Rak gušterače jedan je od najsmrtonosnijih tumora na svijetu s lošom prognozom. Stoga je potreban točan model predviđanja kako bi se identificirali pacijenti s visokim rizikom od raka gušterače kako bi se prilagodilo liječenje i poboljšala prognoza tih pacijenata.
Iz baze podataka UCSC Xena dobili smo podatke RNAseq za adenokarcinom gušterače (PAAD) iz Atlasa genoma raka (TCGA), identificirali imunološki povezane lncRNA (irlncRNA) korelacijskom analizom i utvrdili razlike između TCGA i normalnog tkiva adenokarcinoma gušterače. DEirlncRNA) iz TCGA i ekspresija genotipa tkiva (GTEx) tkiva gušterače. Provedene su daljnje univarijatne i laso regresijske analize kako bi se konstruirali prognostički modeli potpisa. Zatim smo izračunali površinu ispod krivulje i odredili optimalnu graničnu vrijednost za identifikaciju pacijenata s adenokarcinomom gušterače visokog i niskog rizika. Usporedili smo kliničke karakteristike, infiltraciju imunoloških stanica, imunosupresivno mikrookruženje i otpornost na kemoterapiju u pacijenata s rakom gušterače visokog i niskog rizika.
Identificirali smo 20 parova DEirlncRNA i grupirali pacijente prema optimalnoj graničnoj vrijednosti. Pokazali smo da naš prognostički model potpisa ima značajne performanse u predviđanju prognoze pacijenata s PAAD-om. AUC ROC krivulje iznosi 0,905 za jednogodišnju prognozu, 0,942 za dvogodišnju prognozu i 0,966 za trogodišnju prognozu. Pacijenti s visokim rizikom imali su niže stope preživljavanja i lošije kliničke karakteristike. Također smo pokazali da su pacijenti s visokim rizikom imunosuprimirani i mogu razviti otpornost na imunoterapiju. Evaluacija lijekova protiv raka poput paklitaksela, sorafeniba i erlotiniba na temelju računalnih alata za predviđanje može biti prikladna za pacijente s visokim rizikom s PAAD-om.
Sveukupno, naša studija uspostavila je novi prognostički model rizika temeljen na sparenoj irlncRNA, koji je pokazao obećavajuću prognostičku vrijednost kod pacijenata s rakom gušterače. Naš prognostički model rizika može pomoći u razlikovanju pacijenata s PAAD-om koji su prikladni za liječenje.
Rak gušterače je maligni tumor s niskom petogodišnjom stopom preživljavanja i visokim gradusom. U trenutku dijagnoze, većina pacijenata je već u uznapredovalim stadijima. U kontekstu epidemije COVID-19, liječnici i medicinske sestre su pod ogromnim pritiskom pri liječenju pacijenata s rakom gušterače, a obitelji pacijenata također se suočavaju s višestrukim pritiscima pri donošenju odluka o liječenju [1, 2]. Iako je postignut veliki napredak u liječenju DOAD-a, kao što su neoadjuvantna terapija, kirurška resekcija, radioterapija, kemoterapija, ciljana molekularna terapija i inhibitori imunoloških kontrolnih točaka (ICI), samo oko 9% pacijenata preživi pet godina nakon dijagnoze [3]. ], 4]. Budući da su rani simptomi adenokarcinoma gušterače atipični, pacijentima se obično dijagnosticiraju metastaze u uznapredovalom stadiju [5]. Stoga, za određenog pacijenta, individualizirano sveobuhvatno liječenje mora odvagnuti prednosti i nedostatke svih mogućnosti liječenja, ne samo radi produljenja preživljavanja, već i radi poboljšanja kvalitete života [6]. Stoga je učinkovit model predviđanja potreban za točnu procjenu prognoze pacijenta [7]. Stoga se može odabrati odgovarajući tretman kako bi se uravnotežilo preživljavanje i kvaliteta života pacijenata s PAAD-om.
