El càncer de pàncrees és un dels tumors més mortals del món amb un pronòstic dolent.Per tant, es necessita un model de predicció precís per identificar pacients amb alt risc de càncer de pàncrees per adaptar el tractament i millorar el pronòstic d'aquests pacients.
Hem obtingut dades de RNAseq d'adenocarcinoma pancreàtic (PAAD) The Cancer Genome Atlas (TCGA) de la base de dades UCSC Xena, hem identificat lncRNAs (irlncRNAs) relacionats amb el sistema immunitari mitjançant l'anàlisi de correlacions i hem identificat diferències entre TCGA i teixits normals d'adenocarcinoma pancreàtic.DEirlncRNA) de TCGA i expressió del teixit del genotip (GTEx) del teixit pancreàtic.Es van realitzar més anàlisis de regressió univariada i de lazo per construir models de signatura pronòstic.A continuació, vam calcular l'àrea sota la corba i vam determinar el valor de tall òptim per identificar pacients amb adenocarcinoma pancreàtic d'alt i baix risc.Comparar les característiques clíniques, la infiltració de cèl·lules immunitàries, el microambient immunosupressor i la resistència a la quimioteràpia en pacients amb càncer de pàncrees d'alt i baix risc.
Hem identificat 20 parells de DEirlncRNA i hem agrupat pacients segons el valor de tall òptim.Hem demostrat que el nostre model de signatura de pronòstic té un rendiment significatiu per predir el pronòstic dels pacients amb PAAD.L'AUC de la corba ROC és de 0,905 per a la previsió a 1 any, 0,942 per a la previsió a 2 anys i 0,966 per a la previsió a 3 anys.Els pacients d'alt risc tenien taxes de supervivència més baixes i pitjors característiques clíniques.També vam demostrar que els pacients d'alt risc estan immunosuprimits i poden desenvolupar resistència a la immunoteràpia.L'avaluació de fàrmacs anticancerígens com paclitaxel, sorafenib i erlotinib basat en eines de predicció computacional pot ser adequada per als pacients d'alt risc amb PAAD.
En general, el nostre estudi va establir un nou model de risc pronòstic basat en irlncRNA aparellat, que va mostrar un valor pronòstic prometedor en pacients amb càncer de pàncrees.El nostre model de risc pronòstic pot ajudar a diferenciar els pacients amb PAAD que són adequats per al tractament mèdic.
El càncer de pàncrees és un tumor maligne amb una taxa de supervivència baixa a cinc anys i un grau alt.En el moment del diagnòstic, la majoria dels pacients ja es troben en estadis avançats.En el context de l'epidèmia de COVID-19, els metges i les infermeres estan sota una pressió enorme quan tracten pacients amb càncer de pàncrees, i les famílies dels pacients també s'enfronten a múltiples pressions a l'hora de prendre decisions de tractament [1, 2].Tot i que s'han fet grans avenços en el tractament dels DOAD, com ara la teràpia neoadjuvant, la resecció quirúrgica, la radioteràpia, la quimioteràpia, la teràpia molecular dirigida i els inhibidors del punt de control immune (ICI), només un 9% dels pacients sobreviuen cinc anys després del diagnòstic [3]. ].], 4].Com que els primers símptomes de l'adenocarcinoma de pàncrees són atípics, els pacients solen ser diagnosticats amb metàstasis en un estadi avançat [5].Per tant, per a un pacient determinat, el tractament integral individualitzat ha de sospesar els avantatges i els inconvenients de totes les opcions de tractament, no només per allargar la supervivència, sinó també per millorar la qualitat de vida [6].Per tant, és necessari un model de predicció eficaç per avaluar amb precisió el pronòstic d'un pacient [7].Així, es pot seleccionar el tractament adequat per equilibrar la supervivència i la qualitat de vida dels pacients amb PAAD.
