Kanser pankreas adalah salah satu tumor yang paling mematikan di dunia dengan prognosis yang buruk.Oleh itu, model ramalan yang tepat diperlukan untuk mengenal pasti pesakit yang berisiko tinggi menghidap kanser pankreas untuk menyesuaikan rawatan dan meningkatkan prognosis pesakit ini.
Kami memperoleh data pancreatic adenocarcinoma (PAAD) The Cancer Genome Atlas (TCGA) RNAseq daripada pangkalan data UCSC Xena, mengenal pasti lncRNA berkaitan imun (irlncRNAs) melalui analisis korelasi, dan mengenal pasti perbezaan antara TCGA dan tisu adenokarsinoma pankreas normal.DEirlncRNA) daripada TCGA dan ekspresi tisu genotip (GTEx) tisu pankreas.Analisis regresi univariat dan laso selanjutnya dilakukan untuk membina model tandatangan prognostik.Kami kemudian mengira kawasan di bawah lengkung dan menentukan nilai cutoff optimum untuk mengenal pasti pesakit dengan adenokarsinoma pankreas berisiko tinggi dan rendah.Untuk membandingkan ciri klinikal, penyusupan sel imun, persekitaran mikro imunosupresif, dan rintangan kemoterapi pada pesakit dengan kanser pankreas berisiko tinggi dan rendah.
Kami mengenal pasti 20 pasangan DEirlncRNA dan mengumpulkan pesakit mengikut nilai cutoff optimum.Kami menunjukkan bahawa model tandatangan prognostik kami mempunyai prestasi yang signifikan dalam meramalkan prognosis pesakit dengan PAAD.AUC bagi keluk ROC ialah 0.905 untuk ramalan 1 tahun, 0.942 untuk ramalan 2 tahun dan 0.966 untuk ramalan 3 tahun.Pesakit berisiko tinggi mempunyai kadar survival yang lebih rendah dan ciri klinikal yang lebih teruk.Kami juga menunjukkan bahawa pesakit berisiko tinggi mengalami imunosupresi dan mungkin mengalami ketahanan terhadap imunoterapi.Penilaian ubat antikanser seperti paclitaxel, sorafenib, dan erlotinib berdasarkan alat ramalan pengiraan mungkin sesuai untuk pesakit berisiko tinggi dengan PAAD.
Secara keseluruhannya, kajian kami menubuhkan model risiko prognostik baharu berdasarkan irlncRNA berpasangan, yang menunjukkan nilai prognostik yang menjanjikan pada pesakit dengan kanser pankreas.Model risiko prognostik kami boleh membantu membezakan pesakit dengan PAAD yang sesuai untuk rawatan perubatan.
Kanser pankreas adalah tumor malignan dengan kadar survival lima tahun yang rendah dan gred tinggi.Pada masa diagnosis, kebanyakan pesakit sudah berada di peringkat lanjut.Dalam konteks wabak COVID-19, doktor dan jururawat berada di bawah tekanan yang sangat besar apabila merawat pesakit dengan kanser pankreas, dan keluarga pesakit juga menghadapi pelbagai tekanan apabila membuat keputusan rawatan [1, 2].Walaupun kemajuan besar telah dibuat dalam rawatan DOAD, seperti terapi neoadjuvant, reseksi pembedahan, terapi radiasi, kemoterapi, terapi molekul sasaran, dan perencat pusat pemeriksaan imun (ICI), hanya kira-kira 9% pesakit bertahan lima tahun selepas diagnosis [3]. ].], 4].Oleh kerana gejala awal adenokarsinoma pankreas adalah tidak tipikal, pesakit biasanya didiagnosis dengan metastasis pada peringkat lanjut [5].Oleh itu, bagi pesakit tertentu, rawatan komprehensif individu mesti menimbang kelebihan dan kekurangan semua pilihan rawatan, bukan sahaja untuk memanjangkan kelangsungan hidup, tetapi juga untuk meningkatkan kualiti hidup [6].Oleh itu, model ramalan yang berkesan adalah perlu untuk menilai dengan tepat prognosis pesakit [7].Justeru, rawatan yang sesuai boleh dipilih untuk mengimbangi kelangsungan hidup dan kualiti hidup pesakit PAAD.
