Kanser pankreas merupakan salah satu tumor paling berbahaya di dunia dengan prognosis yang buruk. Oleh itu, model ramalan yang tepat diperlukan untuk mengenal pasti pesakit berisiko tinggi menghidap kanser pankreas bagi menyesuaikan rawatan dan meningkatkan prognosis pesakit-pesakit ini.
Kami memperoleh data RNAseq adenokarsinoma pankreas (PAAD) Atlas Genom Kanser (TCGA) daripada pangkalan data UCSC Xena, mengenal pasti lncRNA berkaitan imun (irlncRNA) melalui analisis korelasi, dan mengenal pasti perbezaan antara tisu adenokarsinoma pankreas TCGA dan normal. DEirlncRNA) daripada TCGA dan ekspresi tisu genotip (GTEx) tisu pankreas. Analisis regresi univariat dan lasso selanjutnya telah dijalankan untuk membina model tandatangan prognostik. Kami kemudian mengira luas di bawah lengkung dan menentukan nilai pemotongan optimum untuk mengenal pasti pesakit dengan adenokarsinoma pankreas berisiko tinggi dan rendah. Untuk membandingkan ciri-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 pemotongan optimum. Kami menunjukkan bahawa model tandatangan prognostik kami mempunyai prestasi yang ketara dalam meramalkan prognosis pesakit dengan PAAD. AUC lengkung 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-ciri klinikal yang lebih teruk. Kami juga menunjukkan bahawa pesakit berisiko tinggi mengalami imunosupresi dan mungkin mengalami rintangan terhadap imunoterapi. Penilaian ubat antikanser seperti paclitaxel, sorafenib, dan erlotinib berdasarkan alat ramalan pengiraan mungkin sesuai untuk pesakit berisiko tinggi dengan PAAD.
Secara keseluruhan, kajian kami telah mewujudkan model risiko prognostik baharu berdasarkan irlncRNA berpasangan, yang menunjukkan nilai prognostik yang menjanjikan pada pesakit kanser pankreas. Model risiko prognostik kami boleh membantu membezakan pesakit PAAD yang sesuai untuk rawatan perubatan.
Kanser pankreas merupakan tumor malignan dengan kadar kelangsungan hidup lima tahun yang rendah dan gred yang tinggi. Pada masa diagnosis, kebanyakan pesakit sudah berada di peringkat lanjut. Dalam konteks wabak COVID-19, doktor dan jururawat berada di bawah tekanan yang besar ketika merawat pesakit kanser pankreas, dan keluarga pesakit juga menghadapi pelbagai tekanan ketika membuat keputusan rawatan [1, 2]. Walaupun kemajuan besar telah dicapai dalam rawatan DOAD, seperti terapi neoadjuvan, reseksi pembedahan, terapi radiasi, kemoterapi, terapi molekul yang disasarkan, dan perencat titik semak imun (ICI), hanya kira-kira 9% pesakit yang hidup 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 mempertimbangkan kelebihan dan kekurangan semua pilihan rawatan, bukan sahaja untuk memanjangkan jangka hayat, tetapi juga untuk meningkatkan kualiti hidup [6]. Oleh itu, model ramalan yang berkesan adalah perlu untuk menilai prognosis pesakit dengan tepat [7]. Oleh itu, rawatan yang sesuai boleh dipilih untuk mengimbangi kelangsungan hidup dan kualiti hidup pesakit PAAD.
Prognosis PAAD yang buruk terutamanya disebabkan oleh rintangan terhadap ubat kemoterapi. Dalam beberapa tahun kebelakangan ini, perencat titik semak 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. LncRNA adalah meluas dan membentuk kira-kira 80% daripada transkriptom manusia [10]. Sejumlah besar kajian telah menunjukkan bahawa model prognostik berasaskan lncRNA boleh meramalkan prognosis pesakit dengan berkesan [11, 12]. Contohnya, 18 lncRNA berkaitan autofagi telah dikenal pasti untuk menghasilkan tanda prognostik dalam kanser payudara [13]. Enam lncRNA berkaitan imun lain telah digunakan untuk menentukan ciri prognostik glioma [14].
