Rak gušterače je jedan od najsmrtonosnijih tumora na svijetu sa lošom prognozom. Stoga je potreban tačan model predviđanja kako bi se identifikovali pacijenti sa visokim rizikom od raka gušterače, prilagodilo liječenje i poboljšala prognoza ovih pacijenata.
Iz baze podataka UCSC Xena dobili smo podatke RNAseq za adenokarcinom pankreasa (PAAD) iz Atlasa genoma raka (TCGA), identificirali imunološki povezane lncRNA (irlncRNA) putem korelacijske analize i identificirali razlike između TCGA i normalnog tkiva adenokarcinoma pankreasa. DEirlncRNA) iz TCGA i ekspresiju genotipa tkiva (GTEx) tkiva pankreasa. Izvršene su daljnje univarijatne i laso regresijske analize kako bi se konstruirali prognostički modeli potpisa. Zatim smo izračunali površinu ispod krive i odredili optimalnu graničnu vrijednost za identifikaciju pacijenata s adenokarcinomom pankreasa visokog i niskog rizika. Cilj je bio uporediti kliničke karakteristike, infiltraciju imunoloških ćelija, imunosupresivno mikrookruženje i otpornost na hemoterapiju kod pacijenata s rakom pankreasa visokog i niskog rizika.
Identificirali smo 20 DEirlncRNA parova i grupirali pacijente prema optimalnoj graničnoj vrijednosti. Pokazali smo da naš prognostički model potpisa ima značajne performanse u predviđanju prognoze pacijenata sa PAAD. AUC ROC krivulje je 0,905 za jednogodišnju prognozu, 0,942 za dvogodišnju prognozu i 0,966 za trogodišnju prognozu. Pacijenti s visokim rizikom imali su niže stope preživljavanja i lošije kliničke karakteristike. Također smo pokazali da su pacijenti s visokim rizikom imunosuprimirani i mogu razviti otpornost na imunoterapiju. Evaluacija lijekova protiv raka kao što su paklitaksel, sorafenib i erlotinib na osnovu računarskih alata za predviđanje može biti prikladna za pacijente s visokim rizikom i PAAD.
Sveukupno, naša studija je uspostavila novi prognostički model rizika zasnovan na sparenoj irlncRNA, koji je pokazao obećavajuću prognostičku vrijednost kod pacijenata sa rakom pankreasa. Naš prognostički model rizika može pomoći u razlikovanju pacijenata sa PAAD koji su pogodni za medicinski tretman.
Rak gušterače je maligni tumor sa niskom petogodišnjom stopom preživljavanja i visokim gradusom. U trenutku dijagnoze, većina pacijenata je već u uznapredovalom stadiju. U kontekstu epidemije COVID-19, ljekari i medicinske sestre su pod ogromnim pritiskom prilikom liječenja pacijenata sa rakom gušterače, a porodice pacijenata se također suočavaju sa višestrukim pritiscima prilikom donošenja odluka o liječenju [1, 2]. Iako je postignut veliki napredak u liječenju DOAD-a, kao što su neoadjuvantna terapija, hirurška resekcija, radioterapija, hemoterapija, ciljana molekularna terapija i inhibitori imunoloških kontrolnih tačaka (ICI), samo oko 9% pacijenata preživi pet godina nakon dijagnoze [3]. ], 4]. Budući da su rani simptomi adenokarcinoma gušterače atipični, pacijentima se obično dijagnosticiraju metastaze u uznapredovalom stadiju [5]. Stoga, za određenog pacijenta, individualizirani sveobuhvatni tretman mora odvagnuti prednosti i nedostatke svih opcija liječenja, ne samo radi produženja preživljavanja, već i radi poboljšanja kvaliteta života [6]. Stoga je neophodan efikasan model predviđanja kako bi se precizno procijenila prognoza pacijenta [7]. Stoga se može odabrati odgovarajući tretman kako bi se uravnotežili preživljavanje i kvalitet života pacijenata sa PAAD.
