Ang pancreatic cancer ay isa sa mga pinakanakamamatay na tumor sa mundo na may mahinang pagbabala.Samakatuwid, ang isang tumpak na modelo ng hula ay kinakailangan upang matukoy ang mga pasyente na may mataas na panganib ng pancreatic cancer upang maiangkop ang paggamot at mapabuti ang pagbabala ng mga pasyenteng ito.
Nakuha namin ang The Cancer Genome Atlas (TCGA) pancreatic adenocarcinoma (PAAD) RNAseq data mula sa UCSC Xena database, natukoy ang mga lncRNA na nauugnay sa immune (irlncRNAs) sa pamamagitan ng pagsusuri ng ugnayan, at natukoy ang mga pagkakaiba sa pagitan ng TCGA at normal na pancreatic adenocarcinoma tissues.DEirlncRNA) mula sa TCGA at genotype tissue expression (GTEx) ng pancreatic tissue.Ang karagdagang univariate at laso regression analysis ay isinagawa upang makabuo ng mga prognostic signature na modelo.Pagkatapos ay kinakalkula namin ang lugar sa ilalim ng curve at tinukoy ang pinakamainam na halaga ng cutoff para sa pagkilala sa mga pasyente na may mataas at mababang panganib na pancreatic adenocarcinoma.Upang ihambing ang mga klinikal na katangian, immune cell infiltration, immunosuppressive microenvironment, at chemotherapy resistance sa mga pasyenteng may mataas at mababang panganib na pancreatic cancer.
Nakilala namin ang 20 pares ng DEirlncRNA at pinagsama-sama ang mga pasyente ayon sa pinakamainam na halaga ng cutoff.Ipinakita namin na ang aming prognostic signature model ay may makabuluhang pagganap sa paghula sa pagbabala ng mga pasyente na may PAAD.Ang AUC ng ROC curve ay 0.905 para sa 1-taong pagtataya, 0.942 para sa 2-taong pagtataya, at 0.966 para sa 3-taong pagtataya.Ang mga pasyente na may mataas na panganib ay may mas mababang mga rate ng kaligtasan ng buhay at mas masahol na mga klinikal na katangian.Ipinakita rin namin na ang mga pasyenteng may mataas na panganib ay immunosuppressed at maaaring magkaroon ng paglaban sa immunotherapy.Ang pagsusuri ng mga gamot na anticancer tulad ng paclitaxel, sorafenib, at erlotinib batay sa mga tool sa paghula ng computational ay maaaring angkop para sa mga pasyenteng may mataas na panganib na may PAAD.
Sa pangkalahatan, ang aming pag-aaral ay nagtatag ng isang bagong prognostic na modelo ng panganib batay sa ipinares na irlncRNA, na nagpakita ng promising prognostic na halaga sa mga pasyenteng may pancreatic cancer.Ang aming prognostic risk model ay maaaring makatulong sa pag-iiba ng mga pasyenteng may PAAD na angkop para sa medikal na paggamot.
Ang pancreatic cancer ay isang malignant na tumor na may mababang limang taong survival rate at mataas na grade.Sa oras ng diagnosis, karamihan sa mga pasyente ay nasa mga advanced na yugto na.Sa konteksto ng epidemya ng COVID-19, ang mga doktor at nars ay nasa ilalim ng napakalaking presyon kapag ginagamot ang mga pasyente na may pancreatic cancer, at ang mga pamilya ng mga pasyente ay nahaharap din sa maraming panggigipit kapag gumagawa ng mga desisyon sa paggamot [1, 2].Bagama't malaki ang ginawang pagsulong sa paggamot ng mga DOAD, tulad ng neoadjuvant therapy, surgical resection, radiation therapy, chemotherapy, targeted molecular therapy, at immune checkpoint inhibitors (ICIs), halos 9% lamang ng mga pasyente ang nabubuhay limang taon pagkatapos ng diagnosis [3 ].], 4].Dahil ang mga unang sintomas ng pancreatic adenocarcinoma ay hindi tipikal, ang mga pasyente ay karaniwang nasuri na may metastases sa isang advanced na yugto [5].Samakatuwid, para sa isang partikular na pasyente, ang indibidwal na komprehensibong paggamot ay dapat na timbangin ang mga pakinabang at disadvantages ng lahat ng mga opsyon sa paggamot, hindi lamang upang pahabain ang kaligtasan ng buhay, kundi pati na rin upang mapabuti ang kalidad ng buhay [6].Samakatuwid, ang isang epektibong modelo ng hula ay kinakailangan upang tumpak na masuri ang pagbabala ng isang pasyente [7].Kaya, ang naaangkop na paggamot ay maaaring mapili upang balansehin ang kaligtasan ng buhay at kalidad ng buhay ng mga pasyente na may PAAD.
