés segítségével.
Összességében tanulmányunk egy új prognosztikai kockázati modellt hozott létre, amely páros irlncRNS-en alapul, amely ígéretes prognosztikai értéket mutatott hasnyálmirigyrákos betegeknél.A prognosztikai kockázati modellünk segíthet megkülönböztetni a PAAD-ban szenvedő betegeket, akik alkalmasak az orvosi kezelésre.
A jelen tanulmányban használt és elemzett adatkészletek ésszerű kérésre elérhetők a megfelelő szerzőtől.
Sui Wen, Gong X, Zhuang Y. Az önhatékonyság közvetítő szerepe a negatív érzelmek érzelmi szabályozásában a COVID-19 világjárvány idején: keresztmetszeti tanulmány.Int J Ment Health Nurs [folyóiratcikk].2021 2021.01.06.;30(3):759–71.
Sui Wen, Gong X, Qiao X, Zhang L, Cheng J, Dong J és mások.A családtagok véleménye az alternatív döntéshozatalról az intenzív osztályokon: szisztematikus áttekintés.INT J NURS STUD [magazincikk;felülvizsgálat].2023 2023.01.01.;137:104391.
Vincent A, Herman J, Schulich R, Hruban RH, Goggins M. Hasnyálmirigyrák.Gerely.[Újságcikk;kutatási támogatás, NIH, extramurális;kutatási támogatás, kormányzat az Egyesült Államokon kívül;felülvizsgálat].2011 2011.08.13.;378(9791):607–20.
Ilic M, Ilic I. A hasnyálmirigyrák epidemiológiája.World Journal of Gastroenterology.[Folyóiratcikk, ismertető].2016 11/28/2016;22(44):9694–705.
Liu X, Chen B, Chen J, Sun S. Egy új, tp53-mal kapcsolatos nomogram a hasnyálmirigyrákos betegek általános túlélésének előrejelzésére.BMC Cancer [folyóiratcikk].2021, 2021-03-31;21(1):335.
Xian X, Zhu X, Chen Y, Huang B, Xiang W. A megoldás-központú terápia hatása a rákkal kapcsolatos fáradtságra kemoterápiában részesülő vastag- és végbélrákos betegeknél: randomizált, kontrollált vizsgálat.Rák ápolónő.[Újságcikk;randomizált, kontrollált vizsgálat;a tanulmányt az Egyesült Államokon kívüli kormány támogatja].2022 05/01/2022; 45(3):E663–73.
Zhang Cheng, Zheng Wen, Lu Y, Shan L, Xu Dong, Pan Y és mások.A posztoperatív karcinoembrionális antigén (CEA) szintje előre jelzi a kolorektális rák reszekciója utáni kimenetelt normál preoperatív CEA-szinttel rendelkező betegeknél.Translációs Rákkutatási Központ.[Újságcikk].2020 2020.01.01.;9(1):111–8.
Hong Wen, Liang Li, Gu Yu, Qi Zi, Qiu Hua, Yang X stb.Az immunrendszerrel kapcsolatos lncRNS-ek új aláírásokat generálnak, és előrejelzik az emberi hepatocelluláris karcinóma immunrendszerét.Mol Ther Nukleinsavak [folyóiratcikk].2020 2020-12-04;22:937 – 47.
Toffey RJ, Zhu Y., Schulich RD A hasnyálmirigyrák immunterápiája: akadályok és áttörések.Ann Gastrointestinal Surgeon [folyóiratcikk;felülvizsgálat].2018 2018.01.07.;2(4):274–81.
Hull R, Mbita Z, Dlamini Z. Hosszú, nem kódoló RNS-ek (LncRNA-k), vírus tumor genomika és aberráns splicing események: terápiás vonatkozások.AM J RÁK RES [újságcikk;felülvizsgálat].2021 2021.01.20.;11(3):866–83.
Wang J, Chen P, Zhang Y, Ding J, Yang Y, Li H. 11- Az endometriumrák prognózisával kapcsolatos lncRNS aláírások azonosítása.A tudomány eredményei [magazincikk].2021 2021-01-01;104(1):311977089.
Jiang S, Ren H, Liu S, Lu Z, Xu A, Qin S és mások.RNS-kötő fehérje prognosztikai gének és gyógyszerjelöltek átfogó elemzése papilláris sejtes vesesejtes karcinómában.pregen.[Újságcikk].2021 01/20/2021;12:627508.
Li X, Chen J, Yu Q, Huang X, Liu Z, Wang X és mások.Az autofágiával kapcsolatos hosszú, nem kódoló RNS jellemzői előrejelzik az emlőrák prognózisát.pregen.[Újságcikk].2021 01/20/2021;12:569318.
Zhou M, Zhang Z, Zhao X, Bao S, Cheng L, Sun J. Immune-related six lncRNS aláírás javítja a prognózist glioblastoma multiforme esetén.MOL Neurobiológia.[Újságcikk].2018. 2018.05.01.;55(5):3684–97.
Wu B, Wang Q, Fei J, Bao Y, Wang X, Song Z és mások.Egy új tri-lncRNS aláírás megjósolja a hasnyálmirigyrákos betegek túlélését.AZ ONKOL KÉPVISELŐI.[Újságcikk].2018 12/01/2018;40(6):3427–37.
Luo C, Lin K, Hu C, Zhu X, Zhu J, Zhu Z. A LINC01094 elősegíti a hasnyálmirigyrák progresszióját azáltal, hogy szabályozza a LIN28B expressziót és a PI3K/AKT útvonalat a szivacsos miR-577-en keresztül.Mol Therapeutics – Nukleinsavak.2021;26:523–35.
Lin J, Zhai X, Zou S, Xu Z, Zhang J, Jiang L és munkatársai.Az lncRNS FLVCR1-AS1 és KLF10 közötti pozitív visszacsatolás gátolhatja a hasnyálmirigyrák progresszióját a PTEN/AKT útvonalon keresztül.J EXP Clin Cancer Res.2021;40 (1).
Zhou X, Liu X, Zeng X, Wu D, Liu L. Tizenhárom gén azonosítása, amelyek előrejelzik az általános túlélést hepatocelluláris karcinómában.Biosci Rep [folyóiratcikk].2021 2021.09.04.
Feladás időpontja: 2023.09.22