Loša prognoza PAAD-a uglavnom je posljedica rezistencije na hemoterapijske lijekove. Posljednjih godina, inhibitori imunoloških kontrolnih tačaka se široko koriste u liječenju solidnih tumora [8]. Međutim, upotreba ICI-a kod raka pankreasa rijetko je uspješna [9]. Stoga je važno identificirati pacijente koji mogu imati koristi od ICI terapije.
Duga nekodirajuća RNK (lncRNA) je vrsta nekodirajuće RNK s transkriptima >200 nukleotida. LncRNA su široko rasprostranjene i čine oko 80% ljudskog transkriptoma [10]. Veliki broj radova pokazao je da prognostički modeli zasnovani na lncRNA mogu efikasno predvidjeti prognozu pacijenta [11, 12]. Na primjer, identificirano je 18 lncRNA povezanih s autofagijom koje generiraju prognostičke potpise kod raka dojke [13]. Šest drugih imunološki povezanih lncRNA korišteno je za utvrđivanje prognostičkih karakteristika glioma [14].
Kod raka gušterače, neke studije su uspostavile potpise zasnovane na lncRNA za predviđanje prognoze pacijenata. Potpis 3-lncRNA utvrđen je kod adenokarcinoma gušterače s površinom ispod ROC krive (AUC) od samo 0,742 i ukupnim preživljavanjem (OS) od 3 godine [15]. Osim toga, vrijednosti ekspresije lncRNA variraju među različitim genomima, različitim formatima podataka i različitim pacijentima, a performanse prediktivnog modela su nestabilne. Stoga koristimo novi algoritam modeliranja, uparivanje i iteraciju, kako bismo generirali potpise lncRNA povezane s imunitetom (irlncRNA) kako bismo stvorili precizniji i stabilniji prediktivni model [8].
Normalizirani podaci RNAseq (FPKM) i podaci o kliničkoj ekspresiji TCGA i tkiva genotipa (GTEx) raka gušterače dobiveni su iz UCSC XENA baze podataka (https://xenabrowser.net/datapages/). GTF datoteke su dobivene iz Ensembl baze podataka (http://asia.ensembl.org) i korištene za ekstrakciju profila ekspresije lncRNA iz RNAseq. Preuzeli smo gene povezane s imunitetom iz ImmPort baze podataka (http://www.immport.org) i identificirali lncRNA povezane s imunitetom (irlncRNA) koristeći korelacijsku analizu (p < 0,001, r > 0,4). Identifikacija različito eksprimiranih irlncRNA (DEirlncRNA) ukrštanjem irlncRNA i različito eksprimiranih lncRNA dobivenih iz GEPIA2 baze podataka (http://gepia2.cancer-pku.cn/#index) u kohorti TCGA-PAAD (|logFC| > 1 i FDR) <0,05).
Ova metoda je prethodno opisana [8]. Konkretno, konstruiramo X da zamijenimo sparene lncRNA A i lncRNA B. Kada je vrijednost ekspresije lncRNA A veća od vrijednosti ekspresije lncRNA B, X je definiran kao 1, u suprotnom je X definiran kao 0. Stoga možemo dobiti matricu od 0 ili –1. Vertikalna osa matrice predstavlja svaki uzorak, a horizontalna osa predstavlja svaki par DEirlncRNA s vrijednošću 0 ili 1.
Za skrining prognostičkih DEirlncRNA parova korištena je univarijantna regresijska analiza, praćena laso regresijom. Laso regresijska analiza koristila je 10-struku unakrsnu validaciju ponovljenu 1000 puta (p < 0,05), sa 1000 slučajnih stimulusa po ciklusu. Kada je frekvencija svakog DEirlncRNA para premašila 100 puta u 1000 ciklusa, DEirlncRNA parovi su odabrani za konstrukciju prognostičkog modela rizika. Zatim smo koristili AUC krivulju da pronađemo optimalnu graničnu vrijednost za klasifikaciju PAAD pacijenata u grupe visokog i niskog rizika. Vrijednost AUC svakog modela je također izračunata i prikazana kao krivulja. Ako krivulja dostigne najvišu tačku koja označava maksimalnu AUC vrijednost, proces izračunavanja se zaustavlja i model se smatra najboljim kandidatom. Konstruisani su modeli ROC krivulje za 1, 3 i 5 godina. Univarijantne i multivarijantne regresijske analize korištene su za ispitivanje nezavisnih prediktivnih performansi prognostičkog modela rizika.
