Ang kanser sa pancreas ay isa sa mga pinakanakamamatay na tumor sa mundo na may mahinang prognosis. Samakatuwid, kinakailangan ang isang tumpak na modelo ng prediksyon upang matukoy ang mga pasyenteng may mataas na panganib na magkaroon ng kanser sa pancreas upang maiangkop ang paggamot at mapabuti ang prognosis ng mga pasyenteng ito.
Nakuha namin ang datos ng The Cancer Genome Atlas (TCGA) pancreatic adenocarcinoma (PAAD) RNAseq mula sa UCSC Xena database, kinilala ang mga immune-related lncRNA (irlncRNA) sa pamamagitan ng correlation analysis, at kinilala ang mga pagkakaiba sa pagitan ng TCGA at normal na mga tisyu ng pancreatic adenocarcinoma. DEirlncRNA) mula sa TCGA at genotype tissue expression (GTEx) ng tisyu ng pancreas. Isinagawa ang karagdagang univariate at lasso regression analyses upang bumuo ng mga prognostic signature model. Pagkatapos ay kinalkula namin ang area under the curve at tinukoy ang optimal cutoff value para sa pagtukoy ng mga pasyenteng may high- at low-risk pancreatic adenocarcinoma. Upang ihambing ang mga klinikal na katangian, immune cell infiltration, immunosuppressive microenvironment, at chemotherapy resistance sa mga pasyenteng may high- at low-risk pancreatic cancer.
Nakatukoy kami ng 20 pares ng DEirlncRNA at pinagsama-sama ang mga pasyente ayon sa pinakamainam na cutoff value. Ipinakita namin na ang aming prognostic signature model ay may makabuluhang pagganap sa paghula ng prognosis ng mga pasyenteng may PAAD. Ang AUC ng ROC curve ay 0.905 para sa 1-taong forecast, 0.942 para sa 2-taong forecast, at 0.966 para sa 3-taong forecast. Ang mga pasyenteng may mataas na panganib ay may mas mababang survival rate at mas masahol na klinikal na katangian. Ipinakita rin namin na ang mga pasyenteng may mataas na panganib ay immunosuppressed at maaaring magkaroon ng resistensya sa immunotherapy. Ang pagsusuri ng mga gamot na anticancer tulad ng paclitaxel, sorafenib, at erlotinib batay sa mga computational prediction tool 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 modelo ng prognostic risk batay sa ipinares na irlncRNA, na nagpakita ng magandang prognostic value sa mga pasyenteng may kanser sa pancreas. Ang aming modelo ng prognostic risk ay maaaring makatulong sa pag-iba-ibahin ang mga pasyenteng may PAAD na angkop para sa medikal na paggamot.
Ang kanser sa pancreas ay isang malignant na tumor na may mababang limang-taong survival rate at mataas na antas. Sa panahon 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 pressure kapag ginagamot ang mga pasyenteng may kanser sa pancreas, at ang mga pamilya ng mga pasyente ay nahaharap din sa maraming pressure kapag gumagawa ng mga desisyon sa paggamot [1, 2]. Bagama't malaki ang mga pagsulong na nagawa sa paggamot ng mga DOAD, tulad ng neoadjuvant therapy, surgical resection, radiation therapy, chemotherapy, targeted molecular therapy, at immune checkpoint inhibitors (ICIs), humigit-kumulang 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 nasusuri na may metastases sa isang advanced na yugto [5]. Samakatuwid, para sa isang partikular na pasyente, ang indibidwal na komprehensibong paggamot ay dapat timbangin ang mga kalamangan at kahinaan ng lahat ng mga opsyon sa paggamot, hindi lamang upang pahabain ang kaligtasan, kundi pati na rin upang mapabuti ang kalidad ng buhay [6]. Samakatuwid, ang isang epektibong modelo ng prediksyon ay kinakailangan upang tumpak na masuri ang prognosis ng isang pasyente [7]. Kaya naman, maaaring mapili ang naaangkop na paggamot upang mabalanse ang kaligtasan ng buhay at kalidad ng buhay ng mga pasyenteng may PAAD.
