Rak trebušne slinavke je eden najsmrtonosnejših tumorjev na svetu s slabo prognozo. Zato je potreben natančen napovedni model za prepoznavanje bolnikov z visokim tveganjem za raka trebušne slinavke, da bi prilagodili zdravljenje in izboljšali prognozo teh bolnikov.
Iz baze podatkov UCSC Xena smo pridobili podatke RNAseq za adenokarcinom trebušne slinavke (PAAD) iz atlasa genoma raka (TCGA), s korelacijsko analizo identificirali imunsko povezane lncRNA (irlncRNA) in ugotovili razlike med tkivom TCGA in normalnim tkivom adenokarcinoma trebušne slinavke. DEirlncRNA) iz TCGA in izražanje genotipa v tkivu (GTEx) tkiva trebušne slinavke. Za izdelavo prognostičnih modelov smo izvedli nadaljnje univariatne in laso regresijske analize. Nato smo izračunali površino pod krivuljo in določili optimalno mejno vrednost za identifikacijo bolnikov z adenokarcinomom trebušne slinavke z visokim in nizkim tveganjem. Z namenom primerjave kliničnih značilnosti, infiltracije imunskih celic, imunosupresivnega mikrookolja in odpornosti na kemoterapijo pri bolnikih z rakom trebušne slinavke z visokim in nizkim tveganjem.
Identificirali smo 20 parov DEirlncRNA in bolnike razvrstili glede na optimalno mejno vrednost. Pokazali smo, da ima naš prognostični model pomembno učinkovitost pri napovedovanju prognoze bolnikov s PAAD. AUC krivulje ROC je 0,905 za 1-letno napoved, 0,942 za 2-letno napoved in 0,966 za 3-letno napoved. Bolniki z visokim tveganjem so imeli nižje stopnje preživetja in slabše klinične značilnosti. Pokazali smo tudi, da so bolniki z visokim tveganjem imunosupresirani in lahko razvijejo odpornost na imunoterapijo. Vrednotenje zdravil proti raku, kot so paklitaksel, sorafenib in erlotinib, na podlagi računalniških orodij za napovedovanje je lahko primerno za bolnike z visokim tveganjem s PAAD.
Na splošno je naša študija vzpostavila nov prognostični model tveganja, ki temelji na parni irlncRNA, ki je pokazal obetavno prognostično vrednost pri bolnikih z rakom trebušne slinavke. Naš prognostični model tveganja lahko pomaga razlikovati bolnike s PAAD, ki so primerni za zdravljenje.
Rak trebušne slinavke je maligni tumor z nizko petletno stopnjo preživetja in visoko stopnjo. Ob diagnozi je večina bolnikov že v napredovalem stadiju. V kontekstu epidemije COVID-19 so zdravniki in medicinske sestre pod ogromnim pritiskom pri zdravljenju bolnikov z rakom trebušne slinavke, prav tako pa se družine bolnikov soočajo z večkratnimi pritiski pri odločanju o zdravljenju [1, 2]. Čeprav je bil pri zdravljenju DOAD dosežen velik napredek, kot so neoadjuvantna terapija, kirurška resekcija, radioterapija, kemoterapija, ciljno usmerjena molekularna terapija in zaviralci imunskih kontrolnih točk (ICI), le približno 9 % bolnikov preživi pet let po diagnozi [3]. ], 4]. Ker so zgodnji simptomi adenokarcinoma trebušne slinavke atipični, bolnikom običajno diagnosticirajo metastaze v napredovalem stadiju [5]. Zato mora individualizirano celovito zdravljenje za danega bolnika pretehtati prednosti in slabosti vseh možnosti zdravljenja, ne le za podaljšanje preživetja, temveč tudi za izboljšanje kakovosti življenja [6]. Zato je za natančno oceno bolnikove prognoze potreben učinkovit napovedni model [7]. Tako je mogoče izbrati ustrezno zdravljenje, ki uravnoteži preživetje in kakovost življenja bolnikov s PAAD.
