Haimasyöpä on yksi tappavimmista kasvaimista maailmassa, ja sen ennuste on huono.Siksi tarvitaan tarkkaa ennustemallia sellaisten potilaiden tunnistamiseksi, joilla on korkea haimasyövän riski hoidon räätälöimiseksi ja näiden potilaiden ennusteen parantamiseksi.
Saimme The Cancer Genome Atlas (TCGA) haiman adenokarsinooman (PAAD) RNAseq-tiedot UCSC Xena -tietokannasta, tunnistimme immuunijärjestelmään liittyvät lncRNA:t (irlncRNA:t) korrelaatioanalyysin avulla ja tunnistimme erot TCGA:n ja normaalien haiman adenokarsinoomakudosten välillä.DEirlncRNA) TCGA:sta ja haimakudoksen genotyyppikudosekspressiosta (GTEx).Muita yksimuuttuja- ja lasso-regressioanalyysejä suoritettiin prognostisten allekirjoitusmallien rakentamiseksi.Sitten laskemme käyrän alla olevan alueen ja määritimme optimaalisen raja-arvon potilaiden tunnistamiseksi, joilla oli korkea ja matala riski haiman adenokarsinooma.Verrata kliinisiä ominaisuuksia, immuunisolujen infiltraatiota, immunosuppressiivista mikroympäristöä ja kemoterapiaresistenssiä potilailla, joilla on korkea ja matala riski haimasyöpä.
Tunnistamme 20 DEirlncRNA-paria ja ryhmittelimme potilaat optimaalisen raja-arvon mukaan.Osoitimme, että prognostisella allekirjoitusmallillamme on merkittävä suorituskyky PAAD-potilaiden ennusteen ennustamisessa.ROC-käyrän AUC on 0,905 1 vuoden ennusteelle, 0,942 2 vuoden ennusteelle ja 0,966 3 vuoden ennusteelle.Korkean riskin potilailla oli alhaisempi eloonjäämisaste ja huonommat kliiniset ominaisuudet.Osoitimme myös, että suuren riskin potilaat ovat immunosuppressoituneita ja voivat kehittää vastustuskykyä immunoterapialle.Syöpälääkkeiden, kuten paklitakselin, sorafenibin ja erlotinibin, arviointi laskennallisten ennustetyökalujen perusteella voi olla sopiva korkean riskin potilaille, joilla on PAAD.
Kaiken kaikkiaan tutkimuksemme loi uuden prognostisen riskimallin, joka perustuu parilliseen irlncRNA:han, joka osoitti lupaavaa ennustearvoa potilailla, joilla oli haimasyöpä.Prognostinen riskimallimme voi auttaa erottamaan PAAD-potilaat, jotka sopivat lääketieteelliseen hoitoon.
Haimasyöpä on pahanlaatuinen kasvain, jolla on alhainen viiden vuoden eloonjäämisaste ja korkealaatuinen.Suurin osa potilaista on diagnoosihetkellä jo pitkälle edennyt.COVID-19-epidemian yhteydessä lääkärit ja sairaanhoitajat ovat valtavan paineen alla hoidettaessa haimasyöpää sairastavia potilaita, ja myös potilaiden perheet kohtaavat monia paineita tehdessään hoitopäätöksiä [1, 2].Vaikka DOAD:ien hoidossa on saavutettu suurta edistystä, kuten neoadjuvanttihoito, kirurginen resektio, sädehoito, kemoterapia, kohdennettu molekyylihoito ja immuunitarkastuspisteen estäjät (ICI), vain noin 9 % potilaista selviää viisi vuotta diagnoosin jälkeen [3 ].], 4].Koska haiman adenokarsinooman varhaiset oireet ovat epätyypillisiä, potilailla diagnosoidaan yleensä etäpesäkkeet edenneessä vaiheessa [5].Siksi yksittäiselle potilaalle yksilöllisen kokonaishoidon on punnittava kaikkien hoitovaihtoehtojen etuja ja haittoja, ei vain eloonjäämisen pidentämiseksi, vaan myös elämänlaadun parantamiseksi [6].Siksi tehokas ennustemalli on tarpeen potilaan ennusteen arvioimiseksi tarkasti [7].Siten sopiva hoito voidaan valita tasapainottamaan PAAD-potilaiden eloonjäämistä ja elämänlaatua.