Ang mahinang prognosis ng PAAD ay pangunahing dahil sa resistensya sa mga gamot sa chemotherapy. Sa mga nakaraang taon, ang mga immune checkpoint inhibitor ay malawakang ginagamit sa paggamot ng mga solidong tumor [8]. Gayunpaman, ang paggamit ng mga ICI sa kanser sa pancreas ay bihirang maging matagumpay [9]. Samakatuwid, mahalagang tukuyin ang mga pasyenteng maaaring makinabang sa therapy ng ICI.
Ang long non-coding RNA (lncRNA) ay isang uri ng non-coding RNA na may mga transcript na higit sa 200 nucleotides. Ang mga LncRNA ay laganap at bumubuo ng humigit-kumulang 80% ng transcriptome ng tao [10]. Ipinakita ng isang malaking bilang ng mga pag-aaral na ang mga prognostic model na nakabatay sa lncRNA ay maaaring epektibong mahulaan ang prognosis ng pasyente [11, 12]. Halimbawa, 18 autophagy-related lncRNA ang natukoy upang makabuo ng mga prognostic signature sa kanser sa suso [13]. Anim na iba pang immune-related lncRNA ang ginamit upang maitatag ang mga prognostic feature ng glioma [14].
Sa kanser sa pancreas, may ilang pag-aaral na nagtatag ng mga lagda batay sa lncRNA upang mahulaan ang prognosis ng pasyente. Isang lagda ng 3-lncRNA ang itinatag sa pancreatic adenocarcinoma na may area sa ilalim ng ROC curve (AUC) na 0.742 lamang at pangkalahatang survival rate (OS) na 3 taon [15]. Bukod pa rito, ang mga halaga ng ekspresyon ng lncRNA ay nag-iiba sa iba't ibang genome, iba't ibang format ng datos, at iba't ibang pasyente, at ang pagganap ng predictive model ay hindi matatag. Samakatuwid, gumagamit kami ng isang nobelang modeling algorithm, pairing at iteration, upang makabuo ng mga lagda na may kaugnayan sa immunity lncRNA (irlncRNA) upang lumikha ng mas tumpak at matatag na predictive model [8].
Ang mga datos ng normalized RNAseq (FPKM) at klinikal na TCGA ng kanser sa pancreas at genotype tissue expression (GTEx) ay nakuha mula sa UCSC XENA database (https://xenabrowser.net/datapages/). Ang mga GTF file ay nakuha mula sa Ensembl database (http://asia.ensembl.org) at ginamit upang kunin ang mga profile ng ekspresyon ng lncRNA mula sa RNAseq. Nag-download kami ng mga gene na may kaugnayan sa immunity mula sa ImmPort database (http://www.immport.org) at natukoy ang mga lncRNA na may kaugnayan sa immunity (irlncRNA) gamit ang correlation analysis (p < 0.001, r > 0.4). Pagtukoy sa mga differentially expressed irlncRNA (DEirlncRNA) sa pamamagitan ng pagtawid sa mga irlncRNA at differentially expressed lncRNA na nakuha mula sa GEPIA2 database (http://gepia2.cancer-pku.cn/#index) sa TCGA-PAAD cohort (|logFC| > 1 at FDR) <0.05).
Naiulat na ang pamamaraang ito dati [8]. Partikular, binubuo namin ang X upang palitan ang ipinares na lncRNA A at lncRNA B. Kapag ang halaga ng ekspresyon ng lncRNA A ay mas mataas kaysa sa halaga ng ekspresyon ng lncRNA B, ang X ay binibigyang kahulugan bilang 1, kung hindi man ang X ay binibigyang kahulugan bilang 0. Samakatuwid, makakakuha tayo ng matrix na 0 o – 1. Ang patayong aksis ng matrix ay kumakatawan sa bawat sample, at ang pahalang na aksis ay kumakatawan sa bawat pares ng DEirlncRNA na may halagang 0 o 1.