Koristili smo sedam alata za proučavanje stope infiltracije imunoloških ćelija, uključujući XCELL, TIMER, QUANTISEQ, MCPCOUNTER, EPIC, CIBERSORT-ABS i CIBERSORT. Podaci o infiltraciji imunoloških ćelija preuzeti su iz baze podataka TIMER2 (http://timer.comp-genomics.org/#tab-5817-3). Razlika u sadržaju imunološki infiltrirajućih ćelija između grupa visokog i niskog rizika konstruiranog modela analizirana je korištenjem Wilcoxon testa predznačenih rangova, a rezultati su prikazani u kvadratnom grafikonu. Spearmanova korelacijska analiza provedena je kako bi se analizirao odnos između vrijednosti rezultata rizika i imunološki infiltrirajućih ćelija. Rezultirajući koeficijent korelacije prikazan je kao lizalica. Prag značajnosti postavljen je na p < 0,05. Postupak je proveden korištenjem R paketa ggplot2. Da bismo ispitali odnos između modela i nivoa ekspresije gena povezanih sa stopom infiltracije imunoloških ćelija, izvršili smo vizualizaciju pomoću paketa ggstatsplot i violinskog grafa.
Kako bismo procijenili kliničke obrasce liječenja raka gušterače, izračunali smo IC50 uobičajeno korištenih kemoterapijskih lijekova u kohorti TCGA-PAAD. Razlike u polovičnim inhibitornim koncentracijama (IC50) između grupa visokog i niskog rizika upoređene su korištenjem Wilcoxon testa predznačenih rangova, a rezultati su prikazani kao boxplotovi generirani korištenjem pRRophetic i ggplot2 u R. Sve metode su u skladu s relevantnim smjernicama i normama.
Tok rada naše studije prikazan je na Slici 1. Koristeći analizu korelacije između lncRNA i gena povezanih s imunitetom, odabrali smo 724 irlncRNA sa p < 0,01 i r > 0,4. Zatim smo analizirali različito eksprimirane lncRNA gena GEPIA2 (Slika 2A). Ukupno 223 irlncRNA su bile različito eksprimirane između adenokarcinoma pankreasa i normalnog tkiva pankreasa (|logFC| > 1, FDR < 0,05), nazvane DEirlncRNA.
Konstrukcija prediktivnih modela rizika. (A) Vulkanski dijagram različito eksprimiranih lncRNA. (B) Distribucija laso koeficijenata za 20 DEirlncRNA parova. (C) Varijanca parcijalne vjerovatnoće distribucije LASSO koeficijenata. (D) Šumski dijagram koji prikazuje univarijantnu regresijsku analizu 20 DEirlncRNA parova.
Zatim smo konstruirali matricu 0 ili 1 uparivanjem 223 DEirlncRNA. Ukupno je identificirano 13.687 parova DEirlncRNA. Nakon univarijantne i laso regresijske analize, konačno je testirano 20 parova DEirlncRNA kako bi se konstruirao prognostički model rizika (Slika 2B-D). Na osnovu rezultata Lasso i višestruke regresijske analize, izračunali smo skor rizika za svakog pacijenta u kohorti TCGA-PAAD (Tabela 1). Na osnovu rezultata laso regresijske analize, izračunali smo skor rizika za svakog pacijenta u kohorti TCGA-PAAD. AUC ROC krive bio je 0,905 za jednogodišnju predikciju modela rizika, 0,942 za dvogodišnju predikciju i 0,966 za trogodišnju predikciju (Slika 3A-B). Postavili smo optimalnu graničnu vrijednost od 3,105, stratificirali pacijente iz kohorte TCGA-PAAD u grupe visokog i niskog rizika i grafički prikazali ishode preživljavanja i distribuciju rezultata rizika za svakog pacijenta (Slika 3C-E). Kaplan-Meierova analiza pokazala je da je preživljavanje pacijenata sa PAAD u grupi visokog rizika bilo značajno niže nego kod pacijenata u grupi niskog rizika (p < 0,001) (Slika 3F).