Dalam kanser pankreas, beberapa kajian telah mewujudkan tandatangan berasaskan lncRNA untuk meramalkan prognosis pesakit. Tandatangan 3-lncRNA telah ditubuhkan dalam adenokarsinoma pankreas dengan luas di bawah lengkung ROC (AUC) hanya 0.742 dan kelangsungan hidup keseluruhan (OS) selama 3 tahun [15]. Di samping itu, nilai ekspresi lncRNA berbeza-beza 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, pasangan dan iterasi baharu, untuk menjana tandatangan lncRNA (irlncRNA) berkaitan imuniti untuk mencipta model ramalan yang lebih tepat dan stabil [8].
Data RNAseq ternormalisasi (FPKM) dan data TCGA kanser pankreas klinikal dan ekspresi tisu genotip (GTEx) 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 (http://www.immport.org) dan mengenal pasti lncRNA berkaitan imuniti (irlncRNA) menggunakan analisis korelasi (p < 0.001, r > 0.4). Pengenalpastian irlncRNA yang diekspresikan secara berbeza (DEirlncRNA) dengan menyilangkan irlncRNA dan lncRNA yang diekspresikan 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]. Secara khususnya, kami membina X untuk menggantikan pasangan lncRNA A dan lncRNA B. 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 dengan regresi Lasso digunakan untuk menyaring pasangan DEirlncRNA prognostik. Analisis regresi lasso menggunakan pengesahan silang 10 kali ganda yang diulang sebanyak 1000 kali (p < 0.05), dengan 1000 rangsangan rawak setiap larian. Apabila kekerapan setiap pasangan DEirlncRNA melebihi 100 kali dalam 1000 kitaran, pasangan DEirlncRNA dipilih untuk membina model risiko prognostik. Kami kemudian menggunakan lengkung AUC untuk mencari nilai pemotongan optimum bagi mengklasifikasikan pesakit PAAD kepada kumpulan berisiko tinggi dan rendah. Nilai AUC setiap model juga dikira dan diplotkan 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 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 daripada pangkalan data TIMER2 (http://timer.comp-genomics.org/#tab-5817-3). Perbezaan kandungan sel penyusupan imun antara kumpulan berisiko tinggi dan rendah bagi model yang dibina telah dianalisis menggunakan ujian pangkat bertanda Wilcoxon, keputusannya ditunjukkan dalam graf segi empat sama. Analisis korelasi Spearman telah dilakukan untuk menganalisis hubungan antara nilai skor risiko dan sel penyusupan imun. Pekali korelasi yang terhasil ditunjukkan sebagai gula-gula. Ambang kepentingan telah ditetapkan pada p < 0.05. Prosedur ini telah dilakukan menggunakan pakej R ggplot2. Untuk mengkaji hubungan antara model dan tahap ekspresi gen yang berkaitan dengan kadar penyusupan sel imun, kami telah 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 kepekatan perencatan separuh (IC50) antara kumpulan berisiko tinggi dan rendah telah dibandingkan menggunakan ujian Wilcoxon signed-rank, dan hasilnya ditunjukkan sebagai plot kotak 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. Seterusnya, kami menganalisis lncRNA GEPIA2 yang diekspresikan secara berbeza (Rajah 2A). Sebanyak 223 irlncRNA diekspresikan secara berbeza antara adenokarsinoma pankreas dan tisu pankreas normal (|logFC| > 1, FDR < 0.05), dinamakan DEirlncRNA.
Pembinaan model risiko ramalan. (A) Plot gunung berapi bagi lncRNA yang diekspresikan secara berbeza. (B) Taburan pekali lasso untuk 20 pasangan DEirlncRNA. (C) Varians kemungkinan separa bagi taburan pekali LASSO. (D) Plot hutan yang menunjukkan analisis regresi univariat bagi 20 pasangan DEirlncRNA.