El mal pronòstic del PAAD es deu principalment a la resistència als fàrmacs de quimioteràpia.En els darrers anys, els inhibidors del punt de control immune s'han utilitzat àmpliament en el tractament de tumors sòlids [8].Tanmateix, l'ús d'ICI en càncer de pàncrees rarament té èxit [9].Per tant, és important identificar els pacients que poden beneficiar-se de la teràpia ICI.
L'ARN llarg no codificant (lncRNA) és un tipus d'ARN no codificant amb transcripcions > 200 nucleòtids.Els LncRNA estan molt estesos i constitueixen al voltant del 80% del transcriptoma humà [10].Un gran conjunt de treballs ha demostrat que els models de pronòstic basats en lncRNA poden predir eficaçment el pronòstic del pacient [11, 12].Per exemple, es van identificar 18 lncRNA relacionats amb l'autofàgia per generar signatures pronòstiques en càncer de mama [13].S'han utilitzat altres sis lncRNA relacionats amb el sistema immunitari per establir les característiques pronòstiques del glioma [14].
En el càncer de pàncrees, alguns estudis han establert signatures basades en lncRNA per predir el pronòstic del pacient.Es va establir una signatura de 3-lncRNA a l'adenocarcinoma pancreàtic amb una àrea sota la corba ROC (AUC) de només 0,742 i una supervivència global (SO) de 3 anys [15].A més, els valors d'expressió de lncRNA varien entre diferents genomes, diferents formats de dades i diferents pacients, i el rendiment del model predictiu és inestable.Per tant, utilitzem un nou algorisme de modelització, aparellament i iteració, per generar signatures de lncRNA (irlncRNA) relacionades amb la immunitat per crear un model predictiu més precís i estable [8].
Les dades normalitzades de RNAseq (FPKM) i de càncer de pàncrees clínic TCGA i d'expressió de teixits del genotip (GTEx) es van obtenir de la base de dades UCSC XENA (https://xenabrowser.net/datapages/).Els fitxers GTF es van obtenir de la base de dades Ensembl (http://asia.ensembl.org) i es van utilitzar per extreure perfils d'expressió lncRNA de RNAseq.Vam descarregar gens relacionats amb la immunitat de la base de dades ImmPort (http://www.immport.org) i vam identificar lncRNAs relacionats amb la immunitat (irlncRNAs) mitjançant l'anàlisi de correlació (p <0,001, r>0,4).Identificació d'irlncRNAs expressats de manera diferencial (DEirlncRNAs) mitjançant l'encreuament d'irlncRNAs i lncRNAs expressats de manera diferencial obtinguts de la base de dades GEPIA2 (http://gepia2.cancer-pku.cn/#index) a la cohort TCGA-PAAD (|logFC|> 1 i FDR ) <0,05).
Aquest mètode s'ha informat anteriorment [8].Concretament, construïm X per substituir el lncRNA A i el lncRNA B aparellats. Quan el valor d'expressió de lncRNA A és superior al valor d'expressió de lncRNA B, X es defineix com 1, en cas contrari X es defineix com 0. Per tant, podem obtenir una matriu de 0 o – 1. L'eix vertical de la matriu representa cada mostra, i l'eix horitzontal representa cada parell DEirlncRNA amb un valor de 0 o 1.
L'anàlisi de regressió univariada seguida de la regressió de Lasso es va utilitzar per seleccionar parells de DEirlncRNA pronòstics.L'anàlisi de regressió de lazo va utilitzar una validació creuada de 10 vegades repetida 1000 vegades (p <0, 05), amb 1000 estímuls aleatoris per cursa.Quan la freqüència de cada parell DEirlncRNA va superar les 100 vegades en 1000 cicles, es van seleccionar parells DEirlncRNA per construir un model de risc pronòstic.A continuació, vam utilitzar la corba AUC per trobar el valor de tall òptim per classificar els pacients amb PAAD en grups de risc alt i baix.També es va calcular el valor AUC de cada model i es va representar com una corba.Si la corba arriba al punt més alt que indica el valor màxim d'AUC, el procés de càlcul s'atura i el model es considera el millor candidat.Es van construir models de corba ROC a 1, 3 i 5 anys.Es van utilitzar anàlisis de regressió univariada i multivariada per examinar el rendiment predictiu independent del model de risc pronòstic.