Prognosis PAAD yang buruk adalah terutamanya disebabkan oleh penentangan terhadap ubat kemoterapi.Dalam beberapa tahun kebelakangan ini, perencat pusat pemeriksaan imun telah digunakan secara meluas dalam rawatan tumor pepejal [8].Walau bagaimanapun, penggunaan ICI dalam kanser pankreas jarang berjaya [9].Oleh itu, adalah penting untuk mengenal pasti pesakit yang mungkin mendapat manfaat daripada terapi ICI.
RNA bukan pengekodan panjang (lncRNA) ialah sejenis RNA bukan pengekodan dengan transkrip >200 nukleotida.LncRNAs meluas dan membentuk kira-kira 80% daripada transkrip manusia [10].Sebilangan besar kerja telah menunjukkan bahawa model prognostik berasaskan lncRNA boleh meramalkan prognosis pesakit dengan berkesan [11, 12].Sebagai contoh, 18 lncRNA berkaitan autophagy telah dikenalpasti untuk menghasilkan tandatangan prognostik dalam kanser payudara [13].Enam lncRNA berkaitan imun lain telah digunakan untuk mewujudkan ciri prognostik glioma [14].
Dalam kanser pankreas, beberapa kajian telah menubuhkan tandatangan berasaskan lncRNA untuk meramalkan prognosis pesakit.Tandatangan 3-lncRNA telah ditubuhkan dalam adenokarsinoma pankreas dengan kawasan di bawah lengkung ROC (AUC) hanya 0.742 dan kemandirian keseluruhan (OS) selama 3 tahun [15].Di samping itu, nilai ekspresi lncRNA berbeza antara genom yang berbeza, format data yang berbeza, dan pesakit yang berbeza, dan prestasi model ramalan adalah tidak stabil.Oleh itu, kami menggunakan algoritma pemodelan novel, berpasangan dan lelaran, untuk menjana tandatangan lncRNA (irlncRNA) berkaitan imuniti untuk mencipta model ramalan yang lebih tepat dan stabil [8].
Data RNAseq yang dinormalisasi (FPKM) dan data TCGA dan ekspresi tisu genotip (GTEx) kanser pankreas klinikal diperoleh daripada pangkalan data UCSC XENA ( https://xenabrowser.net/datapages/ ).Fail GTF diperoleh daripada pangkalan data Ensembl ( http://asia.ensembl.org ) dan digunakan untuk mengekstrak profil ekspresi lncRNA daripada RNAseq.Kami memuat turun gen berkaitan imuniti daripada pangkalan data ImmPort (//www.immport.org) dan mengenal pasti lncRNA berkaitan imuniti (irlncRNAs) menggunakan analisis korelasi (p <0.001, r > 0.4).Pengenalpastian irlncRNA yang dinyatakan secara berbeza (DEirlncRNAs) dengan melintasi irlncRNAs dan lncRNA yang dinyatakan secara berbeza yang diperoleh daripada pangkalan data GEPIA2 (http://gepia2.cancer-pku.cn/#index) dalam kohort TCGA-PAAD (|logFC| > 1 dan FDR ) <0.05).
Kaedah ini telah dilaporkan sebelum ini [8].Khususnya, kami membina X untuk menggantikan lncRNA A dan lncRNA B yang berpasangan. Apabila nilai ekspresi lncRNA A lebih tinggi daripada nilai ekspresi lncRNA B, X ditakrifkan sebagai 1, jika tidak X ditakrifkan sebagai 0. Oleh itu, kita boleh mendapatkan matriks 0 atau – 1. Paksi menegak matriks mewakili setiap sampel, dan paksi mendatar mewakili setiap pasangan DEirlncRNA dengan nilai 0 atau 1.
Analisis regresi univariat diikuti oleh regresi Lasso digunakan untuk menyaring pasangan DEirlncRNA prognostik.Analisis regresi laso menggunakan pengesahan silang 10 kali ganda diulang 1000 kali (p <0.05), dengan 1000 rangsangan rawak setiap larian.Apabila kekerapan setiap pasangan DEirlncRNA melebihi 100 kali dalam 1000 kitaran, pasangan DEirlncRNA telah dipilih untuk membina model risiko prognostik.Kami kemudian menggunakan keluk AUC untuk mencari nilai cutoff optimum untuk mengklasifikasikan pesakit PAAD ke dalam kumpulan berisiko tinggi dan rendah.Nilai AUC bagi setiap model juga dikira dan diplot sebagai lengkung.Jika lengkung mencapai titik tertinggi yang menunjukkan nilai AUC maksimum, proses pengiraan berhenti dan model dianggap sebagai calon terbaik.Model lengkung ROC 1, 3 dan 5 tahun telah dibina.Analisis regresi univariat dan multivariat digunakan untuk mengkaji prestasi ramalan bebas model risiko prognostik.