Ang mahinang pagbabala ng PAAD ay higit sa lahat dahil sa paglaban sa mga gamot na chemotherapy.Sa mga nagdaang taon, ang mga immune checkpoint inhibitor ay malawakang ginagamit sa paggamot ng mga solidong tumor [8].Gayunpaman, ang paggamit ng mga ICI sa pancreatic cancer ay bihirang matagumpay [9].Samakatuwid, mahalagang kilalanin ang mga pasyente na maaaring makinabang mula sa ICI therapy.
Ang long non-coding RNA (lncRNA) ay isang uri ng non-coding RNA na may mga transcript na >200 nucleotides.Ang mga LncRNA ay laganap at bumubuo ng halos 80% ng transcriptome ng tao [10].Ang isang malaking katawan ng trabaho ay nagpakita na ang mga modelo ng prognostic na nakabatay sa lncRNA ay maaaring epektibong mahulaan ang pagbabala ng pasyente [11, 12].Halimbawa, 18 na mga lncRNA na nauugnay sa autophagy ang nakilala upang makabuo ng mga prognostic na lagda sa kanser sa suso [13].Ang anim na iba pang mga lncRNA na nauugnay sa immune ay ginamit upang maitaguyod ang mga prognostic na tampok ng glioma [14].
Sa pancreatic cancer, ang ilang mga pag-aaral ay nagtatag ng mga lagda na nakabatay sa lncRNA upang mahulaan ang pagbabala ng pasyente.Ang isang 3-lncRNA na lagda ay itinatag sa pancreatic adenocarcinoma na may isang lugar sa ilalim ng ROC curve (AUC) na 0.742 lamang at isang pangkalahatang kaligtasan (OS) na 3 taon [15].Bilang karagdagan, ang mga halaga ng expression ng lncRNA ay nag-iiba sa iba't ibang mga genome, iba't ibang mga format ng data, at iba't ibang mga pasyente, at ang pagganap ng predictive na modelo ay hindi matatag.Samakatuwid, gumagamit kami ng isang algorithm sa pagmomodelo ng nobela, pagpapares at pag-ulit, upang makabuo ng mga lagda ng lncRNA (irlncRNA) na nauugnay sa kaligtasan sa sakit upang lumikha ng isang mas tumpak at matatag na predictive na modelo [8].
Ang normalized RNAseq data (FPKM) at clinical pancreatic cancer TCGA at genotype tissue expression (GTEx) data ay nakuha mula sa UCSC XENA database (https://xenabrowser.net/datapages/).Ang mga file ng GTF ay nakuha mula sa database ng Ensembl (http://asia.ensembl.org) at ginamit upang kunin ang mga profile ng expression ng lncRNA mula sa RNAseq.Nag-download kami ng mga gene na nauugnay sa kaligtasan sa sakit mula sa database ng ImmPort (//www.immport.org) at nakilala ang mga lncRNA na nauugnay sa kaligtasan sa sakit (irlncRNAs) gamit ang pagsusuri ng ugnayan (p <0.001, r > 0.4).Pagkilala sa mga differentially expressed irlncRNAs (DEirlncRNAs) sa pamamagitan ng pagtawid sa irlncRNAs at differentially expressed lncRNAs na nakuha mula sa GEPIA2 database (http://gepia2.cancer-pku.cn/#index) sa TCGA-PAAD cohort (|logFC| > 1 at FDR ) <0.05).
Ang pamamaraang ito ay naiulat na dati [8].Sa partikular, binubuo namin ang X upang palitan ang ipinares na lncRNA A at lncRNA B. Kapag ang halaga ng expression ng lncRNA A ay mas mataas kaysa sa halaga ng expression ng lncRNA B, ang X ay tinukoy bilang 1, kung hindi, ang X ay tinukoy bilang 0. Samakatuwid, maaari naming makuha isang matrix na 0 o – 1. Ang patayong axis ng matrix ay kumakatawan sa bawat sample, at ang pahalang na axis ay kumakatawan sa bawat pares ng DEirlncRNA na may halaga na 0 o 1.
Ang univariate na pagsusuri ng regression na sinundan ng Lasso regression ay ginamit upang i-screen ang prognostic na mga pares ng DEirlncRNA.Ang pagsusuri ng lasso regression ay gumamit ng 10-tiklop na cross-validation na paulit-ulit ng 1000 beses (p <0.05), na may 1000 random na stimuli bawat run.Kapag ang dalas ng bawat pares ng DEirlncRNA ay lumampas sa 100 beses sa 1000 na cycle, ang mga pares ng DEirlncRNA ay napili upang bumuo ng isang prognostic na modelo ng panganib.Pagkatapos ay ginamit namin ang AUC curve upang mahanap ang pinakamainam na halaga ng cutoff para sa pag-uuri ng mga pasyente ng PAAD sa mataas at mababang panganib na mga grupo.Ang halaga ng AUC ng bawat modelo ay kinakalkula din at na-plot bilang isang curve.Kung ang curve ay umabot sa pinakamataas na punto na nagpapahiwatig ng pinakamataas na halaga ng AUC, ang proseso ng pagkalkula ay hihinto at ang modelo ay itinuturing na pinakamahusay na kandidato.Ang 1-, 3- at 5-taong ROC curve na mga modelo ay ginawa.Ang univariate at multivariate regression analysis ay ginamit upang suriin ang independiyenteng predictive na pagganap ng prognostic risk model.
