Aizkuņģa dziedzera vēzis ir viens no nāvējošākajiem audzējiem pasaulē ar sliktu prognozi.Tāpēc ir nepieciešams precīzs prognozēšanas modelis, lai identificētu pacientus ar augstu aizkuņģa dziedzera vēža risku, lai pielāgotu ārstēšanu un uzlabotu šo pacientu prognozi.
Mēs ieguvām vēža genoma atlanta (TCGA) aizkuņģa dziedzera adenokarcinomas (PAAD) RNAseq datus no UCSC Xena datu bāzes, identificējām ar imūnsistēmu saistītas lncRNS (irlncRNS), izmantojot korelācijas analīzi, un identificējām atšķirības starp TCGA un normāliem aizkuņģa dziedzera adenokarcinomas audiem.DEirlncRNA) no TCGA un aizkuņģa dziedzera audu genotipa audu ekspresijas (GTEx).Tika veiktas papildu vienfaktoru un laso regresijas analīzes, lai izveidotu prognostiskos parakstu modeļus.Pēc tam mēs aprēķinājām laukumu zem līknes un noteicām optimālo robežvērtību, lai identificētu pacientus ar augsta un zema riska aizkuņģa dziedzera adenokarcinomu.Lai salīdzinātu klīniskos raksturlielumus, imūno šūnu infiltrāciju, imūnsupresīvu mikro vidi un ķīmijterapijas rezistenci pacientiem ar augsta un zema riska aizkuņģa dziedzera vēzi.
Mēs identificējām 20 DEirlncRNS pārus un sagrupējām pacientus atbilstoši optimālajai robežvērtībai.Mēs parādījām, ka mūsu prognostiskajam paraksta modelim ir ievērojama veiktspēja, prognozējot pacientu ar PAAD prognozi.ROC līknes AUC ir 0,905 viena gada prognozei, 0,942 2 gadu prognozei un 0,966 3 gadu prognozei.Augsta riska pacientiem bija zemāks izdzīvošanas līmenis un sliktākas klīniskās īpašības.Mēs arī parādījām, ka augsta riska pacientiem ir imūnsupresija un var attīstīties rezistence pret imūnterapiju.Pretvēža zāļu, piemēram, paklitaksela, sorafeniba un erlotiniba, novērtējums, pamatojoties uz skaitļošanas prognozēšanas rīkiem, var būt piemērots augsta riska pacientiem ar PAAD.
Kopumā mūsu pētījumā tika izveidots jauns prognostiskā riska modelis, kas balstīts uz pāra irlncRNS, kas parādīja daudzsološu prognostisko vērtību pacientiem ar aizkuņģa dziedzera vēzi.Mūsu prognostiskā riska modelis var palīdzēt atšķirt pacientus ar PAAD, kuri ir piemēroti medicīniskai ārstēšanai.
Aizkuņģa dziedzera vēzis ir ļaundabīgs audzējs ar zemu piecu gadu izdzīvošanas līmeni un augstu pakāpi.Diagnozes laikā lielākā daļa pacientu jau ir progresējošā stadijā.Covid-19 epidēmijas kontekstā ārsti un medmāsas ir pakļauti milzīgam spiedienam, ārstējot pacientus ar aizkuņģa dziedzera vēzi, un arī pacientu ģimenes saskaras ar daudzveidīgu spiedienu, pieņemot lēmumus par ārstēšanu [1, 2].Lai gan DOAD ārstēšanā ir panākts liels progress, piemēram, neoadjuvanta terapija, ķirurģiska rezekcija, staru terapija, ķīmijterapija, mērķtiecīga molekulārā terapija un imūnās kontrolpunkta inhibitori (ICI), tikai aptuveni 9% pacientu izdzīvo piecus gadus pēc diagnozes noteikšanas [3 ].], 4].Tā kā aizkuņģa dziedzera adenokarcinomas agrīnie simptomi ir netipiski, pacientiem metastāzes parasti tiek diagnosticētas vēlīnā stadijā [5].Tāpēc konkrētam pacientam individuālai visaptverošai ārstēšanai ir jāizsver visu ārstēšanas iespēju priekšrocības un trūkumi, lai ne tikai pagarinātu dzīvildzi, bet arī uzlabotu dzīves kvalitāti [6].Tāpēc, lai precīzi novērtētu pacienta prognozi, ir nepieciešams efektīvs prognozēšanas modelis [7].Tādējādi var izvēlēties atbilstošu ārstēšanu, lai līdzsvarotu pacientu ar PAAD izdzīvošanu un dzīves kvalitāti.
