Cancerul pancreatic este una dintre cele mai mortale tumori din lume, cu un prognostic rezervat. Prin urmare, este necesar un model de predicție precis pentru a identifica pacienții cu risc crescut de cancer pancreatic, pentru a adapta tratamentul și a îmbunătăți prognosticul acestor pacienți.
Am obținut date RNAseq pentru adenocarcinomul pancreatic (PAAD) din Atlasul Genomului Cancerului (TCGA) din baza de date UCSC Xena, am identificat lncARN-urile imune (irlncARN) prin analiza corelației și am identificat diferențele dintre TCGA și țesuturile de adenocarcinom pancreatic normal. DEirlncARN) din TCGA și expresia tisulară genotipică (GTEx) a țesutului pancreatic. Au fost efectuate analize suplimentare de regresie univariată și lasso pentru a construi modele de semnătură prognostică. Apoi, am calculat aria de sub curbă și am determinat valoarea limită optimă pentru identificarea pacienților cu adenocarcinom pancreatic cu risc crescut și scăzut. Pentru a compara caracteristicile clinice, infiltrarea celulelor imune, micromediul imunosupresor și rezistența la chimioterapie la pacienții cu cancer pancreatic cu risc crescut și scăzut.
Am identificat 20 de perechi de DEirlncRNA și am grupat pacienții în funcție de valoarea limită optimă. Am demonstrat că modelul nostru de semnătură prognostică are performanțe semnificative în prezicerea prognosticului pacienților cu PAAD. ASC a curbei ROC este de 0,905 pentru prognoza pe 1 an, 0,942 pentru prognoza pe 2 ani și 0,966 pentru prognoza pe 3 ani. Pacienții cu risc crescut au avut rate de supraviețuire mai mici și caracteristici clinice mai proaste. De asemenea, am demonstrat că pacienții cu risc crescut sunt imunosupresați și pot dezvolta rezistență la imunoterapie. Evaluarea medicamentelor anticancerigene, cum ar fi paclitaxel, sorafenib și erlotinib, pe baza instrumentelor de predicție computațională, poate fi adecvată pentru pacienții cu risc crescut cu PAAD.
Per ansamblu, studiul nostru a stabilit un nou model de risc prognostic bazat pe irlncRNA pereche, care a demonstrat o valoare prognostică promițătoare la pacienții cu cancer pancreatic. Modelul nostru de risc prognostic poate ajuta la diferențierea pacienților cu PAAD care sunt potriviți pentru tratament medical.
Cancerul pancreatic este o tumoră malignă cu o rată scăzută de supraviețuire la cinci ani și un grad ridicat de cancer. În momentul diagnosticării, majoritatea pacienților se află deja în stadii avansate. În contextul epidemiei de COVID-19, medicii și asistentele medicale se află sub o presiune enormă atunci când tratează pacienții cu cancer pancreatic, iar familiile pacienților se confruntă, de asemenea, cu multiple presiuni atunci când iau decizii privind tratamentul [1, 2]. Deși s-au făcut progrese majore în tratamentul adenocarcinomului pancreatic adenocarcinom (DOAD), cum ar fi terapia neoadjuvantă, rezecția chirurgicală, radioterapia, chimioterapia, terapia moleculară țintită și inhibitorii punctelor de control imun (ICI), doar aproximativ 9% dintre pacienți supraviețuiesc la cinci ani de la diagnosticare [3], 4]. Deoarece simptomele precoce ale adenocarcinomului pancreatic sunt atipice, pacienții sunt de obicei diagnosticați cu metastaze într-un stadiu avansat [5]. Prin urmare, pentru un anumit pacient, un tratament complet individualizat trebuie să cântărească avantajele și dezavantajele tuturor opțiunilor de tratament, nu numai pentru a prelungi supraviețuirea, ci și pentru a îmbunătăți calitatea vieții [6]. Prin urmare, este necesar un model de predicție eficient pentru a evalua cu exactitate prognosticul unui pacient [7]. Astfel, poate fi selectat un tratament adecvat pentru a echilibra supraviețuirea și calitatea vieții pacienților cu PAAD.