Ang univariate regression analysis na sinundan ng Lasso regression ay ginamit upang i-screen ang mga prognostic na pares ng DEirlncRNA. Ang lasso regression analysis ay gumamit ng 10-fold cross-validation na inulit nang 1000 beses (p < 0.05), na may 1000 random stimuli bawat run. Kapag ang dalas ng bawat pares ng DEirlncRNA ay lumampas sa 100 beses sa 1000 cycle, ang mga pares ng DEirlncRNA ay pinili upang bumuo ng isang prognostic risk model. Pagkatapos ay ginamit namin ang AUC curve upang mahanap ang pinakamainam na cutoff value para sa pag-uuri ng mga pasyenteng PAAD sa mga high- at low-risk na grupo. Ang halaga ng AUC ng bawat modelo ay kinalkula rin at ipinlot bilang isang curve. Kung ang curve ay umabot sa pinakamataas na punto na nagpapahiwatig ng maximum na halaga ng AUC, ang proseso ng pagkalkula ay hihinto at ang modelo ay itinuturing na pinakamahusay na kandidato. Ang mga 1-, 3- at 5-taong ROC curve model ay binuo. Ang mga univariate at multivariate regression analyses ay ginamit upang suriin ang independent predictive performance ng prognostic risk model.
Gumamit ng pitong kagamitan upang pag-aralan ang mga rate ng paglusot ng immune cell, kabilang ang XCELL, TIMER, QUANTISEQ, MCPCOUNTER, EPIC, CIBERSORT-ABS, at CIBERSORT. Ang datos ng paglusot ng immune cell ay na-download mula sa database ng TIMER2 (http://timer.comp-genomics.org/#tab-5817-3). Ang pagkakaiba sa nilalaman ng mga immune-infiltrating cell sa pagitan ng mga high- at low-risk na grupo ng binuong modelo ay sinuri gamit ang Wilcoxon signed-rank test, ang mga resulta ay ipinapakita sa square graph. Isinagawa ang pagsusuri ng Spearman correlation upang suriin ang ugnayan sa pagitan ng mga halaga ng risk score at mga immune-infiltrating cell. Ang nagresultang koepisyent ng correlation ay ipinapakita bilang isang lollipop. Ang significance threshold ay itinakda sa p < 0.05. Ang pamamaraan ay isinagawa gamit ang R package na ggplot2. Upang suriin ang ugnayan sa pagitan ng modelo at mga antas ng ekspresyon ng gene na nauugnay sa rate ng paglusot ng immune cell, isinagawa namin ang ggstatsplot package at violin plot visualization.
Upang masuri ang mga klinikal na pattern ng paggamot para sa kanser sa pancreas, kinalkula namin ang IC50 ng mga karaniwang ginagamit na gamot sa chemotherapy 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 mga boxplots na nabuo gamit ang pRRophetic at ggplot2 sa R. Ang lahat ng mga pamamaraan ay sumusunod sa mga kaugnay 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 may kaugnayan sa kaligtasan sa sakit, pumili kami ng 724 na irlncRNA na may p < 0.01 at r > 0.4. Susunod naming sinuri ang mga lncRNA ng GEPIA2 na may magkakaibang pagpapahayag (Figure 2A). Isang kabuuang 223 irlncRNA ang may magkakaibang pagpapahayag sa pagitan ng pancreatic adenocarcinoma at normal na tisyu ng pancreas (|logFC| > 1, FDR < 0.05), na pinangalanang DEirlncRNA.
Pagbuo ng mga modelo ng predictive risk. (A) Volcano plot ng mga lncRNA na may magkakaibang pagpapahayag. (B) Distribusyon ng mga lasso coefficients para sa 20 pares ng DEirlncRNA. (C) Partial likelihood variance ng distribusyon ng LASSO coefficient. (D) Forest plot na nagpapakita ng univariate regression analysis ng 20 pares ng DEirlncRNA.