Sliktā PAAD prognoze galvenokārt ir saistīta ar rezistenci pret ķīmijterapijas zālēm.Pēdējos gados imūno kontrolpunktu inhibitori ir plaši izmantoti cieto audzēju ārstēšanā [8].Tomēr ICI lietošana aizkuņģa dziedzera vēža gadījumā ir reti veiksmīga [9].Tāpēc ir svarīgi identificēt pacientus, kuri var gūt labumu no ICI terapijas.
Garā nekodējošā RNS (lncRNS) ir nekodējošas RNS veids ar transkriptiem> 200 nukleotīdiem.LncRNS ir plaši izplatītas un veido aptuveni 80% no cilvēka transkripta [10].Liels darba apjoms ir parādījis, ka uz lncRNS balstīti prognostiskie modeļi var efektīvi paredzēt pacienta prognozi [11, 12].Piemēram, tika identificētas 18 ar autofagiju saistītas lncRNS, lai radītu prognostiskus parakstus krūts vēža gadījumā [13].Lai noteiktu gliomas prognostiskās pazīmes, ir izmantotas sešas citas ar imūnsistēmu saistītas lncRNS [14].
Aizkuņģa dziedzera vēža gadījumā daži pētījumi ir izveidojuši uz lncRNS balstītus parakstus, lai prognozētu pacienta prognozi.3-lncRNS paraksts tika noteikts aizkuņģa dziedzera adenokarcinomas gadījumā ar laukumu zem ROC līknes (AUC) tikai 0,742 un kopējo dzīvildzi (OS) 3 gadi [15].Turklāt lncRNS ekspresijas vērtības atšķiras dažādiem genomiem, dažādiem datu formātiem un dažādiem pacientiem, un paredzamā modeļa veiktspēja ir nestabila.Tāpēc mēs izmantojam jaunu modelēšanas algoritmu, savienošanu pārī un iterāciju, lai ģenerētu ar imunitāti saistītus lncRNS (irlncRNA) parakstus, lai izveidotu precīzāku un stabilāku prognozēšanas modeli [8].
Normalizētie RNAseq dati (FPKM) un klīniskā aizkuņģa dziedzera vēža TCGA un genotipa audu ekspresijas (GTEx) dati tika iegūti no UCSC XENA datu bāzes (https://xenabrowser.net/datapages/).GTF faili tika iegūti no Ensembl datu bāzes (http://asia.ensembl.org) un izmantoti lncRNS ekspresijas profilu iegūšanai no RNAseq.Mēs lejupielādējām ar imunitāti saistītus gēnus no ImmPort datu bāzes (//www.immport.org) un identificējām ar imunitāti saistītās lncRNS (irlncRNS), izmantojot korelācijas analīzi (p <0,001, r> 0,4).Diferenciāli ekspresētu irlncRNS (DEirlncRNS) identifikācija, krustojot irlncRNS un diferencēti ekspresētas lncRNS, kas iegūtas no GEPIA2 datu bāzes (http://gepia2.cancer-pku.cn/#index) TCGA-PAAD kohortā (|logFC| > 1 un FDR). ) <0,05).
Par šo metodi ziņots iepriekš [8].Konkrēti, mēs konstruējam X, lai aizstātu pārī savienotās lncRNS A un lncRNS B. Ja lncRNS A ekspresijas vērtība ir augstāka par lncRNS B ekspresijas vērtību, X tiek definēts kā 1, pretējā gadījumā X tiek definēts kā 0. Tāpēc mēs varam iegūt matrica 0 vai – 1. Matricas vertikālā ass apzīmē katru paraugu, bet horizontālā ass apzīmē katru DEirlncRNS pāri ar vērtību 0 vai 1.