Slaba prognoza PAAD je predvsem posledica odpornosti na kemoterapevtska zdravila. V zadnjih letih se pri zdravljenju solidnih tumorjev pogosto uporabljajo zaviralci imunskih kontrolnih točk [8]. Vendar pa je uporaba ICI pri raku trebušne slinavke redko uspešna [9]. Zato je pomembno prepoznati bolnike, ki bi jim lahko koristila terapija z ICI.
Dolga nekodirajoča RNK (lncRNA) je vrsta nekodirajoče RNK s transkripti >200 nukleotidov. LncRNA so zelo razširjene in predstavljajo približno 80 % človeškega transkriptoma [10]. Obsežno delo je pokazalo, da lahko prognostični modeli, ki temeljijo na lncRNA, učinkovito napovedujejo prognozo bolnikov [11, 12]. Na primer, identificiranih je bilo 18 z avtofagijo povezanih lncRNA, ki ustvarjajo prognostične podpise pri raku dojke [13]. Šest drugih z imunskim sistemom povezanih lncRNA je bilo uporabljenih za določitev prognostičnih značilnosti glioma [14].
Pri raku trebušne slinavke so nekatere študije vzpostavile podpise na osnovi lncRNA za napovedovanje prognoze bolnikov. Podpis 3-lncRNA je bil vzpostavljen pri adenokarcinomu trebušne slinavke s površino pod ROC krivuljo (AUC) le 0,742 in celokupnim preživetjem (OS) 3 leta [15]. Poleg tega se vrednosti izražanja lncRNA razlikujejo med različnimi genomi, različnimi formati podatkov in različnimi bolniki, delovanje napovednega modela pa je nestabilno. Zato uporabljamo nov algoritem modeliranja, združevanje in iteracijo, da ustvarimo podpise lncRNA, povezane z imunostjo (irlncRNA), da ustvarimo natančnejši in stabilnejši napovedni model [8].
Normalizirani podatki RNAseq (FPKM) in klinični podatki TCGA ter podatki o izražanju tkiva genotipa (GTEx) pri raku trebušne slinavke so bili pridobljeni iz baze podatkov UCSC XENA (https://xenabrowser.net/datapages/). Datoteke GTF so bile pridobljene iz baze podatkov Ensembl (http://asia.ensembl.org) in uporabljene za ekstrakcijo profilov izražanja lncRNA iz RNAseq. Z imunostjo povezane gene smo prenesli iz baze podatkov ImmPort (http://www.immport.org) in z uporabo korelacijske analize identificirali z imunostjo povezane lncRNA (irlncRNA) (p < 0,001, r > 0,4). Identifikacija diferencialno izraženih irlncRNA (DEirlncRNA) s križanjem irlncRNA in diferencialno izraženih lncRNA, pridobljenih iz baze podatkov GEPIA2 (http://gepia2.cancer-pku.cn/#index), v kohorti TCGA-PAAD (|logFC| > 1 in FDR < 0,05).
Ta metoda je bila že opisana [8]. Natančneje, konstruiramo X, ki nadomesti par lncRNA A in lncRNA B. Ko je vrednost izražanja lncRNA A višja od vrednosti izražanja lncRNA B, je X definiran kot 1, sicer je X definiran kot 0. Zato lahko dobimo matriko 0 ali –1. Navpična os matrike predstavlja vsak vzorec, vodoravna os pa vsak par DEirlncRNA z vrednostjo 0 ali 1.
Za presejanje prognostičnih parov DEirlncRNA je bila uporabljena univariatna regresijska analiza, ki ji je sledila lasso regresija. Laso regresijska analiza je uporabila 10-kratno navzkrižno validacijo, ponovljeno 1000-krat (p < 0,05), s 1000 naključnimi dražljaji na niz. Ko je frekvenca vsakega para DEirlncRNA presegla 100-krat v 1000 ciklih, so bili pari DEirlncRNA izbrani za izdelavo prognostičnega modela tveganja. Nato smo uporabili krivuljo AUC za iskanje optimalne mejne vrednosti za razvrščanje bolnikov s PAAD v skupine z visokim in nizkim tveganjem. Izračunana je bila tudi vrednost AUC vsakega modela in prikazana kot krivulja. Če krivulja doseže najvišjo točko, ki označuje največjo vrednost AUC, se postopek izračuna ustavi in model velja za najboljšega kandidata. Izdelani so bili 1-, 3- in 5-letni modeli ROC krivulje. Za preučitev neodvisne napovedne učinkovitosti prognostičnega modela tveganja so bile uporabljene univariatne in multivariatne regresijske analize.
