Pankreata kancero estas unu el la plej mortigaj tumoroj en la mondo kun malbona prognozo. Tial necesas preciza prognoza modelo por identigi pacientojn kun alta risko de pankreata kancero por adapti la kuracadon kaj plibonigi la prognozon de ĉi tiuj pacientoj.
Ni akiris datumojn pri RNAseq de pankreata adenokancero (PAAD) de la Atlaso de la Kancera Genaro (TCGA) el la datumbazo Xena de UCSC, identigis imunrilatajn lncRNA-ojn (irlncRNA-oj) per korelacia analizo, kaj identigis diferencojn inter TCGA kaj normalaj pankreataj adenokanceraj histoj. DEirlncRNA) el TCGA kaj genotipa hista esprimo (GTEx) de pankreata histo. Pliaj unuvariablaj kaj lazaj regresaj analizoj estis faritaj por konstrui prognozajn signaturmodelojn. Ni poste kalkulis la areon sub la kurbo kaj determinis la optimuman limvaloron por identigi pacientojn kun alta kaj malalt-riska pankreata adenokancero. Por kompari klinikajn karakterizaĵojn, imunĉelan enfiltriĝon, imunosupresan mikromedion kaj kemioterapioreziston ĉe pacientoj kun alta kaj malalt-riska pankreata kancero.
Ni identigis 20 DEirlncRNA-parojn kaj grupigis pacientojn laŭ la optimuma limvaloro. Ni montris, ke nia prognoza signaturmodelo havas signifan efikecon en antaŭdirado de la prognozo de pacientoj kun PAAD. La AUC de la ROC-kurbo estas 0.905 por la 1-jara prognozo, 0.942 por la 2-jara prognozo, kaj 0.966 por la 3-jara prognozo. Altriskaj pacientoj havis pli malaltajn supervivoprocentojn kaj pli malbonajn klinikajn karakterizaĵojn. Ni ankaŭ montris, ke altriskaj pacientoj estas imunosupremitaj kaj povas evoluigi reziston al imunoterapio. Taksado de kontraŭkanceraj medikamentoj kiel paklitakselo, sorafenibo kaj erlotinibo bazita sur komputilaj prognozaj iloj povus esti taŭga por altriskaj pacientoj kun PAAD.
Ĝenerale, nia studo establis novan prognozan riskomodelon bazitan sur parigita irlncRNA, kiu montris promesplenan prognozan valoron ĉe pacientoj kun pankreata kancero. Nia prognoza riskomodelo povus helpi diferencigi pacientojn kun PAAD, kiuj taŭgas por kuracado.
Pankreata kancero estas maligna tumoro kun malalta kvinjara postvivado kaj alta grado. Je la diagnozo, plej multaj pacientoj jam estas en progresintaj stadioj. En la kunteksto de la COVID-19-epidemio, kuracistoj kaj flegistoj estas sub grandega premo dum traktado de pacientoj kun pankreata kancero, kaj la familioj de pacientoj ankaŭ alfrontas multajn premojn dum farado de terapiaj decidoj [1, 2]. Kvankam grandaj progresoj estis faritaj en la traktado de DOAD-oj, kiel ekzemple neoadjuvanta terapio, kirurgia resekco, radioterapio, kemioterapio, celita molekula terapio kaj imunkontrolpunktaj inhibitoroj (ICIoj), nur ĉirkaŭ 9% de pacientoj postvivas kvin jarojn post la diagnozo [3], 4]. Ĉar la fruaj simptomoj de pankreata adenokancero estas maltipaj, pacientoj kutime estas diagnozitaj kun metastazoj en progresinta stadio [5]. Tial, por difinita paciento, individue aranĝita ampleksa traktado devas pesi la avantaĝojn kaj malavantaĝojn de ĉiuj terapiaj ebloj, ne nur por plilongigi la postvivadon, sed ankaŭ por plibonigi la vivokvaliton [6]. Tial, efika prognoza modelo estas necesa por precize taksi la prognozon de paciento [7]. Tiel, taŭga kuracado povas esti elektita por balanci la supervivon kaj vivokvaliton de pacientoj kun PAAD.