Lai pārbaudītu prognostiskos DEirlncRNS pārus, tika izmantota vienfaktoru regresijas analīze, kam sekoja Laso regresija.Laso regresijas analīzē tika izmantota 10 kārtīga savstarpēja validācija, kas tika atkārtota 1000 reizes (p < 0,05), ar 1000 nejaušiem stimuliem katrā skrējienā.Kad katra DEirlncRNS pāra biežums 1000 ciklos pārsniedza 100 reizes, DEirlncRNA pāri tika atlasīti, lai izveidotu prognostiskā riska modeli.Pēc tam mēs izmantojām AUC līkni, lai atrastu optimālo robežvērtību PAAD pacientu klasificēšanai augsta un zema riska grupās.Katra modeļa AUC vērtība tika aprēķināta un attēlota kā līkne.Ja līkne sasniedz augstāko punktu, kas norāda uz maksimālo AUC vērtību, aprēķina process apstājas un modelis tiek uzskatīts par labāko kandidātu.Tika izveidoti 1, 3 un 5 gadu ROC līknes modeļi.Lai pārbaudītu prognostiskā riska modeļa neatkarīgo paredzamo veiktspēju, tika izmantotas vienfaktoru un daudzfaktoru regresijas analīzes.
Izmantojiet septiņus rīkus, lai pētītu imūno šūnu infiltrācijas ātrumu, tostarp XCELL, TIMER, QUANTISEQ, MCPCOUNTER, EPIC, CIBERSORT-ABS un CIBERSORT.Imūno šūnu infiltrācijas dati tika lejupielādēti no TIMER2 datu bāzes (//timer.comp-genomics.org/#tab-5817-3).Imūnās infiltrējošo šūnu satura atšķirības starp konstruētā modeļa augsta un zema riska grupām tika analizētas, izmantojot Vilkoksona signed-rank testu, rezultāti parādīti kvadrātveida grafikā.Tika veikta Spīrmena korelācijas analīze, lai analizētu saistību starp riska punktu vērtībām un imūnsistēmas infiltrējošām šūnām.Iegūtais korelācijas koeficients tiek parādīts kā konfekte.Nozīmīguma slieksnis tika noteikts p < 0,05.Procedūra tika veikta, izmantojot R pakotni ggplot2.Lai pārbaudītu saistību starp modeli un gēnu ekspresijas līmeņiem, kas saistīti ar imūnsistēmas šūnu infiltrācijas ātrumu, mēs veicām ggstatsplot pakotni un vijoles diagrammas vizualizāciju.
Lai novērtētu aizkuņģa dziedzera vēža klīniskās ārstēšanas modeļus, mēs aprēķinājām IC50 parasti lietotajām ķīmijterapijas zālēm TCGA-PAAD grupā.Pusinhibējošās koncentrācijas (IC50) atšķirības starp augsta un zema riska grupām tika salīdzinātas, izmantojot Wilcoxon signed-rank testu, un rezultāti ir parādīti kā boxplots, kas ģenerēti, izmantojot pRRophetic un ggplot2 R. Visas metodes atbilst attiecīgajām vadlīnijām un normām.
Mūsu pētījuma darbplūsma ir parādīta 1. attēlā. Izmantojot korelācijas analīzi starp lncRNS un ar imunitāti saistītajiem gēniem, mēs atlasījām 724 irlncRNS ar p < 0,01 un r > 0,4.Pēc tam mēs analizējām GEPIA2 diferencēti izteiktās lncRNS (2.A attēls).Kopā 223 irlncRNS tika atšķirīgi ekspresētas starp aizkuņģa dziedzera adenokarcinomu un normāliem aizkuņģa dziedzera audiem (| logFC | > 1, FDR < 0, 05), nosauktas par DEirlncRNS.
Prognozējamo riska modeļu konstruēšana.(A) Vulkāna grafiks ar atšķirīgi izteiktām lncRNS.(B) Laso koeficientu sadalījums 20 DEirlncRNS pāriem.(C) LASSO koeficienta sadalījuma daļēja varbūtības dispersija.(D) Meža parauglaukums, kurā parādīta 20 DEirlncRNS pāru vienfaktoru regresijas analīze.
Pēc tam mēs izveidojām 0 vai 1 matricu, savienojot pārī 223 DEirlncRNS.Kopumā tika identificēti 13 687 DEirlncRNA pāri.Pēc vienfaktoru un laso regresijas analīzes beidzot tika pārbaudīti 20 DEirlncRNS pāri, lai izveidotu prognostiskā riska modeli (2.B-D attēls).Pamatojoties uz Lasso un vairākās regresijas analīzes rezultātiem, mēs aprēķinājām riska punktu katram pacientam TCGA-PAAD kohortā (1. tabula).Pamatojoties uz laso regresijas analīzes rezultātiem, mēs aprēķinājām riska punktu katram pacientam TCGA-PAAD kohortā.ROC līknes AUC bija 0,905 1 gada riska modeļa prognozei, 0,942 2 gadu prognozei un 0,966 3 gadu prognozei (3.A-B attēls).Mēs noteicām optimālo robežvērtību 3,105, noslāņojām TCGA-PAAD kohortas pacientus augsta un zema riska grupās un iezīmējām izdzīvošanas rezultātus un riska punktu sadalījumu katram pacientam (3.C-E attēls).Kaplan-Meier analīze parādīja, ka PAAD pacientu dzīvildze augsta riska grupā bija ievērojami zemāka nekā pacientiem zema riska grupā (p < 0,001) (3.F attēls).