Validnost prognostičkih modela rizika. (A) ROC faktor prognostičkog modela rizika. (B) ROC prognostički modeli rizika za 1, 2 i 3 godine. (C) ROC faktor prognostičkog modela rizika. Prikazuje optimalnu graničnu vrijednost. (DE) Raspodjela statusa preživljavanja (D) i rezultata rizika (E). (F) Kaplan-Meierova analiza pacijenata sa PAAD u grupama visokog i niskog rizika.
Dalje smo procijenili razlike u rezultatima rizika prema kliničkim karakteristikama. Grafikon stripova (Slika 4A) prikazuje ukupni odnos između kliničkih karakteristika i rezultata rizika. Posebno, stariji pacijenti su imali više rezultate rizika (Slika 4B). Osim toga, pacijenti sa stadijem II imali su više rezultate rizika od pacijenata sa stadijem I (Slika 4C). Što se tiče gradusa tumora kod pacijenata sa PAAD, pacijenti sa stadijem 3 imali su više rezultate rizika od pacijenata sa stadijem 1 i 2 (Slika 4D). Dalje smo proveli univarijatne i multivarijatne regresijske analize i pokazali da su rezultat rizika (p < 0,001) i dob (p = 0,045) nezavisni prognostički faktori kod pacijenata sa PAAD (Slika 5A-B). ROC krivulja je pokazala da je rezultat rizika bio superiorniji u odnosu na druge kliničke karakteristike u predviđanju preživljavanja pacijenata sa PAAD od 1, 2 i 3 godine (Slika 5C-E).
Kliničke karakteristike prognostičkih modela rizika. Histogram (A) prikazuje (B) dob, (C) stadij tumora, (D) gradus tumora, skor rizika i spol pacijenata u kohorti TCGA-PAAD. **p < 0,01
Nezavisna prediktivna analiza prognostičkih modela rizika. (AB) Univarijantne (A) i multivarijantne (B) regresijske analize prognostičkih modela rizika i kliničkih karakteristika. (CE) ROC analiza za 1, 2 i 3 godine za prognostičke modele rizika i kliničke karakteristike.
Stoga smo ispitali odnos između vremena i rezultata rizika. Otkrili smo da je rezultat rizika kod pacijenata sa PAAD bio obrnuto proporcionalan sa CD8+ T ćelijama i NK ćelijama (Slika 6A), što ukazuje na potisnutu imunološku funkciju u grupi visokog rizika. Također smo procijenili razliku u infiltraciji imunoloških ćelija između grupa visokog i niskog rizika i pronašli iste rezultate (Slika 7). U grupi visokog rizika bila je manja infiltracija CD8+ T ćelija i NK ćelija. Posljednjih godina, inhibitori imunoloških kontrolnih tačaka (ICI) se široko koriste u liječenju solidnih tumora. Međutim, upotreba ICI kod raka pankreasa rijetko je bila uspješna. Stoga smo procijenili ekspresiju gena imunoloških kontrolnih tačaka u grupama visokog i niskog rizika. Otkrili smo da su CTLA-4 i CD161 (KLRB1) bili prekomjerno eksprimirani u grupi niskog rizika (Slika 6B-G), što ukazuje na to da pacijenti sa PAAD u grupi niskog rizika mogu biti osjetljivi na ICI.