Sumunod kaming bumuo ng isang 0 o 1 matrix sa pamamagitan ng pagpapares ng 223 DEirlncRNA. Isang kabuuang 13,687 pares ng DEirlncRNA ang natukoy. Pagkatapos ng univariate at lasso regression analysis, 20 pares ng DEirlncRNA ang sa wakas ay sinubukan upang makabuo ng isang prognostic risk model (Figure 2B-D). Batay sa mga resulta ng Lasso at multiple regression analysis, kinalkula namin ang risk score para sa bawat pasyente sa TCGA-PAAD cohort (Table 1). Batay sa mga resulta ng lasso regression analysis, kinalkula namin ang risk score para sa bawat pasyente sa TCGA-PAAD cohort. Ang AUC ng ROC curve ay 0.905 para sa 1-year risk model prediction, 0.942 para sa 2-year prediction, at 0.966 para sa 3-year prediction (Figure 3A-B). Nagtakda kami ng pinakamainam na cutoff value na 3.105, hinati ang mga pasyenteng may TCGA-PAAD cohort sa mga high- at low-risk na grupo, at iginuhit ang mga survival outcome at risk score distribution para sa bawat pasyente (Figure 3C-E). Ipinakita ng Kaplan-Meier analysis na ang survival ng mga pasyenteng may PAAD sa high-risk na grupo ay mas mababa nang malaki kaysa sa mga pasyente sa low-risk na grupo (p < 0.001) (Figure 3F).
Bisa ng mga modelo ng prognostic risk. (A) ROC ng modelo ng prognostic risk. (B) 1-, 2-, at 3-taong modelo ng prognostic risk ng ROC. (C) ROC ng modelo ng prognostic risk. Ipinapakita ang pinakamainam na cut-off point. (DE) Distribusyon ng katayuan ng kaligtasan (D) at mga marka ng panganib (E). (F) Pagsusuri ni Kaplan-Meier ng mga pasyenteng PAAD sa mga grupong may mataas at mababang panganib.
Mas marami pa naming sinuri na mga pagkakaiba sa mga marka ng panganib ayon sa mga klinikal na katangian. Ipinapakita ng strip plot (Larawan 4A) ang pangkalahatang ugnayan sa pagitan ng mga klinikal na katangian at mga marka ng panganib. Sa partikular, ang mga matatandang pasyente ay may mas mataas na mga marka ng panganib (Larawan 4B). Bilang karagdagan, ang mga pasyenteng may stage II ay may mas mataas na mga marka ng panganib kaysa sa mga pasyenteng may stage I (Larawan 4C). Tungkol sa grado ng tumor sa mga pasyenteng may PAAD, ang mga pasyenteng may grade 3 ay may mas mataas na mga marka ng panganib kaysa sa mga pasyenteng may grade 1 at 2 (Larawan 4D). Nagsagawa pa kami ng univariate at multivariate regression analyses at ipinakita na ang marka ng panganib (p < 0.001) at edad (p = 0.045) ay mga independiyenteng prognostic factor sa mga pasyenteng may PAAD (Larawan 5A-B). Ipinakita ng ROC curve na ang marka ng panganib ay nakahihigit sa iba pang mga klinikal na katangian sa paghula ng 1-, 2-, at 3-taong kaligtasan ng mga pasyenteng may PAAD (Larawan 5C-E).
Mga klinikal na katangian ng mga modelo ng prognostic risk. Ipinapakita ng histogram (A) ang (B) edad, (C) yugto ng tumor, (D) grado ng tumor, marka ng panganib, at kasarian ng mga pasyente sa TCGA-PAAD cohort. **p < 0.01
Malayang pagsusuri ng prediksyon ng mga modelo ng prognostic risk. (AB) Univariate (A) at multivariate (B) regression analyses ng mga modelo ng prognostic risk at mga klinikal na katangian. (CE) 1-, 2-, at 3-taong ROC para sa mga modelo ng prognostic risk at mga klinikal na katangian
Samakatuwid, sinuri namin ang ugnayan sa pagitan ng oras at mga marka ng panganib. Natuklasan namin na ang marka ng panganib sa mga pasyenteng may PAAD ay may kabaligtaran na kaugnayan sa mga CD8+ T cell at NK cell (Larawan 6A), na nagpapahiwatig ng pinipigilang paggana ng immune system sa grupong may mataas na panganib. Sinuri rin namin ang pagkakaiba sa paglusot ng immune cell sa pagitan ng mga grupong may mataas at mababang panganib at natagpuan ang parehong mga resulta (Larawan 7). Mas kaunti ang paglusot ng mga CD8+ T cell at NK cell sa grupong may mataas na panganib. Sa mga nakaraang taon, ang mga immune checkpoint inhibitor (ICI) ay malawakang ginagamit sa paggamot ng mga solidong tumor. Gayunpaman, ang paggamit ng mga ICI sa kanser sa pancreas ay bihirang maging matagumpay. Samakatuwid, sinuri namin ang ekspresyon ng mga immune checkpoint gene sa mga grupong may mataas at mababang panganib. Natuklasan namin na ang CTLA-4 at CD161 (KLRB1) ay labis na na-express sa grupong may mababang panganib (Larawan 6B-G), na nagpapahiwatig na ang mga pasyenteng may PAAD sa grupong may mababang panganib ay maaaring sensitibo sa ICI.