Seterusnya, kami membina matriks 0 atau 1 dengan memasangkan 223 DEirlncRNA. Sebanyak 13,687 pasangan DEirlncRNA telah dikenal pasti. Selepas analisis regresi univariat dan lasso, 20 pasangan DEirlncRNA akhirnya diuji untuk membina model risiko prognostik (Rajah 2B-D). Berdasarkan keputusan analisis Lasso dan regresi berganda, kami mengira skor risiko untuk setiap pesakit dalam kohort TCGA-PAAD (Jadual 1). Berdasarkan keputusan analisis regresi lasso, kami mengira skor risiko untuk setiap pesakit dalam kohort TCGA-PAAD. AUC bagi lengkung 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 pemotongan optimum sebanyak 3.105, mengstratifikasikan pesakit kohort TCGA-PAAD kepada kumpulan berisiko tinggi dan rendah, dan memplotkan hasil survival dan taburan skor risiko untuk setiap pesakit (Rajah 3C-E). Analisis Kaplan-Meier menunjukkan bahawa survival pesakit PAAD dalam kumpulan berisiko tinggi adalah jauh lebih rendah berbanding pesakit dalam kumpulan berisiko rendah (p < 0.001) (Rajah 3F).
Kesahan 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 survival (D) dan skor risiko (E). (F) Analisis Kaplan-Meier pesakit PAAD dalam kumpulan berisiko tinggi dan rendah.
Kami selanjutnya menilai perbezaan 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). Berkenaan gred tumor dalam pesakit PAAD, pesakit gred 3 mempunyai skor risiko yang lebih tinggi daripada pesakit gred 1 dan 2 (Rajah 4D). Kami selanjutnya menjalankan analisis regresi univariat dan multivariat dan menunjukkan bahawa skor risiko (p < 0.001) dan umur (p = 0.045) adalah faktor prognostik bebas dalam pesakit PAAD (Rajah 5A-B). Lengkung ROC menunjukkan bahawa skor risiko adalah lebih baik 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 bagi model risiko prognostik. (AB) Analisis regresi univariat (A) dan multivariat (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 skor masa dan risiko. Kami mendapati bahawa skor risiko dalam pesakit PAAD berkorelasi songsang dengan sel T CD8+ dan sel NK (Rajah 6A), menunjukkan fungsi imun yang tertekan 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 titik semak 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 titik semak imun dalam kumpulan berisiko tinggi dan rendah. Kami mendapati bahawa CTLA-4 dan CD161 (KLRB1) 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 risiko tinggi dan rendah. (HK) Nilai IC50 untuk ubat antikanser tertentu dalam kumpulan risiko tinggi dan rendah. *p < 0.05, **p < 0.01, ns = tidak signifikan
Kami selanjutnya menilai hubungan 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 wujud secara meluas 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. Contohnya, Luo et al. Kajian telah menunjukkan bahawa LINC01094 memainkan peranan penting dalam percambahan dan metastasis PC, dan ekspresi LINC01094 yang tinggi menunjukkan kelangsungan hidup pesakit kanser pankreas yang lemah [16]. Kajian yang dibentangkan oleh Lin et al. Kajian telah menunjukkan bahawa penurunan regulasi lncRNA FLVCR1-AS1 dikaitkan dengan prognosis yang buruk dalam pesakit kanser pankreas [17]. Walau bagaimanapun, lncRNA berkaitan imuniti agak kurang dibincangkan dari segi meramalkan kelangsungan hidup keseluruhan pesakit kanser. Baru-baru ini, sejumlah besar kerja telah difokuskan untuk 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 ke dalam tumor memainkan peranan penting dalam tindak balas terhadap kemoterapi sitotoksik [21, 22, 23]. Persekitaran mikro imun tumor merupakan 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. Contohnya, 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 berkaitan imun dan membina model ramalan untuk risiko kanser serviks [31]. Khan et al. Sebanyak 32 transkrip yang diekspresikan secara berbeza telah dikenal pasti, dan berdasarkan ini, model ramalan dengan 5 transkrip penting telah