La malbona prognozo de PAAD ŝuldiĝas ĉefe al rezisto al kemioterapiaj drogoj. En la lastaj jaroj, imunkontrolpunktaj inhibitoroj estis vaste uzataj en la traktado de solidaj tumoroj [8]. Tamen, la uzo de ICI-oj en pankreata kancero malofte sukcesas [9]. Tial gravas identigi pacientojn, kiuj povus profiti de ICI-terapio.
Longa ne-ĉifranta RNA (lncRNA) estas tipo de ne-ĉifranta RNA kun transskribaĵoj >200 nukleotidoj. LncRNA-oj estas vaste disvastiĝintaj kaj konsistigas ĉirkaŭ 80% de la homa transskribaĵo [10]. Granda kvanto da laboro montris, ke lncRNA-bazitaj prognozaj modeloj povas efike antaŭdiri pacientan prognozon [11, 12]. Ekzemple, 18 aŭtofagi-rilataj lncRNA-oj estis identigitaj por generi prognozajn signaturojn en mama kancero [13]. Ses aliaj imun-rilataj lncRNA-oj estis uzitaj por establi la prognozajn trajtojn de gliomo [14].
Ĉe pankreata kancero, kelkaj studoj establis lncRNA-bazitajn signaturojn por antaŭdiri pacientan prognozon. 3-lncRNA-signaturo estis establita en pankreata adenokancero kun areo sub la ROC-kurbo (AUC) de nur 0.742 kaj totala supervivo (OS) de 3 jaroj [15]. Krome, lncRNA-esprimvaloroj varias inter malsamaj genaroj, malsamaj datenformatoj kaj malsamaj pacientoj, kaj la agado de la prognoza modelo estas malstabila. Tial, ni uzas novan modeligan algoritmon, parigon kaj iteracion, por generi imunec-rilatajn lncRNA (irlncRNA) signaturojn por krei pli precizan kaj stabilan prognozan modelon [8].
Normaligitaj RNAseq-datumoj (FPKM) kaj klinikaj pankreata kancero TCGA kaj genotipa hista esprimo (GTEx) datumoj estis akiritaj el la UCSC XENA-datumbazo (https://xenabrowser.net/datapages/). GTF-dosieroj estis akiritaj el la Ensembl-datumbazo (http://asia.ensembl.org) kaj uzitaj por eltiri lncRNA-esprimajn profilojn el RNAseq. Ni elŝutis imunec-rilatajn genojn el la ImmPort-datumbazo (http://www.immport.org) kaj identigis imunec-rilatajn lncRNA-ojn (irlncRNA-oj) uzante korelacian analizon (p < 0.001, r > 0.4). Identigo de diference esprimitaj irlncRNA-oj (DEirlncRNA-oj) per krucado de irlncRNA-oj kaj diference esprimitaj lncRNA-oj akiritaj el la GEPIA2-datumbazo (http://gepia2.cancer-pku.cn/#index) en la TCGA-PAAD-kohorto (|logFC| > 1 kaj FDR) <0.05).
Ĉi tiu metodo jam estis raportita antaŭe [8]. Specife, ni konstruas X por anstataŭigi la parigitajn lncRNA A kaj lncRNA B. Kiam la esprimvaloro de lncRNA A estas pli alta ol la esprimvaloro de lncRNA B, X estas difinita kiel 1, alie X estas difinita kiel 0. Tial, ni povas akiri matricon de 0 aŭ –1. La vertikala akso de la matrico reprezentas ĉiun specimenon, kaj la horizontala akso reprezentas ĉiun DEirlncRNA-paron kun valoro de 0 aŭ 1.
Unuvariabla regresanalizo sekvita de Lasso-regreso estis uzata por ekzameni prognozajn DEirlncRNA-parojn. La lasso-regresanalizo uzis 10-oblan krucvalidigon ripetantan 1000 fojojn (p < 0.05), kun 1000 hazardaj stimuloj po kuro. Kiam la frekvenco de ĉiu DEirlncRNA-paro superis 100 fojojn en 1000 cikloj, DEirlncRNA-paroj estis selektitaj por konstrui prognozan riskomodelon. Ni tiam uzis la AUC-kurbon por trovi la optimuman limvaloron por klasifiki PAAD-pacientojn en alt- kaj malalt-riskajn grupojn. La AUC-valoro de ĉiu modelo ankaŭ estis kalkulita kaj desegnita kiel kurbo. Se la kurbo atingas la plej altan punkton, indikante la maksimuman AUC-valoron, la kalkulprocezo haltas kaj la modelo estas konsiderata la plej bona kandidato. 1-, 3- kaj 5-jaraj ROC-kurbaj modeloj estis konstruitaj. Unuvariablaj kaj multvariablaj regresanalizoj estis uzataj por ekzameni la sendependan prognozan agadon de la prognoza riskomodelo.