Loša prognoza PAAD-a uglavnom je posljedica otpornosti na kemoterapijske lijekove. Posljednjih godina, inhibitori imunoloških kontrolnih točaka široko se koriste u liječenju solidnih tumora [8]. Međutim, primjena ICI-a kod raka gušterače rijetko je uspješna [9]. Stoga je važno identificirati pacijente koji bi mogli imati koristi od ICI terapije.
Duga nekodirajuća RNA (lncRNA) je vrsta nekodirajuće RNA s transkriptima >200 nukleotida. LncRNA su široko rasprostranjene i čine oko 80% ljudskog transkriptoma [10]. Veliki broj radova pokazao je da prognostički modeli temeljeni na lncRNA mogu učinkovito predvidjeti prognozu pacijenta [11, 12]. Na primjer, identificirano je 18 lncRNA povezanih s autofagijom koje generiraju prognostičke potpise kod raka dojke [13]. Šest drugih imunološki povezanih lncRNA korišteno je za utvrđivanje prognostičkih značajki glioma [14].
Kod raka gušterače, neke studije su uspostavile potpise temeljene na lncRNA za predviđanje prognoze pacijenata. Potpis 3-lncRNA utvrđen je u adenokarcinomu gušterače s površinom ispod ROC krivulje (AUC) od samo 0,742 i ukupnim preživljavanjem (OS) od 3 godine [15]. Osim toga, vrijednosti ekspresije lncRNA variraju među različitim genomima, različitim formatima podataka i različitim pacijentima, a performanse prediktivnog modela su nestabilne. Stoga koristimo novi algoritam modeliranja, sparivanje i iteraciju, kako bismo generirali potpise lncRNA povezane s imunitetom (irlncRNA) kako bismo stvorili točniji i stabilniji prediktivni model [8].
Normalizirani podaci RNAseq (FPKM) i podaci o kliničkoj ekspresiji TCGA i tkiva genotipa (GTEx) raka gušterače dobiveni su iz UCSC XENA baze podataka (https://xenabrowser.net/datapages/). GTF datoteke dobivene su iz Ensembl baze podataka (http://asia.ensembl.org) i korištene su za izdvajanje profila ekspresije lncRNA iz RNAseq. Preuzeli smo gene povezane s imunitetom iz ImmPort baze podataka (http://www.immport.org) i identificirali lncRNA povezane s imunitetom (irlncRNA) pomoću korelacijske analize (p < 0,001, r > 0,4). Identifikacija različito eksprimiranih irlncRNA (DEirlncRNA) križanjem irlncRNA i različito eksprimiranih lncRNA dobivenih iz GEPIA2 baze podataka (http://gepia2.cancer-pku.cn/#index) u kohorti TCGA-PAAD (|logFC| > 1 i FDR) <0,05).
Ova metoda je prethodno opisana [8]. Točnije, konstruiramo X kako bismo zamijenili sparene lncRNA A i lncRNA B. Kada je vrijednost ekspresije lncRNA A veća od vrijednosti ekspresije lncRNA B, X je definiran kao 1, inače je X definiran kao 0. Stoga možemo dobiti matricu od 0 ili –1. Vertikalna os matrice predstavlja svaki uzorak, a horizontalna os predstavlja svaki par DEirlncRNA s vrijednošću 0 ili 1.
Za probir prognostičkih parova DEirlncRNA korištena je univarijatna regresijska analiza, a zatim laso regresija. Laso regresijska analiza koristila je 10-struku unakrsnu validaciju ponovljenu 1000 puta (p < 0,05), s 1000 slučajnih podražaja po ciklusu. Kada je učestalost svakog para DEirlncRNA premašila 100 puta u 1000 ciklusa, parovi DEirlncRNA odabrani su za konstrukciju prognostičkog modela rizika. Zatim smo koristili AUC krivulju kako bismo pronašli optimalnu graničnu vrijednost za klasifikaciju pacijenata s PAAD u skupine visokog i niskog rizika. Vrijednost AUC svakog modela također je izračunata i prikazana kao krivulja. Ako krivulja dosegne najvišu točku koja označava maksimalnu vrijednost AUC, proces izračuna se zaustavlja i model se smatra najboljim kandidatom. Konstruirani su modeli ROC krivulje za 1, 3 i 5 godina. Univarijatne i multivarijatne regresijske analize korištene su za ispitivanje neovisne prediktivne učinkovitosti prognostičkog modela rizika.