Prognosticul slab al PAAD se datorează în principal rezistenței la medicamentele chimioterapice. În ultimii ani, inhibitorii punctelor de control imunitar au fost utilizați pe scară largă în tratamentul tumorilor solide [8]. Cu toate acestea, utilizarea ICI în cancerul pancreatic are rareori succes [9]. Prin urmare, este important să se identifice pacienții care ar putea beneficia de terapia ICI.
ARN-ul lung necodificator (ARNnc) este un tip de ARN necodificator cu transcrieri >200 nucleotide. ARNnc-urile sunt răspândite și constituie aproximativ 80% din transcriptomul uman [10]. Numeroase studii au arătat că modelele prognostice bazate pe ARNnc pot prezice eficient prognosticul pacientului [11, 12]. De exemplu, au fost identificate 18 ARNnc legate de autofagie pentru a genera semnături prognostice în cancerul de sân [13]. Alte șase ARNnc legate de imunitate au fost utilizate pentru a stabili caracteristicile prognostice ale gliomului [14].
În cancerul pancreatic, unele studii au stabilit semnături bazate pe lncRNA pentru a prezice prognosticul pacienților. O semnătură 3-lncRNA a fost stabilită în adenocarcinomul pancreatic cu o arie de sub curba ROC (AUC) de numai 0,742 și o supraviețuire generală (OS) de 3 ani [15]. În plus, valorile expresiei lncRNA variază între diferite genomuri, diferite formate de date și diferiți pacienți, iar performanța modelului predictiv este instabilă. Prin urmare, folosim un nou algoritm de modelare, prin împerechere și iterație, pentru a genera semnături lncRNA legate de imunitate (irlncRNA) pentru a crea un model predictiv mai precis și mai stabil [8].
Datele normalizate RNAseq (FPKM) și datele TCGA clinice privind cancerul pancreatic și expresia tisulară genotipică (GTEx) au fost obținute din baza de date UCSC XENA (https://xenabrowser.net/datapages/). Fișierele GTF au fost obținute din baza de date Ensembl (http://asia.ensembl.org) și utilizate pentru a extrage profiluri de expresie lncRNA din RNAseq. Am descărcat gene legate de imunitate din baza de date ImmPort (http://www.immport.org) și am identificat lncRNA-urile legate de imunitate (irlncRNAs) folosind analiza de corelație (p < 0,001, r > 0,4). Identificarea irlncRNA-urilor exprimate diferențial (DEirlncRNAs) prin încrucișarea irlncRNA-urilor și lncRNA-urilor exprimate diferențial obținute din baza de date GEPIA2 (http://gepia2.cancer-pku.cn/#index) în cohorta TCGA-PAAD (|logFC| > 1 și FDR) <0,05).
Această metodă a fost raportată anterior [8]. Mai exact, construim X pentru a înlocui ARNlnc pereche A și ARNlnc B. Când valoarea expresiei ARNlnc A este mai mare decât valoarea expresiei ARNlnc B, X este definit ca 1, altfel X este definit ca 0. Prin urmare, putem obține o matrice de 0 sau – 1. Axa verticală a matricei reprezintă fiecare probă, iar axa orizontală reprezintă fiecare pereche de ARNlnc DEirlnc cu o valoare de 0 sau 1.
Analiza de regresie univariată, urmată de regresia Lasso, a fost utilizată pentru a examina perechile de DEirlncRNA prognostice. Analiza de regresie Lasso a utilizat validarea încrucișată de 10 ori, repetată de 1000 de ori (p < 0,05), cu 1000 de stimuli aleatorii per rulare. Când frecvența fiecărei perechi de DEirlncRNA a depășit 100 de ori în 1000 de cicluri, perechile de DEirlncRNA au fost selectate pentru a construi un model de risc prognostic. Apoi, am utilizat curba ASC pentru a găsi valoarea limită optimă pentru clasificarea pacienților cu PAAD în grupuri cu risc ridicat și scăzut. Valoarea ASC a fiecărui model a fost, de asemenea, calculată și reprezentată grafic sub formă de curbă. Dacă curba atinge cel mai înalt punct, indicând valoarea maximă a ASC, procesul de calcul se oprește, iar modelul este considerat cel mai bun candidat. Au fost construite modele de curbă ROC pe 1, 3 și 5 ani. Analizele de regresie univariate și multivariate au fost utilizate pentru a examina performanța predictivă independentă a modelului de risc prognostic.