Uzis sep ilojn por studi la indicojn de enfiltriĝo de imunĉeloj, inkluzive de XCELL, TIMER, QUANTISEQ, MCPCOUNTER, EPIC, CIBERSORT-ABS, kaj CIBERSORT. Datumoj pri enfiltriĝo de imunĉeloj estis elŝutitaj el la datumbazo TIMER2 (http://timer.comp-genomics.org/#tab-5817-3). La diferenco en la enhavo de imun-enfiltriĝaj ĉeloj inter la alt- kaj malalt-riskaj grupoj de la konstruita modelo estis analizita uzante la Wilcoxon-teston por signo-rangoj, la rezultoj estas montritaj en kvadrata grafikaĵo. Analizo de Spearman-korelacio estis efektivigita por analizi la rilaton inter riskopoentaroj kaj imun-enfiltriĝaj ĉeloj. La rezulta korelacia koeficiento estas montrita kiel lekbombono. La signifsojlo estis fiksita je p < 0.05. La proceduro estis efektivigita uzante la R-pakaĵon ggplot2. Por ekzameni la rilaton inter la modelo kaj genekspresio-niveloj asociitaj kun la indico de imunĉeloj, ni efektivigis la pakaĵon ggstatsplot kaj violon-diagramon por bildigo.
Por taksi klinikajn kuracpadronojn por pankreata kancero, ni kalkulis la IC50 de ofte uzataj kemioterapiaj drogoj en la TCGA-PAAD-kohorto. Diferencoj en duoninhibiciaj koncentriĝoj (IC50) inter alt- kaj malalt-riskaj grupoj estis komparitaj uzante la Wilcoxon-teston por signo-rangoj, kaj la rezultoj estas montritaj kiel skatoldiagramoj generitaj uzante pRRophetic kaj ggplot2 en R. Ĉiuj metodoj konformas al koncernaj gvidlinioj kaj normoj.
La laborfluo de nia studo estas montrita en Figuro 1. Uzante korelacian analizon inter lncRNA-oj kaj imunec-rilataj genoj, ni selektis 724 irlncRNA-ojn kun p < 0.01 kaj r > 0.4. Poste ni analizis la diference esprimitajn lncRNA-ojn de GEPIA2 (Figuro 2A). Entute 223 irlncRNA-oj estis diference esprimitaj inter pankreata adenokancero kaj normala pankreata histo (|logFC| > 1, FDR < 0.05), nomitaj DEirlncRNA-oj.
Konstruado de prognozaj riskomodeloj. (A) Vulkano-diagramo de diference esprimitaj lncRNA-oj. (B) Distribuo de lasso-koeficientoj por 20 DEirlncRNA-paroj. (C) Parta verŝajneca varianco de la LASSO-koeficienta distribuo. (D) Arbaro-diagramo montranta unuvariablan regresanalizon de 20 DEirlncRNA-paroj.
Poste ni konstruis matricon de 0 aŭ 1 per parigo de 223 DEirlncRNA-oj. Entute 13 687 DEirlncRNA-paroj estis identigitaj. Post unuvariabla kaj lasso-regresa analizo, 20 DEirlncRNA-paroj estis fine testitaj por konstrui prognozan riskomodelon (Figuro 2B-D). Surbaze de la rezultoj de Lasso- kaj plurregresa analizo, ni kalkulis riskopoentaron por ĉiu paciento en la TCGA-PAAD-kohorto (Tabelo 1). Surbaze de la rezultoj de lasso-regresa analizo, ni kalkulis riskopoentaron por ĉiu paciento en la TCGA-PAAD-kohorto. La AUC de la ROC-kurbo estis 0,905 por la 1-jara riskomodela prognozo, 0,942 por la 2-jara prognozo, kaj 0,966 por la 3-jara prognozo (Figuro 3A-B). Ni fiksis optimuman limvaloron de 3.105, tavoligis la pacientojn de la TCGA-PAAD-kohorto en alt- kaj malalt-riskajn grupojn, kaj desegnis la rezultojn pri supervivo kaj distribuojn de riskopoentaroj por ĉiu paciento (Figuro 3C-E). Analizo de Kaplan-Meier montris, ke la supervivo de PAAD-pacientoj en la alt-riska grupo estis signife pli malalta ol tiu de pacientoj en la malalt-riska grupo (p < 0.001) (Figuro 3F).