Za proučavanje stopa infiltracije imunoloških stanica korišteno je sedam alata, uključujući XCELL, TIMER, QUANTISEQ, MCPCOUNTER, EPIC, CIBERSORT-ABS i CIBERSORT. Podaci o infiltraciji imunoloških stanica preuzeti su iz baze podataka TIMER2 (http://timer.comp-genomics.org/#tab-5817-3). Razlika u sadržaju imunološki infiltrirajućih stanica između skupina visokog i niskog rizika konstruiranog modela analizirana je pomoću Wilcoxonovog testa predznačenih rangova, a rezultati su prikazani u kvadratnom grafu. Spearmanova korelacijska analiza provedena je kako bi se analizirao odnos između vrijednosti rezultata rizika i imunološki infiltrirajućih stanica. Rezultirajući koeficijent korelacije prikazan je kao lizalica. Prag značajnosti postavljen je na p < 0,05. Postupak je proveden pomoću R paketa ggplot2. Kako bismo ispitali odnos između modela i razina ekspresije gena povezanih sa stopom infiltracije imunoloških stanica, proveli smo ggstatsplot paket i vizualizaciju violinskog grafa.
Kako bismo procijenili kliničke obrasce liječenja raka gušterače, izračunali smo IC50 uobičajeno korištenih kemoterapijskih lijekova u kohorti TCGA-PAAD. Razlike u polovičnim inhibitornim koncentracijama (IC50) između skupina visokog i niskog rizika uspoređene su pomoću Wilcoxonovog testa predznačenih rangova, a rezultati su prikazani kao boxplotovi generirani pomoću pRRophetic i ggplot2 u R. Sve metode su u skladu s relevantnim smjernicama i normama.
Tijek rada naše studije prikazan je na slici 1. Korištenjem korelacijske analize između lncRNA i gena povezanih s imunitetom, odabrali smo 724 irlncRNA s p < 0,01 i r > 0,4. Zatim smo analizirali različito eksprimirane lncRNA gena GEPIA2 (slika 2A). Ukupno 223 irlncRNA bile su različito eksprimirane između adenokarcinoma gušterače i normalnog tkiva gušterače (|logFC| > 1, FDR < 0,05), nazvane DEirlncRNA.
Konstrukcija prediktivnih modela rizika. (A) Vulkanski dijagram različito eksprimiranih lncRNA. (B) Raspodjela laso koeficijenata za 20 parova DEirlncRNA. (C) Varijanca parcijalne vjerojatnosti distribucije LASSO koeficijenata. (D) Šumski dijagram koji prikazuje univarijatnu regresijsku analizu 20 parova DEirlncRNA.
Zatim smo konstruirali matricu 0 ili 1 sparivanjem 223 DEirlncRNA. Ukupno je identificirano 13 687 parova DEirlncRNA. Nakon univarijatne i laso regresijske analize, konačno je testirano 20 parova DEirlncRNA kako bi se konstruirao prognostički model rizika (Slika 2B-D). Na temelju rezultata laso i višestruke regresijske analize izračunali smo rezultat rizika za svakog pacijenta u kohorti TCGA-PAAD (Tablica 1). Na temelju rezultata laso regresijske analize izračunali smo rezultat rizika za svakog pacijenta u kohorti TCGA-PAAD. AUC ROC krivulje bio je 0,905 za jednogodišnje predviđanje modela rizika, 0,942 za dvogodišnje predviđanje i 0,966 za trogodišnje predviđanje (Slika 3A-B). Postavili smo optimalnu graničnu vrijednost od 3,105, stratificirali pacijente iz kohorte TCGA-PAAD u skupine visokog i niskog rizika te grafički prikazali ishode preživljavanja i distribuciju rezultata rizika za svakog pacijenta (Slika 3C-E). Kaplan-Meierova analiza pokazala je da je preživljavanje pacijenata s PAAD-om u skupini visokog rizika bilo značajno niže od preživljavanja pacijenata u skupini niskog rizika (p < 0,001) (Slika 3F).