Za preučevanje stopenj infiltracije imunskih celic smo uporabili sedem orodij, vključno z XCELL, TIMER, QUANTISEQ, MCPCOUNTER, EPIC, CIBERSORT-ABS in CIBERSORT. Podatki o infiltraciji imunskih celic so bili preneseni iz baze podatkov TIMER2 (http://timer.comp-genomics.org/#tab-5817-3). Razlika v vsebnosti imunsko infiltrirajočih celic med skupinami z visokim in nizkim tveganjem v konstruiranem modelu je bila analizirana z Wilcoxonovim testom predznačenih rangov, rezultati pa so prikazani v kvadratnem grafu. Za analizo razmerja med vrednostmi ocene tveganja in imunsko infiltrirajočimi celicami je bila izvedena Spearmanova korelacijska analiza. Nastali korelacijski koeficient je prikazan kot lizika. Prag pomembnosti je bil določen na p < 0,05. Postopek je bil izveden z uporabo paketa R ggplot2. Za preučitev razmerja med modelom in ravnmi izražanja genov, povezanimi s stopnjo infiltracije imunskih celic, smo izvedli paket ggstatsplot in vizualizacijo violinskega grafa.
Za oceno kliničnih vzorcev zdravljenja raka trebušne slinavke smo v kohorti TCGA-PAAD izračunali IC50 pogosto uporabljenih kemoterapevtskih zdravil. Razlike v polovičnih inhibitornih koncentracijah (IC50) med skupinami z visokim in nizkim tveganjem smo primerjali z Wilcoxonovim testom predznačenih rangov, rezultati pa so prikazani kot škatlasti diagrami, ustvarjeni z uporabo pRRophetic in ggplot2 v R. Vse metode so skladne z ustreznimi smernicami in normami.
Potek naše študije je prikazan na sliki 1. Z uporabo korelacijske analize med lncRNA in geni, povezanimi z imunostjo, smo izbrali 724 irlncRNA s p < 0,01 in r > 0,4. Nato smo analizirali različno izražene lncRNA gena GEPIA2 (slika 2A). Skupno 223 irlncRNA je bilo različno izraženih med adenokarcinomom trebušne slinavke in normalnim tkivom trebušne slinavke (|logFC| > 1, FDR < 0,05), poimenovanih DEirlncRNA.
Konstrukcija napovednih modelov tveganja. (A) Vulkanski diagram diferencialno izraženih lncRNA. (B) Porazdelitev laso koeficientov za 20 parov DEirlncRNA. (C) Varianca delne verjetnosti porazdelitve koeficientov LASSO. (D) Gozdni diagram, ki prikazuje univariatno regresijsko analizo 20 parov DEirlncRNA.
Nato smo konstruirali matriko 0 ali 1 z združevanjem 223 DEirlncRNA. Skupno smo identificirali 13.687 parov DEirlncRNA. Po univariatni in laso regresijski analizi smo končno testirali 20 parov DEirlncRNA za konstrukcijo prognostičnega modela tveganja (slika 2B-D). Na podlagi rezultatov laso in multiple regresijske analize smo izračunali oceno tveganja za vsakega bolnika v kohorti TCGA-PAAD (tabela 1). Na podlagi rezultatov laso regresijske analize smo izračunali oceno tveganja za vsakega bolnika v kohorti TCGA-PAAD. AUC krivulje ROC je bil 0,905 za 1-letno napoved modela tveganja, 0,942 za 2-letno napoved in 0,966 za 3-letno napoved (slika 3A-B). Določili smo optimalno mejno vrednost 3,105, bolnike iz kohorte TCGA-PAAD stratificirali v skupine z visokim in nizkim tveganjem ter prikazali izide preživetja in porazdelitve ocen tveganja za vsakega bolnika (slika 3C-E). Kaplan-Meierjeva analiza je pokazala, da je bilo preživetje bolnikov s PAAD v skupini z visokim tveganjem bistveno nižje kot pri bolnikih v skupini z nizkim tveganjem (p < 0,001) (slika 3F).