Valideco de prognozaj riskomodeloj. (A) ROC de la prognoza riskomodelo. (B) 1-, 2-, kaj 3-jaraj ROC-prognozaj riskomodeloj. (C) ROC de prognoza riskomodelo. Montras la optimuman limpunkton. (DE) Distribuo de superviva stato (D) kaj riskopoentaroj (E). (F) Kaplan-Meier-analizo de PAAD-pacientoj en alt- kaj malalt-riskaj grupoj.
Ni plue taksis diferencojn en riskopoentaroj laŭ klinikaj karakterizaĵoj. La stria grafikaĵo (Figuro 4A) montras la ĝeneralan rilaton inter klinikaj karakterizaĵoj kaj riskopoentaroj. Aparte, pli maljunaj pacientoj havis pli altajn riskopoentarojn (Figuro 4B). Krome, pacientoj kun stadio II havis pli altajn riskopoentarojn ol pacientoj kun stadio I (Figuro 4C). Koncerne la tumorgradon ĉe PAAD-pacientoj, pacientoj kun grado 3 havis pli altajn riskopoentarojn ol pacientoj kun grado 1 kaj 2 (Figuro 4D). Ni plue plenumis unuvariablajn kaj multvariablajn regresanalizojn kaj montris, ke riskopoentaro (p < 0.001) kaj aĝo (p = 0.045) estis sendependaj prognozaj faktoroj ĉe pacientoj kun PAAD (Figuro 5A-B). La ROC-kurbo montris, ke la riskopoentaro estis supera al aliaj klinikaj karakterizaĵoj en antaŭdirado de 1-, 2- kaj 3-jara supervivo de pacientoj kun PAAD (Figuro 5C-E).
Klinikaj karakterizaĵoj de prognozaj riskomodeloj. Histogramo (A) montras (B) aĝon, (C) tumorstadion, (D) tumorgradon, riskopoentaron kaj sekson de pacientoj en la TCGA-PAAD-kohorto. **p < 0,01
Sendependa prognoza analizo de prognozaj riskomodeloj. (AB) Unuvariablaj (A) kaj multvariablaj (B) regresanalizoj de prognozaj riskomodeloj kaj klinikaj karakterizaĵoj. (CE) 1-, 2- kaj 3-jara ROC por prognozaj riskomodeloj kaj klinikaj karakterizaĵoj.
Tial, ni ekzamenis la rilaton inter tempo kaj riskopoentaroj. Ni trovis, ke la riskopoentaro ĉe PAAD-pacientoj estis inverse korelaciita kun CD8+ T-ĉeloj kaj NK-ĉeloj (Figuro 6A), indikante subpremitan imunfunkcion en la alt-riska grupo. Ni ankaŭ taksis la diferencon en imunĉela enfiltriĝo inter la alt- kaj malalt-riskaj grupoj kaj trovis la samajn rezultojn (Figuro 7). Estis malpli da enfiltriĝo de CD8+ T-ĉeloj kaj NK-ĉeloj en la alt-riska grupo. En la lastaj jaroj, imunkontrolpunktaj inhibitoroj (ICIoj) estis vaste uzataj en la traktado de solidaj tumoroj. Tamen, la uzo de ICIoj en pankreata kancero malofte estis sukcesa. Tial, ni taksis la esprimon de imunkontrolpunktaj genoj en alt- kaj malalt-riskaj grupoj. Ni trovis, ke CTLA-4 kaj CD161 (KLRB1) estis troesprimitaj en la malalt-riska grupo (Figuro 6B-G), indikante, ke PAAD-pacientoj en la malalt-riska grupo povas esti sentemaj al ICI.