diwujudkan, 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 pengekod protein atau gen bukan pengekod. Walau bagaimanapun, gen yang sama boleh mempunyai nilai ekspresi yang berbeza dalam genom, format data dan 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 berkaitan imuniti. Kami menapis 223 DEirlncRNA melalui hibridisasi dengan lncRNA yang diekspresikan secara berbeza. Kedua, kami membina matriks 0-atau-1 berdasarkan kaedah pasangan DEirlncRNA yang diterbitkan [31]. Kami kemudian menjalankan analisis regresi univariat dan lasso untuk mengenal pasti pasangan DEirlncRNA prognostik dan membina model risiko ramalan. Kami selanjutnya menganalisis hubungan antara skor risiko dan ciri klinikal pada pesakit PAAD. Kami mendapati bahawa model risiko prognostik kami, sebagai faktor prognostik bebas pada pesakit PAAD, dapat membezakan pesakit gred tinggi daripada pesakit gred rendah dan pesakit gred tinggi daripada pesakit gred rendah dengan berkesan. Di samping itu, nilai AUC lengkung 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 CD8+ T yang lebih tinggi lebih sensitif terhadap rawatan ICI [33]. Peningkatan kandungan sel sitotoksik, sel CD56 NK, sel NK dan sel CD8+ T dalam persekitaran mikro imun tumor mungkin merupakan salah satu sebab bagi kesan penindasan tumor [34]. Kajian terdahulu menunjukkan bahawa tahap CD4(+) T dan CD8(+) T yang menyusup ke tumor yang lebih tinggi dikaitkan secara signifikan 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 CD8+ T dan sel NK, menunjukkan bahawa pesakit dengan skor risiko tinggi mungkin tidak sesuai untuk rawatan ICI dan mempunyai prognosis yang lebih buruk.
CD161 ialah penanda sel pembunuh semula jadi (NK). Sel T yang ditransduksi CAR CD8+CD161+ menjadi perantara keberkesanan antitumor in vivo yang dipertingkatkan dalam model xenograft adenokarsinoma duktus pankreas HER2+ [37]. Perencat titik semak 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 yang besar dalam banyak bidang. Ekspresi CTLA-4 dan CD161 (KLRB1) adalah lebih rendah dalam kumpulan berisiko tinggi, sekali gus menunjukkan bahawa pesakit yang mempunyai 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 pada pesakit PAAD, mungkin sesuai untuk pesakit berisiko tinggi dengan PAAD. [33]. Zhang et al mendapati bahawa mutasi dalam sebarang laluan tindak balas kerosakan DNA (DDR) boleh menyebabkan prognosis yang buruk pada pesakit kanser prostat [39]. Percubaan Olaparib Kanser Pankreas yang Berterusan (POLO) menunjukkan bahawa rawatan penyelenggaraan dengan olaparib memanjangkan kelangsungan hidup bebas perkembangan berbanding plasebo selepas kemoterapi berasaskan platinum barisan pertama pada pesakit adenokarsinoma duktus pankreas dan mutasi germinal BRCA1/2 [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 berdasarkan ramalan analitikal. Bagaimana untuk mengesahkan keputusan ini dengan data klinikal adalah persoalan 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 spesifisiti 98% [41]. Kemunculan jarum biopsi jarum halus EUS (EUS-FNB) terutamanya berdasarkan kelebihan yang dirasakan berbanding FNA, seperti ketepatan diagnostik yang lebih tinggi, mendapatkan sampel yang memelihara struktur histologi, dan dengan itu menghasilkan tisu imun yang penting untuk diagnosis tertentu. pewarnaan khas [42]. Kajian sistematik literatur mengesahkan bahawa jarum FNB (terutamanya 22G) menunjukkan kecekapan tertinggi dalam menuai 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 sebilangan 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 keseluruhan, kajian kami telah mewujudkan model risiko prognostik baharu berdasarkan irlncRNA berpasangan, yang menunjukkan nilai prognostik yang menjanjikan pada pesakit kanser pankreas. Model risiko prognostik kami boleh membantu membezakan pesakit PAAD yang sesuai untuk rawatan perubatan.