Veljavnost prognostičnih modelov tveganja. (A) ROC model prognostičnega tveganja. (B) 1-, 2- in 3-letni ROC modeli prognostičnega tveganja. (C) ROC model prognostičnega tveganja. Prikazuje optimalno mejno vrednost. (DE) Porazdelitev statusa preživetja (D) in ocen tveganja (E). (F) Kaplan-Meierjeva analiza bolnikov s PAAD v skupinah z visokim in nizkim tveganjem.
Nadalje smo ocenili razlike v ocenah tveganja glede na klinične značilnosti. Tračni diagram (slika 4A) prikazuje splošno razmerje med kliničnimi značilnostmi in ocenami tveganja. Zlasti starejši bolniki so imeli višje ocene tveganja (slika 4B). Poleg tega so imeli bolniki z II. stadijem višje ocene tveganja kot bolniki z I. stadijem (slika 4C). Kar zadeva stopnjo tumorja pri bolnikih s PAAD, so imeli bolniki s 3. stopnjo višje ocene tveganja kot bolniki s 1. in 2. stopnjo (slika 4D). Nadalje smo izvedli univariatno in multivariatno regresijsko analizo in pokazali, da sta ocena tveganja (p < 0,001) in starost (p = 0,045) neodvisna prognostična dejavnika pri bolnikih s PAAD (slika 5A-B). ROC krivulja je pokazala, da je bila ocena tveganja boljša od drugih kliničnih značilnosti pri napovedovanju 1-, 2- in 3-letnega preživetja bolnikov s PAAD (slika 5C-E).
Klinične značilnosti prognostičnih modelov tveganja. Histogram (A) prikazuje (B) starost, (C) stadij tumorja, (D) stopnjo tumorja, oceno tveganja in spol bolnikov v kohorti TCGA-PAAD. **p < 0,01
Neodvisna napovedna analiza modelov prognostičnega tveganja. (AB) Univariatna (A) in multivariatna (B) regresijska analiza modelov prognostičnega tveganja in kliničnih značilnosti. (CE) 1-, 2- in 3-letni ROC za modele prognostičnega tveganja in klinične značilnosti.
Zato smo preučili razmerje med časom in ocenami tveganja. Ugotovili smo, da je bila ocena tveganja pri bolnikih s PAAD obratno sorazmerna s celicami CD8+ T in celicami NK (slika 6A), kar kaže na zaviranje imunskega delovanja v skupini z visokim tveganjem. Ocenili smo tudi razliko v infiltraciji imunskih celic med skupinama z visokim in nizkim tveganjem ter ugotovili enake rezultate (slika 7). V skupini z visokim tveganjem je bila infiltracija celic CD8+ T in celic NK manjša. V zadnjih letih se pri zdravljenju solidnih tumorjev pogosto uporabljajo zaviralci imunskih kontrolnih točk (ICI). Vendar pa je bila uporaba ICI pri raku trebušne slinavke redko uspešna. Zato smo ocenili izražanje genov imunskih kontrolnih točk v skupinah z visokim in nizkim tveganjem. Ugotovili smo, da sta bila CTLA-4 in CD161 (KLRB1) prekomerno izražena v skupini z nizkim tveganjem (slika 6B-G), kar kaže, da so bolniki s PAAD v skupini z nizkim tveganjem lahko občutljivi na ICI.