Gunakan tujuh alat untuk mengkaji kadar penyusupan sel imun, termasuk XCELL, TIMER, QUANTISEQ, MCPCOUNTER, EPIC, CIBERSORT-ABS dan CIBERSORT.Data penyusupan sel imun telah dimuat turun dari pangkalan data TIMER2 (//timer.comp-genomics.org/#tab-5817-3).Perbezaan dalam kandungan sel penyusupan imun antara kumpulan berisiko tinggi dan rendah model yang dibina telah dianalisis menggunakan ujian peringkat bertanda Wilcoxon, hasilnya ditunjukkan dalam graf persegi.Analisis korelasi Spearman dilakukan untuk menganalisis hubungan antara nilai skor risiko dan sel penyusupan imun.Pekali korelasi yang terhasil ditunjukkan sebagai lolipop.Ambang kepentingan ditetapkan pada p <0.05.Prosedur ini dilakukan menggunakan pakej R ggplot2.Untuk mengkaji hubungan antara model dan tahap ekspresi gen yang berkaitan dengan kadar penyusupan sel imun, kami melakukan pakej ggstatsplot dan visualisasi plot biola.
Untuk menilai corak rawatan klinikal untuk kanser pankreas, kami mengira IC50 ubat kemoterapi yang biasa digunakan dalam kohort TCGA-PAAD.Perbezaan dalam separuh kepekatan perencatan (IC50) antara kumpulan berisiko tinggi dan rendah telah dibandingkan dengan menggunakan ujian Wilcoxon signed-rank, dan hasilnya ditunjukkan sebagai boxplots yang dijana menggunakan pRRophetic dan ggplot2 dalam R. Semua kaedah mematuhi garis panduan dan norma yang berkaitan.
Aliran kerja kajian kami ditunjukkan dalam Rajah 1. Menggunakan analisis korelasi antara lncRNA dan gen berkaitan imuniti, kami memilih 724 irlncRNA dengan p <0.01 dan r > 0.4.Kami seterusnya menganalisis lncRNAs GEPIA2 yang dinyatakan secara berbeza (Rajah 2A).Sejumlah 223 irlncRNA dinyatakan secara berbeza antara adenokarsinoma pankreas dan tisu pankreas normal (|logFC| > 1, FDR <0.05), dinamakan DEirlncRNAs.
Pembinaan model risiko ramalan.(A) Plot gunung berapi bagi lncRNA yang dinyatakan secara berbeza.(B) Taburan pekali laso untuk 20 pasangan DEirlncRNA.(C) Varians kemungkinan separa bagi taburan pekali LASSO.(D) Plot hutan menunjukkan analisis regresi univariat bagi 20 pasangan DEirlncRNA.
Kami seterusnya membina matriks 0 atau 1 dengan memasangkan 223 DEirlncRNAs.Sebanyak 13,687 pasangan DEirlncRNA telah dikenalpasti.Selepas analisis regresi univariat dan laso, 20 pasangan DEirlncRNA akhirnya diuji untuk membina model risiko prognostik (Rajah 2B-D).Berdasarkan keputusan Lasso dan analisis regresi berganda, kami mengira skor risiko untuk setiap pesakit dalam kohort TCGA-PAAD (Jadual 1).Berdasarkan keputusan analisis regresi laso, kami mengira skor risiko untuk setiap pesakit dalam kohort TCGA-PAAD.AUC bagi keluk ROC ialah 0.905 untuk ramalan model risiko 1 tahun, 0.942 untuk ramalan 2 tahun, dan 0.966 untuk ramalan 3 tahun (Rajah 3A-B).Kami menetapkan nilai cutoff optimum 3.105, menyusun pesakit kohort TCGA-PAAD ke dalam kumpulan berisiko tinggi dan rendah, dan memplot hasil kelangsungan hidup dan pengagihan skor risiko untuk setiap pesakit (Rajah 3C-E).Analisis Kaplan-Meier menunjukkan bahawa kelangsungan hidup pesakit PAAD dalam kumpulan berisiko tinggi adalah jauh lebih rendah daripada pesakit dalam kumpulan berisiko rendah (p <0.001) (Rajah 3F).