Prognozes riska modeļu derīgums.(A) prognostiskā riska modeļa ROC.(B) 1, 2 un 3 gadu ROC prognostiskā riska modeļi.(C) prognostiskā riska modeļa ROC.Parāda optimālo robežpunktu.(DE) Izdzīvošanas statusa (D) un riska rādītāju (E) sadalījums.(F) PAAD pacientu Kaplan-Meier analīze augsta un zema riska grupās.
Mēs tālāk novērtējām atšķirības riska rādītājos pēc klīniskajām īpašībām.Sloksnes diagramma (4.A attēls) parāda vispārējo saistību starp klīniskajām īpašībām un riska rādītājiem.Jo īpaši gados vecākiem pacientiem bija augstāki riska rādītāji (4.B attēls).Turklāt pacientiem ar II stadiju bija augstāki riska rādītāji nekā pacientiem ar I stadiju (4.C attēls).Attiecībā uz audzēja pakāpi PAAD pacientiem 3. pakāpes pacientiem bija augstāki riska rādītāji nekā 1. un 2. pakāpes pacientiem (4. D attēls).Tālāk mēs veicām vienfaktoru un daudzfaktoru regresijas analīzes un parādījām, ka riska rādītājs (p < 0,001) un vecums (p = 0,045) bija neatkarīgi prognostiski faktori pacientiem ar PAAD (5.A-B attēls).ROC līkne parādīja, ka riska rādītājs bija pārāks par citām klīniskajām pazīmēm, prognozējot 1, 2 un 3 gadu dzīvildzi pacientiem ar PAAD (attēls 5C-E).
Prognozes riska modeļu klīniskās īpašības.Histogramma (A) parāda (B) vecumu, (C) audzēja stadiju, (D) audzēja pakāpi, riska rādītāju un pacientu dzimumu TCGA-PAAD kohortā.**p < 0,01
Prognozes riska modeļu neatkarīga paredzamā analīze.(AB) Prognostisko riska modeļu un klīnisko raksturojumu vienfaktoru (A) un daudzfaktoru (B) regresijas analīze.(CE) 1, 2 un 3 gadu ROC prognostiskajiem riska modeļiem un klīniskajām īpašībām
Tāpēc mēs pārbaudījām saistību starp laika un riska rādītājiem.Mēs noskaidrojām, ka riska rādītājs PAAD pacientiem bija apgriezti korelēts ar CD8+ T šūnām un NK šūnām (6.A attēls), kas norāda uz nomāktu imūno funkciju augsta riska grupā.Mēs arī novērtējām imūno šūnu infiltrācijas atšķirību starp augsta un zema riska grupām un konstatējām tādus pašus rezultātus (7. attēls).Augsta riska grupā bija mazāka CD8+ T šūnu un NK šūnu infiltrācija.Pēdējos gados imūno kontrolpunktu inhibitori (ICI) ir plaši izmantoti cieto audzēju ārstēšanā.Tomēr ICI lietošana aizkuņģa dziedzera vēža gadījumā reti ir bijusi veiksmīga.Tāpēc mēs novērtējām imūnās kontrolpunkta gēnu ekspresiju augsta un zema riska grupās.Mēs noskaidrojām, ka CTLA-4 un CD161 (KLRB1) bija pārmērīgi izteikti zema riska grupā (6.B-G attēls), norādot, ka PAAD pacienti zema riska grupā var būt jutīgi pret ICI.