Korelacijska analiza modela prognostičnega tveganja in infiltracije imunskih celic. (A) Korelacija med modelom prognostičnega tveganja in infiltracijo imunskih celic. (BG) Označuje izražanje genov v skupinah z visokim in nizkim tveganjem. (HK) Vrednosti IC50 za specifična zdravila proti raku v skupinah z visokim in nizkim tveganjem. *p < 0,05, **p < 0,01, ns = ni statistično značilno
Nadalje smo ocenili povezavo med ocenami tveganja in pogostimi kemoterapevtskimi sredstvi v kohorti TCGA-PAAD. Iskali smo pogosto uporabljena zdravila proti raku pri raku trebušne slinavke in analizirali razlike v njihovih vrednostih IC50 med skupinami z visokim in nizkim tveganjem. Rezultati so pokazali, da je bila vrednost IC50 za AZD.2281 (olaparib) višja v skupini z visokim tveganjem, kar kaže na to, da so bolniki s PAAD v skupini z visokim tveganjem lahko odporni na zdravljenje z AZD.2281 (slika 6H). Poleg tega so bile vrednosti IC50 za paklitaksel, sorafenib in erlotinib nižje v skupini z visokim tveganjem (slika 6I-K). Nadalje smo identificirali 34 zdravil proti raku z višjimi vrednostmi IC50 v skupini z visokim tveganjem in 34 zdravil proti raku z nižjimi vrednostmi IC50 v skupini z visokim tveganjem (tabela 2).
Ni mogoče zanikati, da lncRNA, mRNA in miRNA obstajajo in igrajo ključno vlogo pri razvoju raka. Obstaja veliko dokazov, ki podpirajo pomembno vlogo mRNA ali miRNA pri napovedovanju celokupnega preživetja pri več vrstah raka. Nedvomno številni prognostični modeli tveganja temeljijo tudi na lncRNA. Na primer, študije Luo et al. so pokazale, da ima LINC01094 ključno vlogo pri proliferaciji in metastazah raka trebušne slinavke, visoka ekspresija LINC01094 pa kaže na slabo preživetje bolnikov z rakom trebušne slinavke [16]. Študijo, ki so jo predstavili Lin et al., so pokazale, da je znižana regulacija lncRNA FLVCR1-AS1 povezana s slabo prognozo pri bolnikih z rakom trebušne slinavke [17]. Vendar pa se o lncRNA, povezanih z imunostjo, relativno manj razpravlja v smislu napovedovanja celokupnega preživetja bolnikov z rakom. V zadnjem času se veliko dela osredotoča na izgradnjo prognostičnih modelov tveganja za napovedovanje preživetja bolnikov z rakom in s tem prilagajanje metod zdravljenja [18, 19, 20]. Vedno bolj se prepoznava pomembna vloga imunskih infiltratov pri nastanku, napredovanju in odzivu raka na zdravljenje, kot je kemoterapija. Številne študije so potrdile, da imajo tumorsko infiltrirajoče imunske celice ključno vlogo pri odzivu na citotoksično kemoterapijo [21, 22, 23]. Tumorsko imunsko mikrookolje je pomemben dejavnik preživetja bolnikov s tumorji [24, 25]. Imunoterapija, zlasti terapija ICI, se pogosto uporablja pri zdravljenju solidnih tumorjev [26]. Imunsko povezani geni se pogosto uporabljajo za izdelavo prognostičnih modelov tveganja. Na primer, Su et al. Imunsko povezani prognostični model tveganja temelji na genih, ki kodirajo beljakovine, za napovedovanje prognoze bolnikov z rakom jajčnikov [27]. Nekodirajoči geni, kot so lncRNA, so prav tako primerni za izdelavo prognostičnih modelov tveganja [28, 29, 30]. Luo et al. so testirali štiri imunsko povezane lncRNA in zgradili napovedni model za tveganje za raka materničnega vratu [31]. Khan et al. Identificirali so skupno 32 diferencialno izraženih transkriptov in na podlagi tega vzpostavili napovedni model s 5 pomembnimi transkripti, ki je bil predlagan kot zelo priporočljivo orodje za napovedovanje z biopsijo dokazane akutne zavrnitve po presaditvi ledvice [32].