PAAD:n huono ennuste johtuu pääasiassa kemoterapialääkkeiden vastustuskyvystä.Immuunitarkistuspisteen estäjiä on viime vuosina käytetty laajalti kiinteiden kasvainten hoidossa [8].ICI:n käyttö haimasyövässä on kuitenkin harvoin onnistunut [9].Siksi on tärkeää tunnistaa potilaat, jotka voivat hyötyä ICI-hoidosta.
Pitkä ei-koodaava RNA (lncRNA) on eräänlainen ei-koodaava RNA, jonka transkriptit >200 nukleotidia.LncRNA:t ovat laajalle levinneitä ja muodostavat noin 80 % ihmisen transkriptomista [10].Laaja työ on osoittanut, että lncRNA-pohjaiset ennustemallit voivat ennustaa tehokkaasti potilaan ennusteen [11, 12].Esimerkiksi 18 autofagiaan liittyvää lncRNA:ta tunnistettiin tuottavan ennustemerkkejä rintasyövässä [13].Kuusi muuta immuunijärjestelmään liittyvää lncRNA:ta on käytetty gliooman prognostisten piirteiden määrittämiseen [14].
Haimasyövässä joissakin tutkimuksissa on löydetty lncRNA-pohjaisia allekirjoituksia potilaan ennusteen ennustamiseksi.3-lncRNA:n allekirjoitus havaittiin haiman adenokarsinoomassa, jonka ROC-käyrän alla oleva pinta-ala (AUC) oli vain 0,742 ja kokonaiseloonjäämisaika (OS) 3 vuotta [15].Lisäksi lncRNA-ekspressioarvot vaihtelevat eri genomien, eri tietomuotojen ja eri potilaiden välillä, ja ennustusmallin suorituskyky on epävakaa.Siksi käytämme uutta mallinnusalgoritmia, pariliitosta ja iteraatiota immuniteettiin liittyvien lncRNA (irlncRNA) -allekirjoitusten luomiseen tarkemman ja vakaamman ennustavan mallin luomiseksi [8].
Normalisoidut RNAseq-tiedot (FPKM) ja kliinisen haimasyövän TCGA- ja genotyyppikudosilmentymistiedot (GTEx) saatiin UCSC XENA -tietokannasta (https://xenabrowser.net/datapages/).GTF-tiedostot saatiin Ensembl-tietokannasta (http://asia.ensembl.org) ja niitä käytettiin lncRNA-ekspressioprofiilien erottamiseen RNAseq:sta.Latasimme immuniteettiin liittyvät geenit ImmPort-tietokannasta (http://www.immport.org) ja tunnistimme immuniteettiin liittyvät lncRNA:t (irlncRNA:t) käyttämällä korrelaatioanalyysiä (p < 0,001, r > 0,4).Differentiaalisesti ilmentyneiden irlncRNA:iden (DEirlncRNA:iden) tunnistaminen risteyttämällä irlncRNA:t ja differentiaalisesti ekspressoituneet lncRNA:t, jotka on saatu GEPIA2-tietokannasta (http://gepia2.cancer-pku.cn/#index) TCGA-PAAD-kohortissa (|logFC| > 1 ja FDR) ) <0,05).
Tämä menetelmä on raportoitu aiemmin [8].Tarkemmin sanottuna rakennamme X:n korvaamaan parilliset lncRNA A:n ja lncRNA B:n. Kun lncRNA A:n ekspressioarvo on suurempi kuin lncRNA B:n ekspressioarvo, X määritellään 1:ksi, muuten X on 0. Näin ollen voimme saada matriisi 0 tai – 1. Matriisin pystyakseli edustaa jokaista näytettä ja vaaka-akseli kutakin DEirlncRNA-paria arvolla 0 tai 1.
Prognostisten DEirlncRNA-parien seulomiseen käytettiin yksimuuttujaregressioanalyysiä, jota seurasi Lasso-regressio.Lasso-regressioanalyysissä käytettiin 10-kertaista ristiinvalidointia, joka toistettiin 1000 kertaa (p < 0,05), 1000 satunnaisella ärsykkeellä ajoa kohti.Kun kunkin DEirlncRNA-parin esiintymistiheys ylitti 100 kertaa 1000 syklissä, DEirlncRNA-parit valittiin rakentamaan prognostinen riskimalli.Tämän jälkeen käytimme AUC-käyrää löytääksemme optimaalisen raja-arvon PAAD-potilaiden luokittelemiseksi korkean ja matalan riskin ryhmiin.Jokaisen mallin AUC-arvo laskettiin myös ja piirrettiin käyräksi.Jos käyrä saavuttaa suurimman AUC-arvon osoittavan korkeimman pisteen, laskentaprosessi pysähtyy ja mallia pidetään parhaana ehdokkaana.Rakennettiin 1-, 3- ja 5-vuoden ROC-käyrämallit.Yksimuuttuja- ja monimuuttujaregressioanalyysejä käytettiin prognostisen riskimallin riippumattoman ennustavan suorituskyvyn tutkimiseen.