Kesahihan model risiko prognostik.(A) ROC model risiko prognostik.(B) Model risiko prognostik ROC 1-, 2-, dan 3 tahun.(C) ROC model risiko prognostik.Menunjukkan titik pemotongan optimum.(DE) Taburan status kelangsungan hidup (D) dan skor risiko (E).(F) Analisis Kaplan-Meier pesakit PAAD dalam kumpulan berisiko tinggi dan rendah.
Kami selanjutnya menilai perbezaan dalam skor risiko mengikut ciri klinikal.Plot jalur (Rajah 4A) menunjukkan hubungan keseluruhan antara ciri klinikal dan skor risiko.Khususnya, pesakit yang lebih tua mempunyai skor risiko yang lebih tinggi (Rajah 4B).Di samping itu, pesakit dengan tahap II mempunyai skor risiko yang lebih tinggi daripada pesakit dengan tahap I (Rajah 4C).Mengenai gred tumor dalam pesakit PAAD, pesakit gred 3 mempunyai skor risiko yang lebih tinggi daripada pesakit gred 1 dan 2 (Rajah 4D).Kami selanjutnya melakukan analisis regresi univariat dan multivariate dan menunjukkan bahawa skor risiko (p <0.001) dan umur (p = 0.045) adalah faktor prognostik bebas pada pesakit dengan PAAD (Rajah 5A-B).Kurva ROC menunjukkan bahawa skor risiko lebih tinggi daripada ciri klinikal lain dalam meramalkan kelangsungan hidup 1-, 2-, dan 3 tahun pesakit dengan PAAD (Rajah 5C-E).
Ciri-ciri klinikal model risiko prognostik.Histogram (A) menunjukkan (B) umur, (C) peringkat tumor, (D) gred tumor, skor risiko, dan jantina pesakit dalam kohort TCGA-PAAD.**p < 0.01
Analisis ramalan bebas model risiko prognostik.(AB) Analisis regresi univariat (A) dan multivariate (B) bagi model risiko prognostik dan ciri klinikal.(CE) ROC 1-, 2-, dan 3 tahun untuk model risiko prognostik dan ciri klinikal
Oleh itu, kami mengkaji hubungan antara masa dan skor risiko.Kami mendapati bahawa skor risiko dalam pesakit PAAD berkorelasi songsang dengan sel T CD8 + dan sel NK (Rajah 6A), menunjukkan fungsi imun yang ditindas dalam kumpulan berisiko tinggi.Kami juga menilai perbezaan dalam penyusupan sel imun antara kumpulan berisiko tinggi dan rendah dan mendapati keputusan yang sama (Rajah 7).Terdapat kurang penyusupan sel T CD8+ dan sel NK dalam kumpulan berisiko tinggi.Dalam beberapa tahun kebelakangan ini, perencat pusat pemeriksaan imun (ICI) telah digunakan secara meluas dalam rawatan tumor pepejal.Walau bagaimanapun, penggunaan ICI dalam kanser pankreas jarang berjaya.Oleh itu, kami menilai ekspresi gen pusat pemeriksaan imun dalam kumpulan berisiko tinggi dan rendah.Kami mendapati bahawa CTLA-4 dan CD161 (KLRB1) telah diekspresikan secara berlebihan dalam kumpulan berisiko rendah (Rajah 6B-G), menunjukkan bahawa pesakit PAAD dalam kumpulan berisiko rendah mungkin sensitif terhadap ICI.