Analiza korelacije prognostičkog modela rizika i infiltracije imunoloških ćelija. (A) Korelacija između prognostičkog modela rizika i infiltracije imunoloških ćelija. (BG) Označava ekspresiju gena u grupama visokog i niskog rizika. (HK) Vrijednosti IC50 za specifične lijekove protiv raka u grupama visokog i niskog rizika. *p < 0,05, **p < 0,01, ns = nije značajno
Dalje smo procijenili povezanost između rezultata rizika i uobičajenih kemoterapijskih sredstava u kohorti TCGA-PAAD. Pretražili smo često korištene lijekove protiv raka gušterače i analizirali razlike u njihovim IC50 vrijednostima između grupa visokog i niskog rizika. Rezultati su pokazali da je vrijednost IC50 za AZD.2281 (olaparib) bila veća u grupi visokog rizika, što ukazuje na to da pacijenti sa PAAD u grupi visokog rizika mogu biti rezistentni na liječenje AZD.2281 (Slika 6H). Osim toga, vrijednosti IC50 za paklitaksel, sorafenib i erlotinib bile su niže u grupi visokog rizika (Slika 6I-K). Dalje smo identificirali 34 lijeka protiv raka s višim vrijednostima IC50 u grupi visokog rizika i 34 lijeka protiv raka s nižim vrijednostima IC50 u grupi visokog rizika (Tabela 2).
Ne može se poreći da lncRNA, mRNA i miRNA široko postoje i igraju ključnu ulogu u razvoju raka. Postoje brojni dokazi koji podržavaju važnu ulogu mRNA ili miRNA u predviđanju ukupnog preživljavanja kod nekoliko vrsta raka. Nesumnjivo je da se mnogi prognostički modeli rizika također zasnivaju na lncRNA. Na primjer, studije Luo i saradnika su pokazale da LINC01094 igra ključnu ulogu u proliferaciji i metastazama raka pankreasa, a visoka ekspresija LINC01094 ukazuje na loše preživljavanje pacijenata s rakom pankreasa [16]. Studiju koju su predstavili Lin i saradnici su pokazale da je smanjenje regulacije lncRNA FLVCR1-AS1 povezano s lošom prognozom kod pacijenata s rakom pankreasa [17]. Međutim, lncRNA povezane s imunitetom se relativno manje raspravljaju u smislu predviđanja ukupnog preživljavanja pacijenata s rakom. Nedavno je velika količina rada usmjerena na izgradnju prognostičkih modela rizika za predviđanje preživljavanja pacijenata s rakom i time prilagođavanje metoda liječenja [18, 19, 20]. Sve je veće prepoznavanje važne uloge imunoloških infiltrata u nastanku, progresiji i odgovoru raka na tretmane poput kemoterapije. Brojne studije su potvrdile da tumor-infiltrirajuće imune ćelije igraju ključnu ulogu u odgovoru na citotoksičnu hemoterapiju [21, 22, 23]. Tumorsko imuno mikrookruženje je važan faktor u preživljavanju pacijenata sa tumorom [24, 25]. Imunoterapija, posebno ICI terapija, široko se koristi u liječenju solidnih tumora [26]. Imuno-povezani geni se široko koriste za konstruisanje prognostičkih modela rizika. Na primjer, Su i saradnici. Imuno-povezani prognostički model rizika zasniva se na genima koji kodiraju proteine kako bi se predvidjela prognoza pacijenata sa rakom jajnika [27]. Nekodirajući geni poput lncRNA također su pogodni za konstruisanje prognostičkih modela rizika [28, 29, 30]. Luo i saradnici testirali su četiri imunološki povezane lncRNA i izgradili prediktivni model za rizik od raka grlića materice [31]. Khan i saradnici. Ukupno je identifikovano 32 različito eksprimirana transkripta, i na osnovu toga je uspostavljen model predviđanja sa 5 značajnih transkripata, koji je predložen kao visoko preporučeni alat za predviđanje akutnog odbacivanja dokazanog biopsijom nakon transplantacije bubrega [32].
Većina ovih modela zasniva se na nivoima ekspresije gena, bilo da se radi o genima koji kodiraju proteine ili o genima koji ih nekodiraju. Međutim, isti gen može imati različite vrijednosti ekspresije u različitim genomima, formatima podataka i kod različitih pacijenata, što dovodi do nestabilnih procjena u prediktivnim modelima. U ovoj studiji, izgradili smo razuman model sa dva para lncRNA, nezavisno od tačnih vrijednosti ekspresije.