Prognozējošā riska modeļa un imūnšūnu infiltrācijas korelācijas analīze.(A) Korelācija starp prognostiskā riska modeli un imūno šūnu infiltrāciju.(BG) Norāda gēnu ekspresiju augsta un zema riska grupās.(HK) IC50 vērtības specifiskām pretvēža zālēm augsta un zema riska grupās.*p < 0,05, **p < 0,01, ns = nav nozīmīgi
Tālāk mēs novērtējām saistību starp riska rādītājiem un parastajiem ķīmijterapijas līdzekļiem TCGA-PAAD kohortā.Mēs meklējām bieži lietotas pretvēža zāles aizkuņģa dziedzera vēža gadījumā un analizējām atšķirības to IC50 vērtībās starp augsta un zema riska grupām.Rezultāti parādīja, ka AZD.2281 (olapariba) IC50 vērtība bija augstāka augsta riska grupā, kas norāda, ka PAAD pacienti augsta riska grupā var būt rezistenti pret ārstēšanu ar AZD.2281 (6.H attēls).Turklāt paklitaksela, sorafeniba un erlotiniba IC50 vērtības bija zemākas augsta riska grupā (6I-K attēls).Tālāk mēs identificējām 34 pretvēža zāles ar augstākām IC50 vērtībām augsta riska grupā un 34 pretvēža zāles ar zemākām IC50 vērtībām augsta riska grupā (2.
Nevar noliegt, ka lncRNS, mRNS un miRNS plaši pastāv un tām ir izšķiroša loma vēža attīstībā.Ir daudz pierādījumu, kas apstiprina mRNS vai miRNS nozīmīgo lomu vispārējās izdzīvošanas prognozēšanā vairāku veidu vēža gadījumā.Neapšaubāmi, daudzi prognostiskie riska modeļi ir balstīti arī uz lncRNS.Piemēram, Luo et al.Pētījumi liecina, ka LINC01094 ir galvenā loma PC proliferācijā un metastāzēs, un augsta LINC01094 ekspresija liecina par sliktu aizkuņģa dziedzera vēža pacientu izdzīvošanu [16].Pētījumā, ko prezentēja Lin et al.Pētījumi liecina, ka lncRNS FLVCR1-AS1 pazemināšanās ir saistīta ar sliktu aizkuņģa dziedzera vēža pacientu prognozi [17].Tomēr ar imunitāti saistītās lncRNS tiek salīdzinoši mazāk apspriestas attiecībā uz vēža pacientu vispārējās izdzīvošanas prognozēšanu.Pēdējā laikā liels darbs ir veltīts prognostisko riska modeļu veidošanai, lai prognozētu vēža pacientu izdzīvošanu un tādējādi pielāgotu ārstēšanas metodes [18, 19, 20].Arvien vairāk tiek atzīta imūno infiltrātu svarīgā loma vēža ierosināšanā, progresēšanā un reakcijā uz ārstēšanu, piemēram, ķīmijterapiju.Daudzi pētījumi ir apstiprinājuši, ka audzēju infiltrējošām imūnšūnām ir izšķiroša nozīme reakcijā uz citotoksisku ķīmijterapiju [21, 22, 23].Audzēja imūnā mikrovide ir svarīgs faktors audzēja pacientu izdzīvošanā [24, 25].Imūnterapija, īpaši ICI terapija, tiek plaši izmantota cieto audzēju ārstēšanā [26].Ar imūnsistēmu saistīti gēni tiek plaši izmantoti, lai izveidotu prognostiskos riska modeļus.Piemēram, Su et al.Ar imūnsistēmu saistītā prognostiskā riska modelis ir balstīts uz proteīnu kodējošiem gēniem, lai prognozētu olnīcu vēža pacientu prognozi [27].Nekodējoši gēni, piemēram, lncRNS, ir piemēroti arī prognostiskā riska modeļu konstruēšanai [28, 29, 30].Luo et al pārbaudīja četras ar imūnsistēmu saistītas lncRNS un izveidoja prognozēšanas modeli dzemdes kakla vēža riskam [31].Khan et al.Kopumā tika identificēti 32 atšķirīgi izteikti transkripti, un, pamatojoties uz to, tika izveidots prognozēšanas modelis ar 5 nozīmīgiem transkriptiem, kas tika piedāvāts kā ļoti ieteicams instruments, lai prognozētu biopsiju pierādītu akūtu atgrūšanu pēc nieres transplantācijas [32].
Lielākā daļa šo modeļu ir balstīti uz gēnu ekspresijas līmeņiem, vai nu proteīnus kodējošiem gēniem, vai nekodējošiem gēniem.Tomēr vienam un tam pašam gēnam var būt atšķirīgas ekspresijas vērtības dažādos genomos, datu formātos un dažādiem pacientiem, kas rada nestabilus aprēķinus prognozēšanas modeļos.Šajā pētījumā mēs izveidojām saprātīgu modeli ar diviem lncRNS pāriem neatkarīgi no precīzām izteiksmes vērtībām.
