El càncer de pàncrees és un dels tumors més mortals del món amb un mal pronòstic. 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.
Vam obtenir dades de RNAseq d'adenocarcinoma pancreàtic (PAAD) de The Cancer Genome Atlas (TCGA) de la base de dades Xena de la UCSC, vam identificar lncRNA relacionats amb la immunitat (irlncRNA) mitjançant anàlisi de correlació i vam identificar diferències entre els teixits TCGA i els teixits d'adenocarcinoma pancreàtic normal. DEirlncRNA) del TCGA i l'expressió tissular genotípica (GTEx) del teixit pancreàtic. Es van realitzar més anàlisis univariants i de regressió de lasso per construir models de signatura pronòstica. 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.
Vam identificar 20 parells de DEirlncRNA i vam agrupar els pacients segons el valor de tall òptim. Vam demostrar que el nostre model de signatura pronòstica té un rendiment significatiu en la predicció del 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 el paclitaxel, el sorafenib i l'erlotinib basada en eines de predicció computacional pot ser adequada per a 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 baixa taxa de supervivència a cinc anys i un alt grau. 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 enorme pressió a l'hora de tractar 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 dels punts de control immunitari (ICI), només al voltant del 9% dels pacients sobreviuen cinc anys després del diagnòstic [3], 4]. Com que els primers símptomes de l'adenocarcinoma pancreàtic són atípics, els pacients solen ser diagnosticats amb metàstasis en un estadi avançat [5]. Per tant, per a un pacient determinat, un tractament integral individualitzat ha de ponderar els avantatges i els desavantatges de totes les opcions de tractament, no només per prolongar la supervivència, sinó també per millorar la qualitat de vida [6]. Per tant, cal un model de predicció eficaç per avaluar amb precisió el pronòstic d'un pacient [7]. Per tant, es pot seleccionar el tractament adequat per equilibrar la supervivència i la qualitat de vida dels pacients amb PAAD.
El mal pronòstic de la PAAD es deu principalment a la resistència als fàrmacs quimioterapèutics. En els darrers anys, els inhibidors dels punts de control immunitari s'han utilitzat àmpliament en el tractament de tumors sòlids [8]. Tanmateix, l'ús d'ICI en el càncer de pàncrees rarament té èxit [9]. Per tant, és important identificar els pacients que es puguin beneficiar de la teràpia amb ICI.
L'ARN llarg no codificant (ARNnc llarg) és un tipus d'ARN no codificant amb transcrits >200 nucleòtids. Els ARNnc llargs estan molt estesos i constitueixen aproximadament el 80% del transcriptoma humà [10]. Un gran nombre de treballs han demostrat que els models pronòstics basats en ARNnc llarg poden predir eficaçment el pronòstic del pacient [11, 12]. Per exemple, es van identificar 18 ARNnc llargs relacionats amb l'autofàgia per generar signatures pronòstiques en el càncer de mama [13]. S'han utilitzat sis altres ARNnc llargs relacionats amb la immunitat 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 dels pacients. Es va establir una signatura de 3-lncRNA en l'adenocarcinoma pancreàtic amb una àrea sota la corba ROC (AUC) de només 0,742 i una supervivència global (SG) 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 algoritme de modelització, emparellament i iteració, per generar signatures de lncRNA relacionades amb la immunitat (irlncRNA) per crear un model predictiu més precís i estable [8].
Les dades de RNAseq normalitzades (FPKM) i les dades d'expressió tissular genotípica i de TCGA del càncer de pàncrees clínic (GTEx) es van obtenir de la base de dades XENA de la UCSC (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 d'lncRNA de RNAseq. Vam descarregar gens relacionats amb la immunitat de la base de dades ImmPort (http://www.immport.org) i vam identificar els lncRNA relacionats amb la immunitat (irlncRNAs) mitjançant l'anàlisi de correlació (p < 0,001, r > 0,4). Identificació d'irlncRNAs amb expressió diferencial (DEirlncRNAs) mitjançant l'encreuament d'irlncRNAs i lncRNAs amb expressió 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 descrit anteriorment [8]. Concretament, construïm X per substituir els lncRNA aparellats A i lncRNA B. Quan el valor d'expressió de lncRNA A és superior al valor d'expressió de lncRNA B, X es defineix com a 1, en cas contrari X es defineix com a 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 de DEirlncRNA amb un valor de 0 o 1.