Käytä seitsemää työkalua immuunisolujen infiltraatiomäärien tutkimiseen, mukaan lukien XCELL, TIMER, QUANTISEQ, MCPCOUNTER, EPIC, CIBERSORT-ABS ja CIBERSORT.Immuunisolujen infiltraatiotiedot ladattiin TIMER2-tietokannasta (http://timer.comp-genomics.org/#tab-5817-3).Ero immuunitunkeutuvien solujen pitoisuudessa konstruoidun mallin korkean ja matalan riskin ryhmien välillä analysoitiin Wilcoxon signed-rank -testillä, tulokset on esitetty neliökaaviossa.Spearman-korrelaatioanalyysi suoritettiin riskipistearvojen ja immuunijärjestelmään tunkeutuvien solujen välisen suhteen analysoimiseksi.Tuloksena oleva korrelaatiokerroin esitetään tikkarina.Merkityskynnys asetettiin arvoon p < 0,05.Toimenpide suoritettiin käyttämällä R-pakettia ggplot2.Immuunisolujen tunkeutumisnopeuteen liittyvien mallin ja geenin ilmentymistasojen välisen suhteen tutkimiseksi suoritimme ggstatsplot-paketin ja viulukuvion visualisoinnin.
Haimasyövän kliinisten hoitomallien arvioimiseksi laskemme yleisesti käytettyjen kemoterapialääkkeiden IC50-arvon TCGA-PAAD-kohortissa.Puoliinhiboivien pitoisuuksien (IC50) eroja korkean ja matalan riskin ryhmien välillä verrattiin käyttämällä Wilcoxon signed-rank -testiä, ja tulokset esitetään boxploteina, jotka on luotu käyttämällä pRRophetic- ja ggplot2-menetelmiä R:ssä. Kaikki menetelmät ovat asiaankuuluvien ohjeiden ja normien mukaisia.
Tutkimuksemme työnkulku on esitetty kuvassa 1. Käyttämällä lncRNA:iden ja immuniteettiin liittyvien geenien välistä korrelaatioanalyysiä valitsimme 724 irlncRNA:ta, joiden p < 0,01 ja r > 0,4.Seuraavaksi analysoimme GEPIA2:n differentiaalisesti ekspressoituneita lncRNA:ita (kuvio 2A).Yhteensä 223 irlncRNA:ta ilmentyi eri tavalla haiman adenokarsinooman ja normaalin haimakudoksen välillä (|logFC| > 1, FDR < 0,05), nimeltään DEirlncRNA:t.
Ennakoivien riskimallien rakentaminen.(A) Tulivuorikaavio differentiaalisesti ilmennetyistä lncRNA:ista.(B) Lasso-kertoimien jakautuminen 20 DEirlncRNA-parille.(C) LASSO-kerroinjakauman osittainen todennäköisyysvarianssi.(D) Metsäkuvaaja, joka esittää 20 DEirlncRNA-parin yksimuuttujaregressioanalyysiä.
Seuraavaksi rakensimme 0- tai 1-matriisin yhdistämällä 223 DEirlncRNA:ta.Kaikkiaan tunnistettiin 13 687 DEirlncRNA-paria.Yksimuuttuja- ja lasso-regressioanalyysin jälkeen testattiin lopulta 20 DEirlncRNA-paria prognostisen riskimallin muodostamiseksi (kuvio 2B-D).Lasso- ja usean regressioanalyysin tulosten perusteella laskemme riskipisteet jokaiselle TCGA-PAAD-kohortin potilaalle (taulukko 1).Lasso-regressioanalyysin tulosten perusteella laskemme riskipisteet jokaiselle TCGA-PAAD-kohortin potilaalle.ROC-käyrän AUC oli 0,905 1 vuoden riskimallin ennusteelle, 0,942 2 vuoden ennusteelle ja 0,966 3 vuoden ennusteelle (kuvio 3A-B).Asetimme optimaalisen raja-arvon 3,105, kerroimme TCGA-PAAD-kohorttipotilaat korkean ja matalan riskin ryhmiin ja piirtimme kunkin potilaan eloonjäämistulokset ja riskipistejakaumat (kuva 3C-E).Kaplan-Meier-analyysi osoitti, että PAAD-potilaiden eloonjääminen korkean riskin ryhmässä oli merkittävästi alhaisempi kuin pienen riskin ryhmän potilailla (p < 0,001) (kuvio 3F).