Analisis korelasi model risiko prognostik dan penyusupan sel imun.(A) Korelasi antara model risiko prognostik dan penyusupan sel imun.(BG) Menunjukkan ekspresi gen dalam kumpulan berisiko tinggi dan rendah.(HK) Nilai IC50 untuk ubat antikanser khusus dalam kumpulan berisiko tinggi dan rendah.*p < 0.05, **p < 0.01, ns = tidak signifikan
Kami selanjutnya menilai persatuan antara skor risiko dan agen kemoterapi biasa dalam kohort TCGA-PAAD.Kami mencari ubat antikanser yang biasa digunakan dalam kanser pankreas dan menganalisis perbezaan dalam nilai IC50 mereka antara kumpulan berisiko tinggi dan rendah.Keputusan menunjukkan bahawa nilai IC50 AZD.2281 (olaparib) adalah lebih tinggi dalam kumpulan berisiko tinggi, menunjukkan bahawa pesakit PAAD dalam kumpulan berisiko tinggi mungkin tahan terhadap rawatan AZD.2281 (Rajah 6H).Di samping itu, nilai IC50 paclitaxel, sorafenib, dan erlotinib adalah lebih rendah dalam kumpulan berisiko tinggi (Rajah 6I-K).Kami selanjutnya mengenal pasti 34 ubat antikanser dengan nilai IC50 yang lebih tinggi dalam kumpulan berisiko tinggi dan 34 ubat antikanser dengan nilai IC50 yang lebih rendah dalam kumpulan berisiko tinggi (Jadual 2).
Tidak dapat dinafikan bahawa lncRNA, mRNA, dan miRNA secara meluas wujud dan memainkan peranan penting dalam perkembangan kanser.Terdapat banyak bukti yang menyokong peranan penting mRNA atau miRNA dalam meramalkan kelangsungan hidup keseluruhan dalam beberapa jenis kanser.Tidak dinafikan, banyak model risiko prognostik juga berdasarkan lncRNA.Sebagai contoh, Luo et al.Kajian telah menunjukkan bahawa LINC01094 memainkan peranan penting dalam percambahan PC dan metastasis, dan ekspresi tinggi LINC01094 menunjukkan kelangsungan hidup pesakit kanser pankreas yang lemah [16].Kajian yang dibentangkan oleh Lin et al.Kajian telah menunjukkan bahawa downregulation lncRNA FLVCR1-AS1 dikaitkan dengan prognosis yang buruk dalam pesakit kanser pankreas [17].Walau bagaimanapun, lncRNA yang berkaitan dengan imuniti agak kurang dibincangkan dari segi meramalkan kelangsungan hidup keseluruhan pesakit kanser.Baru-baru ini, sejumlah besar kerja telah tertumpu pada membina model risiko prognostik untuk meramalkan kelangsungan hidup pesakit kanser dan dengan itu menyesuaikan kaedah rawatan [18, 19, 20].Terdapat pengiktirafan yang semakin meningkat tentang peranan penting infiltrat imun dalam permulaan, perkembangan dan tindak balas kanser terhadap rawatan seperti kemoterapi.Banyak kajian telah mengesahkan bahawa sel imun yang menyusup tumor memainkan peranan penting dalam tindak balas kepada kemoterapi sitotoksik [21, 22, 23].Persekitaran mikro imun tumor adalah faktor penting dalam kelangsungan hidup pesakit tumor [24, 25].Imunoterapi, terutamanya terapi ICI, digunakan secara meluas dalam rawatan tumor pepejal [26].Gen berkaitan imun digunakan secara meluas untuk membina model risiko prognostik.Sebagai contoh, Su et al.Model risiko prognostik berkaitan imun adalah berdasarkan gen pengekodan protein untuk meramalkan prognosis pesakit kanser ovari [27].Gen bukan pengekodan seperti lncRNA juga sesuai untuk membina model risiko prognostik [28, 29, 30].Luo et al menguji empat lncRNA yang berkaitan dengan imun dan membina model ramalan untuk risiko kanser serviks [31].Khan et al.Sebanyak 32 transkrip yang dinyatakan secara berbeza telah dikenalpasti, dan berdasarkan ini, model ramalan dengan 5 transkrip penting telah ditubuhkan, yang dicadangkan sebagai alat yang sangat disyorkan untuk meramalkan penolakan akut yang terbukti biopsi selepas pemindahan buah pinggang [32].