Utilitzeu set eines per estudiar les taxes d'infiltració de cèl·lules immunitàries, com ara XCELL, TIMER, QUANTISEQ, MCPCOUNTER, EPIC, CIBERSORT-ABS i CIBERSORT.Les dades d'infiltració de cèl·lules immunitàries es van descarregar de la base de dades TIMER2 (http://timer.comp-genomics.org/#tab-5817-3).La diferència en el contingut de cèl·lules immunes infiltrades entre els grups de risc alt i baix del model construït es va analitzar mitjançant la prova de rang signat de Wilcoxon, els resultats es mostren al gràfic quadrat.Es va realitzar una anàlisi de correlació de Spearman per analitzar la relació entre els valors de la puntuació de risc i les cèl·lules immunes infiltrades.El coeficient de correlació resultant es mostra com una piruleta.El llindar de significació es va establir en p <0,05.El procediment es va realitzar mitjançant el paquet R ggplot2.Per examinar la relació entre el model i els nivells d'expressió gènica associats amb la taxa d'infiltració de cèl·lules immunitàries, vam realitzar el paquet ggstatsplot i la visualització de la trama del violí.
Per avaluar els patrons de tractament clínic del càncer de pàncrees, vam calcular l'IC50 dels fàrmacs de quimioteràpia d'ús habitual a la cohort TCGA-PAAD.Les diferències en les concentracions inhibidores mitjanes (IC50) entre els grups de risc alt i baix es van comparar mitjançant la prova de rang signat de Wilcoxon, i els resultats es mostren com a diagrames de caixa generats mitjançant pRRophetic i ggplot2 a R. Tots els mètodes compleixen les directrius i normes rellevants.
El flux de treball del nostre estudi es mostra a la figura 1. Mitjançant l'anàlisi de correlació entre lncRNAs i gens relacionats amb la immunitat, vam seleccionar 724 irlncRNAs amb p < 0,01 i r > 0,4.A continuació, vam analitzar els lncRNAs expressats de manera diferent de GEPIA2 (figura 2A).Un total de 223 irlncRNA es van expressar de manera diferent entre l'adenocarcinoma pancreàtic i el teixit pancreàtic normal (|logFC|> 1, FDR <0, 05), anomenats DEirlncRNAs.
Construcció de models predictius de risc.(A) Gràfic del volcà d'ARNnc expressats de manera diferent.(B) Distribució dels coeficients de lazo per a 20 parells de DEirlncRNA.(C) Variància de probabilitat parcial de la distribució del coeficient LASSO.(D) Gràfic forestal que mostra l'anàlisi de regressió univariada de 20 parells de DEirlncRNA.
A continuació, vam construir una matriu 0 o 1 emparellant 223 DEirlncRNA.Es van identificar un total de 13.687 parells de DEirlncRNA.Després de l'anàlisi de regressió univariada i lazo, finalment es van provar 20 parells DEirlncRNA per construir un model de risc pronòstic (figura 2B-D).A partir dels resultats de l'anàlisi de Lasso i de regressió múltiple, vam calcular una puntuació de risc per a cada pacient de la cohort TCGA-PAAD (taula 1).A partir dels resultats de l'anàlisi de regressió al lazo, vam calcular una puntuació de risc per a cada pacient de la cohort TCGA-PAAD.L'AUC de la corba ROC va ser de 0,905 per a la predicció del model de risc a 1 any, 0,942 per a la predicció a 2 anys i 0,966 per a la predicció a 3 anys (figura 3A-B).Vam establir un valor de tall òptim de 3,105, vam estratificar els pacients de la cohort TCGA-PAAD en grups de risc alt i baix i vam representar els resultats de supervivència i les distribucions de la puntuació de risc per a cada pacient (figura 3C-E).L'anàlisi de Kaplan-Meier va demostrar que la supervivència dels pacients amb PAAD del grup d'alt risc era significativament menor que la dels pacients del grup de baix risc (p <0, 001) (figura 3F).