Prognostisten riskimallien validiteetti.(A) Prognostisen riskimallin ROC.(B) 1-, 2- ja 3-vuoden ROC-ennusteriskimallit.(C) Prognostisen riskimallin ROC.Näyttää optimaalisen rajapisteen.(DE) Eloonjäämistilanteen (D) ja riskipisteiden (E) jakautuminen.(F) Kaplan-Meier-analyysi PAAD-potilaista korkean ja matalan riskin ryhmissä.
Arvioimme edelleen eroja riskipisteissä kliinisten ominaisuuksien mukaan.Liuskakaavio (kuvio 4A) näyttää yleisen suhteen kliinisten ominaisuuksien ja riskipisteiden välillä.Erityisesti vanhemmilla potilailla oli korkeammat riskipisteet (kuvio 4B).Lisäksi potilailla, joilla oli vaihe II, oli korkeammat riskipisteet kuin potilailla, joilla oli vaihe I (kuva 4C).Mitä tulee kasvaimen asteeseen PAAD-potilailla, luokan 3 potilailla oli korkeammat riskipisteet kuin asteen 1 ja 2 potilailla (kuvio 4D).Suoritimme edelleen yksi- ja monimuuttujaregressioanalyysejä ja osoitimme, että riskipisteet (p < 0,001) ja ikä (p = 0,045) olivat riippumattomia prognostisia tekijöitä PAAD-potilailla (kuvio 5A-B).ROC-käyrä osoitti, että riskipisteet olivat muita kliinisiä ominaisuuksia parempi ennustettaessa PAAD-potilaiden 1, 2 ja 3 vuoden eloonjäämistä (kuvio 5C-E).
Prognostisten riskimallien kliiniset ominaisuudet.Histogrammi (A) näyttää (B) iän, (C) kasvaimen vaiheen, (D) kasvaimen asteen, riskipisteet ja TCGA-PAAD-kohortin potilaiden sukupuolen.**p < 0,01
Prognostisten riskimallien riippumaton ennustava analyysi.(AB) Prognostisten riskimallien ja kliinisten ominaisuuksien yksimuuttuja (A) ja monimuuttuja (B) regressioanalyysit.(CE) 1, 2 ja 3 vuoden ROC prognostisille riskimalleille ja kliinisille ominaisuuksille
Siksi tutkimme ajan ja riskipisteiden välistä suhdetta.Havaitsimme, että PAAD-potilaiden riskipisteet korreloivat käänteisesti CD8+ T-solujen ja NK-solujen kanssa (kuvio 6A), mikä osoittaa heikentyneen immuunitoiminnan korkean riskin ryhmässä.Arvioimme myös eron immuunisolujen infiltraatiossa korkean ja matalan riskin ryhmien välillä ja saimme samat tulokset (kuva 7).CD8+ T-solujen ja NK-solujen infiltraatio oli vähemmän korkean riskin ryhmässä.Viime vuosina immuunitarkastuspisteestäjiä (ICI) on käytetty laajalti kiinteiden kasvainten hoidossa.ICI:n käyttö haimasyövässä on kuitenkin harvoin onnistunut.Siksi arvioimme immuunitarkastuspistegeenien ilmentymistä korkean ja matalan riskin ryhmissä.Havaitsimme, että CTLA-4 ja CD161 (KLRB1) yli-ilmentyivät matalan riskin ryhmässä (kuvio 6B-G), mikä osoittaa, että PAAD-potilaat matalan riskin ryhmässä voivat olla herkkiä ICI:lle.