Pagsusuri ng ugnayan ng prognostic risk model at immune cell infiltration. (A) Korelasyon sa pagitan ng prognostic risk model at immune cell infiltration. (BG) Ipinapahiwatig ang ekspresyon ng gene sa mga grupong may mataas at mababang panganib. (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
Mas marami pa naming sinuri ang kaugnayan sa pagitan ng mga marka ng panganib at mga karaniwang ahente ng chemotherapy sa cohort ng TCGA-PAAD. Naghanap kami ng mga karaniwang ginagamit na gamot laban sa kanser sa pancreas at sinuri ang mga pagkakaiba sa kanilang mga halaga ng IC50 sa pagitan ng mga grupong may mataas at mababang panganib. Ipinakita ng mga resulta na ang halaga ng IC50 ng AZD.2281 (olaparib) ay mas mataas sa grupong may mataas na panganib, na nagpapahiwatig na ang mga pasyenteng PAAD sa grupong may mataas na panganib ay maaaring lumalaban sa paggamot ng AZD.2281 (Larawan 6H). Bukod pa rito, ang mga halaga ng IC50 ng paclitaxel, sorafenib, at erlotinib ay mas mababa sa grupong may mataas na panganib (Larawan 6I-K). Mas marami pa naming natukoy na 34 na gamot laban sa kanser na may mas mataas na halaga ng IC50 sa grupong may mataas na panganib at 34 na gamot laban sa kanser na may mas mababang halaga ng IC50 sa grupong may mataas na panganib (Talahanayan 2).
Hindi maikakaila na ang mga lncRNA, mRNA, at miRNA ay malawakang umiiral at gumaganap ng mahalagang papel sa pag-unlad ng kanser. Mayroong sapat na ebidensya na sumusuporta sa mahalagang papel ng mRNA o miRNA sa paghula ng pangkalahatang kaligtasan sa ilang uri ng kanser. Walang alinlangan, maraming prognostic risk model ang nakabatay din sa mga lncRNA. Halimbawa, ipinakita nina Luo et al. na ang LINC01094 ay gumaganap ng mahalagang papel sa paglaganap at metastasis ng PC, at ang mataas na ekspresyon ng LINC01094 ay nagpapahiwatig ng mahinang kaligtasan ng mga pasyenteng may kanser sa pancreas [16]. Ipinakita ng pag-aaral na ang downregulation ng lncRNA FLVCR1-AS1 ay nauugnay sa mahinang prognosis sa mga pasyenteng may kanser sa pancreas [17]. Gayunpaman, ang mga lncRNA na may kaugnayan sa kaligtasan ay medyo hindi gaanong napag-uusapan sa mga tuntunin ng paghula ng pangkalahatang kaligtasan ng mga pasyenteng may kanser. Kamakailan lamang, isang malaking halaga ng trabaho ang nakatuon sa pagbuo ng mga prognostic risk model upang mahulaan ang kaligtasan ng mga pasyenteng may kanser at sa gayon ay ayusin ang mga pamamaraan ng paggamot [18, 19, 20]. Mayroong lumalaking pagkilala sa mahalagang papel ng mga immune infiltrate sa pagsisimula, pag-unlad, at tugon ng kanser sa mga paggamot tulad ng chemotherapy. Maraming pag-aaral ang nagpatunay na ang mga selula ng immune system na pumapasok sa tumor ay may mahalagang papel sa tugon sa cytotoxic chemotherapy [21, 22, 23]. Ang immune microenvironment ng tumor ay isang mahalagang salik sa kaligtasan ng mga pasyenteng may tumor [24, 25]. Ang immunotherapy, lalo na ang ICI therapy, ay malawakang ginagamit sa paggamot ng mga solidong tumor [26]. Ang mga immune-related gene ay malawakang ginagamit upang bumuo ng mga prognostic risk model. Halimbawa, Su et al. Ang immune-related prognostic risk model ay batay sa mga protein-coding gene upang mahulaan ang prognosis ng mga pasyenteng may kanser sa obaryo [27]. Ang mga non-coding gene tulad ng mga lncRNA ay angkop din para sa pagbuo ng mga prognostic risk model [28, 29, 30]. Sinubukan nina Luo et al. ang apat na immune-related lncRNA at bumuo ng isang predictive model para sa panganib ng kanser sa cervix [31]. Khan et al. Isang kabuuang 32 differentially expressed transcript ang natukoy, at batay dito, isang prediction model na may 5 significant transcript ang itinatag, na iminungkahi bilang isang lubos na inirerekomendang tool para sa paghula ng biopsy-proven acute rejection pagkatapos ng kidney transplantation [32].