U ovoj studiji, prvi put smo identificirali irlncRNA putem analize korelacije s genima povezanim s imunitetom. Pregledali smo 223 DEirlncRNA hibridizacijom s različito eksprimiranim lncRNA. Drugo, konstruirali smo 0-ili-1 matricu na osnovu objavljene metode uparivanja DEirlncRNA [31]. Zatim smo izvršili univarijantne i laso regresijske analize kako bismo identificirali prognostičke parove DEirlncRNA i konstruirali prediktivni model rizika. Dalje smo analizirali povezanost između rezultata rizika i kliničkih karakteristika kod pacijenata s PAAD. Otkrili smo da naš prognostički model rizika, kao nezavisni prognostički faktor kod pacijenata s PAAD, može efikasno razlikovati pacijente visokog stepena od pacijenata niskog stepena i pacijente visokog stepena od pacijenata niskog stepena. Osim toga, vrijednosti AUC-a ROC krive prognostičkog modela rizika bile su 0,905 za jednogodišnju prognozu, 0,942 za dvogodišnju prognozu i 0,966 za trogodišnju prognozu.
Istraživači su izvijestili da su pacijenti s većom infiltracijom CD8+ T ćelija bili osjetljiviji na ICI tretman [33]. Povećanje sadržaja citotoksičnih ćelija, CD56 NK ćelija, NK ćelija i CD8+ T ćelija u imunološkom mikrookruženju tumora može biti jedan od razloga za supresivni efekat tumora [34]. Prethodne studije su pokazale da su viši nivoi tumor-infiltrirajućih CD4(+) T i CD8(+) T značajno povezani s dužim preživljavanjem [35]. Slaba infiltracija CD8 T ćelija, nisko opterećenje neoantigenima i visoko imunosupresivno mikrookruženje tumora dovode do nedostatka odgovora na ICI terapiju [36]. Otkrili smo da je rezultat rizika negativno koreliran s CD8+ T ćelijama i NK ćelijama, što ukazuje na to da pacijenti s visokim rezultatima rizika možda nisu pogodni za ICI tretman i imaju lošiju prognozu.
CD161 je marker prirodnih ćelija ubica (NK). CD8+CD161+ CAR-transducirane T ćelije posreduju u poboljšanoj in vivo antitumorskoj efikasnosti u modelima ksenografta HER2+ pankreasnog duktalnog adenokarcinoma [37]. Inhibitori imunoloških kontrolnih tačaka ciljaju puteve proteina 4 povezanog s citotoksičnim T limfocitima (CTLA-4) i proteina programirane ćelijske smrti 1 (PD-1)/liganda programirane ćelijske smrti 1 (PD-L1) i imaju veliki potencijal u mnogim područjima. Ekspresija CTLA-4 i CD161 (KLRB1) je niža u grupama visokog rizika, što dodatno ukazuje na to da pacijenti s visokim rezultatima rizika možda nisu podobni za ICI liječenje. [38]
Kako bismo pronašli opcije liječenja pogodne za pacijente visokog rizika, analizirali smo različite lijekove protiv raka i otkrili da paklitaksel, sorafenib i erlotinib, koji se široko koriste kod pacijenata sa PAAD, mogu biti pogodni za pacijente visokog rizika sa PAAD. [33]. Zhang i saradnici su otkrili da mutacije u bilo kojem putu odgovora na oštećenje DNK (DDR) mogu dovesti do loše prognoze kod pacijenata sa rakom prostate [39]. Studija o Olaparibu za rak pankreasa (POLO) pokazala je da održavanje liječenja olaparibom produžava preživljavanje bez progresije bolesti u poređenju sa placebom nakon prve linije hemoterapije na bazi platine kod pacijenata sa adenokarcinomom pankreasnog duktuma i mutacijama BRCA1/2 germinativne linije [40]. Ovo pruža značajan optimizam da će se ishodi liječenja značajno poboljšati u ovoj podgrupi pacijenata. U ovoj studiji, vrijednost IC50 za AZD.2281 (olaparib) bila je veća u grupi visokog rizika, što ukazuje na to da pacijenti sa PAAD u grupi visokog rizika mogu biti otporni na liječenje sa AZD.2281.