Prognostisen riskimallin ja immuunisolujen infiltraation korrelaatioanalyysi.(A) Prognostisen riskimallin ja immuunisolujen infiltraation välinen korrelaatio.(BG) Osoittaa geenin ilmentymisen korkean ja matalan riskin ryhmissä.(HK) IC50-arvot tietyille syöpälääkkeille korkean ja matalan riskin ryhmissä.*p < 0,05, **p < 0,01, ns = ei merkitsevä
Arvioimme edelleen riskipisteiden ja yleisten kemoterapia-aineiden välistä yhteyttä TCGA-PAAD-kohortissa.Etsimme yleisesti käytettyjä syöpälääkkeitä haimasyövässä ja analysoimme eroja niiden IC50-arvoissa korkean ja matalan riskin ryhmien välillä.Tulokset osoittivat, että AZD.2281:n (olaparibin) IC50-arvo oli korkeampi suuren riskin ryhmässä, mikä osoittaa, että PAAD-potilaat suuren riskin ryhmässä saattavat olla resistenttejä AZD.2281-hoidolle (kuvio 6H).Lisäksi paklitakselin, sorafenibin ja erlotinibin IC50-arvot olivat alhaisemmat suuren riskin ryhmässä (kuva 6I-K).Lisäksi tunnistimme 34 syöpälääkettä, joilla on korkeammat IC50-arvot korkean riskin ryhmässä ja 34 syöpälääkettä, joilla on alhaisemmat IC50-arvot korkean riskin ryhmässä (taulukko 2).
Ei voida kiistää, että lncRNA:t, mRNA:t ja miRNA:t ovat laajalti olemassa ja niillä on ratkaiseva rooli syövän kehittymisessä.On olemassa runsaasti todisteita, jotka tukevat mRNA:n tai miRNA:n tärkeää roolia yleisen eloonjäämisen ennustamisessa useissa syöpätyypeissä.Epäilemättä monet prognostiset riskimallit perustuvat myös lncRNA:ihin.Esimerkiksi Luo et ai.Tutkimukset ovat osoittaneet, että LINC01094:llä on keskeinen rooli PC:n proliferaatiossa ja etäpesäkkeissä, ja LINC01094:n korkea ilmentyminen viittaa haimasyöpäpotilaiden huonoon eloonjäämiseen [16].Lin et al.Tutkimukset ovat osoittaneet, että lncRNA:n FLVCR1-AS1:n vaimeneminen liittyy huonoon ennusteeseen haimasyöpäpotilailla [17].Immuniteettiin liittyvistä lncRNA:ista keskustellaan kuitenkin suhteellisen vähemmän syöpäpotilaiden kokonaiseloonjäämisen ennustamisen kannalta.Viime aikoina suuri määrä työtä on keskittynyt ennusteriskimallien rakentamiseen syöpäpotilaiden eloonjäämisen ennustamiseksi ja sitä kautta hoitomenetelmien muokkaamiseksi [18, 19, 20].Immuunisolujen tärkeä rooli syövän alkuvaiheessa, etenemisessä ja vasteessa hoitoihin, kuten kemoterapiaan, tunnustetaan yhä enemmän.Lukuisat tutkimukset ovat vahvistaneet, että kasvaimeen tunkeutuvilla immuunisoluilla on kriittinen rooli vasteessa sytotoksiseen kemoterapiaan [21, 22, 23].Kasvaimen immuuni-mikroympäristö on tärkeä tekijä kasvainpotilaiden eloonjäämisessä [24, 25].Immunoterapiaa, erityisesti ICI-hoitoa, käytetään laajalti kiinteiden kasvainten hoidossa [26].Immuunijärjestelmään liittyviä geenejä käytetään laajalti prognostisten riskimallien rakentamiseen.Esimerkiksi Su et ai.Immuuniin liittyvä prognostinen riskimalli perustuu proteiinia koodaaviin geeneihin ennustamaan munasarjasyöpäpotilaiden ennustetta [27].Ei-koodaavat geenit, kuten lncRNA:t, soveltuvat myös prognostisten riskimallien rakentamiseen [28, 29, 30].Luo ym. testasivat neljää immuunijärjestelmään liittyvää lncRNA:ta ja rakensivat ennustavan mallin kohdunkaulan syövän riskille [31].Khan et ai.Kaikkiaan tunnistettiin 32 eri tavalla ilmentynyttä transkriptiota, ja tämän perusteella laadittiin ennustemalli, jossa oli 5 merkittävää transkriptiota, jota ehdotettiin erittäin suositeltavaksi työkaluksi biopsialla todistetun akuutin hylkimisreaktion ennustamiseen munuaisensiirron jälkeen [32].
Useimmat näistä malleista perustuvat geenien ilmentymistasoihin, joko proteiinia koodaaviin geeneihin tai ei-koodaaviin geeneihin.Samalla geenillä voi kuitenkin olla erilaisia ilmentymisarvoja eri genomeissa, tietomuodoissa ja eri potilailla, mikä johtaa epävakaisiin arvioihin ennustavissa malleissa.Tässä tutkimuksessa rakensimme järkevän mallin kahdella lncRNA-parilla riippumatta tarkasta ekspressioarvosta.