Pentru studierea ratelor de infiltrare a celulelor imune s-au folosit șapte instrumente, inclusiv XCELL, TIMER, QUANTISEQ, MCPCOUNTER, EPIC, CIBERSORT-ABS și CIBERSORT. Datele privind infiltrarea celulelor imune au fost descărcate din baza de date TIMER2 (http://timer.comp-genomics.org/#tab-5817-3). Diferența în conținutul de celule imunoinfiltrante între grupurile cu risc ridicat și scăzut ale modelului construit a fost analizată utilizând testul Wilcoxon cu rang semnat, rezultatele fiind prezentate în graficul pătrat. Analiza de corelație Spearman a fost efectuată pentru a analiza relația dintre valorile scorului de risc și celulele imunoinfiltrante. Coeficientul de corelație rezultat este prezentat sub forma unei acadele. Pragul de semnificație a fost stabilit la p < 0,05. Procedura a fost efectuată utilizând pachetul R ggplot2. Pentru a examina relația dintre model și nivelurile de expresie genică asociate cu rata de infiltrare a celulelor imune, am efectuat pachetul ggstatsplot și vizualizarea grafică violin.
Pentru a evalua modelele clinice de tratament pentru cancerul pancreatic, am calculat IC50 pentru medicamentele chimioterapice utilizate în mod obișnuit în cohorta TCGA-PAAD. Diferențele în ceea ce privește jumătatea concentrațiilor inhibitorii (IC50) între grupurile cu risc ridicat și scăzut au fost comparate utilizând testul Wilcoxon cu semn de rang, iar rezultatele sunt prezentate sub formă de boxplot-uri generate folosind pRRophetic și ggplot2 în R. Toate metodele respectă ghidurile și normele relevante.
Fluxul de lucru al studiului nostru este prezentat în Figura 1. Folosind analiza de corelație între ARNlnc și genele legate de imunitate, am selectat 724 de ARNlnc irlnc cu p < 0,01 și r > 0,4. În continuare, am analizat ARNlnc exprimate diferențial ale GEPIA2 (Figura 2A). Un total de 223 de ARNlnc au fost exprimate diferențial între adenocarcinomul pancreatic și țesutul pancreatic normal (|logFC| > 1, FDR < 0,05), denumite ARNlnc DEirlnc.
Construcția modelelor de risc predictiv. (A) Diagrama vulcanică a lncARN-urilor exprimate diferențial. (B) Distribuția coeficienților lasso pentru 20 de perechi DEirlncARN. (C) Varianța parțială de probabilitate a distribuției coeficienților LASSO. (D) Diagrama forest care prezintă analiza de regresie univariată a 20 de perechi DEirlncARN.
Apoi, am construit o matrice 0 sau 1 prin asocierea a 223 de DEirlncRNA. Au fost identificate un total de 13.687 de perechi de DEirlncRNA. După analiza univariată și de regresie lasso, au fost testate în final 20 de perechi de DEirlncRNA pentru a construi un model de risc prognostic (Figura 2B-D). Pe baza rezultatelor analizei Lasso și de regresie multiplă, am calculat un scor de risc pentru fiecare pacient din cohorta TCGA-PAAD (Tabelul 1). Pe baza rezultatelor analizei de regresie lasso, am calculat un scor de risc pentru fiecare pacient din cohorta TCGA-PAAD. ASC a curbei ROC a fost de 0,905 pentru predicția modelului de risc la 1 an, 0,942 pentru predicția la 2 ani și 0,966 pentru predicția la 3 ani (Figura 3A-B). Am stabilit o valoare-prag optimă de 3,105, am stratificat pacienții din cohorta TCGA-PAAD în grupuri cu risc crescut și scăzut și am reprezentat grafic rezultatele supraviețuirii și distribuțiile scorurilor de risc pentru fiecare pacient (Figura 3C-E). Analiza Kaplan-Meier a arătat că supraviețuirea pacienților cu PAAD din grupul cu risc crescut a fost semnificativ mai mică decât cea a pacienților din grupul cu risc scăzut (p < 0,001) (Figura 3F).