Modeli predviđanja u ovoj studiji daju dobre rezultate predviđanja, ali se zasnivaju na analitičkim predviđanjima. Važno je pitanje kako potvrditi ove rezultate kliničkim podacima. Endoskopska ultrazvučna biopsija tankom iglom (EUS-FNA) postala je nezamjenjiva metoda za dijagnosticiranje solidnih i ekstrapankreatičnih lezija pankreasa sa osjetljivošću od 85% i specifičnošću od 98% [41]. Pojava EUS igala za biopsiju tankom iglom (EUS-FNB) uglavnom se zasniva na uočenim prednostima u odnosu na FNA, kao što su veća dijagnostička tačnost, dobijanje uzoraka koji čuvaju histološku strukturu i time generisanje imunološkog tkiva koje je ključno za određene dijagnoze [42]. Sistematski pregled literature potvrdio je da FNB igle (posebno 22G) pokazuju najveću efikasnost u sakupljanju tkiva iz masa pankreasa [43]. Klinički, samo mali broj pacijenata je pogodan za radikalnu hirurgiju, a većina pacijenata ima neoperabilne tumore u vrijeme početne dijagnoze. U kliničkoj praksi, samo mali dio pacijenata je pogodan za radikalnu hirurgiju jer većina pacijenata ima neoperabilne tumore u vrijeme početne dijagnoze. Nakon patološke potvrde EUS-FNB i drugim metodama, obično se bira standardizirani nehirurški tretman poput kemoterapije. Naš sljedeći istraživački program je testiranje prognostičkog modela ove studije u hirurškim i nehirurškim kohortama kroz retrospektivnu analizu.
Sveukupno, naša studija je uspostavila novi prognostički model rizika zasnovan na sparenoj irlncRNA, koji je pokazao obećavajuću prognostičku vrijednost kod pacijenata sa rakom pankreasa. Naš prognostički model rizika može pomoći u razlikovanju pacijenata sa PAAD koji su pogodni za medicinski tretman.
Skupovi podataka korišteni i analizirani u ovoj studiji dostupni su od odgovarajućeg autora na razuman zahtjev.
Sui Wen, Gong X, Zhuang Y. Posrednička uloga samoefikasnosti u emocionalnoj regulaciji negativnih emocija tokom pandemije COVID-19: studija presjeka. Int J Ment Health Nurs [članak u časopisu]. 2021 06/01/2021;30(3):759–71.
Sui Wen, Gong X, Qiao X, Zhang L, Cheng J, Dong J, et al. Stavovi članova porodice o alternativnom donošenju odluka na odjeljenjima intenzivne njege: sistematski pregled. INT J NURS STUD [članak u časopisu; pregled]. 2023 01/01/2023;137:104391.
Vincent A, Herman J, Schulich R, Hruban RH, Goggins M. Rak gušterače. Lancet. [Članak u časopisu; podrška istraživanju, NIH, ekstramuralno; podrška istraživanju, vlada izvan SAD-a; pregled]. 13.08.2011.; 378(9791):607–20.
Ilić M, Ilić I. Epidemiologija raka gušterače. Svjetski časopis za gastroenterologiju. [Članak u časopisu, pregled]. 2016. 28.11.2016.;22(44):9694–705.
Liu X, Chen B, Chen J, Sun S. Novi nomogram povezan s tp53 za predviđanje ukupnog preživljavanja kod pacijenata s rakom gušterače. BMC Cancer [članak u časopisu]. 2021 31-03-2021;21(1):335.