Kebanyakan model ini adalah berdasarkan tahap ekspresi gen, sama ada gen pengekodan protein atau gen bukan pengekodan.Walau bagaimanapun, gen yang sama boleh mempunyai nilai ekspresi yang berbeza dalam genom yang berbeza, format data dan dalam pesakit yang berbeza, yang membawa kepada anggaran yang tidak stabil dalam model ramalan.Dalam kajian ini, kami membina model yang munasabah dengan dua pasang lncRNA, bebas daripada nilai ekspresi yang tepat.
Dalam kajian ini, kami mengenal pasti irlncRNA buat kali pertama melalui analisis korelasi dengan gen yang berkaitan dengan imuniti.Kami menyaring 223 DEirlncRNAs dengan hibridisasi dengan lncRNA yang dinyatakan secara berbeza.Kedua, kami membina matriks 0-atau-1 berdasarkan kaedah pasangan DEirlncRNA yang diterbitkan [31].Kami kemudiannya melakukan analisis regresi univariat dan laso untuk mengenal pasti pasangan DEirlncRNA prognostik dan membina model risiko ramalan.Kami selanjutnya menganalisis hubungan antara skor risiko dan ciri klinikal pada pesakit dengan PAAD.Kami mendapati bahawa model risiko prognostik kami, sebagai faktor prognostik bebas dalam pesakit PAAD, boleh membezakan pesakit gred tinggi secara berkesan daripada pesakit gred rendah dan pesakit gred tinggi daripada pesakit gred rendah.Di samping itu, nilai AUC bagi keluk ROC model risiko prognostik ialah 0.905 untuk ramalan 1 tahun, 0.942 untuk ramalan 2 tahun, dan 0.966 untuk ramalan 3 tahun.
Penyelidik melaporkan bahawa pesakit dengan penyusupan sel T CD8+ yang lebih tinggi adalah lebih sensitif terhadap rawatan ICI [33].Peningkatan kandungan sel sitotoksik, sel NK CD56, sel NK dan sel T CD8+ dalam persekitaran mikro imun tumor mungkin menjadi salah satu sebab untuk kesan penindasan tumor [34].Kajian terdahulu menunjukkan bahawa tahap yang lebih tinggi CD4(+) T dan CD8(+) T yang menyusup tumor secara signifikan dikaitkan dengan kelangsungan hidup yang lebih lama [35].Penyusupan sel CD8 T yang lemah, beban neoantigen yang rendah, dan persekitaran mikro tumor yang sangat imunosupresif menyebabkan kekurangan tindak balas terhadap terapi ICI [36].Kami mendapati bahawa skor risiko berkorelasi negatif dengan sel T CD8+ dan sel NK, menunjukkan bahawa pesakit yang mempunyai skor risiko tinggi mungkin tidak sesuai untuk rawatan ICI dan mempunyai prognosis yang lebih teruk.
CD161 adalah penanda sel pembunuh semulajadi (NK).Sel T transduksi CD8+CD161+ CAR dipertingkatkan keberkesanan antitumor in vivo dalam model xenograf adenokarsinoma duktal pankreas HER2+ [37].Inhibitor pusat pemeriksaan imun menyasarkan laluan protein berkaitan limfosit T sitotoksik 4 (CTLA-4) dan protein kematian sel terprogram 1 (PD-1)/ligan kematian sel terprogram 1 (PD-L1) dan mempunyai potensi besar dalam banyak kawasan.Ekspresi CTLA-4 dan CD161 (KLRB1) adalah lebih rendah dalam kumpulan berisiko tinggi, seterusnya menunjukkan bahawa pesakit dengan skor berisiko tinggi mungkin tidak layak untuk rawatan ICI.[38]
Untuk mencari pilihan rawatan yang sesuai untuk pesakit berisiko tinggi, kami menganalisis pelbagai ubat antikanser dan mendapati bahawa paclitaxel, sorafenib, dan erlotinib, yang digunakan secara meluas dalam pesakit PAAD, mungkin sesuai untuk pesakit berisiko tinggi dengan PAAD.[33].Zhang et al mendapati bahawa mutasi dalam mana-mana laluan tindak balas kerosakan DNA (DDR) boleh membawa kepada prognosis yang buruk dalam pesakit kanser prostat [39].Percubaan Kanser Pankreas Olaparib Ongoing (POLO) menunjukkan bahawa rawatan penyelenggaraan dengan olaparib memanjangkan kelangsungan hidup tanpa perkembangan berbanding plasebo selepas kemoterapi berasaskan platinum lini pertama pada pesakit dengan adenokarsinoma duktus pankreas dan mutasi BRCA1/2 germline [40].Ini memberikan keyakinan yang ketara bahawa hasil rawatan akan bertambah baik dengan ketara dalam subkumpulan pesakit ini.Dalam kajian ini, nilai IC50 AZD.2281 (olaparib) adalah lebih tinggi dalam kumpulan berisiko tinggi, menunjukkan bahawa pesakit PAAD dalam kumpulan berisiko tinggi mungkin tahan terhadap rawatan dengan AZD.2281.