Gumamit ng pitong tool para pag-aralan ang immune cell infiltration rate, kabilang ang XCELL, TIMER, QUANTISEQ, MCPCOUNTER, EPIC, CIBERSORT-ABS, at CIBERSORT.Na-download ang data ng immune cell infiltration mula sa database ng TIMER2 (//timer.comp-genomics.org/#tab-5817-3).Ang pagkakaiba sa nilalaman ng immune-infiltrating cells sa pagitan ng mga high- at low-risk na grupo ng itinayong modelo ay nasuri gamit ang Wilcoxon sign-rank test, ang mga resulta ay ipinapakita sa square graph.Ang pagsusuri ng ugnayan ng Spearman ay isinagawa upang pag-aralan ang kaugnayan sa pagitan ng mga halaga ng marka ng panganib at mga immune-infiltrating na mga cell.Ang resultang koepisyent ng ugnayan ay ipinapakita bilang isang lollipop.Ang threshold ng kahalagahan ay itinakda sa p <0.05.Ang pamamaraan ay isinagawa gamit ang R package ggplot2.Upang suriin ang kaugnayan sa pagitan ng modelo at mga antas ng expression ng gene na nauugnay sa immune cell infiltration rate, isinagawa namin ang ggstatsplot package at violin plot visualization.
Upang suriin ang mga pattern ng klinikal na paggamot para sa pancreatic cancer, kinakalkula namin ang IC50 ng mga karaniwang ginagamit na chemotherapy na gamot sa TCGA-PAAD cohort.Ang mga pagkakaiba sa kalahating inhibitory concentrations (IC50) sa pagitan ng mga high- at low-risk na grupo ay inihambing gamit ang Wilcoxon signed-rank test, at ang mga resulta ay ipinapakita bilang boxplots na nabuo gamit ang pRRophetic at ggplot2 sa R. Lahat ng pamamaraan ay sumusunod sa mga nauugnay na alituntunin at pamantayan.
Ang daloy ng trabaho ng aming pag-aaral ay ipinapakita sa Figure 1. Gamit ang pagsusuri ng ugnayan sa pagitan ng mga lncRNA at mga gene na nauugnay sa kaligtasan sa sakit, pumili kami ng 724 na irlncRNA na may p <0.01 at r > 0.4.Susunod naming sinuri ang naiibang ipinahayag na mga lncRNA ng GEPIA2 (Larawan 2A).Isang kabuuan ng 223 irlncRNAs ay naiiba na ipinahayag sa pagitan ng pancreatic adenocarcinoma at normal na pancreatic tissue (| logFC | > 1, FDR <0.05), na pinangalanang DEirlncRNAs.
Pagbuo ng mga predictive na modelo ng panganib.(A) Bulkan plot ng naiibang ipinahayag na mga lncRNA.(B) Pamamahagi ng mga coefficient ng laso para sa 20 pares ng DEirlncRNA.(C) Bahagyang posibilidad na pagkakaiba ng LASSO coefficient distribution.(D) Forest plot na nagpapakita ng univariate na pagsusuri ng regression ng 20 pares ng DEirlncRNA.
Susunod kaming nagtayo ng isang 0 o 1 matrix sa pamamagitan ng pagpapares ng 223 DEirlncRNAs.Isang kabuuan ng 13,687 pares ng DEirlncRNA ang nakilala.Matapos ang pagsusuri ng univariate at lasso regression, 20 pares ng DEirlncRNA ang sa wakas ay nasubok upang makabuo ng isang prognostic na modelo ng peligro (Larawan 2B-D).Batay sa mga resulta ng Lasso at maramihang regression analysis, kinakalkula namin ang isang marka ng peligro para sa bawat pasyente sa TCGA-PAAD cohort (Talahanayan 1).Batay sa mga resulta ng pagsusuri ng lasso regression, kinakalkula namin ang isang marka ng peligro para sa bawat pasyente sa TCGA-PAAD cohort.Ang AUC ng ROC curve ay 0.905 para sa 1-taong hula ng modelo ng peligro, 0.942 para sa 2-taong hula, at 0.966 para sa 3-taong hula (Larawan 3A-B).Nagtakda kami ng pinakamainam na halaga ng cutoff na 3.105, pinag-stratified ang mga pasyente ng TCGA-PAAD na cohort sa mga high- at low-risk na grupo, at nag-plot ng mga resulta ng kaligtasan at mga pamamahagi ng marka ng peligro para sa bawat pasyente (Larawan 3C-E).Ang pagsusuri ng Kaplan-Meier ay nagpakita na ang kaligtasan ng mga pasyente ng PAAD sa high-risk group ay makabuluhang mas mababa kaysa sa mga pasyente sa low-risk group (p <0.001) (Larawan 3F).