Šajā pētījumā mēs pirmo reizi identificējām irlncRNS, izmantojot korelācijas analīzi ar ar imunitāti saistītiem gēniem.Mēs pārbaudījām 223 DEirlncRNS, hibridizējot ar atšķirīgi ekspresētām lncRNS.Otrkārt, mēs izveidojām 0 vai 1 matricu, pamatojoties uz publicēto DEirlncRNA savienošanas metodi [31].Pēc tam mēs veicām vienfaktoru un laso regresijas analīzes, lai identificētu prognostiskos DEirlncRNS pārus un izveidotu paredzamo riska modeli.Mēs tālāk analizējām saistību starp riska rādītājiem un klīniskajām īpašībām pacientiem ar PAAD.Mēs noskaidrojām, ka mūsu prognostiskais riska modelis kā neatkarīgs prognostiskais faktors PAAD pacientiem var efektīvi atšķirt augstas pakāpes pacientus no zemas pakāpes pacientiem un augstas pakāpes pacientus no zemas pakāpes pacientiem.Turklāt prognostiskā riska modeļa ROC līknes AUC vērtības bija 0,905 1 gada prognozei, 0,942 2 gadu prognozei un 0,966 3 gadu prognozei.
Pētnieki ziņoja, ka pacienti ar lielāku CD8+ T šūnu infiltrāciju bija jutīgāki pret ICI ārstēšanu [33].Citotoksisko šūnu, CD56 NK šūnu, NK šūnu un CD8+ T šūnu satura palielināšanās audzēja imūno mikrovidē var būt viens no audzēju nomācošās iedarbības iemesliem [34].Iepriekšējie pētījumi parādīja, ka augstāks audzējos infiltrējošā CD4(+) T un CD8(+) T līmenis bija būtiski saistīts ar ilgāku dzīvildzi [35].Slikta CD8 T šūnu infiltrācija, zema neoantigēna slodze un ļoti imūnsupresīva audzēja mikrovide izraisa reakcijas trūkumu uz ICI terapiju [36].Mēs noskaidrojām, ka riska rādītājs bija negatīvi korelēts ar CD8+ T šūnām un NK šūnām, norādot, ka pacienti ar augstu riska rādītāju var nebūt piemēroti ICI ārstēšanai un viņiem ir sliktāka prognoze.
CD161 ir dabisko killer (NK) šūnu marķieris.CD8+CD161+ CAR transducētās T šūnas veicina uzlabotu in vivo pretvēža efektivitāti HER2+ aizkuņģa dziedzera kanāla adenokarcinomas ksenotransplantāta modeļos [37].Imūnās kontrolpunkta inhibitori ir vērsti uz citotoksisku T limfocītu saistīto proteīnu 4 (CTLA-4) un ieprogrammēto šūnu nāves proteīna 1 (PD-1)/programmēto šūnu nāves ligandu 1 (PD-L1) ceļiem, un tiem ir liels potenciāls daudzās jomās.CTLA-4 un CD161 (KLRB1) ekspresija ir zemāka augsta riska grupās, kas vēl vairāk norāda, ka pacienti ar augsta riska rādītājiem var nebūt piemēroti ICI ārstēšanai.[38]
Lai atrastu augsta riska pacientiem piemērotas ārstēšanas iespējas, mēs analizējām dažādas pretvēža zāles un atklājām, ka paklitaksels, sorafenibs un erlotinibs, ko plaši lieto pacientiem ar PAAD, var būt piemēroti augsta riska pacientiem ar PAAD.[33].Zhang et al atklāja, ka mutācijas jebkurā DNS bojājumu reakcijas (DDR) ceļā var izraisīt sliktu prognozi prostatas vēža pacientiem [39].Pancreatic Cancer Olaparib Ongoing (POLO) pētījums parādīja, ka balstterapija ar olaparibu pagarināja dzīvildzi bez slimības progresēšanas, salīdzinot ar placebo pēc pirmās izvēles platīna bāzes ķīmijterapijas pacientiem ar aizkuņģa dziedzera ductal adenokarcinomu un dzimumšūnu BRCA1/2 mutācijām [40].Tas rada ievērojamu optimismu, ka ārstēšanas rezultāti šajā pacientu apakšgrupā ievērojami uzlabosies.Šajā pētījumā AZD.2281 (olapariba) IC50 vērtība bija augstāka augsta riska grupā, kas liecina, ka PAAD pacienti augsta riska grupā var būt rezistenti pret ārstēšanu ar AZD.2281.