Xian X, Zhu X, Chen Y, Huang B, Xiang W. Učinak terapije usmjerene na rastvor na umor povezan s rakom kod pacijenata s kolorektalnim karcinomom koji primaju kemoterapiju: randomizirano kontrolirano ispitivanje. Medicinska sestra za rak. [Članak u časopisu; randomizirano kontrolirano ispitivanje; studiju podržava vlada izvan Sjedinjenih Američkih Država]. 2022 05/01/2022;45(3):E663–73.
Zhang Cheng, Zheng Wen, Lu Y, Shan L, Xu Dong, Pan Y, et al. Postoperativni nivoi karcinoembrionskog antigena (CEA) predviđaju ishod nakon resekcije kolorektalnog karcinoma kod pacijenata sa normalnim preoperativnim nivoima CEA. Centar za translaciona istraživanja raka. [Članak u časopisu]. 2020 01.01.2020;9(1):111–8.
Hong Wen, Liang Li, Gu Yu, Qi Zi, Qiu Hua, Yang X, et al. Imuno-povezane lncRNA generiraju nove potpise i predviđaju imunološki krajolik humanog hepatocelularnog karcinoma. Mol Ther Nucleic acids [Članak u časopisu]. 2020 2020-12-04;22:937 – 47.
Toffey RJ, Zhu Y., Schulich RD Imunoterapija za rak gušterače: prepreke i otkrića. Ann Gastrointestinal Surgeon [Članak u časopisu; pregled]. 2018 07/01/2018;2(4):274–81.
Hull R, Mbita Z, Dlamini Z. Duge nekodirajuće RNK (LncRNA), genomika virusnih tumora i aberantni događaji splajsovanja: terapijske implikacije. AM J CANCER RES [članak u časopisu; pregled]. 2021 01/20/2021;11(3):866–83.
Wang J, Chen P, Zhang Y, Ding J, Yang Y, Li H. 11-Identifikacija lncRNA potpisa povezanih s prognozom raka endometrija. Achievements of science [članak u časopisu]. 2021 2021-01-01;104(1):311977089.
Jiang S, Ren H, Liu S, Lu Z, Xu A, Qin S, et al. Sveobuhvatna analiza prognostičkih gena proteina koji vežu RNK i kandidata za lijekove kod papilarnog karcinoma bubrega. pregen. [Članak u časopisu]. 2021 01/20/2021;12:627508.
Li X, Chen J, Yu Q, Huang X, Liu Z, Wang X, et al. Karakteristike dugih nekodirajućih RNK povezanih s autofagijom predviđaju prognozu raka dojke. pregen. [Članak u časopisu]. 20.01.2021.;12:569318.
Zhou M, Zhang Z, Zhao X, Bao S, Cheng L, Sun J. Imunološki povezani potpis šest dugih nenukleotidnih RNK poboljšava prognozu kod multiformnog glioblastoma. MOL Neurobiology. [Članak u časopisu]. 2018 01.05.2018;55(5):3684–97.
Wu B, Wang Q, Fei J, Bao Y, Wang X, Song Z, et al. Novi tri-lncRNA potpis predviđa preživljavanje pacijenata s rakom gušterače. PREDSTAVNICI ONKOL-a. [Članak u časopisu]. 2018 12/01/2018;40(6):3427–37.
Luo C, Lin K, Hu C, Zhu X, Zhu J, Zhu Z. LINC01094 potiče napredovanje raka gušterače reguliranjem ekspresije LIN28B i PI3K/AKT puta putem spužvastog miR-577. Mol Therapeutics – Nukleinske kiseline. 2021;26:523–35.
Lin J, Zhai X, Zou S, Xu Z, Zhang J, Jiang L, et al. Pozitivna povratna sprega između lncRNA FLVCR1-AS1 i KLF10 može inhibirati napredovanje raka gušterače putem PTEN/AKT puta. J EXP Clin Cancer Res. 2021;40(1).
Zhou X, Liu X, Zeng X, Wu D, Liu L. Identifikacija trinaest gena koji predviđaju ukupno preživljavanje kod hepatocelularnog karcinoma. Biosci Rep [članak u časopisu]. 2021 04.09.2021.
Vrijeme objave: 22. septembar 2023.