Tässä tutkimuksessa tunnistimme irlncRNA:n ensimmäistä kertaa korrelaatioanalyysin avulla immuniteettiin liittyvien geenien kanssa.Seuloimme 223 DEirlncRNA:ta hybridisoimalla differentiaalisesti ekspressoituneiden lncRNA:iden kanssa.Toiseksi rakensimme 0-tai-1-matriisin julkaistun DEirlncRNA-parimuodostusmenetelmän [31] perusteella.Sitten suoritimme yksimuuttuja- ja lasso-regressioanalyysejä tunnistaaksemme prognostisia DEirlncRNA-pareja ja rakentaaksemme ennustavan riskimallin.Analysoimme edelleen riskipisteiden ja kliinisten ominaisuuksien välistä yhteyttä PAAD-potilailla.Havaitsimme, että prognostinen riskimallimme itsenäisenä prognostisena tekijänä PAAD-potilailla voi tehokkaasti erottaa korkealaatuiset potilaat matala-asteisista potilaista ja korkealaatuiset potilaat matala-asteisista potilaista.Lisäksi ennusteriskimallin ROC-käyrän AUC-arvot olivat 0,905 1 vuoden ennusteelle, 0,942 2 vuoden ennusteelle ja 0,966 3 vuoden ennusteelle.
Tutkijat raportoivat, että potilaat, joilla oli korkeampi CD8+ T-soluinfiltraatio, olivat herkempiä ICI-hoidolle [33].Sytotoksisten solujen, CD56 NK-solujen, NK-solujen ja CD8+ T-solujen pitoisuuden kasvu kasvaimen immuuni-mikroympäristössä voi olla yksi syy kasvainta suppressoivaan vaikutukseen [34].Aiemmat tutkimukset osoittivat, että kasvaimeen infiltroivan CD4(+) T:n ja CD8(+) T:n korkeammat tasot liittyivät merkitsevästi pidempään eloonjäämiseen [35].Huono CD8 T-solujen infiltraatio, alhainen neoantigeenikuormitus ja erittäin immunosuppressiivinen kasvaimen mikroympäristö johtavat vasteen puuttumiseen ICI-hoidolle [36].Havaitsimme, että riskipisteet korreloivat negatiivisesti CD8+ T-solujen ja NK-solujen kanssa, mikä osoittaa, että potilaat, joilla on korkeat riskipisteet, eivät ehkä sovellu ICI-hoitoon ja heillä on huonompi ennuste.
CD161 on luonnollisten tappajasolujen (NK) merkki.CD8+CD161+ CAR-transdusoidut T-solut välittävät tehostunutta in vivo kasvaintenvastaista tehokkuutta HER2+ haiman duktaalisen adenokarsinooman ksenograftimalleissa [37].Immuunitarkistuspisteen estäjät kohdistuvat sytotoksiseen T-lymfosyyteihin liittyvään proteiiniin 4 (CTLA-4) ja ohjelmoituun solukuoleman proteiiniin 1 (PD-1)/ohjelmoituun solukuoleman ligandiin 1 (PD-L1), ja niillä on suuri potentiaali monilla alueilla.CTLA-4:n ja CD161:n (KLRB1) ekspressio on alhaisempi korkean riskin ryhmissä, mikä osoittaa edelleen, että potilaat, joilla on korkean riskin pisteet, eivät ehkä ole kelvollisia ICI-hoitoon.[38]
Riskipotilaille sopivien hoitovaihtoehtojen löytämiseksi analysoimme erilaisia syöpälääkkeitä ja havaitsimme, että PAAD-potilailla laajasti käytetyt paklitakseli, sorafenibi ja erlotinibi voivat sopia korkean riskin PAAD-potilaille.[33].Zhang ym. havaitsivat, että mutaatiot missä tahansa DNA-vauriovasteen (DDR) reitissä voivat johtaa huonoon ennusteeseen eturauhassyöpäpotilailla [39].Haimasyöpä Olaparib Ongoing (POLO) -tutkimus osoitti, että ylläpitohoito olaparibilla pidensi taudin etenemistä vapaata eloonjäämistä verrattuna lumelääkkeeseen ensilinjan platinapohjaisen kemoterapian jälkeen potilailla, joilla oli haiman duktaalisen adenokarsinooma ja ituradan BRCA1/2-mutaatiot [40].Tämä antaa merkittävää optimismia siitä, että hoitotulokset paranevat merkittävästi tässä potilasryhmässä.Tässä tutkimuksessa AZD.2281:n (olaparibin) IC50-arvo oli korkeampi suuren riskin ryhmässä, mikä osoittaa, että PAAD-potilaat suuren riskin ryhmässä saattavat olla resistenttejä AZD.2281-hoidolle.