Karamihan sa mga modelong ito ay batay sa mga antas ng ekspresyon ng gene, alinman sa mga gene na nagko-code ng protina o mga gene na hindi nagko-code. Gayunpaman, ang parehong gene ay maaaring magkaroon ng iba't ibang halaga ng ekspresyon sa iba't ibang genome, format ng datos at sa iba't ibang pasyente, na humahantong sa hindi matatag na mga pagtatantya sa mga predictive model. Sa pag-aaral na ito, bumuo kami ng isang makatwirang modelo na may dalawang pares ng lncRNA, na hiwalay sa eksaktong mga halaga ng ekspresyon.
Sa pag-aaral na ito, unang beses naming natukoy ang irlncRNA sa pamamagitan ng correlation analysis gamit ang mga gene na may kaugnayan sa immunity. Sinuri namin ang 223 DEirlncRNA sa pamamagitan ng hybridization na may differentially expressed lncRNAs. Pangalawa, bumuo kami ng 0-or-1 matrix batay sa nailathalang DEirlncRNA pairing method [31]. Pagkatapos ay nagsagawa kami ng univariate at lasso regression analyses upang matukoy ang mga prognostic DEirlncRNA pairs at bumuo ng isang predictive risk model. Sinuri pa namin ang kaugnayan sa pagitan ng mga risk score at mga klinikal na katangian sa mga pasyenteng may PAAD. Natuklasan namin na ang aming prognostic risk model, bilang isang independiyenteng prognostic factor sa mga pasyenteng may PAAD, ay maaaring epektibong maiba ang mga high-grade na pasyente mula sa mga low-grade na pasyente at mga high-grade na pasyente mula sa mga low-grade na pasyente. Bukod pa rito, ang mga AUC value ng ROC curve ng prognostic risk model ay 0.905 para sa 1-year forecast, 0.942 para sa 2-year forecast, at 0.966 para sa 3-year forecast.
Iniulat ng mga mananaliksik na ang mga pasyenteng may mas mataas na CD8+ T cell infiltration ay mas sensitibo sa paggamot ng ICI [33]. Ang pagtaas ng nilalaman ng mga cytotoxic cell, CD56 NK cell, NK cell at CD8+ T cell sa tumor immune microenvironment ay maaaring isa sa mga dahilan ng tumor suppressive effect [34]. Ipinakita ng mga nakaraang pag-aaral na ang mas mataas na antas ng tumor-infiltrating CD4(+) T at CD8(+) T ay makabuluhang nauugnay sa mas mahabang survival [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]. Natuklasan namin na ang risk score ay negatibong nauugnay sa mga CD8+ T cell at NK cell, na nagpapahiwatig na ang mga pasyenteng may mataas na risk score ay maaaring hindi angkop para sa paggamot ng ICI at may mas masamang prognosis.