Ang bisa ng mga modelo ng prognostic na panganib.(A) ROC ng prognostic risk model.(B) 1-, 2-, at 3-taong ROC prognostic na mga modelo ng panganib.(C) ROC ng prognostic risk model.Ipinapakita ang pinakamainam na cut-off point.(DE) Pamamahagi ng katayuan sa kaligtasan (D) at mga marka ng panganib (E).(F) Pagsusuri ng Kaplan-Meier ng mga pasyente ng PAAD sa mga pangkat na may mataas at mababang panganib.
Sinuri pa namin ang mga pagkakaiba sa mga marka ng panganib sa pamamagitan ng mga klinikal na katangian.Ang strip plot (Larawan 4A) ay nagpapakita ng pangkalahatang kaugnayan sa pagitan ng mga klinikal na katangian at mga marka ng panganib.Sa partikular, ang mga matatandang pasyente ay may mas mataas na marka ng panganib (Larawan 4B).Bilang karagdagan, ang mga pasyente na may yugto II ay may mas mataas na marka ng panganib kaysa sa mga pasyente na may yugto I (Larawan 4C).Tungkol sa grade ng tumor sa mga pasyente ng PAAD, ang mga pasyente ng grade 3 ay may mas mataas na marka ng panganib kaysa sa grade 1 at 2 na mga pasyente (Larawan 4D).Nagsagawa pa kami ng mga univariate at multivariate na pagsusuri ng regression at ipinakita na ang marka ng peligro (p <0.001) at edad (p = 0.045) ay independiyenteng mga kadahilanan ng prognostic sa mga pasyente na may PAAD (Larawan 5A-B).Ipinakita ng curve ng ROC na ang marka ng panganib ay higit na mataas sa iba pang mga klinikal na katangian sa paghula ng 1-, 2-, at 3-taong kaligtasan ng mga pasyente na may PAAD (Larawan 5C-E).
Mga klinikal na katangian ng mga modelo ng prognostic na panganib.Ang histogram (A) ay nagpapakita ng (B) edad, (C) tumor stage, (D) tumor grade, risk score, at kasarian ng mga pasyente sa TCGA-PAAD cohort.**p < 0.01
Independent predictive analysis ng prognostic risk models.(AB) Univariate (A) at multivariate (B) regression na pagsusuri ng mga prognostic risk na modelo at klinikal na katangian.(CE) 1-, 2-, at 3-taong ROC para sa mga prognostic na modelo ng panganib at mga klinikal na katangian
Samakatuwid, sinuri namin ang kaugnayan sa pagitan ng oras at mga marka ng panganib.Natagpuan namin na ang marka ng peligro sa mga pasyente ng PAAD ay inversely na nakakaugnay sa mga CD8 + T cells at NK cells (Larawan 6A), na nagpapahiwatig ng pinigilan na immune function sa high-risk group.Sinuri din namin ang pagkakaiba sa immune cell infiltration sa pagitan ng mga high- at low-risk na grupo at natagpuan ang parehong mga resulta (Larawan 7).Mayroong mas kaunting paglusot ng CD8+ T cells at NK cells sa high-risk group.Sa mga nakalipas na taon, ang mga immune checkpoint inhibitor (ICI) ay malawakang ginagamit sa paggamot ng mga solidong tumor.Gayunpaman, ang paggamit ng mga ICI sa pancreatic cancer ay bihirang naging matagumpay.Samakatuwid, sinuri namin ang pagpapahayag ng mga immune checkpoint gen sa mga high- at low-risk na grupo.Natagpuan namin na ang CTLA-4 at CD161 (KLRB1) ay na-overexpress sa low-risk group (Larawan 6B-G), na nagpapahiwatig na ang mga pasyente ng PAAD sa low-risk group ay maaaring sensitibo sa ICI.