Tämän tutkimuksen ennustemallit tuottavat hyviä ennustetuloksia, mutta ne perustuvat analyyttisiin ennusteisiin.Kuinka vahvistaa nämä tulokset kliinisillä tiedoilla, on tärkeä kysymys.Endoskooppisesta hienoneula-aspiraatioultraäänitutkimuksesta (EUS-FNA) on tullut korvaamaton menetelmä kiinteiden ja ekstrapankreaattisten haimavaurioiden diagnosoinnissa, jonka herkkyys on 85 % ja spesifisyys 98 % [41].EUS-hienoneulabiopsia (EUS-FNB) -neulojen tulo perustuu pääasiassa havaittuihin etuihin verrattuna FNA:han, kuten korkeampi diagnostinen tarkkuus, näytteiden saaminen, jotka säilyttävät histologisen rakenteen ja siten tietyille diagnooseille kriittisen immuunikudoksen muodostuminen.erikoisvärjäys [42].Kirjallisuuden systemaattinen katsaus vahvisti, että FNB-neulat (erityisesti 22G) osoittavat tehokkaimman kudoksen keräämisen haimamassasta [43].Kliinisesti vain pieni määrä potilaita on kelvollinen radikaaliin leikkaukseen, ja useimmilla potilailla on leikkauskelvottomia kasvaimia alkuperäisen diagnoosin aikaan.Kliinisessä käytännössä vain pieni osa potilaista soveltuu radikaaliin leikkaukseen, koska useimmilla potilailla on alkudiagnoosin aikaan leikkauskelvottomia kasvaimia.Patologisen vahvistuksen jälkeen EUS-FNB:llä ja muilla menetelmillä valitaan yleensä standardoitu ei-kirurginen hoito, kuten kemoterapia.Seuraava tutkimusohjelmamme on testata tämän tutkimuksen ennustemallia kirurgisissa ja ei-kirurgisissa kohortteissa retrospektiivisen analyysin avulla.
Kaiken kaikkiaan tutkimuksemme loi uuden prognostisen riskimallin, joka perustuu parilliseen irlncRNA:han, joka osoitti lupaavaa ennustearvoa potilailla, joilla oli haimasyöpä.Prognostinen riskimallimme voi auttaa erottamaan PAAD-potilaat, jotka sopivat lääketieteelliseen hoitoon.
Tässä tutkimuksessa käytetyt ja analysoidut aineistot ovat saatavilla vastaavalta kirjoittajalta kohtuullisesta pyynnöstä.
Sui Wen, Gong X, Zhuang Y. Itsetehokkuuden välittäjärooli negatiivisten tunteiden säätelyssä COVID-19-pandemian aikana: poikkileikkaustutkimus.Int J Ment Health Nurs [lehtiartikkeli].2021 6.1.2021;30(3):759–71.
Sui Wen, Gong X, Qiao X, Zhang L, Cheng J, Dong J et ai.Perheenjäsenten näkemykset vaihtoehtoisesta päätöksenteosta tehohoitoyksiköissä: systemaattinen katsaus.INT J NURS STUD [lehtiartikkeli;arvostelu].2023 01/01/2023;137:104391.
Vincent A, Herman J, Schulich R, Hruban RH, Goggins M. Haimasyöpä.Lansetti.[Lehtiartikkeli;tutkimuksen tuki, NIH, ulkopuolinen;tutkimustuki, hallitus Yhdysvaltojen ulkopuolella;arvostelu].2011 13.8.2011; 378(9791):607–20.
Ilic M, Ilic I. Haimasyövän epidemiologia.World Journal of Gastroenterology.[Lehtiartikkeli, arvostelu].2016 28.11.2016; 22(44):9694–705.
Liu X, Chen B, Chen J, Sun S. Uusi tp53:een liittyvä nomogrammi haimasyöpäpotilaiden kokonaiseloonjäämisen ennustamiseksi.BMC Cancer [lehtiartikkeli].2021 31-03-2021; 21(1):335.