Šajā pētījumā izmantotie prognozēšanas modeļi dod labus prognozēšanas rezultātus, taču tie ir balstīti uz analītiskām prognozēm.Svarīgs jautājums ir, kā apstiprināt šos rezultātus ar klīniskiem datiem.Endoskopiskā smalkas adatas aspirācijas ultrasonogrāfija (EUS-FNA) ir kļuvusi par neaizstājamu metodi cietu un ekstrapankreatisku aizkuņģa dziedzera bojājumu diagnosticēšanai ar jutīgumu 85% un specifiskumu 98% [41].EUS smalkās adatas biopsijas (EUS-FNB) adatu parādīšanās galvenokārt ir balstīta uz uztveramajām priekšrocībām salīdzinājumā ar FNA, piemēram, augstāku diagnostikas precizitāti, paraugu iegūšanu, kas saglabā histoloģisko struktūru, un tādējādi veidojot imūno audus, kas ir būtiski noteiktām diagnozēm.īpaša krāsošana [42].Sistemātisks literatūras apskats apstiprināja, ka FNB adatas (īpaši 22G) demonstrē visaugstāko efektivitāti audu savākšanā no aizkuņģa dziedzera masām [43].Klīniski tikai neliels skaits pacientu ir piemēroti radikālai operācijai, un lielākajai daļai pacientu sākotnējās diagnozes laikā ir neoperējami audzēji.Klīniskajā praksē tikai nelielai daļai pacientu ir piemērota radikāla operācija, jo lielākajai daļai pacientu sākotnējās diagnostikas brīdī ir neoperējami audzēji.Pēc patoloģiska apstiprinājuma ar EUS-FNB un citām metodēm parasti tiek izvēlēta standartizēta neķirurģiska ārstēšana, piemēram, ķīmijterapija.Mūsu turpmākā pētījumu programma ir pārbaudīt šī pētījuma prognostisko modeli ķirurģiskās un neķirurģiskās grupās, izmantojot retrospektīvu analīzi.
Kopumā mūsu pētījumā tika izveidots jauns prognostiskā riska modelis, kas balstīts uz pāra irlncRNS, kas parādīja daudzsološu prognostisko vērtību pacientiem ar aizkuņģa dziedzera vēzi.Mūsu prognostiskā riska modelis var palīdzēt atšķirt pacientus ar PAAD, kuri ir piemēroti medicīniskai ārstēšanai.
Šajā pētījumā izmantotās un analizētās datu kopas ir pieejamas no attiecīgā autora pēc pamatota pieprasījuma.
Sui Wen, Gong X, Zhuang Y. Pašefektivitātes starpnieka loma negatīvo emociju emocionālajā regulēšanā COVID-19 pandēmijas laikā: šķērsgriezuma pētījums.Int J Ment Health Nurs [žurnāla raksts].2021 06/01/2021;30(3):759–71.
Sui Wen, Gong X, Qiao X, Zhang L, Cheng J, Dong J u.c.Ģimenes locekļu uzskati par alternatīvu lēmumu pieņemšanu intensīvās terapijas nodaļās: sistemātisks pārskats.INT J NURS STUD [žurnāla raksts;apskats].2023 01/01/2023;137:104391.
Vincent A, Herman J, Schulich R, Hruban RH, Goggins M. Aizkuņģa dziedzera vēzis.Lancete.[Žurnāla raksts;pētniecības atbalsts, NIH, neklātienes;pētniecības atbalsts, valdība ārpus ASV;apskats].2011 13.08.2011;378(9791):607–20.
Ilic M, Ilic I. Aizkuņģa dziedzera vēža epidemioloģija.Pasaules gastroenteroloģijas žurnāls.[Žurnāla raksts, apskats].2016 28.11.2016;22(44):9694–705.
Liu X, Chen B, Chen J, Sun S. Jauna ar tp53 saistīta nomogramma, lai prognozētu kopējo dzīvildzi pacientiem ar aizkuņģa dziedzera vēzi.BMC Cancer [žurnāla raksts].2021, 31-03-2021;21(1):335.