Set data yang digunakan dan dianalisis dalam kajian semasa boleh didapati daripada penulis yang berkaitan atas permintaan yang munasabah.
Sui Wen, Gong X, Zhuang Y. Peranan pengantara keberkesanan kendiri dalam pengawalaturan emosi emosi negatif semasa pandemik COVID-19: kajian keratan rentas. Int J Ment Health Nurs [artikel jurnal]. 2021 06/01/2021;30(3):759–71.
Sui Wen, Gong X, Qiao X, Zhang L, Cheng J, Dong J, dkk. Pandangan ahli keluarga tentang pembuatan keputusan alternatif di unit rawatan rapi: kajian sistematik. INT J NURS STUD [artikel majalah; ulasan]. 2023 01/01/2023;137:104391.
Vincent A, Herman J, Schulich R, Hruban RH, Goggins M. Kanser pankreas. Lancet. [Artikel jurnal; sokongan penyelidikan, NIH, luar sekolah; sokongan penyelidikan, kerajaan di luar AS; ulasan]. 2011 08/13/2011;378(9791):607–20.
Ilic M, Ilic I. Epidemiologi kanser pankreas. Jurnal Gastroenterologi Dunia. [Artikel jurnal, ulasan]. 2016 28/11/2016;22(44):9694–705.
Liu X, Chen B, Chen J, Sun S. Nomogram berkaitan tp53 baharu untuk meramalkan kelangsungan hidup keseluruhan pesakit 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 berfokuskan penyelesaian terhadap keletihan berkaitan kanser dalam kalangan pesakit kanser kolorektal yang menerima kemoterapi: percubaan terkawal rawak. Jururawat kanser. [Artikel jurnal; percubaan terkawal rawak; kajian ini 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, dsb. Tahap antigen karsinoembrionik (CEA) pasca operasi meramalkan hasil selepas reseksi kanser kolorektal pada pesakit dengan tahap CEA pra operasi 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, dsb. LncRNA berkaitan imun menghasilkan tandatangan baharu 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. Pakar Bedah Gastrointestinal Ann [Artikel Jurnal; ulasan]. 2018 07/01/2018;2(4):274–81.
Hull R, Mbita Z, Dlamini Z. RNA bukan pengekodan panjang (LncRNA), genomik tumor virus dan peristiwa penyambungan yang menyimpang: implikasi terapeutik. AM J CANCER RES [artikel jurnal; ulasan]. 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 berkaitan 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, dkk. Analisis komprehensif gen prognostik protein pengikat RNA dan calon ubat dalam karsinoma sel renal sel papilari. pregen. [Artikel jurnal]. 2021 01/20/2021;12:627508.
Li X, Chen J, Yu Q, Huang X, Liu Z, Wang X, dkk. Ciri-ciri RNA bukan pengekodan panjang berkaitan autofagi 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. Tandatangan enam lncRNA berkaitan imun meningkatkan prognosis dalam glioblastoma multiforme. MOL Neurobiology. [Artikel jurnal]. 2018 01.05.2018;55(5):3684–97.
Wu B, Wang Q, Fei J, Bao Y, Wang X, Song Z, dkk. Tandatangan tri-lncRNA baharu meramalkan kelangsungan hidup pesakit 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 miR-577 yang dispan. Mol Therapeutics – Asid nukleik. 2021;26:523–35.
Lin J, Zhai X, Zou S, Xu Z, Zhang J, Jiang L, dsb. Maklum balas positif antara lncRNA FLVCR1-AS1 dan KLF10 boleh 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: 22-Sep-2023