Xian X, Zhu X, Chen Y, Huang B, Xiang W. Liuoskeskeisen hoidon vaikutus syöpään liittyvään väsymykseen kolorektaalisyöpäpotilailla, jotka saavat kemoterapiaa: satunnaistettu kontrolloitu tutkimus.Syöpähoitaja.[Lehtiartikkeli;satunnainen kontrolloitu kokeilu;tutkimusta tukee Yhdysvaltojen ulkopuolinen hallitus].2022 5.1.2022;45(3):E663–73.
Zhang Cheng, Zheng Wen, Lu Y, Shan L, Xu Dong, Pan Y et ai.Leikkauksen jälkeiset karsinoembryonaaliset antigeenit (CEA) ennustavat lopputulosta kolorektaalisyövän resektion jälkeen potilailla, joilla on normaalit preoperatiiviset CEA-tasot.Translatiivisen syöväntutkimuksen keskus.[Lehtiartikkeli].2020 01.01.2020;9(1):111–8.
Hong Wen, Liang Li, Gu Yu, Qi Zi, Qiu Hua, Yang X jne.Immuunijärjestelmään liittyvät lncRNA:t luovat uusia allekirjoituksia ja ennustavat ihmisen hepatosellulaarisen karsinooman immuunimaisemaa.Mol Ther Nucleic acids [lehtiartikkeli].2020 2020-12-04;22:937 – 47.
Toffey RJ, Zhu Y., Schulich RD Immunoterapia haimasyövälle: esteitä ja läpimurtoja.Ann Gastrointestinal Surgeon [lehtiartikkeli;arvostelu].2018 7.1.2018;2(4):274–81.
Hull R, Mbita Z, Dlamini Z. Pitkät ei-koodaavat RNA:t (LncRNA:t), virustuumorigenomiikka ja poikkeavat silmukointitapahtumat: terapeuttiset vaikutukset.AM J CANCER RES [lehtiartikkeli;arvostelu].2021 20.1.2021;11(3):866–83.
Wang J, Chen P, Zhang Y, Ding J, Yang Y, Li H. 11-Identification of lncRNA signatures related to endometriumin syövän ennuste.Tieteen saavutukset [lehtiartikkeli].2021 2021-01-01;104(1):311977089.
Jiang S, Ren H, Liu S, Lu Z, Xu A, Qin S, et ai.Kattava analyysi RNA:ta sitovista proteiinien prognostisista geeneistä ja lääkekandidaateista papillaarisolujen munuaissolukarsinoomassa.pregen.[Lehtiartikkeli].2021 20.1.2021;12:627508.
Li X, Chen J, Yu Q, Huang X, Liu Z, Wang X, et ai.Autofagiaan liittyvän pitkän ei-koodaavan RNA:n ominaisuudet ennustavat rintasyövän ennustetta.pregen.[Lehtiartikkeli].2021 20.1.2021;12:569318.
Zhou M, Zhang Z, Zhao X, Bao S, Cheng L, Sun J. Immune-related six lncRNA signature parantaa ennustetta glioblastooma multiformessa.MOL Neurobiologia.[Lehtiartikkeli].2018 01.05.2018;55(5):3684–97.
Wu B, Wang Q, Fei J, Bao Y, Wang X, Song Z et ai.Uusi tri-lncRNA-allekirjoitus ennustaa haimasyöpäpotilaiden selviytymistä.ONKOLIN EDUSTAJAT.[Lehtiartikkeli].2018 12.1.2018;40(6):3427–37.
Luo C, Lin K, Hu C, Zhu X, Zhu J, Zhu Z. LINC01094 edistää haimasyövän etenemistä säätelemällä LIN28B:n ilmentymistä ja PI3K/AKT-reittiä sienimäisen miR-577:n kautta.Mol Therapeutics – Nukleiinihapot.2021;26:523–35.
Lin J, Zhai X, Zou S, Xu Z, Zhang J, Jiang L, et ai.Positiivinen palaute lncRNA FLVCR1-AS1:n ja KLF10:n välillä voi estää haimasyövän etenemistä PTEN/AKT-reitin kautta.J EXP Clin Cancer Res.2021;40(1).
Zhou X, Liu X, Zeng X, Wu D, Liu L. Kolmetoista geenin tunnistaminen, jotka ennustavat kokonaiseloonjäämistä hepatosellulaarisessa karsinoomassa.Biosci Rep [lehtiartikkeli].2021 9.4.2021.
Postitusaika: 22.9.2023