Ang CD161 ay isang marker ng mga natural killer (NK) cells. Ang mga CD8+CD161+ CAR-transduced T cells ay namamagitan sa pinahusay na in vivo antitumor efficacy sa mga HER2+ pancreatic ductal adenocarcinoma xenograft models [37]. Ang mga immune checkpoint inhibitor ay nagta-target sa cytotoxic T lymphocyte associated protein 4 (CTLA-4) at programmed cell death protein 1 (PD-1)/programmed cell death ligand 1 (PD-L1) pathways at may malaking potensyal sa maraming lugar. Ang ekspresyon ng CTLA-4 at CD161 (KLRB1) ay mas mababa sa mga high-risk na grupo, na lalong nagpapahiwatig na ang mga pasyenteng may high-risk scores ay maaaring hindi karapat-dapat para sa paggamot ng ICI. [38]
Upang makahanap ng mga opsyon sa paggamot na angkop para sa mga pasyenteng may mataas na panganib, sinuri namin ang iba't ibang gamot na anticancer at natuklasan 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]. Natuklasan nina Zhang et al. na ang mga mutasyon sa anumang DNA damage response (DDR) pathway ay maaaring humantong sa mahinang prognosis sa mga pasyenteng may kanser sa prostate [39]. Ipinakita ng Pancreatic Cancer Olaparib Ongoing (POLO) trial na ang maintenance treatment gamit ang olaparib ay nagpahaba ng progression-free survival kumpara sa placebo pagkatapos ng first-line platinum-based chemotherapy sa mga pasyenteng may pancreatic ductal adenocarcinoma at germline BRCA1/2 mutations [40]. Nagbibigay ito ng malaking optimismo na ang mga resulta ng paggamot ay bubuti nang malaki sa subgroup na ito ng mga pasyente. Sa pag-aaral na ito, ang halaga ng IC50 ng AZD.2281 (olaparib) ay mas mataas sa high-risk group, na nagpapahiwatig na ang mga pasyenteng PAAD sa high-risk group ay maaaring lumalaban sa paggamot gamit ang AZD.2281.
Ang mga modelo ng pagtataya sa pag-aaral na ito ay nagbubunga ng magagandang resulta ng pagtataya, ngunit ang mga ito ay batay sa mga analytical forecast. Kung paano kumpirmahin ang mga resultang ito gamit ang klinikal na datos ay isang mahalagang tanong. Ang endoscopic fine needle aspiration ultrasonography (EUS-FNA) ay naging isang kailangang-kailangan na pamamaraan para sa pag-diagnose ng solid at extrapancreatic pancreatic lesions na may sensitivity na 85% at specificity na 98% [41]. Ang pagdating ng EUS fine-needle biopsy (EUS-FNB) needles ay pangunahing batay sa mga nakikitang bentahe kumpara 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 mahalaga para sa ilang mga diagnosis. espesyal na paglamlam [42]. Kinumpirma ng isang sistematikong pagsusuri ng literatura na ang mga FNB needles (lalo na ang 22G) ay nagpapakita ng pinakamataas na kahusayan sa pag-aani ng tissue mula sa mga masa ng pancreatic [43]. Sa klinikal na aspeto, maliit na bilang lamang ng mga pasyente ang karapat-dapat para sa radical surgery, at karamihan sa mga pasyente ay may mga hindi maaaring operahan na tumor sa panahon ng unang diagnosis. Sa klinikal na kasanayan, maliit na proporsyon lamang ng mga pasyente ang angkop para sa radical surgery dahil karamihan sa mga pasyente ay may mga hindi maaaring operahan na tumor sa panahon ng unang diagnosis. Pagkatapos ng kumpirmasyon ng patolohiya sa pamamagitan ng EUS-FNB at iba pang mga pamamaraan, karaniwang pinipili ang istandardisadong paggamot na hindi kirurhiko tulad ng chemotherapy. Ang aming kasunod na programa sa pananaliksik ay subukan ang prognostic model ng pag-aaral na ito sa mga cohort na kirurhiko at hindi kirurhiko sa pamamagitan ng isang retrospective analysis.
Sa pangkalahatan, ang aming pag-aaral ay nagtatag ng isang bagong modelo ng prognostic risk batay sa ipinares na irlncRNA, na nagpakita ng magandang prognostic value sa mga pasyenteng may kanser sa pancreas. Ang aming modelo ng prognostic risk ay maaaring makatulong sa pag-iba-ibahin ang mga pasyenteng may PAAD na angkop para sa medikal na paggamot.