Correlation analysis ng prognostic risk model at immune cell infiltration.(A) Kaugnayan sa pagitan ng prognostic risk model at immune cell infiltration.(BG) Nagpapahiwatig ng pagpapahayag ng gene sa mataas at mababang panganib na mga grupo.(HK) Mga halaga ng IC50 para sa mga partikular na gamot na anticancer sa mga grupong may mataas at mababang panganib.*p < 0.05, **p < 0.01, ns = hindi makabuluhan
Sinuri pa namin ang kaugnayan sa pagitan ng mga marka ng peligro at karaniwang mga ahente ng chemotherapy sa TCGA-PAAD cohort.Naghanap kami ng mga karaniwang ginagamit na gamot na anticancer sa pancreatic cancer at sinuri namin ang mga pagkakaiba sa kanilang mga halaga ng IC50 sa pagitan ng mga pangkat na may mataas at mababang panganib.Ang mga resulta ay nagpakita na ang IC50 na halaga ng AZD.2281 (olaparib) ay mas mataas sa high-risk group, na nagpapahiwatig na ang mga pasyente ng PAAD sa high-risk group ay maaaring lumalaban sa AZD.2281 na paggamot (Larawan 6H).Bilang karagdagan, ang mga halaga ng IC50 ng paclitaxel, sorafenib, at erlotinib ay mas mababa sa high-risk group (Larawan 6I-K).Natukoy pa namin ang 34 na gamot na anticancer na may mas mataas na halaga ng IC50 sa pangkat na may mataas na peligro at 34 na gamot na anticancer na may mas mababang mga halaga ng IC50 sa pangkat na may mataas na peligro (Talahanayan 2).
Hindi maitatanggi na ang mga lncRNA, mRNA, at miRNA ay malawak na umiiral at may mahalagang papel sa pag-unlad ng kanser.Mayroong sapat na katibayan na sumusuporta sa mahalagang papel ng mRNA o miRNA sa paghula sa pangkalahatang kaligtasan ng buhay sa ilang uri ng kanser.Walang alinlangan, maraming prognostic na mga modelo ng panganib ay batay din sa mga lncRNA.Halimbawa, si Luo et al.Ipinakita ng mga pag-aaral na ang LINC01094 ay gumaganap ng isang mahalagang papel sa paglaganap ng PC at metastasis, at ang mataas na pagpapahayag ng LINC01094 ay nagpapahiwatig ng mahinang kaligtasan ng mga pasyente ng pancreatic cancer [16].Ang pag-aaral na ipinakita ni Lin et al.Ipinakita ng mga pag-aaral na ang downregulation ng lncRNA FLVCR1-AS1 ay nauugnay sa mahinang pagbabala sa mga pasyente ng pancreatic cancer [17].Gayunpaman, ang mga lncRNA na nauugnay sa kaligtasan sa sakit ay medyo hindi gaanong tinalakay sa mga tuntunin ng paghula sa pangkalahatang kaligtasan ng mga pasyente ng cancer.Kamakailan lamang, ang isang malaking halaga ng trabaho ay nakatuon sa pagbuo ng mga prognostic na mga modelo ng panganib upang mahulaan ang kaligtasan ng mga pasyente ng kanser at sa gayon ay ayusin ang mga pamamaraan ng paggamot [18, 19, 20].Lumalaki ang pagkilala sa mahalagang papel ng mga immune infiltrate sa pagsisimula ng kanser, pag-unlad, at pagtugon sa mga paggamot tulad ng chemotherapy.Maraming mga pag-aaral ang nakumpirma na ang tumor-infiltrating immune cells ay gumaganap ng isang kritikal na papel sa pagtugon sa cytotoxic chemotherapy [21, 22, 23].Ang tumor immune microenvironment ay isang mahalagang kadahilanan sa kaligtasan ng mga pasyente ng tumor [24, 25].Ang immunotherapy, lalo na ang ICI therapy, ay malawakang ginagamit sa paggamot ng mga solidong tumor [26].Ang mga gene na nauugnay sa immune ay malawakang ginagamit upang bumuo ng mga prognostic na modelo ng panganib.Halimbawa, Su et al.Ang immune-related na prognostic risk model ay batay sa protina-coding genes upang mahulaan ang prognosis ng mga pasyente ng ovarian cancer [27].Ang mga non-coding na gene tulad ng lncRNAs ay angkop din para sa pagbuo ng mga prognostic na mga modelo ng panganib [28, 29, 30].Sinubukan ni Luo et al ang apat na lncRNA na may kaugnayan sa immune at bumuo ng isang predictive na modelo para sa panganib ng cervical cancer [31].Khan et al.Isang kabuuan ng 32 na naiibang ipinahayag na mga transcript ang nakilala, at batay dito, isang modelo ng hula na may 5 makabuluhang transcript ang itinatag, na iminungkahi bilang isang lubos na inirerekomendang tool para sa paghula ng biopsy-napatunayang talamak na pagtanggi pagkatapos ng paglipat ng bato [32].