Korelacia analizo de prognoza riskomodelo kaj imunĉela enfiltriĝo. (A) Korelacio inter prognoza riskomodelo kaj imunĉela enfiltriĝo. (BG) Indikas genekspresion en alt- kaj malalt-riskaj grupoj. (HK) IC50-valoroj por specifaj kontraŭkanceraj medikamentoj en alt- kaj malalt-riskaj grupoj. *p < 0.05, **p < 0.01, ns = ne signifa
Ni plue taksis la asocion inter riskopoentaroj kaj oftaj kemioterapiaĵoj en la TCGA-PAAD-kohorto. Ni serĉis ofte uzatajn kontraŭkancerajn medikamentojn por pankreata kancero kaj analizis diferencojn en iliaj IC50-valoroj inter alt- kaj malalt-riskaj grupoj. La rezultoj montris, ke la IC50-valoro de AZD.2281 (olaparib) estis pli alta en la alt-riska grupo, indikante, ke PAAD-pacientoj en la alt-riska grupo eble estas rezistemaj al AZD.2281-traktado (Figuro 6H). Krome, la IC50-valoroj de paklitakselo, sorafenibo kaj erlotinib estis pli malaltaj en la alt-riska grupo (Figuro 6I-K). Ni plue identigis 34 kontraŭkancerajn medikamentojn kun pli altaj IC50-valoroj en la alt-riska grupo kaj 34 kontraŭkancerajn medikamentojn kun pli malaltaj IC50-valoroj en la alt-riska grupo (Tabelo 2).
Ne eblas nei, ke lncRNA-oj, mRNA-oj, kaj miRNA-oj vaste ekzistas kaj ludas gravan rolon en kancera disvolviĝo. Ekzistas abunda evidenteco subtenanta la gravan rolon de mRNA aŭ miRNA en antaŭdirado de totala supervivo en pluraj specoj de kancero. Sendube, multaj prognozaj riskomodeloj ankaŭ baziĝas sur lncRNA-oj. Ekzemple, Luo et al. Studoj montris, ke LINC01094 ludas ŝlosilan rolon en PC-multiĝo kaj metastazo, kaj alta esprimo de LINC01094 indikas malbonan supervivon de pankreatkanceraj pacientoj [16]. La studo prezentita de Lin et al. Studoj montris, ke malsuprenregulado de lncRNA FLVCR1-AS1 estas asociita kun malbona prognozo ĉe pankreatkanceraj pacientoj [17]. Tamen, imunrilataj lncRNA-oj estas relative malpli diskutitaj rilate al antaŭdirado de totala supervivo de kanceruloj. Lastatempe, granda kvanto da laboro estis fokusita al konstruado de prognozaj riskomodeloj por antaŭdiri la supervivon de kanceruloj kaj tiel adapti kuracmetodojn [18, 19, 20]. Kreskas rekono pri la grava rolo de imunaj infiltraĵoj en la komenco, progresado kaj respondo de kancero al traktadoj kiel kemioterapio. Multnombraj studoj konfirmis, ke tumor-infiltrantaj imunĉeloj ludas kritikan rolon en la respondo al citotoksa kemioterapio [21, 22, 23]. La tumora imuna mikromedio estas grava faktoro en la postvivado de tumorpacientoj [24, 25]. Imunoterapio, precipe ICI-terapio, estas vaste uzata en la traktado de solidaj tumoroj [26]. Imunrilataj genoj estas vaste uzataj por konstrui prognozajn riskomodelojn. Ekzemple, Su et al. La imunrilata prognoza riskomodelo baziĝas sur protein-kodantaj genoj por antaŭdiri la prognozon de ovariaj kancerpacientoj [27]. Ne-kodantaj genoj kiel lncRNA-oj ankaŭ taŭgas por konstrui prognozajn riskomodelojn [28, 29, 30]. Luo et al. testis kvar imunrilatajn lncRNA-ojn kaj konstruis prognozan modelon por uterkola kancera risko [31]. Khan et al. Entute 32 diference esprimitaj transskribaĵoj estis identigitaj, kaj surbaze de tio, oni establis prognozan modelon kun 5 signifaj transskribaĵoj, kiu estis proponita kiel tre rekomendinda ilo por antaŭdiri biopsie pruvitan akutan malakcepton post rentransplantado [32].