Ang mga dataset na ginamit at sinuri sa kasalukuyang pag-aaral ay makukuha mula sa kaukulang may-akda sa makatuwirang 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 sa magasin; pagsusuri]. 2023 01/01/2023;137:104391.
Vincent A, Herman J, Schulich R, Hruban RH, Goggins M. Kanser sa pancreas. Lancet. [Artikulo sa dyornal; suporta sa pananaliksik, NIH, extramural; suporta sa pananaliksik, gobyerno sa labas ng US; pagsusuri]. 2011 08/13/2011;378(9791):607–20.
Ilic M, Ilic I. Epidemiolohiya ng kanser sa pancreas. World Journal of Gastroenterology. [Artikulo sa dyornal, pagsusuri]. 2016 11/28/2016;22(44):9694–705.
Liu X, Chen B, Chen J, Sun S. Isang bagong nomogram na may kaugnayan sa tp53 para sa paghula ng pangkalahatang kaligtasan ng buhay sa mga pasyenteng may kanser sa pancreas. 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 may kaugnayan sa kanser sa mga pasyenteng may kanser sa colorectal na tumatanggap ng chemotherapy: isang randomized controlled trial. Nars na may kanser. [Artikulo sa journal; randomized controlled trial; ang pag-aaral ay sinusuportahan ng isang gobyerno 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 pasyenteng may normal na antas ng preoperative CEA. Center for Translational Cancer Research. [Artikulo sa journal]. 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 may kaugnayan sa immune system ay bumubuo ng mga nobelang lagda at hinuhulaan ang immune system ng human hepatocellular carcinoma. Mol Ther Nucleic acids [Artikulo sa journal]. 2020 2020-12-04;22:937 – 47.
Toffey RJ, Zhu Y., Schulich RD Immunotherapy para sa kanser sa pancreas: mga hadlang at mga tagumpay. Ann Gastrointestinal Surgeon [Artikulo sa Journal; pagsusuri]. 2018 07/01/2018;2(4):274–81.
Hull R, Mbita Z, Dlamini Z. Mahahabang non-coding RNA (LncRNA), viral tumor genomics at mga aberrant splicing event: mga implikasyon sa paggamot. 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 prognosis ng kanser sa endometrium. Mga Nakamit ng agham [artikulo sa 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 mga RNA-binding protein prognostic genes at mga kandidatong gamot sa papillary cell renal cell carcinoma. pregen. [Artikulo sa journal]. 2021 01/20/2021;12:627508.
Li X, Chen J, Yu Q, Huang X, Liu Z, Wang X, et al. Ang mga katangian ng mahahabang non-coding RNA na may kaugnayan sa autophagy ay humuhula sa prognosis ng kanser sa suso. pregen. [Artikulo sa journal]. 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 may kaugnayan sa immune system ay nagpapabuti sa prognosis sa glioblastoma multiforme. MOL Neurobiology. [Artikulo sa journal]. 2018 01.05.2018;55(5):3684–97.
Wu B, Wang Q, Fei J, Bao Y, Wang X, Song Z, et al. Isang nobelang lagda ng tri-lncRNA ang humuhula sa kaligtasan ng mga pasyenteng may kanser sa pancreas. MGA KINATAWAN NG ONKOL. [Artikulo sa journal]. 2018 12/01/2018;40(6):3427–37.
Luo C, Lin K, Hu C, Zhu X, Zhu J, Zhu Z. Itinataguyod ng LINC01094 ang paglala ng kanser sa pancreas sa pamamagitan ng pag-regulate ng ekspresyon ng LIN28B at ng PI3K/AKT pathway sa pamamagitan ng sponged miR-577. Mol Therapeutics – Nucleic acids. 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 pumigil sa paglala ng kanser sa pancreas sa pamamagitan ng PTEN/AKT pathway. J EXP Clin Cancer Res. 2021;40(1).
Zhou X, Liu X, Zeng X, Wu D, Liu L. Pagtukoy sa labintatlong gene na humuhula sa pangkalahatang kaligtasan ng buhay sa hepatocellular carcinoma. Biosci Rep [artikulo sa journal]. 2021 04/09/2021.
Oras ng pag-post: Set-22-2023