Validitatea modelelor de risc prognostic. (A) ROC al modelului de risc prognostic. (B) Modele de risc prognostic ROC pe 1, 2 și 3 ani. (C) ROC al modelului de risc prognostic. Prezintă punctul limită optim. (DE) Distribuția stării de supraviețuire (D) și a scorurilor de risc (E). (F) Analiza Kaplan-Meier a pacienților cu PAAD în grupurile cu risc crescut și scăzut.
Am evaluat în continuare diferențele în scorurile de risc în funcție de caracteristicile clinice. Diagrama cu benzi (Figura 4A) arată relația generală dintre caracteristicile clinice și scorurile de risc. În special, pacienții mai în vârstă au avut scoruri de risc mai mari (Figura 4B). În plus, pacienții cu stadiul II au avut scoruri de risc mai mari decât pacienții cu stadiul I (Figura 4C). În ceea ce privește gradul tumorii la pacienții cu PAAD, pacienții cu gradul 3 au avut scoruri de risc mai mari decât pacienții cu gradul 1 și 2 (Figura 4D). Am efectuat în continuare analize de regresie univariate și multivariate și am demonstrat că scorul de risc (p < 0,001) și vârsta (p = 0,045) au fost factori prognostici independenți la pacienții cu PAAD (Figura 5A-B). Curba ROC a demonstrat că scorul de risc a fost superior altor caracteristici clinice în prezicerea supraviețuirii la 1, 2 și 3 ani a pacienților cu PAAD (Figura 5C-E).
Caracteristicile clinice ale modelelor de risc prognostic. Histograma (A) prezintă (B) vârsta, (C) stadiul tumorii, (D) gradul tumorii, scorul de risc și sexul pacienților din cohorta TCGA-PAAD. **p < 0,01
Analiză predictivă independentă a modelelor de risc prognostic. (AB) Analize de regresie univariate (A) și multivariate (B) ale modelelor de risc prognostic și ale caracteristicilor clinice. (CE) ROC la 1, 2 și 3 ani pentru modelele de risc prognostic și caracteristicile clinice.
Prin urmare, am examinat relația dintre timp și scorurile de risc. Am constatat că scorul de risc la pacienții cu PAAD a fost invers corelat cu celulele T CD8+ și celulele NK (Figura 6A), indicând o funcție imunitară suprimată în grupul cu risc crescut. De asemenea, am evaluat diferența de infiltrare a celulelor imune între grupurile cu risc crescut și scăzut și am găsit aceleași rezultate (Figura 7). A existat o infiltrare mai mică a celulelor T CD8+ și a celulelor NK în grupul cu risc crescut. În ultimii ani, inhibitorii punctelor de control imun (ICI) au fost utilizați pe scară largă în tratamentul tumorilor solide. Cu toate acestea, utilizarea ICI în cancerul pancreatic a avut rareori succes. Prin urmare, am evaluat expresia genelor punctelor de control imun în grupurile cu risc crescut și scăzut. Am constatat că CTLA-4 și CD161 (KLRB1) au fost supraexprimate în grupul cu risc scăzut (Figura 6B-G), indicând faptul că pacienții cu PAAD din grupul cu risc scăzut pot fi sensibili la ICI.