Večina teh modelov temelji na ravneh izražanja genov, bodisi genov, ki kodirajo beljakovine, bodisi nekodirajočih genov. Vendar pa ima lahko isti gen različne vrednosti izražanja v različnih genomih, formatih podatkov in pri različnih bolnikih, kar vodi do nestabilnih ocen v napovednih modelih. V tej študiji smo zgradili razumen model z dvema paroma dolgih neenakcijskih RNA, neodvisen od natančnih vrednosti izražanja.
V tej študiji smo prvič identificirali irlncRNA s korelacijsko analizo z geni, povezanimi z imunostjo. S hibridizacijo z diferencialno izraženimi lncRNA smo pregledali 223 DEirlncRNA. Nato smo na podlagi objavljene metode združevanja DEirlncRNA [31] konstruirali matriko 0 ali 1. Nato smo izvedli univariatno in laso regresijsko analizo, da bi identificirali prognostične pare DEirlncRNA in konstruirali napovedni model tveganja. Nadalje smo analizirali povezavo med ocenami tveganja in kliničnimi značilnostmi pri bolnikih s PAAD. Ugotovili smo, da lahko naš prognostični model tveganja kot neodvisen prognostični dejavnik pri bolnikih s PAAD učinkovito razlikuje bolnike z visoko stopnjo od bolnikov z nizko stopnjo in bolnike z visoko stopnjo od bolnikov z nizko stopnjo. Poleg tega so bile vrednosti AUC krivulje ROC prognostičnega modela tveganja 0,905 za 1-letno napoved, 0,942 za 2-letno napoved in 0,966 za 3-letno napoved.
Raziskovalci so poročali, da so bili bolniki z višjo infiltracijo CD8+ T celic bolj občutljivi na zdravljenje z ICI [33]. Povečanje vsebnosti citotoksičnih celic, CD56 NK celic, NK celic in CD8+ T celic v imunskem mikrookolju tumorja je lahko eden od razlogov za zaviralni učinek tumorja [34]. Prejšnje študije so pokazale, da so bile višje ravni tumor-infiltrirajočih CD4(+) T in CD8(+) T pomembno povezane z daljšim preživetjem [35]. Slaba infiltracija CD8 T celic, nizka obremenitev z neoantigeni in visoko imunosupresivno mikrookolje tumorja vodijo do pomanjkanja odziva na terapijo z ICI [36]. Ugotovili smo, da je bila ocena tveganja negativno povezana s celicami CD8+ T in NK celicami, kar kaže, da bolniki z visoko oceno tveganja morda niso primerni za zdravljenje z ICI in imajo slabšo prognozo.
CD161 je označevalec naravnih celic ubijalk (NK). CD8+CD161+ CAR-transducirane celice T posredujejo pri povečani protitumorski učinkovitosti in vivo v modelih ksenograftov HER2+ pankreasnega duktalnega adenokarcinoma [37]. Zaviralci imunskih kontrolnih točk ciljajo na poti citotoksičnega proteina 4, povezanega s limfociti T (CTLA-4), in proteina programirane celične smrti 1 (PD-1)/liganda programirane celične smrti 1 (PD-L1) ter imajo velik potencial na številnih področjih. Izražanje CTLA-4 in CD161 (KLRB1) je nižje v skupinah z visokim tveganjem, kar dodatno kaže, da bolniki z visokim tveganjem morda niso primerni za zdravljenje ICI. [38]
Da bi našli možnosti zdravljenja, primerne za bolnike z visokim tveganjem, smo analizirali različna zdravila proti raku in ugotovili, da so paklitaksel, sorafenib in erlotinib, ki se pogosto uporabljajo pri bolnikih s PAAD, lahko primerni za bolnike z visokim tveganjem s PAAD. [33]. Zhang in sodelavci so ugotovili, da lahko mutacije v kateri koli poti odziva na poškodbo DNA (DDR) vodijo do slabe prognoze pri bolnikih z rakom prostate [39]. Študija Pancreatic Cancer Olaparib Ongoing (POLO) je pokazala, da vzdrževalno zdravljenje z olaparibom podaljša preživetje brez napredovanja bolezni v primerjavi s placebom po kemoterapiji na osnovi platine prve izbire pri bolnikih z adenokarcinomom trebušnega slinavčnega duktala in mutacijami BRCA1/2 zarodne linije [40]. To daje precejšen optimizem, da se bodo izidi zdravljenja v tej podskupini bolnikov bistveno izboljšali. V tej študiji je bila vrednost IC50 za AZD.2281 (olaparib) višja v skupini z visokim tveganjem, kar kaže, da so bolniki s PAAD v skupini z visokim tveganjem morda odporni na zdravljenje z AZD.2281.