Plej multaj el ĉi tiuj modeloj baziĝas sur genaj esprimniveloj, ĉu protein-kodantaj genoj ĉu ne-kodantaj genoj. Tamen, la sama geno povas havi malsamajn esprimvalorojn en malsamaj genaroj, datenformatoj kaj en malsamaj pacientoj, kondukante al malstabilaj taksoj en prognozaj modeloj. En ĉi tiu studo, ni konstruis racian modelon kun du paroj de lncRNA-oj, sendepende de la precizaj esprimvaloroj.
En ĉi tiu studo, ni identigis irlncRNA-on por la unua fojo per korelacia analizo kun imunec-rilataj genoj. Ni ekzamenis 223 DEirlncRNA-ojn per hibridigo kun diference esprimitaj lncRNA-oj. Due, ni konstruis matricon 0-aŭ-1 bazitan sur la publikigita DEirlncRNA-pariga metodo [31]. Ni poste faris unuvariablajn kaj lasajn regresajn analizojn por identigi prognozajn DEirlncRNA-parojn kaj konstrui prognozan riskomodelon. Ni plue analizis la asocion inter riskopoentaroj kaj klinikaj karakterizaĵoj ĉe pacientoj kun PAAD. Ni trovis, ke nia prognoza riskomodelo, kiel sendependa prognoza faktoro ĉe PAAD-pacientoj, povas efike diferencigi altgradajn pacientojn de malaltgradaj pacientoj kaj altgradajn pacientojn de malaltgradaj pacientoj. Krome, la AUC-valoroj de la ROC-kurbo de la prognoza riskomodelo estis 0,905 por la 1-jara prognozo, 0,942 por la 2-jara prognozo, kaj 0,966 por la 3-jara prognozo.
Esploristoj raportis, ke pacientoj kun pli alta CD8+ T-ĉela enfiltriĝo estis pli sentemaj al ICI-traktado [33]. Pliiĝo en la enhavo de citotoksaj ĉeloj, CD56 NK-ĉeloj, NK-ĉeloj kaj CD8+ T-ĉeloj en la tumora imuna mikromedio povus esti unu el la kialoj de la tumora subprema efiko [34]. Antaŭaj studoj montris, ke pli altaj niveloj de tumor-infiltrantaj CD4(+) T kaj CD8(+) T estis signife asociitaj kun pli longa postvivado [35]. Malbona CD8 T-ĉela enfiltriĝo, malalta neoantigena ŝarĝo, kaj tre imunosupresa tumora mikromedio kondukis al manko de respondo al ICI-terapio [36]. Ni trovis, ke la riskopoentaro negative korelaciis kun CD8+ T-ĉeloj kaj NK-ĉeloj, indikante, ke pacientoj kun altaj riskopoentaroj eble ne taŭgas por ICI-traktado kaj havas pli malbonan prognozon.
CD161 estas markilo de naturaj mortigaj (NK) ĉeloj. CD8+CD161+ CAR-transduktitaj T-ĉeloj mediacias plibonigitan envivan kontraŭtumoran efikecon en HER2+ pankreataj duktaj adenokanceraj ksenograftaj modeloj [37]. Imunaj kontrolpunktaj inhibitoroj celas citotoksajn T-limfocitajn asociitajn proteinojn 4 (CTLA-4) kaj programitajn ĉelmortajn proteinojn 1 (PD-1)/programitajn ĉelmortajn ligandojn 1 (PD-L1) kaj havas grandan potencialon en multaj areoj. Esprimo de CTLA-4 kaj CD161 (KLRB1) estas pli malalta en altriskaj grupoj, plue indikante, ke pacientoj kun altriskaj poentaroj eble ne rajtas ricevi ICI-traktadon. [38]
Por trovi kuracajn eblojn taŭgajn por pacientoj kun alta risko, ni analizis diversajn kontraŭkancerajn medikamentojn kaj trovis, ke paklitakselo, sorafenibo kaj erlotinibo, kiuj estas vaste uzataj ĉe pacientoj kun PAAD (pacientoj kun alta risko de diagnozo), povus esti taŭgaj por pacientoj kun PAAD (pacientoj kun alta risko de diagnozo). [33]. Zhang kaj aliaj trovis, ke mutacioj en iu ajn DNA-damaĝa respondo (DDR) povas konduki al malbona prognozo ĉe pacientoj kun prostatkancero [39]. La studo "Pancreatic Cancer Olaparib Ongoing" (POLO) montris, ke bontenado per olaparibo plilongigis senprogresan supervivon kompare kun placebo post unuaranga platen-bazita kemioterapio ĉe pacientoj kun pankreata dukta adenokancero kaj ĝermaj BRCA1/2 mutacioj [40]. Ĉi tio provizas signifan optimismon, ke kuracaj rezultoj signife pliboniĝos en ĉi tiu subgrupo de pacientoj. En ĉi tiu studo, la IC50-valoro de AZD.2281 (olaparibo) estis pli alta en la alta riskogrupo, indikante, ke PAAD-pacientoj en la alta riskogrupo povus esti rezistemaj al kuracado per AZD.2281.