Model ramalan dalam kajian ini menghasilkan keputusan ramalan yang baik, tetapi ia adalah berdasarkan ramalan analitikal.Bagaimana untuk mengesahkan keputusan ini dengan data klinikal adalah soalan penting.Ultrasonografi aspirasi jarum halus endoskopik (EUS-FNA) telah menjadi kaedah yang sangat diperlukan untuk mendiagnosis lesi pankreas pepejal dan ekstrapankreas dengan sensitiviti 85% dan kekhususan 98% [41].Kemunculan jarum biopsi jarum halus EUS (EUS-FNB) adalah berdasarkan kelebihan yang dirasakan berbanding FNA, seperti ketepatan diagnostik yang lebih tinggi, mendapatkan sampel yang mengekalkan struktur histologi, dan seterusnya menjana tisu imun yang penting untuk diagnosis tertentu .pewarnaan khas [42].Kajian sistematik literatur mengesahkan bahawa jarum FNB (terutamanya 22G) menunjukkan kecekapan tertinggi dalam penuaian tisu daripada jisim pankreas [43].Secara klinikal, hanya sebilangan kecil pesakit yang layak menjalani pembedahan radikal, dan kebanyakan pesakit mempunyai tumor yang tidak boleh dibedah pada masa diagnosis awal.Dalam amalan klinikal, hanya sebahagian kecil pesakit yang sesuai untuk pembedahan radikal kerana kebanyakan pesakit mempunyai tumor yang tidak boleh dibedah pada masa diagnosis awal.Selepas pengesahan patologi oleh EUS-FNB dan kaedah lain, rawatan bukan pembedahan piawai seperti kemoterapi biasanya dipilih.Program penyelidikan kami yang seterusnya adalah untuk menguji model prognostik kajian ini dalam kohort pembedahan dan bukan pembedahan melalui analisis retrospektif.
Secara keseluruhannya, kajian kami menubuhkan model risiko prognostik baharu berdasarkan irlncRNA berpasangan, yang menunjukkan nilai prognostik yang menjanjikan pada pesakit dengan kanser pankreas.Model risiko prognostik kami boleh membantu membezakan pesakit dengan PAAD yang sesuai untuk rawatan perubatan.
Set data yang digunakan dan dianalisis dalam kajian semasa tersedia daripada pengarang yang sepadan atas permintaan yang munasabah.
Sui Wen, Gong X, Zhuang Y. Peranan pengantara keberkesanan diri dalam pengawalan emosi emosi negatif semasa pandemik COVID-19: kajian keratan rentas.Jururawat Kesihatan Int J Ment [artikel jurnal].2021 06/01/2021;30(3):759–71.
Sui Wen, Gong X, Qiao X, Zhang L, Cheng J, Dong J, et al.Pandangan ahli keluarga tentang membuat keputusan alternatif di unit rawatan rapi: kajian sistematik.INT J NURS STUD [artikel majalah;semakan].2023 01/01/2023;137:104391.
Vincent A, Herman J, Schulich R, Hruban RH, Goggins M. Kanser pankreas.Lancet.[Artikel jurnal;sokongan penyelidikan, NIH, extramural;sokongan penyelidikan, kerajaan di luar AS;semakan].2011 08/13/2011;378(9791):607–20.
Ilic M, Ilic I. Epidemiologi kanser pankreas.Jurnal Dunia Gastroenterologi.[Artikel jurnal, ulasan].2016 28/11/2016;22(44):9694–705.
Liu X, Chen B, Chen J, Sun S. Nomogram berkaitan tp53 baru untuk meramalkan kelangsungan hidup keseluruhan pada pesakit dengan kanser pankreas.BMC Cancer [artikel jurnal].2021 31-03-2021;21(1):335.