Karamihan sa mga modelong ito ay nakabatay sa mga antas ng pagpapahayag ng gene, alinman sa mga protina-coding na gene o non-coding na mga gene.Gayunpaman, ang parehong gene ay maaaring magkaroon ng iba't ibang mga halaga ng expression sa iba't ibang mga genome, mga format ng data at sa iba't ibang mga pasyente, na humahantong sa hindi matatag na mga pagtatantya sa mga predictive na modelo.Sa pag-aaral na ito, bumuo kami ng isang makatwirang modelo na may dalawang pares ng mga lncRNA, na independiyente sa mga eksaktong halaga ng expression.
Sa pag-aaral na ito, natukoy namin ang irlncRNA sa unang pagkakataon sa pamamagitan ng pagsusuri ng ugnayan sa mga gene na nauugnay sa kaligtasan sa sakit.Na-screen namin ang 223 DEirlncRNAs sa pamamagitan ng hybridization na may differentially expressed lncRNAs.Pangalawa, nagtayo kami ng isang 0-o-1 na matrix batay sa nai-publish na paraan ng pagpapares ng DEirlncRNA [31].Pagkatapos ay nagsagawa kami ng univariate at lasso regression na pagsusuri upang matukoy ang prognostic na mga pares ng DEirlncRNA at bumuo ng isang predictive na modelo ng panganib.Sinuri pa namin ang kaugnayan sa pagitan ng mga marka ng peligro at mga klinikal na katangian sa mga pasyente na may PAAD.Nalaman namin na ang aming prognostic risk model, bilang isang independiyenteng prognostic factor sa mga pasyente ng PAAD, ay epektibong makakapag-iba ng mga pasyenteng may mataas na grado mula sa mga pasyenteng mababa ang grado at mga pasyenteng may mataas na grado mula sa mga pasyenteng mababa ang grado.Bilang karagdagan, ang mga halaga ng AUC ng ROC curve ng prognostic risk model ay 0.905 para sa 1-taong pagtataya, 0.942 para sa 2-taong pagtataya, at 0.966 para sa 3-taong pagtataya.
Iniulat ng mga mananaliksik na ang mga pasyente na may mas mataas na CD8+ T cell infiltration ay mas sensitibo sa paggamot sa ICI [33].Ang pagtaas sa nilalaman ng mga cytotoxic cells, CD56 NK cells, NK cells at CD8+ T cells sa tumor immune microenvironment ay maaaring isa sa mga dahilan para sa tumor suppressive effect [34].Ang mga nakaraang pag-aaral ay nagpakita na ang mas mataas na antas ng tumor-infiltrating CD4(+) T at CD8(+) T ay makabuluhang nauugnay sa mas mahabang kaligtasan ng buhay [35].Ang mahinang CD8 T cell infiltration, mababang neoantigen load, at isang highly immunosuppressive tumor microenvironment ay humantong sa kakulangan ng tugon sa ICI therapy [36].Natagpuan namin na ang marka ng peligro ay negatibong nauugnay sa mga cell ng CD8 + T at mga cell ng NK, na nagpapahiwatig na ang mga pasyente na may mataas na mga marka ng peligro ay maaaring hindi angkop para sa paggamot sa ICI at magkaroon ng mas masahol na pagbabala.
Ang CD161 ay isang marker ng natural killer (NK) cells.Ang CD8+CD161+ CAR-transduced T cells ay namamagitan sa pinahusay na in vivo antitumor efficacy sa HER2+ pancreatic ductal adenocarcinoma xenograft models [37].Ang mga immuno checkpoint inhibitor ay nagta-target ng mga cytotoxic T lymphocyte associated protein 4 (CTLA-4) at programmed cell death protein 1 (PD-1)/programmed cell death ligand 1 (PD-L1) pathway at may malaking potensyal sa maraming lugar.Ang pagpapahayag ng CTLA-4 at CD161 (KLRB1) ay mas mababa sa mga pangkat na may mataas na peligro, na higit na nagpapahiwatig na ang mga pasyente na may mataas na panganib na mga marka ay maaaring hindi karapat-dapat para sa paggamot sa ICI.[38]
Upang makahanap ng mga opsyon sa paggamot na angkop para sa mga pasyenteng may mataas na peligro, sinuri namin ang iba't ibang gamot na anticancer at nalaman namin na ang paclitaxel, sorafenib, at erlotinib, na malawakang ginagamit sa mga pasyenteng may PAAD, ay maaaring angkop para sa mga pasyenteng may mataas na panganib na may PAAD.[33].Natagpuan ni Zhang et al na ang mga mutasyon sa anumang daanan ng pagtugon sa pinsala sa DNA (DDR) ay maaaring humantong sa mahinang pagbabala sa mga pasyente ng kanser sa prostate [39].Ang Pancreatic Cancer Olaparib Ongoing (POLO) na pagsubok ay nagpakita na ang maintenance na paggamot na may olaparib ay nagpatagal ng walang pag-unlad na kaligtasan ng buhay kumpara sa placebo pagkatapos ng first-line na platinum-based na chemotherapy sa mga pasyente na may pancreatic ductal adenocarcinoma at germline BRCA1/2 mutations [40].Nagbibigay ito ng makabuluhang optimismo na ang mga resulta ng paggamot ay bubuti nang malaki sa subgroup na ito ng mga pasyente.Sa pag-aaral na ito, ang IC50 value ng AZD.2281 (olaparib) ay mas mataas sa high-risk group, na nagpapahiwatig na ang mga pasyente ng PAAD sa high-risk group ay maaaring lumalaban sa paggamot na may AZD.2281.