Analiza corelației dintre modelul de risc prognostic și infiltrarea celulelor imune. (A) Corelația dintre modelul de risc prognostic și infiltrarea celulelor imune. (BG) Indică expresia genelor în grupurile cu risc ridicat și scăzut. (HK) Valorile IC50 pentru medicamente anticancerigene specifice în grupurile cu risc ridicat și scăzut. *p < 0,05, **p < 0,01, ns = nesemnificativ
Am evaluat în continuare asocierea dintre scorurile de risc și agenții chimioterapici comuni în cohorta TCGA-PAAD. Am căutat medicamente anticancerigene utilizate în mod obișnuit în cancerul pancreatic și am analizat diferențele în valorile IC50 ale acestora între grupurile cu risc crescut și scăzut. Rezultatele au arătat că valoarea IC50 a AZD.2281 (olaparib) a fost mai mare în grupul cu risc crescut, indicând faptul că pacienții cu PAAD din grupul cu risc crescut pot fi rezistenți la tratamentul cu AZD.2281 (Figura 6H). În plus, valorile IC50 ale paclitaxelului, sorafenibului și erlotinibului au fost mai mici în grupul cu risc crescut (Figura 6I-K). Am identificat în continuare 34 de medicamente anticancerigene cu valori IC50 mai mari în grupul cu risc crescut și 34 de medicamente anticancerigene cu valori IC50 mai mici în grupul cu risc crescut (Tabelul 2).
Nu se poate nega faptul că lncARN-urile, ARNm-urile și microARN-urile există pe scară largă și joacă un rol crucial în dezvoltarea cancerului. Există ample dovezi care susțin rolul important al ARNm sau microARN-ului în prezicerea supraviețuirii generale în mai multe tipuri de cancer. Fără îndoială, multe modele de risc prognostic se bazează, de asemenea, pe lncARN-uri. De exemplu, Luo și colab. Studiile au arătat că LINC01094 joacă un rol cheie în proliferarea și metastaza PC, iar expresia ridicată a LINC01094 indică o supraviețuire slabă la pacienții cu cancer pancreatic [16]. Studiul prezentat de Lin și colab. Studiile au arătat că reglarea negativă a lncARN-ului FLVCR1-AS1 este asociată cu un prognostic slab la pacienții cu cancer pancreatic [17]. Cu toate acestea, lncARN-urile legate de imunitate sunt relativ mai puțin discutate în ceea ce privește prezicerea supraviețuirii generale a pacienților cu cancer. Recent, o mare parte din muncă s-a concentrat pe construirea de modele de risc prognostic pentru a prezice supraviețuirea pacienților cu cancer și, prin urmare, pentru a ajusta metodele de tratament [18, 19, 20]. Există o recunoaștere tot mai mare a rolului important al infiltratelor imune în inițierea, progresia și răspunsul cancerului la tratamente precum chimioterapia. Numeroase studii au confirmat că celulele imune care se infiltrează în tumoră joacă un rol critic în răspunsul la chimioterapia citotoxică [21, 22, 23]. Micromediul imun tumoral este un factor important în supraviețuirea pacienților cu tumori [24, 25]. Imunoterapia, în special terapia ICI, este utilizată pe scară largă în tratamentul tumorilor solide [26]. Genele legate de imunitate sunt utilizate pe scară largă pentru a construi modele de risc prognostic. De exemplu, Su și colab. Modelul de risc prognostic legat de imunitate se bazează pe gene care codifică proteine pentru a prezice prognosticul pacienților cu cancer ovarian [27]. Genele necodificatoare, cum ar fi lncARN-urile, sunt, de asemenea, potrivite pentru construirea de modele de risc prognostic [28, 29, 30]. Luo și colab. au testat patru lncARN-uri legate de imunitate și au construit un model predictiv pentru riscul de cancer de col uterin [31]. Khan și colab. Au fost identificate în total 32 de transcrieri exprimate diferențial și, pe baza acestora, a fost stabilit un model de predicție cu 5 transcrieri semnificative, care a fost propus ca un instrument foarte recomandat pentru prezicerea rejetului acut dovedit prin biopsie după transplantul renal [32].
Majoritatea acestor modele se bazează pe nivelurile de expresie genică, fie că este vorba de gene care codifică proteine, fie de gene necodificatoare. Cu toate acestea, aceeași genă poate avea valori de expresie diferite în genomuri diferite, formate de date și la pacienți diferiți, ceea ce duce la estimări instabile în modelele predictive. În acest studiu, am construit un model rezonabil cu două perechi de lncRNA-uri, independente de valorile exacte de expresie.