Validnost prognostičkih modela rizika. (A) ROC prognostičkog modela rizika. (B) ROC prognostički modeli rizika za 1, 2 i 3 godine. (C) ROC prognostičkog modela rizika. Prikazuje optimalnu graničnu vrijednost. (DE) Raspodjela statusa preživljavanja (D) i rezultata rizika (E). (F) Kaplan-Meierova analiza pacijenata s PAAD u skupinama visokog i niskog rizika.
Nadalje smo procijenili razlike u rezultatima rizika prema kliničkim karakteristikama. Grafikon stripova (Slika 4A) prikazuje ukupni odnos između kliničkih karakteristika i rezultata rizika. Posebno su stariji pacijenti imali više rezultate rizika (Slika 4B). Osim toga, pacijenti s II. stadijem imali su više rezultate rizika od pacijenata s I. stadijem (Slika 4C). Što se tiče stupnja tumora kod pacijenata s PAAD-om, pacijenti s 3. stupnjem imali su više rezultate rizika od pacijenata s 1. i 2. stupnjem (Slika 4D). Nadalje smo proveli univarijatne i multivarijatne regresijske analize i pokazali da su rezultat rizika (p < 0,001) i dob (p = 0,045) neovisni prognostički čimbenici kod pacijenata s PAAD-om (Slika 5A-B). ROC krivulja pokazala je da je rezultat rizika bio superiorniji od drugih kliničkih karakteristika u predviđanju 1-, 2- i 3-godišnjeg preživljavanja pacijenata s PAAD-om (Slika 5C-E).
Kliničke karakteristike prognostičkih modela rizika. Histogram (A) prikazuje (B) dob, (C) stadij tumora, (D) stupanj tumora, rezultat rizika i spol pacijenata u kohorti TCGA-PAAD. **p < 0,01
Neovisna prediktivna analiza prognostičkih modela rizika. (AB) Univarijatne (A) i multivarijatne (B) regresijske analize prognostičkih modela rizika i kliničkih karakteristika. (CE) 1-, 2- i 3-godišnji ROC za prognostičke modele rizika i kliničke karakteristike
Stoga smo ispitali odnos između vremena i rezultata rizika. Otkrili smo da je rezultat rizika kod pacijenata s PAAD-om bio obrnuto proporcionalan s CD8+ T stanicama i NK stanicama (Slika 6A), što ukazuje na potisnutu imunološku funkciju u skupini visokog rizika. Također smo procijenili razliku u infiltraciji imunoloških stanica između skupina visokog i niskog rizika i pronašli iste rezultate (Slika 7). U skupini visokog rizika bila je manja infiltracija CD8+ T stanica i NK stanica. Posljednjih godina, inhibitori imunoloških kontrolnih točaka (ICI) široko se koriste u liječenju solidnih tumora. Međutim, upotreba ICI-ja kod raka gušterače rijetko je bila uspješna. Stoga smo procijenili ekspresiju gena imunoloških kontrolnih točaka u skupinama visokog i niskog rizika. Otkrili smo da su CTLA-4 i CD161 (KLRB1) bili prekomjerno eksprimirani u skupini niskog rizika (Slika 6B-G), što ukazuje na to da pacijenti s PAAD-om u skupini niskog rizika mogu biti osjetljivi na ICI.