La prognozaj modeloj en ĉi tiu studo produktas bonajn prognozajn rezultojn, sed ili baziĝas sur analizaj prognozoj. Kiel konfirmi ĉi tiujn rezultojn per klinikaj datumoj estas grava demando. Endoskopa fajna nadla aspira ultrasonografio (EUS-FNA) fariĝis nemalhavebla metodo por diagnozi solidajn kaj ekstrapankreatajn pankreatajn lezojn kun sentemo de 85% kaj specifeco de 98% [41]. La apero de EUS-fajna nadla biopsio (EUS-FNB) pingloj baziĝas ĉefe sur perceptitaj avantaĝoj super FNA, kiel pli alta diagnoza precizeco, akiro de specimenoj kiuj konservas histologian strukturon, kaj tiel generado de imuna histo kiu estas kritika por certaj diagnozoj. speciala kolorigo [42]. Sistema revizio de la literaturo konfirmis ke FNB-pingloj (precipe 22G) montras la plej altan efikecon en rikoltado de histo el pankreataj masoj [43]. Klinike, nur malgranda nombro da pacientoj rajtas je radikala kirurgio, kaj la plej multaj pacientoj havas neoperacieblajn tumorojn dum la komenca diagnozo. En klinika praktiko, nur malgranda proporcio de pacientoj taŭgas por radikala kirurgio ĉar la plej multaj pacientoj havas neoperacieblajn tumorojn dum la komenca diagnozo. Post patologia konfirmo per EUS-FNB kaj aliaj metodoj, normigita nekirurgia traktado kiel kemioterapio kutime estas elektita. Nia posta esplorprogramo estas testi la prognozan modelon de ĉi tiu studo en kirurgiaj kaj nekirurgiaj kohortoj per retrospektiva analizo.
Ĝenerale, nia studo establis novan prognozan riskomodelon bazitan sur parigita irlncRNA, kiu montris promesplenan prognozan valoron ĉe pacientoj kun pankreata kancero. Nia prognoza riskomodelo povus helpi diferencigi pacientojn kun PAAD, kiuj taŭgas por kuracado.
La datumaroj uzitaj kaj analizitaj en la nuna studo estas haveblaj de la koresponda aŭtoro laŭ racia peto.
Sui Wen, Gong X, Zhuang Y. La mediacia rolo de mem-efikeco en emocia reguligo de negativaj emocioj dum la COVID-19-pandemio: transversa studo. Int J Ment Health Nurs [ĵurnala artikolo]. 2021 06/01/2021;30(3):759–71.
Sui Wen, Gong X, Qiao X, Zhang L, Cheng J, Dong J, et al. Opinioj de familianoj pri alternativa decidiĝo en intenskuracejoj: sistema revizio. INT J NURS STUD [revua artikolo; revizio]. 2023 01/01/2023;137:104391.
Vincent A, Herman J, Schulich R, Hruban RH, Goggins M. Pankreata kancero. Lancet. [Ĵurnala artikolo; esplorsubteno, NIH, eksteruniversitata; esplorsubteno, registaro ekster Usono; recenzo]. 2011 08/13/2011;378(9791):607–20.
Ilic M, Ilic I. Epidemiologio de pankreata kancero. Monda Revuo pri Gastroenterologio. [Ĵurnala artikolo, recenzo]. 2016 28/11/2016;22(44):9694–705.
Liu X, Chen B, Chen J, Sun S. Nova tp53-rilata nomogramo por antaŭdiri la totalan supervivon ĉe pacientoj kun pankreata kancero. BMC Cancer [ĵurnala artikolo]. 2021 31-03-2021;21(1):335.