În acest studiu, am identificat ARN-ul irlnc pentru prima dată prin analiza corelației cu gene legate de imunitate. Am analizat 223 de ARN-uri DEirlnc prin hibridizare cu ARN-uri lnc exprimate diferențial. În al doilea rând, am construit o matrice 0-sau-1 bazată pe metoda publicată de împerechere a ARN-urilor DEirlnc [31]. Apoi, am efectuat analize univariate și de regresie lasso pentru a identifica perechile de ARN-uri DEirlnc prognostice și a construi un model de risc predictiv. Am analizat în continuare asocierea dintre scorurile de risc și caracteristicile clinice la pacienții cu DAAP. Am constatat că modelul nostru de risc prognostic, ca factor prognostic independent la pacienții cu DAAP, poate diferenția eficient pacienții cu grad înalt de pacienții cu grad scăzut și pacienții cu grad înalt de pacienții cu grad scăzut. În plus, valorile ASC ale curbei ROC a modelului de risc prognostic au fost 0,905 pentru prognoza pe 1 an, 0,942 pentru prognoza pe 2 ani și 0,966 pentru prognoza pe 3 ani.
Cercetătorii au raportat că pacienții cu o infiltrare mai mare a celulelor T CD8+ au fost mai sensibili la tratamentul ICI [33]. O creștere a conținutului de celule citotoxice, celule NK CD56, celule NK și celule T CD8+ în micromediul imun tumoral poate fi unul dintre motivele efectului supresor tumoral [34]. Studiile anterioare au arătat că nivelurile mai ridicate de celule T CD4(+) și CD8(+) care se infiltrează în tumoră au fost semnificativ asociate cu o supraviețuire mai lungă [35]. Infiltrarea slabă a celulelor T CD8, încărcătura scăzută de neoantigen și un micromediu tumoral puternic imunosupresor duc la lipsa de răspuns la terapia ICI [36]. Am constatat că scorul de risc a fost corelat negativ cu celulele T CD8+ și celulele NK, indicând faptul că pacienții cu scoruri de risc ridicat pot să nu fie potriviți pentru tratamentul ICI și să aibă un prognostic mai slab.
CD161 este un marker al celulelor natural killer (NK). Celulele T CD8+CD161+ transduse cu CAR mediază o eficacitate antitumorală in vivo sporită în modelele de xenogrefă de adenocarcinom ductal pancreatic HER2+ [37]. Inhibitorii punctelor de control imun vizează căile proteinei 4 asociate limfocitelor T citotoxice (CTLA-4) și ale proteinei 1 a morții celulare programate (PD-1)/ligandului 1 a morții celulare programate (PD-L1) și au un mare potențial în multe domenii. Expresia CTLA-4 și CD161 (KLRB1) este mai scăzută în grupurile cu risc crescut, indicând în continuare că pacienții cu scoruri de risc ridicat pot să nu fie eligibili pentru tratamentul ICI [38].
Pentru a găsi opțiuni de tratament potrivite pentru pacienții cu risc crescut, am analizat diverse medicamente anticancerigene și am constatat că paclitaxelul, sorafenibul și erlotinibul, care sunt utilizate pe scară largă la pacienții cu PAAD, pot fi potrivite pentru pacienții cu risc crescut cu PAAD. [33]. Zhang și colab. au descoperit că mutațiile în orice cale de răspuns la deteriorarea ADN-ului (DDR) pot duce la un prognostic rezervat la pacienții cu cancer de prostată [39]. Studiul Pancreatic Cancer Olaparib Ongoing (POLO) a arătat că tratamentul de întreținere cu olaparib a prelungit supraviețuirea fără progresia bolii în comparație cu placebo după chimioterapia pe bază de platină de primă linie la pacienții cu adenocarcinom ductal pancreatic și mutații germinale BRCA1/2 [40]. Acest lucru oferă un optimism semnificativ că rezultatele tratamentului se vor îmbunătăți semnificativ la acest subgrup de pacienți. În acest studiu, valoarea IC50 a AZD.2281 (olaparib) a fost mai mare în grupul cu risc crescut, indicând faptul că pacienții cu PAAD din grupul cu risc crescut pot fi rezistenți la tratamentul cu AZD.2281.