Validesa dels models de risc pronòstic.(A) ROC del model de risc pronòstic.(B) Models de risc pronòstic de ROC a 1, 2 i 3 anys.(C) ROC del model de risc pronòstic.Mostra el punt de tall òptim.(DE) Distribució de l'estat de supervivència (D) i puntuacions de risc (E).(F) Anàlisi Kaplan-Meier de pacients amb PAAD en grups de risc alt i baix.
També vam avaluar les diferències en les puntuacions de risc segons les característiques clíniques.El diagrama de tira (figura 4A) mostra la relació general entre les característiques clíniques i les puntuacions de risc.En particular, els pacients grans tenien puntuacions de risc més altes (figura 4B).A més, els pacients amb estadi II tenien puntuacions de risc més altes que els pacients amb estadi I (figura 4C).Pel que fa al grau del tumor en pacients amb PAAD, els pacients de grau 3 tenien puntuacions de risc més altes que els pacients de grau 1 i 2 (figura 4D).A més, vam realitzar anàlisis de regressió univariada i multivariant i vam demostrar que la puntuació de risc (p <0,001) i l'edat (p = 0,045) eren factors pronòstics independents en pacients amb PAAD (figura 5A-B).La corba ROC va demostrar que la puntuació de risc era superior a altres característiques clíniques en predir la supervivència a 1, 2 i 3 anys dels pacients amb PAAD (figura 5C-E).
Característiques clíniques dels models de risc pronòstic.L'histograma (A) mostra (B) l'edat, (C) l'estadi del tumor, (D) el grau del tumor, la puntuació de risc i el gènere dels pacients de la cohort TCGA-PAAD.**p <0,01
Anàlisi predictiva independent de models de risc pronòstic.(AB) Anàlisis de regressió univariada (A) i multivariada (B) de models de risc pronòstic i característiques clíniques.(CE) ROC d'1, 2 i 3 anys per a models de risc pronòstic i característiques clíniques
Per tant, vam examinar la relació entre el temps i les puntuacions de risc.Vam trobar que la puntuació de risc en pacients amb PAAD estava inversament correlacionada amb les cèl·lules T CD8 + i les cèl·lules NK (figura 6A), cosa que indicava una funció immune suprimida en el grup d'alt risc.També vam avaluar la diferència en la infiltració de cèl·lules immunitàries entre els grups de risc alt i baix i vam trobar els mateixos resultats (figura 7).Hi va haver menys infiltració de cèl·lules T CD8 + i cèl·lules NK al grup d'alt risc.En els darrers anys, els inhibidors del punt de control immune (ICI) s'han utilitzat àmpliament en el tractament de tumors sòlids.Tanmateix, l'ús d'ICI en càncer de pàncrees rarament ha tingut èxit.Per tant, vam avaluar l'expressió dels gens del punt de control immune en grups d'alt i baix risc.Vam trobar que CTLA-4 i CD161 (KLRB1) estaven sobreexpressats en el grup de baix risc (figura 6B-G), cosa que indica que els pacients amb PAAD del grup de baix risc poden ser sensibles a ICI.