Modeli napovedovanja v tej študiji dajejo dobre rezultate napovedovanja, vendar temeljijo na analitičnih napovedih. Pomembno vprašanje je, kako te rezultate potrditi s kliničnimi podatki. Endoskopska ultrazvočna biopsija s tanko iglo (EUS-FNA) je postala nepogrešljiva metoda za diagnosticiranje solidnih in ekstrapankreatičnih lezij trebušne slinavke z občutljivostjo 85 % in specifičnostjo 98 % [41]. Pojav igel za biopsijo s tanko iglo EUS (EUS-FNB) temelji predvsem na zaznanih prednostih pred FNA, kot so večja diagnostična natančnost, pridobivanje vzorcev, ki ohranjajo histološko strukturo, in s tem ustvarjanje imunskega tkiva, ki je ključnega pomena za določene diagnoze s posebnim barvanjem [42]. Sistematični pregled literature je potrdil, da igle FNB (zlasti 22G) kažejo najvišjo učinkovitost pri odvzemu tkiva iz mas trebušne slinavke [43]. Klinično je le majhno število bolnikov primernih za radikalno operacijo, večina bolnikov pa ima ob začetni diagnozi neoperabilne tumorje. V klinični praksi je le majhen delež bolnikov primeren za radikalno operacijo, ker ima večina bolnikov ob začetni diagnozi neoperabilne tumorje. Po patološki potrditvi z EUS-FNB in drugimi metodami se običajno izbere standardizirano nekirurško zdravljenje, kot je kemoterapija. Naš nadaljnji raziskovalni program je preizkusiti prognostični model te študije v kirurških in nekirurških kohortah z retrospektivno analizo.
Na splošno je naša študija vzpostavila nov prognostični model tveganja, ki temelji na parni irlncRNA, ki je pokazal obetavno prognostično vrednost pri bolnikih z rakom trebušne slinavke. Naš prognostični model tveganja lahko pomaga razlikovati bolnike s PAAD, ki so primerni za zdravljenje.
Nabori podatkov, uporabljeni in analizirani v tej študiji, so na voljo pri ustreznem avtorju na razumno zahtevo.
Sui Wen, Gong X, Zhuang Y. Posredovalna vloga samozavesti pri čustveni regulaciji negativnih čustev med pandemijo COVID-19: presečna študija. Int J Ment Health Nurs [članek v reviji]. 2021 06/01/2021;30(3):759–71.
Sui Wen, Gong X, Qiao X, Zhang L, Cheng J, Dong J in sod. Mnenja družinskih članov o alternativnem odločanju na oddelkih za intenzivno nego: sistematični pregled. INT J NURS STUD [članek v reviji; pregled]. 2023 01/01/2023;137:104391.
Vincent A, Herman J, Schulich R, Hruban RH, Goggins M. Rak trebušne slinavke. Lancet. [Članek v reviji; podpora raziskavam, NIH, zunajmuralno; podpora raziskavam, vlada zunaj ZDA; pregled]. 13. 8. 2011; 378(9791):607–20.
Ilić M, Ilić I. Epidemiologija raka trebušne slinavke. World Journal of Gastroenterology. [Članek v reviji, pregled]. 2016 11/28/2016;22(44):9694–705.
Liu X, Chen B, Chen J, Sun S. Nov nomogram, povezan s tp53, za napovedovanje celokupnega preživetja pri bolnikih z rakom trebušne slinavke. BMC Cancer [članek v reviji]. 2021 31-03-2021;21(1):335.