Modelele de prognoză din acest studiu produc rezultate bune de prognoză, dar se bazează pe previziuni analitice. Cum se pot confirma aceste rezultate cu date clinice este o întrebare importantă. Ecografia endoscopică prin aspirație cu ac fin (EUS-FNA) a devenit o metodă indispensabilă pentru diagnosticarea leziunilor pancreatice solide și extrapancreatice, cu o sensibilitate de 85% și o specificitate de 98% [41]. Apariția acelor de biopsie cu ac fin EUS (EUS-FNB) se bazează în principal pe avantajele percepute față de FNA, cum ar fi o precizie diagnostică mai mare, obținerea de probe care păstrează structura histologică și, astfel, generarea de țesut imun critic pentru anumite diagnostice. colorare specială [42]. O revizuire sistematică a literaturii de specialitate a confirmat că acele FNB (în special 22G) demonstrează cea mai mare eficiență în recoltarea de țesut din masele pancreatice [43]. Clinic, doar un număr mic de pacienți sunt eligibili pentru chirurgia radicală, iar majoritatea pacienților au tumori inoperabile în momentul diagnosticului inițial. În practica clinică, doar o mică proporție de pacienți sunt potriviți pentru chirurgia radicală, deoarece majoritatea pacienților au tumori inoperabile în momentul diagnosticului inițial. După confirmarea patologică prin ecografie cu ultrasunete cutanate (EUS-FNB) și alte metode, se alege de obicei tratamentul standardizat non-chirurgical, cum ar fi chimioterapia. Programul nostru de cercetare ulterior este de a testa modelul prognostic al acestui studiu în cohorte chirurgicale și non-chirurgicale printr-o analiză retrospectivă.
Per ansamblu, studiul nostru a stabilit un nou model de risc prognostic bazat pe irlncRNA pereche, care a demonstrat o valoare prognostică promițătoare la pacienții cu cancer pancreatic. Modelul nostru de risc prognostic poate ajuta la diferențierea pacienților cu PAAD care sunt potriviți pentru tratament medical.
Seturile de date utilizate și analizate în studiul actual sunt disponibile de la autorul corespondent, la cerere rezonabilă.
Sui Wen, Gong X, Zhuang Y. Rolul de mediere al autoeficacității în reglarea emoțională a emoțiilor negative în timpul pandemiei de COVID-19: un studiu transversal. Int J Ment Health Nurs [articol în revistă]. 2021 06/01/2021;30(3):759–71.
Sui Wen, Gong X, Qiao X, Zhang L, Cheng J, Dong J și alții. Opiniile membrilor familiei cu privire la luarea deciziilor alternative în unitățile de terapie intensivă: o analiză sistematică. INT J NURS STUD [articol de revistă; analiză]. 2023 01/01/2023;137:104391.
Vincent A, Herman J, Schulich R, Hruban RH, Goggins M. Cancer pancreatic. Lancet. [Articol de revistă; sprijin pentru cercetare, NIH, extramural; sprijin pentru cercetare, guvern în afara SUA; recenzie]. 2011 08/13/2011;378(9791):607–20.
Ilic M, Ilic I. Epidemiologia cancerului pancreatic. Revista Mondială de Gastroenterologie. [Articol de revistă, recenzie]. 2016 28.11.2016;22(44):9694–705.
Liu X, Chen B, Chen J, Sun S. O nouă nomogramă legată de tp53 pentru prezicerea supraviețuirii generale la pacienții cu cancer pancreatic. BMC Cancer [articol în revistă]. 2021 31-03-2021;21(1):335.