Xian X, Zhu X, Chen Y, Huang B, Xiang W. Kesan terapi tertumpu penyelesaian pada keletihan berkaitan kanser dalam pesakit kanser kolorektal yang menerima kemoterapi: percubaan terkawal rawak.Jururawat kanser.[Artikel jurnal;percubaan terkawal rawak;kajian itu disokong oleh kerajaan di luar Amerika Syarikat].2022 05/01/2022;45(3):E663–73.
Zhang Cheng, Zheng Wen, Lu Y, Shan L, Xu Dong, Pan Y, et al.Tahap antigen karsinoembrionik (CEA) pasca operasi meramalkan hasil selepas reseksi kanser kolorektal pada pesakit dengan tahap CEA praoperasi yang normal.Pusat Penyelidikan Kanser Translasi.[Artikel jurnal].2020 01.01.2020;9(1):111–8.
Hong Wen, Liang Li, Gu Yu, Qi Zi, Qiu Hua, Yang X, et al.lncRNA berkaitan imun menjana tandatangan baru dan meramalkan landskap imun karsinoma hepatoselular manusia.Asid nukleik Mol Ther [Artikel jurnal].2020 2020-12-04;22:937 – 47.
Toffey RJ, Zhu Y., Schulich RD Imunoterapi untuk kanser pankreas: halangan dan kejayaan.Ann Pakar Bedah Gastrointestinal [Artikel Jurnal;semakan].2018 07/01/2018;2(4):274–81.
Hull R, Mbita Z, Dlamini Z. RNA bukan pengekodan panjang (LncRNAs), genomik tumor virus dan peristiwa penyambungan menyimpang: implikasi terapeutik.AM J CANCER RES [artikel jurnal;semakan].2021 01/20/2021;11(3):866–83.
Wang J, Chen P, Zhang Y, Ding J, Yang Y, Li H. 11-Pengenalpastian tandatangan lncRNA yang dikaitkan dengan prognosis kanser endometrium.Pencapaian sains [artikel majalah].2021 2021-01-01;104(1):311977089.
Jiang S, Ren H, Liu S, Lu Z, Xu A, Qin S, et al.Analisis komprehensif gen prognostik protein pengikat RNA dan calon ubat dalam karsinoma sel renal sel papillary.pregen.[Artikel jurnal].2021 01/20/2021;12:627508.
Li X, Chen J, Yu Q, Huang X, Liu Z, Wang X, et al.Ciri-ciri RNA bukan pengekodan panjang berkaitan autophagy meramalkan prognosis kanser payudara.pregen.[Artikel jurnal].2021 01/20/2021;12:569318.
Zhou M, Zhang Z, Zhao X, Bao S, Cheng L, Sun J. enam tandatangan lncRNA berkaitan imun meningkatkan prognosis dalam glioblastoma multiforme.MOL Neurobiologi.[Artikel jurnal].2018 01.05.2018;55(5):3684–97.
Wu B, Wang Q, Fei J, Bao Y, Wang X, Lagu Z, et al.Tanda tangan tri-lncRNA novel meramalkan kelangsungan hidup pesakit dengan kanser pankreas.WAKIL ONKOL.[Artikel jurnal].2018 12/01/2018;40(6):3427–37.
Luo C, Lin K, Hu C, Zhu X, Zhu J, Zhu Z. LINC01094 menggalakkan perkembangan kanser pankreas dengan mengawal selia ekspresi LIN28B dan laluan PI3K/AKT melalui span miR-577.Mol Therapeutics – Asid nukleik.2021;26:523–35.
Lin J, Zhai X, Zou S, Xu Z, Zhang J, Jiang L, et al.Maklum balas positif antara lncRNA FLVCR1-AS1 dan KLF10 mungkin menghalang perkembangan kanser pankreas melalui laluan PTEN/AKT.J EXP Clin Cancer Res.2021;40(1).
Zhou X, Liu X, Zeng X, Wu D, Liu L. Pengenalpastian tiga belas gen yang meramalkan kelangsungan hidup keseluruhan dalam karsinoma hepatoselular.Biosci Rep [artikel jurnal].2021 04/09/2021.
Masa siaran: Sep-22-2023