Xian X, Zhu X, Chen Y, Huang B, Xiang W. Efiko de solvo-fokusita terapio sur kancer-rilata laceco ĉe kolorektaj kanceruloj ricevantaj kemioterapion: randomigita kontrolita provo. Cancer nurse. [Ĵurnala artikolo; randomigita kontrolita provo; la studo estas subtenata de registaro ekster Usono]. 2022 05/01/2022;45(3):E663–73.
Zhang Cheng, Zheng Wen, Lu Y, Shan L, Xu Dong, Pan Y, et al. Postoperaciaj niveloj de karcinoembria antigeno (CEA) antaŭdiras rezulton post kolorekta kancera resekco en pacientoj kun normalaj antaŭoperaciaj CEA-niveloj. Centro por Translational Cancer Research. [Ĵurnala artikolo]. 2020 01.01.2020;9(1):111–8.
Hong Wen, Liang Li, Gu Yu, Qi Zi, Qiu Hua, Yang X, et al. Imunrilataj lncRNA-oj generas novajn signaturojn kaj antaŭdiras la imunan pejzaĝon de homa hepatocelula karcinomo. Mol Ther Nucleic acids [Ĵurnala artikolo]. 2020 2020-12-04;22:937 – 47.
Toffey RJ, Zhu Y., Schulich RD Imunoterapio por pankreata kancero: baroj kaj sukcesoj. Ann Gastrointestinal Surgeon [Ĵurnala Artikolo; recenzo]. 2018 07/01/2018;2(4):274–81.
Hull R, Mbita Z, Dlamini Z. Longaj ne-ĉifrantaj RNA-oj (LncRNA-oj), virustumora genomiko kaj aberaciaj splisaj eventoj: terapiaj implicoj. AM J CANCER RES [ĵurnala artikolo; recenzo]. 2021 01/20/2021;11(3):866–83.
Wang J, Chen P, Zhang Y, Ding J, Yang Y, Li H. 11-Identigo de lncRNA-signaturoj asociitaj kun prognozo de endometria kancero. Atingoj de scienco [revua artikolo]. 2021 2021-01-01;104(1):311977089.
Jiang S, Ren H, Liu S, Lu Z, Xu A, Qin S, et al. Ampleksa analizo de RNA-ligantaj proteinprognozaj genoj kaj drogokandidatoj en papilara ĉelkancero. pregen. [Ĵurnala artikolo]. 2021 01/20/2021;12:627508.
Li X, Chen J, Yu Q, Huang X, Liu Z, Wang X, et al. Karakterizaĵoj de aŭtofagi-rilata longa ne-ĉifranta RNA antaŭdiras prognozon de mama kancero. pregen. [Ĵurnala artikolo]. 2021 01/20/2021;12:569318.
Zhou M, Zhang Z, Zhao X, Bao S, Cheng L, Sun J. Imunrilata ses-lncRNA-signaturo plibonigas prognozon en glioblastomo multiforme. MOL Neurobiology. [Ĵurnala artikolo]. 2018 01.05.2018;55(5):3684–97.
Wu B, Wang Q, Fei J, Bao Y, Wang X, Song Z, et al. Nova tri-lncRNA-signaturo antaŭdiras supervivon de pacientoj kun pankreata kancero. REPREZENTANTOJ DE ONKOL. [Ĵurnala artikolo]. 2018 12/01/2018;40(6):3427–37.
Luo C, Lin K, Hu C, Zhu X, Zhu J, Zhu Z. LINC01094 antaŭenigas progreson de pankrea kancero per reguligo de LIN28B-esprimo kaj la PI3K/AKT-vojo tra spongita miR-577. Mol Therapeutics - Nukleaj acidoj. 2021;26:523–35.
Lin J, Zhai X, Zou S, Xu Z, Zhang J, Jiang L, et al. Pozitiva retrokuplado inter lncRNA FLVCR1-AS1 kaj KLF10 povus inhibicii la progreson de pankrea kancero tra la PTEN/AKT-vojo. J EXP Clin Cancer Res. 2021;40(1).
Zhou X, Liu X, Zeng X, Wu D, Liu L. Identigo de dek tri genoj antaŭdirantaj totalan supervivon en hepatocelula karcinomo. Biosci Rep [ĵurnala artikolo]. 2021 04/09/2021.
Afiŝtempo: 22-a de septembro 2023