Xian X, Zhu X, Chen Y, Huang B, Xiang W. Efectul terapiei axate pe soluții asupra oboselii asociate cancerului la pacienții cu cancer colorectal care primesc chimioterapie: un studiu controlat randomizat. Oncology nurse. [Articol în revistă; studiu controlat randomizat; studiul este susținut de un guvern din afara Statelor Unite]. 2022 05/01/2022;45(3):E663–73.
Zhang Cheng, Zheng Wen, Lu Y, Shan L, Xu Dong, Pan Y și alții. Nivelurile postoperatorii ale antigenului carcinoembrionar (CEA) prezic rezultatul după rezecția cancerului colorectal la pacienții cu niveluri normale de CEA preoperatorii. Centrul pentru Cercetarea Translațională a Cancerului. [Articol în revistă]. 2020 01.01.2020;9(1):111–8.
Hong Wen, Liang Li, Gu Yu, Qi Zi, Qiu Hua, Yang X și colab. ARNlnc legate de imunitate generează semnături noi și prezic peisajul imun al carcinomului hepatocelular uman. Mol Ther Nucleic acids [Articol de revistă]. 2020 2020-12-04;22:937 – 47.
Toffey RJ, Zhu Y., Schulich RD Imunoterapia pentru cancerul pancreatic: bariere și descoperiri. Ann Gastrointestinal Surgeon [Articol în revistă; recenzie]. 2018 07/01/2018;2(4):274–81.
Hull R, Mbita Z, Dlamini Z. ARN-uri lungi necodificatoare (LncARN), genomică tumorală virală și evenimente aberante de splicing: implicații terapeutice. AM J CANCER RES [articol în revistă; recenzie]. 2021 01/20/2021;11(3):866–83.
Wang J, Chen P, Zhang Y, Ding J, Yang Y, Li H. 11-Identificarea semnăturilor lncRNA asociate cu prognosticul cancerului endometrial. Realizări ale științei [articol de revistă]. 2021 2021-01-01;104(1):311977089.
Jiang S, Ren H, Liu S, Lu Z, Xu A, Qin S, și alții. Analiză cuprinzătoare a genelor prognostice ale proteinelor de legare a ARN-ului și a candidaților la medicamente în carcinomul renal cu celule papilare. pregen. [Articol de revistă]. 2021 01/20/2021;12:627508.
Li X, Chen J, Yu Q, Huang X, Liu Z, Wang X și colab. Caracteristicile ARN-ului lung necodificator legat de autofagie prezic prognosticul cancerului de sân. pregen. [Articol de revistă]. 2021 01/20/2021;12:569318.
Zhou M, Zhang Z, Zhao X, Bao S, Cheng L, Sun J. Semnătura a șase lncRNA legate de imunitate îmbunătățește prognosticul în glioblastomul multiform. MOL Neurobiology. [Articol în revistă]. 2018 01.05.2018;55(5):3684–97.
Wu B, Wang Q, Fei J, Bao Y, Wang X, Song Z și colab. O nouă semnătură tri-lncRNA prezice supraviețuirea pacienților cu cancer pancreatic. REPREZENTANȚII ONKOL. [Articol de revistă]. 2018 12/01/2018;40(6):3427–37.
Luo C, Lin K, Hu C, Zhu X, Zhu J, Zhu Z. LINC01094 promovează progresia cancerului pancreatic prin reglarea expresiei LIN28B și a căii PI3K/AKT prin miR-577 spongios. Mol Therapeutics – Acizi nucleici. 2021;26:523–35.
Lin J, Zhai X, Zou S, Xu Z, Zhang J, Jiang L, și alții. Feedback-ul pozitiv între lncRNA FLVCR1-AS1 și KLF10 poate inhiba progresia cancerului pancreatic prin calea PTEN/AKT. J EXP Clin Cancer Res. 2021;40(1).
Zhou X, Liu X, Zeng X, Wu D, Liu L. Identificarea a treisprezece gene care prezic supraviețuirea generală în carcinomul hepatocelular. Biosci Rep [articol în revistă]. 2021 04/09/2021.
Data publicării: 22 septembrie 2023