Anàlisi de correlació del model de risc pronòstic i la infiltració de cèl·lules immunitàries.(A) Correlació entre el model de risc pronòstic i la infiltració de cèl·lules immunitàries.(BG) Indica l'expressió gènica en grups de risc alt i baix.(HK) Valors IC50 per a fàrmacs específics contra el càncer en grups de risc alt i baix.*p <0,05, **p <0,01, ns = no significatiu
A més, es va avaluar l'associació entre les puntuacions de risc i els agents de quimioteràpia comuns a la cohort TCGA-PAAD.Hem cercat fàrmacs anticancerígens d'ús habitual en càncer de pàncrees i hem analitzat les diferències en els seus valors IC50 entre grups d'alt i baix risc.Els resultats van mostrar que el valor IC50 d'AZD.2281 (olaparib) era més alt en el grup d'alt risc, cosa que indica que els pacients amb PAAD del grup d'alt risc poden ser resistents al tractament amb AZD.2281 (figura 6H).A més, els valors IC50 de paclitaxel, sorafenib i erlotinib eren més baixos en el grup d'alt risc (figura 6I-K).A més, vam identificar 34 fàrmacs anticancerígens amb valors d'IC50 més alts en el grup d'alt risc i 34 fàrmacs anticancerígens amb valors d'IC50 més baixos en el grup d'alt risc (taula 2).
No es pot negar que els lncRNAs, els ARNm i els miRNAs existeixen àmpliament i tenen un paper crucial en el desenvolupament del càncer.Hi ha una àmplia evidència que recolza el paper important de l'ARNm o miRNA en la predicció de la supervivència global en diversos tipus de càncer.Sens dubte, molts models de risc pronòstic també es basen en lncRNAs.Per exemple, Luo et al.Els estudis han demostrat que LINC01094 té un paper clau en la proliferació i metàstasi de PC, i l'alta expressió de LINC01094 indica una mala supervivència dels pacients amb càncer de pàncrees [16].L'estudi presentat per Lin et al.Els estudis han demostrat que la regulació a la baixa de lncRNA FLVCR1-AS1 s'associa amb un mal pronòstic en pacients amb càncer de pàncrees [17].Tanmateix, els lncRNA relacionats amb la immunitat es discuteixen relativament menys pel que fa a la predicció de la supervivència global dels pacients amb càncer.Recentment, una gran quantitat de treball s'ha centrat en la construcció de models de risc pronòstic per predir la supervivència dels pacients amb càncer i, per tant, ajustar els mètodes de tractament [18, 19, 20].Hi ha un reconeixement creixent del paper important dels infiltrats immunitaris en l'inici, la progressió i la resposta del càncer a tractaments com la quimioteràpia.Nombrosos estudis han confirmat que les cèl·lules immunitàries que infiltran el tumor tenen un paper crític en la resposta a la quimioteràpia citotòxica [21, 22, 23].El microambient immune del tumor és un factor important en la supervivència dels pacients amb tumor [24, 25].La immunoteràpia, especialment la teràpia ICI, s'utilitza àmpliament en el tractament de tumors sòlids [26].Els gens relacionats amb la immunitat s'utilitzen àmpliament per construir models de risc pronòstic.Per exemple, Su et al.El model de risc pronòstic relacionat amb la immunitat es basa en gens codificants de proteïnes per predir el pronòstic dels pacients amb càncer d'ovari [27].Els gens no codificants com els lncRNAs també són adequats per construir models de risc pronòstic [28, 29, 30].Luo et al van provar quatre lncRNA relacionats amb el sistema immunitari i van crear un model predictiu per al risc de càncer de coll uterí [31].Khan et al.Es van identificar un total de 32 transcripcions expressades de manera diferent i, a partir d'això, es va establir un model de predicció amb 5 transcripcions significatives, que es va proposar com una eina molt recomanable per predir el rebuig agut provat per biòpsia després del trasplantament de ronyó [32].
La majoria d'aquests models es basen en nivells d'expressió gènica, ja siguin gens codificants de proteïnes o gens no codificants.No obstant això, un mateix gen pot tenir diferents valors d'expressió en diferents genomes, formats de dades i en diferents pacients, donant lloc a estimacions inestables en models predictius.En aquest estudi, vam construir un model raonable amb dos parells de lncRNAs, independentment dels valors d'expressió exactes.