Xian X, Zhu X, Chen Y, Huang B, Xiang W. Učinek terapije, osredotočene na raztopine, na utrujenost zaradi raka pri bolnikih z rakom debelega črevesa in danke, ki prejemajo kemoterapijo: randomizirana kontrolirana študija. Medicinska sestra za raka. [Članek v reviji; randomizirana kontrolirana študija; študijo podpira vlada zunaj Združenih držav Amerike]. 2022 05/01/2022;45(3):E663–73.
Zhang Cheng, Zheng Wen, Lu Y, Shan L, Xu Dong, Pan Y in sod. Pooperativne ravni karcinoembrionalnega antigena (CEA) napovedujejo izid po resekciji kolorektalnega raka pri bolnikih z normalnimi predoperativnimi ravnmi CEA. Center za translacijske raziskave raka. [Članek v reviji]. 2020 01.01.2020;9(1):111–8.
Hong Wen, Liang Li, Gu Yu, Qi Zi, Qiu Hua, Yang X in sod. Imunsko povezane lncRNA ustvarjajo nove podpise in napovedujejo imunsko pokrajino človeškega hepatocelularnega karcinoma. Mol Ther Nucleic acids [Članek v reviji]. 2020 2020-12-04;22:937–47.
Toffey RJ, Zhu Y., Schulich RD Imunoterapija za raka trebušne slinavke: ovire in preboji. Ann Gastrointestinal Surgeon [Članek v reviji; pregled]. 2018 07/01/2018;2(4):274–81.
Hull R, Mbita Z, Dlamini Z. Dolge nekodirajoče RNA (LncRNA), genomika virusnih tumorjev in aberantni dogodki spajanja: terapevtske implikacije. AM J CANCER RES [članek v reviji; pregled]. 2021 01/20/2021;11(3):866–83.
Wang J, Chen P, Zhang Y, Ding J, Yang Y, Li H. 11-Identifikacija podpisov lncRNA, povezanih z prognozo raka endometrija. Achievements of science [članek v reviji]. 2021 2021-01-01;104(1):311977089.
Jiang S, Ren H, Liu S, Lu Z, Xu A, Qin S in sod. Celovita analiza prognostičnih genov za proteine, ki vežejo RNA, in kandidatov za zdravila pri papilarnoceličnem karcinomu ledvičnih celic. pregen. [Članek v reviji]. 2021 01/20/2021;12:627508.
Li X, Chen J, Yu Q, Huang X, Liu Z, Wang X in sod. Značilnosti dolge nekodirajoče RNA, povezane z avtofagijo, napovedujejo prognozo raka dojke. pregen. [Članek v reviji]. 2021 01/20/2021;12:569318.
Zhou M, Zhang Z, Zhao X, Bao S, Cheng L, Sun J. Imunsko pogojena signatura šestih dolgih nenukleotidnih RNA izboljša prognozo pri multiformnem glioblastomu. MOL Neurobiology. [Članek v reviji]. 2018 01.05.2018;55(5):3684–97.
Wu B, Wang Q, Fei J, Bao Y, Wang X, Song Z in sod. Nov podpis tri-lncRNA napoveduje preživetje bolnikov z rakom trebušne slinavke. PREDSTAVNIKI ONKOL. [Članek v reviji]. 2018 12/01/2018;40(6):3427–37.
Luo C, Lin K, Hu C, Zhu X, Zhu J, Zhu Z. LINC01094 spodbuja napredovanje raka trebušne slinavke z uravnavanjem izražanja LIN28B in poti PI3K/AKT preko gobastega miR-577. Mol Therapeutics – Nukleinske kisline. 2021;26:523–35.
Lin J, Zhai X, Zou S, Xu Z, Zhang J, Jiang L in sod. Pozitivna povratna zveza med dolgovezno RNA FLVCR1-AS1 in KLF10 lahko zavira napredovanje raka trebušne slinavke prek poti PTEN/AKT. J EXP Clin Cancer Res. 2021;40(1).
Zhou X, Liu X, Zeng X, Wu D, Liu L. Identifikacija trinajstih genov, ki napovedujejo celokupno preživetje pri hepatocelularnem karcinomu. Biosci Rep [članek v reviji]. 2021 04.09.2021.
Čas objave: 22. september 2023