Ang mga modelo ng pagtataya sa pag-aaral na ito ay gumagawa ng magagandang resulta ng pagtataya, ngunit ang mga ito ay batay sa mga analytical na pagtataya.Kung paano kumpirmahin ang mga resultang ito sa klinikal na data ay isang mahalagang tanong.Ang endoscopic fine needle aspiration ultrasonography (EUS-FNA) ay naging isang kailangang-kailangan na paraan para sa pag-diagnose ng solid at extrapancreatic pancreatic lesion na may sensitivity na 85% at specificity ng 98% [41].Ang pagdating ng EUS fine-needle biopsy (EUS-FNB) needles ay pangunahing nakabatay sa mga nakikitang pakinabang sa FNA, tulad ng mas mataas na diagnostic accuracy, pagkuha ng mga sample na nagpapanatili ng histological structure, at sa gayon ay bumubuo ng immune tissue na kritikal para sa ilang partikular na diagnosis .espesyal na paglamlam [42].Ang isang sistematikong pagsusuri ng panitikan ay nakumpirma na ang mga karayom ng FNB (lalo na ang 22G) ay nagpapakita ng pinakamataas na kahusayan sa pag-aani ng tissue mula sa pancreatic masses [43].Sa klinikal na paraan, maliit na bilang lamang ng mga pasyente ang karapat-dapat para sa radikal na operasyon, at karamihan sa mga pasyente ay may mga tumor na hindi maoperahan sa oras ng paunang pagsusuri.Sa klinikal na kasanayan, isang maliit na proporsyon lamang ng mga pasyente ang angkop para sa radikal na operasyon dahil karamihan sa mga pasyente ay may mga tumor na hindi maoperahan sa oras ng paunang pagsusuri.Pagkatapos ng pathological confirmation ng EUS-FNB at iba pang pamamaraan, karaniwang pinipili ang standardized non-surgical treatment gaya ng chemotherapy.Ang aming kasunod na programa ng pananaliksik ay upang subukan ang prognostic na modelo ng pag-aaral na ito sa surgical at nonsurgical cohorts sa pamamagitan ng retrospective analysis.
Sa pangkalahatan, ang aming pag-aaral ay nagtatag ng isang bagong prognostic na modelo ng panganib batay sa ipinares na irlncRNA, na nagpakita ng promising prognostic na halaga sa mga pasyenteng may pancreatic cancer.Ang aming prognostic risk model ay maaaring makatulong sa pag-iiba ng mga pasyenteng may PAAD na angkop para sa medikal na paggamot.
Ang mga dataset na ginamit at nasuri sa kasalukuyang pag-aaral ay makukuha mula sa kaukulang may-akda sa makatwirang kahilingan.
Sui Wen, Gong X, Zhuang Y. Ang namamagitan na papel ng self-efficacy sa emosyonal na regulasyon ng mga negatibong emosyon sa panahon ng pandemya ng COVID-19: isang cross-sectional na pag-aaral.Int J Ment Health Nurs [artikulo sa journal].2021 06/01/2021;30(3):759–71.
Sui Wen, Gong X, Qiao X, Zhang L, Cheng J, Dong J, et al.Mga pananaw ng mga miyembro ng pamilya sa alternatibong paggawa ng desisyon sa mga intensive care unit: isang sistematikong pagsusuri.INT J NURS STUD [artikulo ng magasin;pagsusuri].2023 01/01/2023;137:104391.
Vincent A, Herman J, Schulich R, Hruban RH, Goggins M. Pancreatic cancer.Lancet.[Journal na artikulo;suporta sa pananaliksik, NIH, extramural;suporta sa pananaliksik, pamahalaan sa labas ng US;pagsusuri].2011 08/13/2011;378(9791):607–20.
Ilic M, Ilic I. Epidemiology ng pancreatic cancer.World Journal of Gastroenterology.[Artikulo sa journal, pagsusuri].2016 11/28/2016;22(44):9694–705.