En aquest estudi, hem identificat irlncRNA per primera vegada mitjançant l'anàlisi de correlació amb gens relacionats amb la immunitat.Hem seleccionat 223 DEirlncRNA mitjançant hibridació amb lncRNA expressats de manera diferent.En segon lloc, vam construir una matriu 0 o 1 basada en el mètode d'aparellament DEirlncRNA publicat [31].A continuació, vam realitzar anàlisis de regressió univariada i lazo per identificar parells de DEirlncRNA pronòstics i construir un model predictiu de risc.Es va analitzar més l'associació entre les puntuacions de risc i les característiques clíniques en pacients amb PAAD.Hem trobat que el nostre model de risc pronòstic, com a factor pronòstic independent en pacients amb PAAD, pot diferenciar eficaçment els pacients d'alt grau dels pacients de baix grau i els pacients d'alt grau dels pacients de baix grau.A més, els valors AUC de la corba ROC del model de risc pronòstic van ser 0,905 per a la previsió a 1 any, 0,942 per a la previsió a 2 anys i 0,966 per a la previsió a 3 anys.
Els investigadors van informar que els pacients amb una infiltració més alta de cèl·lules T CD8+ eren més sensibles al tractament amb ICI [33].Un augment del contingut de cèl·lules citotòxiques, cèl·lules NK CD56, cèl·lules NK i cèl·lules T CD8 + en el microambient immune del tumor pot ser una de les raons de l'efecte supressor del tumor [34].Estudis anteriors van demostrar que els nivells més alts de CD4(+) T i CD8(+) T que infiltraven el tumor estaven associats significativament amb una supervivència més llarga [35].La mala infiltració de cèl·lules T CD8, la baixa càrrega de neoantígens i un microambient tumoral altament immunosupressor condueixen a la manca de resposta a la teràpia ICI [36].Vam trobar que la puntuació de risc estava correlacionada negativament amb les cèl·lules T CD8+ i les cèl·lules NK, cosa que indica que els pacients amb puntuacions de risc elevats poden no ser adequats per al tractament amb ICI i tenir un pitjor pronòstic.
CD161 és un marcador de cèl·lules assassines naturals (NK).Les cèl·lules T transduïdes amb CAR CD8 + CD161 + medien una eficàcia antitumoral millorada in vivo en models de xenoempelt d'adenocarcinoma ductal pancreàtic HER2 + [37].Els inhibidors del punt de control immunitari tenen com a objectiu les vies de la proteïna 4 associada al limfòcit T citotòxic (CTLA-4) i la proteïna de mort cel·lular programada 1 (PD-1)/lligand de mort cel·lular programada 1 (PD-L1) i tenen un gran potencial en moltes àrees.L'expressió de CTLA-4 i CD161 (KLRB1) és menor en els grups d'alt risc, cosa que indica a més que els pacients amb puntuacions d'alt risc poden no ser elegibles per al tractament ICI.[38]
Per trobar opcions de tractament adequades per a pacients d'alt risc, vam analitzar diversos fàrmacs anticancerígens i vam trobar que paclitaxel, sorafenib i erlotinib, que s'utilitzen àmpliament en pacients amb PAAD, poden ser adequats per a pacients d'alt risc amb PAAD.[33].Zhang et al van trobar que les mutacions en qualsevol via de resposta al dany de l'ADN (DDR) poden conduir a un pronòstic dolent en pacients amb càncer de pròstata [39].L'assaig de càncer de pàncrees Olaparib en curs (POLO) va demostrar que el tractament de manteniment amb olaparib va prolongar la supervivència sense progressió en comparació amb el placebo després de la quimioteràpia de primera línia basada en platí en pacients amb adenocarcinoma ductal pancreàtic i mutacions BRCA1/2 de la línia germinal [40].Això proporciona un optimisme significatiu que els resultats del tractament milloraran significativament en aquest subgrup de pacients.En aquest estudi, el valor IC50 d'AZD.2281 (olaparib) va ser més alt en el grup d'alt risc, cosa que indica que els pacients amb PAAD del grup d'alt risc poden ser resistents al tractament amb AZD.2281.