Analiza korelacije prognostičkog modela rizika i infiltracije imunoloških stanica. (A) Korelacija između prognostičkog modela rizika i infiltracije imunoloških stanica. (BG) Označava ekspresiju gena u skupinama visokog i niskog rizika. (HK) Vrijednosti IC50 za specifične lijekove protiv raka u skupinama visokog i niskog rizika. *p < 0,05, **p < 0,01, ns = nije značajno
Nadalje smo procijenili povezanost između rezultata rizika i uobičajenih kemoterapijskih sredstava u kohorti TCGA-PAAD. Tražili smo često korištene lijekove protiv raka gušterače i analizirali razlike u njihovim vrijednostima IC50 između skupina visokog i niskog rizika. Rezultati su pokazali da je vrijednost IC50 za AZD.2281 (olaparib) bila viša u skupini visokog rizika, što ukazuje na to da pacijenti s PAAD-om u skupini visokog rizika mogu biti rezistentni na liječenje AZD.2281 (Slika 6H). Osim toga, vrijednosti IC50 paklitaksela, sorafeniba i erlotiniba bile su niže u skupini visokog rizika (Slika 6I-K). Nadalje smo identificirali 34 lijeka protiv raka s višim vrijednostima IC50 u skupini visokog rizika i 34 lijeka protiv raka s nižim vrijednostima IC50 u skupini visokog rizika (Tablica 2).
Ne može se poreći da lncRNA, mRNA i miRNA široko postoje i igraju ključnu ulogu u razvoju raka. Postoje brojni dokazi koji podupiru važnu ulogu mRNA ili miRNA u predviđanju ukupnog preživljavanja kod nekoliko vrsta raka. Nesumnjivo je da se mnogi prognostički modeli rizika također temelje na lncRNA. Na primjer, studije Luo i suradnika pokazale su da LINC01094 igra ključnu ulogu u proliferaciji i metastazama raka gušterače, a visoka ekspresija LINC01094 ukazuje na loše preživljavanje pacijenata s rakom gušterače [16]. Studiju koju su predstavili Lin i suradnici, studije su pokazale da je smanjenje lncRNA FLVCR1-AS1 povezano s lošom prognozom kod pacijenata s rakom gušterače [17]. Međutim, lncRNA povezane s imunitetom relativno se manje raspravlja u smislu predviđanja ukupnog preživljavanja pacijenata s rakom. Nedavno je velika količina rada usmjerena na izgradnju prognostičkih modela rizika za predviđanje preživljavanja pacijenata s rakom i time prilagođavanje metoda liječenja [18, 19, 20]. Sve je veće prepoznavanje važne uloge imunoloških infiltrata u nastanku, progresiji i odgovoru raka na tretmane poput kemoterapije. Brojne studije potvrdile su da tumor-infiltrirajuće imunološke stanice igraju ključnu ulogu u odgovoru na citotoksičnu kemoterapiju [21, 22, 23]. Tumorsko imunološko mikrookruženje važan je čimbenik preživljavanja pacijenata s tumorom [24, 25]. Imunoterapija, posebno ICI terapija, široko se koristi u liječenju solidnih tumora [26]. Imunološki povezani geni široko se koriste za izradu prognostičkih modela rizika. Na primjer, Su i sur. Imunološki povezani prognostički model rizika temelji se na genima koji kodiraju proteine kako bi se predvidjela prognoza pacijenata s rakom jajnika [27]. Nekodirajući geni poput lncRNA također su prikladni za izradu prognostičkih modela rizika [28, 29, 30]. Luo i sur. testirali su četiri imunološki povezane lncRNA i izgradili prediktivni model za rizik od raka vrata maternice [31]. Khan i sur. Identificirano je ukupno 32 različito eksprimirana transkripta, a na temelju toga uspostavljen je model predviđanja s 5 značajnih transkripata, koji je predložen kao visoko preporučeni alat za predviđanje akutnog odbacivanja dokazanog biopsijom nakon transplantacije bubrega [32].
Većina ovih modela temelji se na razinama ekspresije gena, bilo gena koji kodiraju proteine ili nekodirajućih gena. Međutim, isti gen može imati različite vrijednosti ekspresije u različitim genomima, formatima podataka i kod različitih pacijenata, što dovodi do nestabilnih procjena u prediktivnim modelima. U ovoj studiji izgradili smo razuman model s dva para lncRNA, neovisno o točnim vrijednostima ekspresije.