Liu X, Chen B, Chen J, Sun S. Isang bagong nomogram na nauugnay sa tp53 para sa paghula sa pangkalahatang kaligtasan ng buhay sa mga pasyente na may pancreatic cancer.BMC Cancer [artikulo sa journal].2021 31-03-2021;21(1):335.
Xian X, Zhu X, Chen Y, Huang B, Xiang W. Epekto ng therapy na nakatuon sa solusyon sa pagkapagod na nauugnay sa kanser sa mga pasyente ng colorectal cancer na tumatanggap ng chemotherapy: isang randomized na kinokontrol na pagsubok.Nars ng kanser.[Journal na artikulo;randomized na kinokontrol na pagsubok;ang pag-aaral ay sinusuportahan ng isang pamahalaan sa labas ng Estados Unidos].2022 05/01/2022;45(3):E663–73.
Zhang Cheng, Zheng Wen, Lu Y, Shan L, Xu Dong, Pan Y, et al.Ang mga antas ng postoperative carcinoembryonic antigen (CEA) ay hinuhulaan ang resulta pagkatapos ng colorectal cancer resection sa mga pasyente na may normal na preoperative na antas ng CEA.Center for Translational Cancer Research.[Journal na artikulo].2020 01.01.2020;9(1):111–8.
Hong Wen, Liang Li, Gu Yu, Qi Zi, Qiu Hua, Yang X, et al.Ang mga lncRNA na nauugnay sa immune ay bumubuo ng mga bagong lagda at hinuhulaan ang immune landscape ng human hepatocellular carcinoma.Mol Ther Nucleic acids [Journal article].2020 2020-12-04;22:937 – 47.
Toffey RJ, Zhu Y., Schulich RD Immunotherapy para sa pancreatic cancer: mga hadlang at tagumpay.Ann Gastrointestinal Surgeon [Journal Article;pagsusuri].2018 07/01/2018;2(4):274–81.
Hull R, Mbita Z, Dlamini Z. Mahabang non-coding RNAs (LncRNAs), viral tumor genomics at aberrant splicing event: therapeutic implications.AM J CANCER RES [artikulo sa journal;pagsusuri].2021 01/20/2021;11(3):866–83.
Wang J, Chen P, Zhang Y, Ding J, Yang Y, Li H. 11-Pagkilala sa mga lagda ng lncRNA na nauugnay sa pagbabala ng endometrial cancer.Mga nagawa ng agham [artikulo ng magasin].2021 2021-01-01;104(1):311977089.
Jiang S, Ren H, Liu S, Lu Z, Xu A, Qin S, et al.Komprehensibong pagsusuri ng RNA-binding protein prognostic genes at mga kandidato ng gamot sa papillary cell renal cell carcinoma.pregen.[Journal na artikulo].2021 01/20/2021;12:627508.
Li X, Chen J, Yu Q, Huang X, Liu Z, Wang X, et al.Ang mga katangian ng mahabang non-coding na RNA na nauugnay sa autophagy ay hinuhulaan ang pagbabala ng kanser sa suso.pregen.[Journal na artikulo].2021 01/20/2021;12:569318.
Zhou M, Zhang Z, Zhao X, Bao S, Cheng L, Sun J. Ang anim na lagda ng lncRNA na nauugnay sa immune ay nagpapabuti ng pagbabala sa glioblastoma multiforme.MOL Neurobiology.[Journal na artikulo].2018 01.05.2018;55(5):3684–97.
Wu B, Wang Q, Fei J, Bao Y, Wang X, Kanta Z, et al.Ang isang nobelang tri-lncRNA na lagda ay hinuhulaan ang kaligtasan ng mga pasyente na may pancreatic cancer.MGA KINATAWAN NG ONKOL.[Journal na artikulo].2018 12/01/2018;40(6):3427–37.
Ang Luo C, Lin K, Hu C, Zhu X, Zhu J, Zhu Z. LINC01094 ay nagpo-promote ng pag-unlad ng pancreatic cancer sa pamamagitan ng pag-regulate ng LIN28B expression at ang PI3K/AKT pathway sa pamamagitan ng sponged miR-577.Mol Therapeutics – Mga nucleic acid.2021;26:523–35.
Lin J, Zhai X, Zou S, Xu Z, Zhang J, Jiang L, et al.Ang positibong feedback sa pagitan ng lncRNA FLVCR1-AS1 at KLF10 ay maaaring makapigil sa pag-unlad ng pancreatic cancer sa pamamagitan ng PTEN/AKT pathway.J EXP Clin Cancer Res.2021;40(1).
Zhou X, Liu X, Zeng X, Wu D, Liu L. Pagkilala sa labintatlong gene na hinuhulaan ang pangkalahatang kaligtasan sa hepatocellular carcinoma.Biosci Rep [artikulo sa journal].2021 04/09/2021.
Oras ng post: Set-22-2023