Els models de previsió d'aquest estudi produeixen bons resultats de previsió, però es basen en previsions analítiques.Com confirmar aquests resultats amb dades clíniques és una qüestió important.L'ecografia endoscòpica per aspiració amb agulla fina (EUS-FNA) s'ha convertit en un mètode indispensable per diagnosticar lesions pancreàtiques sòlides i extrapancreàtiques amb una sensibilitat del 85% i una especificitat del 98% [41].L'arribada de les agulles de biòpsia d'agulla fina (EUS-FNB) es basa principalment en els avantatges percebuts respecte a la FNA, com ara una major precisió diagnòstica, l'obtenció de mostres que conserven l'estructura histològica i, per tant, la generació de teixit immune que és crític per a determinats diagnòstics.tinció especial [42].Una revisió sistemàtica de la literatura va confirmar que les agulles FNB (especialment 22G) demostren la màxima eficiència en la recollida de teixit de masses pancreàtiques [43].Clínicament, només un petit nombre de pacients són elegibles per a la cirurgia radical, i la majoria dels pacients tenen tumors inoperables en el moment del diagnòstic inicial.A la pràctica clínica, només una petita proporció de pacients són aptes per a la cirurgia radical perquè la majoria dels pacients tenen tumors inoperables en el moment del diagnòstic inicial.Després de la confirmació patològica per EUS-FNB i altres mètodes, s'acostuma a triar un tractament estandarditzat no quirúrgic com la quimioteràpia.El nostre programa de recerca posterior és provar el model pronòstic d'aquest estudi en cohorts quirúrgiques i no quirúrgiques mitjançant una anàlisi retrospectiva.
En general, el nostre estudi va establir un nou model de risc pronòstic basat en irlncRNA aparellat, que va mostrar un valor pronòstic prometedor en pacients amb càncer de pàncrees.El nostre model de risc pronòstic pot ajudar a diferenciar els pacients amb PAAD que són adequats per al tractament mèdic.
Els conjunts de dades utilitzats i analitzats en l'estudi actual estan disponibles a l'autor corresponent a petició raonable.
Sui Wen, Gong X, Zhuang Y. El paper mediador de l'autoeficàcia en la regulació emocional de les emocions negatives durant la pandèmia COVID-19: un estudi transversal.Int J Ment Health Nurs [article de revista].2021 06/01/2021;30(3):759–71.
Sui Wen, Gong X, Qiao X, Zhang L, Cheng J, Dong J, et al.Opinió dels familiars sobre la presa de decisions alternatives a les unitats de cures intensives: una revisió sistemàtica.INT J NURS STUD [article de revista;revisió].2023 01/01/2023;137:104391.
Vincent A, Herman J, Schulich R, Hruban RH, Goggins M. Càncer de pàncrees.Lanceta.[Article de diari;suport a la recerca, NIH, extramural;suport a la recerca, govern fora dels EUA;revisió].2011 13/08/2011;378(9791):607–20.
Ilic M, Ilic I. Epidemiologia del càncer de pàncrees.Revista Mundial de Gastroenterologia.[Article de revista, ressenya].2016 28/11/2016;22(44):9694–705.
Liu X, Chen B, Chen J, Sun S. Un nou nomograma relacionat amb tp53 per predir la supervivència global en pacients amb càncer de pàncrees.BMC Cancer [article de revista].2021 31-03-2021;21(1):335.
Xian X, Zhu X, Chen Y, Huang B, Xiang W. Efecte de la teràpia centrada en la solució sobre la fatiga relacionada amb el càncer en pacients amb càncer colorectal que reben quimioteràpia: un assaig controlat aleatoritzat.Infermera de càncer.[Article de diari;assaig controlat aleatori;l'estudi compta amb el suport d'un govern fora dels Estats Units].2022 05/01/2022;45(3):E663–73.