U ovoj studiji prvi smo put identificirali irlncRNA putem korelacijske analize s genima povezanim s imunitetom. Pregledali smo 223 DEirlncRNA hibridizacijom s različito eksprimiranim lncRNA. Drugo, konstruirali smo 0-ili-1 matricu na temelju objavljene metode sparivanja DEirlncRNA [31]. Zatim smo proveli univarijatne i laso regresijske analize kako bismo identificirali prognostičke parove DEirlncRNA i konstruirali prediktivni model rizika. Nadalje smo analizirali povezanost između rezultata rizika i kliničkih karakteristika kod pacijenata s PAAD-om. Otkrili smo da naš prognostički model rizika, kao neovisni prognostički faktor kod pacijenata s PAAD-om, može učinkovito razlikovati pacijente visokog stupnja od pacijenata niskog stupnja i pacijente visokog stupnja od pacijenata niskog stupnja. Osim toga, vrijednosti AUC-a ROC krivulje prognostičkog modela rizika bile su 0,905 za jednogodišnju prognozu, 0,942 za dvogodišnju prognozu i 0,966 za trogodišnju prognozu.
Istraživači su izvijestili da su pacijenti s većom infiltracijom CD8+ T stanica bili osjetljiviji na liječenje ICI-jem [33]. Povećanje sadržaja citotoksičnih stanica, CD56 NK stanica, NK stanica i CD8+ T stanica u imunološkom mikrookruženju tumora može biti jedan od razloga za supresivni učinak tumora [34]. Prethodne studije pokazale su da su više razine tumor-infiltrirajućih CD4(+) T i CD8(+) T značajno povezane s duljim preživljavanjem [35]. Slaba infiltracija CD8 T stanica, nisko opterećenje neoantigenima i visoko imunosupresivno mikrookruženje tumora dovode do nedostatka odgovora na terapiju ICI-jem [36]. Otkrili smo da je rezultat rizika negativno koreliran s CD8+ T stanicama i NK stanicama, što ukazuje na to da pacijenti s visokim rezultatima rizika možda nisu prikladni za liječenje ICI-jem i imaju lošiju prognozu.
CD161 je marker prirodnih stanica ubojica (NK). CD8+CD161+ CAR-transducirane T stanice posreduju u pojačanoj in vivo antitumorskoj učinkovitosti u modelima ksenografta HER2+ adenokarcinoma gušterače [37]. Inhibitori imunoloških kontrolnih točaka ciljaju protein 4 povezan s citotoksičnim T limfocitima (CTLA-4) i putove proteina programirane stanične smrti 1 (PD-1)/liganda programirane stanične smrti 1 (PD-L1) te imaju veliki potencijal u mnogim područjima. Ekspresija CTLA-4 i CD161 (KLRB1) niža je u skupinama visokog rizika, što dodatno ukazuje na to da pacijenti s visokim rezultatima rizika možda nisu podobni za liječenje ICI. [38]
Kako bismo pronašli mogućnosti liječenja prikladne za pacijente visokog rizika, analizirali smo različite lijekove protiv raka i otkrili da paklitaksel, sorafenib i erlotinib, koji se široko koriste kod pacijenata s PAAD-om, mogu biti prikladni za pacijente visokog rizika s PAAD-om. [33]. Zhang i sur. otkrili su da mutacije u bilo kojem putu odgovora na oštećenje DNA (DDR) mogu dovesti do loše prognoze kod pacijenata s rakom prostate [39]. Ispitivanje Pancreatic Cancer Olaparib Ongoing (POLO) pokazalo je da održavanje liječenja olaparibom produljuje preživljavanje bez progresije bolesti u usporedbi s placebom nakon kemoterapije prve linije na bazi platine kod pacijenata s adenokarcinomom gušterače i mutacijama BRCA1/2 zametne linije [40]. To pruža značajan optimizam da će se ishodi liječenja značajno poboljšati u ovoj podskupini pacijenata. U ovoj studiji, vrijednost IC50 za AZD.2281 (olaparib) bila je veća u skupini visokog rizika, što ukazuje na to da pacijenti s PAAD-om u skupini visokog rizika mogu biti otporni na liječenje s AZD.2281.