Xian X, Zhu X, Chen Y, Huang B, Xiang W. Uz šķīdumu vērstas terapijas ietekme uz ar vēzi saistītu nogurumu kolorektālā vēža pacientiem, kuri saņem ķīmijterapiju: randomizēts kontrolēts pētījums.Vēža medmāsa.[Žurnāla raksts;randomizēts kontrolēts pētījums;pētījumu atbalsta valdība ārpus ASV].2022 05.01.2022;45(3):E663–73.
Džans Čeņs, Džens Veņs, Lu J., Šaņs L, Sju Dongs, Pans J u.c.Pēcoperācijas karcinoembrionālā antigēna (CEA) līmenis paredz iznākumu pēc kolorektālā vēža rezekcijas pacientiem ar normālu pirmsoperācijas CEA līmeni.Translācijas vēža pētījumu centrs.[Žurnāla raksts].2020 01.01.2020;9(1):111–8.
Hong Wen, Liang Li, Gu Yu, Qi Zi, Qiu Hua, Yang X u.c.Ar imūnsistēmu saistītās lncRNS rada jaunus parakstus un prognozē cilvēka hepatocelulārās karcinomas imūno ainavu.Mol Ther Nucleic acids [Žurnāla raksts].2020 2020-12-04; 22:937–47.
Toffey RJ, Zhu Y., Schulich RD Aizkuņģa dziedzera vēža imūnterapija: šķēršļi un sasniegumi.Ann Gastrointestinal Surgeon [Žurnāla raksts;apskats].2018 07/01/2018;2(4):274–81.
Hull R, Mbita Z, Dlamini Z. Garas nekodējošas RNS (LncRNS), vīrusu audzēju genomika un novirzes splicēšanas notikumi: terapeitiskās sekas.AM J VĒZIS RES [žurnāla raksts;apskats].2021 20.01.2021.;11(3):866–83.
Wang J, Chen P, Zhang Y, Ding J, Yang Y, Li H. 11-LncRNS parakstu identificēšana, kas saistīti ar endometrija vēža prognozi.Zinātnes sasniegumi [žurnāla raksts].2021 2021-01-01;104(1):311977089.
Jiang S, Ren H, Liu S, Lu Z, Xu A, Qin S u.c.RNS saistošo proteīnu prognostisko gēnu un zāļu kandidātu visaptveroša analīze papilāru šūnu nieru šūnu karcinomā.pregen.[Žurnāla raksts].2021 01/20/2021; 12:627508.
Li X, Chen J, Yu Q, Huang X, Liu Z, Wang X u.c.Ar autofagiju saistītās garās nekodējošās RNS īpašības paredz krūts vēža prognozi.pregen.[Žurnāla raksts].2021 01/20/2021;12:569318.
Zhou M, Zhang Z, Zhao X, Bao S, Cheng L, Sun J. Ar imūnsistēmu saistīts sešu lncRNS paraksts uzlabo prognozi multiformās glioblastomas gadījumā.MOL Neirobioloģija.[Žurnāla raksts].2018 01.05.2018;55(5):3684–97.
Wu B, Wang Q, Fei J, Bao Y, Wang X, Song Z u.c.Jauns tri-lncRNS paraksts prognozē pacientu ar aizkuņģa dziedzera vēzi izdzīvošanu.ONKOL PĀRSTĀVJI.[Žurnāla raksts].2018 12/01/2018;40(6):3427–37.
Luo C, Lin K, Hu C, Zhu X, Zhu J, Zhu Z. LINC01094 veicina aizkuņģa dziedzera vēža progresēšanu, regulējot LIN28B ekspresiju un PI3K / AKT ceļu caur sūkļveida miR-577.Mol Therapeutics – nukleīnskābes.2021;26:523–35.
Lin J, Zhai X, Zou S, Xu Z, Zhang J, Jiang L u.c.Pozitīva atgriezeniskā saite starp lncRNA FLVCR1-AS1 un KLF10 var kavēt aizkuņģa dziedzera vēža progresēšanu caur PTEN/AKT ceļu.J EXP Clin Cancer Res.2021;40(1).
Zhou X, Liu X, Zeng X, Wu D, Liu L. Trīspadsmit gēnu identifikācija, kas paredz vispārējo izdzīvošanu hepatocelulārā karcinomas gadījumā.Biosci Rep [žurnāla raksts].2021. 04.09.2021.
Izlikšanas laiks: 22. septembris 2023