Zhang Cheng, Zheng Wen, Lu Y, Shan L, Xu Dong, Pan Y, et al.Els nivells d'antigen carcinoembrionari (CEA) postoperatoris prediuen el resultat després de la resecció del càncer colorectal en pacients amb nivells preoperatoris normals de CEA.Centre d'Investigació Translacional del Càncer.[Article de diari].2020 01.01.2020;9(1):111–8.
Hong Wen, Liang Li, Gu Yu, Qi Zi, Qiu Hua, Yang X, et al.Els lncRNA relacionats amb la immunitat generen noves signatures i prediuen el paisatge immunitari del carcinoma hepatocel·lular humà.Mol Ther Nucleic acids [Article de revista].2020 2020-12-04;22:937 – 47.
Toffey RJ, Zhu Y., Schulich RD Immunoteràpia per al càncer de pàncrees: barreres i avenços.Ann Gastrointestinal Surgeon [Article de revista;revisió].2018 07/01/2018;2(4):274–81.
Hull R, Mbita Z, Dlamini Z. ARN llargs no codificants (LncRNAs), genòmica de tumors virals i esdeveniments d'empalmament aberrants: implicacions terapèutiques.AM J CANCER RES [article de revista;revisió].2021 20/01/2021;11(3):866–83.
Wang J, Chen P, Zhang Y, Ding J, Yang Y, Li H. 11-Identificació de signatures de lncRNA associades al pronòstic del càncer d'endometri.Assoliments de la ciència [article de revista].2021 2021-01-01;104(1):311977089.
Jiang S, Ren H, Liu S, Lu Z, Xu A, Qin S, et al.Anàlisi exhaustiva dels gens pronòstics de proteïnes d'unió a l'ARN i candidats a fàrmacs en el carcinoma de cèl·lules renals de cèl·lules papil·lars.pregen.[Article de diari].2021 20/01/2021;12:627508.
Li X, Chen J, Yu Q, Huang X, Liu Z, Wang X, et al.Les característiques de l'ARN llarg no codificant relacionat amb l'autofàgia prediuen el pronòstic del càncer de mama.pregen.[Article de diari].2021 20/01/2021;12:569318.
Zhou M, Zhang Z, Zhao X, Bao S, Cheng L, Sun J. La signatura de sis lncRNA relacionada amb la immunitat millora el pronòstic en el glioblastoma multiforme.MOL Neurobiologia.[Article de diari].2018 01.05.2018;55(5):3684–97.
Wu B, Wang Q, Fei J, Bao Y, Wang X, Song Z, et al.Una nova signatura de tri-lncRNA prediu la supervivència dels pacients amb càncer de pàncrees.REPRESENTANTS D'ONKOL.[Article de diari].2018 12/01/2018;40(6):3427–37.
Luo C, Lin K, Hu C, Zhu X, Zhu J, Zhu Z. LINC01094 promou la progressió del càncer de pàncrees mitjançant la regulació de l'expressió LIN28B i la via PI3K/AKT a través del miR-577 esponjat.Mol Therapeutics – Àcids nucleics.2021;26:523–35.
Lin J, Zhai X, Zou S, Xu Z, Zhang J, Jiang L, et al.La retroalimentació positiva entre lncRNA FLVCR1-AS1 i KLF10 pot inhibir la progressió del càncer de pàncrees a través de la via PTEN/AKT.J EXP Clin Cancer Res.2021;40(1).
Zhou X, Liu X, Zeng X, Wu D, Liu L. Identificació de tretze gens que prediuen la supervivència global en el carcinoma hepatocel·lular.Biosci Rep [article de revista].2021 04/09/2021.
Hora de publicació: 22-set-2023