Modeli predviđanja u ovoj studiji daju dobre rezultate predviđanja, ali se temelje na analitičkim predviđanjima. Važno je pitanje kako potvrditi te rezultate kliničkim podacima. Endoskopska ultrazvučna aspiracija tankom iglom (EUS-FNA) postala je nezamjenjiva metoda za dijagnosticiranje solidnih i ekstrapankreatičnih lezija gušterače s osjetljivošću od 85% i specifičnošću od 98% [41]. Pojava EUS igala za biopsiju tankom iglom (EUS-FNB) uglavnom se temelji na uočenim prednostima u odnosu na FNA, kao što su veća dijagnostička točnost, dobivanje uzoraka koji čuvaju histološku strukturu i time stvaranje imunološkog tkiva koje je ključno za određene dijagnoze [42]. Sustavni pregled literature potvrdio je da FNB igle (posebno 22G) pokazuju najveću učinkovitost u prikupljanju tkiva iz masa gušterače [43]. Klinički, samo mali broj pacijenata ispunjava uvjete za radikalnu operaciju, a većina pacijenata ima neoperabilne tumore u vrijeme početne dijagnoze. U kliničkoj praksi, samo mali udio pacijenata prikladan je za radikalnu operaciju jer većina pacijenata ima neoperabilne tumore u vrijeme početne dijagnoze. Nakon patološke potvrde EUS-FNB-om i drugim metodama, obično se odabire standardizirani nekirurški tretman poput kemoterapije. Naš sljedeći istraživački program je testiranje prognostičkog modela ove studije u kirurškim i nekirurškim kohortama retrospektivnom analizom.
Sveukupno, naša studija uspostavila je novi prognostički model rizika temeljen na sparenoj irlncRNA, koji je pokazao obećavajuću prognostičku vrijednost kod pacijenata s rakom gušterače. Naš prognostički model rizika može pomoći u razlikovanju pacijenata s PAAD-om koji su prikladni za liječenje.
Skupovi podataka korišteni i analizirani u ovoj studiji dostupni su od odgovarajućeg autora na razuman zahtjev.
Sui Wen, Gong X, Zhuang Y. Posrednička uloga samoefikasnosti u emocionalnoj regulaciji negativnih emocija tijekom pandemije COVID-19: presječna studija. Int J Ment Health Nurs [članak u časopisu]. 2021 06/01/2021;30(3):759–71.
Sui Wen, Gong X, Qiao X, Zhang L, Cheng J, Dong J i dr. Stavovi članova obitelji o alternativnom donošenju odluka na odjelima intenzivne njege: sustavni pregled. INT J NURS STUD [članak u časopisu; pregled]. 2023 01/01/2023;137:104391.
Vincent A, Herman J, Schulich R, Hruban RH, Goggins M. Rak gušterače. Lancet. [Članak u časopisu; potpora istraživanju, NIH, ekstramuralno; potpora istraživanju, vlada izvan SAD-a; pregled]. 13.08.2011.; 378(9791):607–20.
Ilić M, Ilić I. Epidemiologija raka gušterače. World Journal of Gastroenterology. [Članak u časopisu, pregled]. 2016. 28.11.2016.;22(44):9694–705.
Liu X, Chen B, Chen J, Sun S. Novi nomogram povezan s tp53 za predviđanje ukupnog preživljavanja u bolesnika s rakom gušterače. BMC Cancer [članak u časopisu]. 2021 31-03-2021;21(1):335.
Xian X, Zhu X, Chen Y, Huang B, Xiang W. Učinak terapije usmjerene na otopinu na umor povezan s rakom kod pacijenata s rakom debelog crijeva koji primaju kemoterapiju: randomizirano kontrolirano ispitivanje. Medicinska sestra za rak. [Članak u časopisu; randomizirano kontrolirano ispitivanje; studiju podržava vlada izvan Sjedinjenih Država]. 2022 05/01/2022;45(3):E663–73.
Zhang Cheng, Zheng Wen, Lu Y, Shan L, Xu Dong, Pan Y i dr. Postoperativne razine karcinoembrionskog antigena (CEA) predviđaju ishod nakon resekcije kolorektalnog karcinoma u bolesnika s normalnim preoperativnim razinama CEA. Centar za translacijska istraživanja raka. [Članak u časopisu]. 2020 01.01.2020.;9(1):111–8.
Hong Wen, Liang Li, Gu Yu, Qi Zi, Qiu Hua, Yang X i dr. Imunološki povezane lncRNA generiraju nove potpise i predviđaju imunološki krajolik ljudskog hepatocelularnog karcinoma. Mol Ther Nucleic acids [Članak u časopisu]. 2020 2020-12-04;22:937 – 47.
Toffey RJ, Zhu Y., Schulich RD Imunoterapija za rak gušterače: prepreke i otkrića. Ann Gastrointestinal Surgeon [Članak u časopisu; pregled]. 2018 07/01/2018;2(4):274–81.
Hull R, Mbita Z, Dlamini Z. Duge nekodirajuće RNA (LncRNA), genomika virusnih tumora i aberantni događaji spajanja: terapijske implikacije. AM J CANCER RES [članak u časopisu; pregled]. 2021 01/20/2021;11(3):866–83.
Wang J, Chen P, Zhang Y, Ding J, Yang Y, Li H. 11-Identifikacija lncRNA potpisa povezanih s prognozom raka endometrija. Achievements of science [članak u časopisu]. 2021 2021-01-01;104(1):311977089.
Jiang S, Ren H, Liu S, Lu Z, Xu A, Qin S i dr. Sveobuhvatna analiza prognostičkih gena proteina koji vežu RNA i kandidata za lijekove u papilarnom karcinomu bubrega. pregen. [Članak u časopisu]. 20.01.2021.;12:627508.
Li X, Chen J, Yu Q, Huang X, Liu Z, Wang X, i dr. Karakteristike duge nekodirajuće RNA povezane s autofagijom predviđaju prognozu raka dojke. pregen. [Članak u časopisu]. 20.01.2021.;12:569318.
Zhou M, Zhang Z, Zhao X, Bao S, Cheng L, Sun J. Imunološki povezani potpis šest lncRNA poboljšava prognozu kod multiformnog glioblastoma. MOL Neurobiology. [Članak u časopisu]. 2018 01.05.2018.;55(5):3684–97.
Wu B, Wang Q, Fei J, Bao Y, Wang X, Song Z i dr. Novi tri-lncRNA potpis predviđa preživljavanje pacijenata s rakom gušterače. PREDSTAVNICI ONKOL-a. [Članak u časopisu]. 2018. 12.01.2018.;40(6):3427–37.
Luo C, Lin K, Hu C, Zhu X, Zhu J, Zhu Z. LINC01094 potiče napredovanje raka gušterače reguliranjem ekspresije LIN28B i PI3K/AKT puta putem spužvastog miR-577. Mol Therapeutics – Nukleinske kiseline. 2021;26:523–35.
Lin J, Zhai X, Zou S, Xu Z, Zhang J, Jiang L, et al. Pozitivna povratna sprega između lncRNA FLVCR1-AS1 i KLF10 može inhibirati napredovanje raka gušterače putem PTEN/AKT puta. J EXP Clin Cancer Res. 2021;40(1).
Zhou X, Liu X, Zeng X, Wu D, Liu L. Identifikacija trinaest gena koji predviđaju ukupno preživljavanje kod hepatocelularnog karcinoma. Biosci Rep [članak u časopisu]. 2021 04/09/2021.
Vrijeme objave: 22. rujna 2023.