L'anàlisi de regressió univariant seguida de regressió Lasso es va utilitzar per seleccionar parells de DEirlncRNA pronòstics. L'anàlisi de regressió Lasso va utilitzar una validació creuada de 10 vegades repetida 1000 vegades (p < 0,05), amb 1000 estímuls aleatoris per execució. Quan la freqüència de cada parell de DEirlncRNA superava les 100 vegades en 1000 cicles, es van seleccionar parells de 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 d'alt i baix risc. El valor de l'AUC de cada model també es va calcular i es va representar com una corba. Si la corba arriba al punt més alt que indica el valor màxim de l'AUC, el procés de càlcul s'atura i el model es considera el millor candidat. Es van construir models de corba ROC d'1, 3 i 5 anys. Es van utilitzar anàlisis de regressió univariant i multivariant per examinar el rendiment predictiu independent del model de risc pronòstic.
Es van utilitzar set eines per estudiar les taxes d'infiltració de cèl·lules immunitàries, incloent-hi 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 immunoinfiltrants entre els grups d'alt i baix risc del model construït es va analitzar mitjançant la prova de rangs amb signe 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 puntuació de risc i les cèl·lules immunoinfiltrants. 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 del gràfic de violí.
Per avaluar els patrons de tractament clínic per al càncer de pàncrees, vam calcular la IC50 dels fàrmacs de quimioteràpia d'ús comú a la cohort TCGA-PAAD. Les diferències en les concentracions inhibitòries de la meitat (IC50) entre els grups d'alt i baix risc es van comparar mitjançant la prova de rangs amb signe de Wilcoxon, i els resultats es mostren com a diagrames de caixa generats mitjançant pRRophetic i ggplot2 en R. Tots els mètodes compleixen amb les directrius i normes pertinents.
El flux de treball del nostre estudi es mostra a la Figura 1. Mitjançant l'anàlisi de correlació entre els lncRNA i els gens relacionats amb la immunitat, vam seleccionar 724 irlncRNA amb p < 0,01 i r > 0,4. A continuació, vam analitzar els lncRNA de GEPIA2 amb expressió diferencial (Figura 2A). Un total de 223 irlncRNA es van expressar diferencialment entre l'adenocarcinoma pancreàtic i el teixit pancreàtic normal (|logFC| > 1, FDR < 0,05), anomenats DEirlncRNA.
Construcció de models de risc predictiu. (A) Diagrama de volcà dels lncRNA amb expressió diferencial. (B) Distribució dels coeficients de lasso per a 20 parells de DEirlncRNA. (C) Variància de probabilitat parcial de la distribució del coeficient LASSO. (D) Diagrama de bosc que mostra l'anàlisi de regressió univariant de 20 parells de DEirlncRNA.
A continuació, vam construir una matriu de 0 o 1 aparellant 223 DEirlncRNA. Es van identificar un total de 13.687 parells de DEirlncRNA. Després de l'anàlisi univariant i de regressió de Lasso, finalment es van provar 20 parells de 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 de Lasso, 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 d'alt i baix risc, i vam representar gràficament 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 mostrar que la supervivència dels pacients amb PAAD del grup d'alt risc era significativament inferior a 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 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 les puntuacions de risc (E). (F) Anàlisi de Kaplan-Meier de pacients amb PAAD en grups d'alt i baix risc.
A més, vam avaluar les diferències en les puntuacions de risc segons les característiques clíniques. El gràfic de franges (Figura 4A) mostra la relació general entre les característiques clíniques i les puntuacions de risc. En particular, els pacients més 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 tumoral 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 univariant 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 a l'hora de 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 tumoral, (D) el grau tumoral, la puntuació de risc i el sexe dels pacients de la cohort TCGA-PAAD. **p < 0,01
Anàlisi predictiva independent de models de risc pronòstic. (AB) Anàlisis de regressió univariant (A) i multivariant (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 els limfòcits T CD8+ i les cèl·lules NK (Figura 6A), cosa que indica una funció immunitària suprimida en el grup d'alt risc. També vam avaluar la diferència en la infiltració de cèl·lules immunitàries entre els grups d'alt i baix risc i vam trobar els mateixos resultats (Figura 7). Hi va haver menys infiltració de limfòcits T CD8+ i cèl·lules NK en el grup d'alt risc. En els darrers anys, els inhibidors dels punts de control immunitari (ICI) s'han utilitzat àmpliament en el tractament de tumors sòlids. Tanmateix, l'ús d'ICI en el càncer de pàncrees rarament ha tingut èxit. Per tant, vam avaluar l'expressió dels gens dels punts de control immunitari 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 l'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 d'alt i baix risc. (HK) Valors de IC50 per a fàrmacs anticancerígens específics en grups d'alt i baix risc. *p < 0,05, **p < 0,01, ns = no significatiu
A més, vam avaluar l'associació entre les puntuacions de risc i els agents quimioterapèutics comuns a la cohort TCGA-PAAD. Vam cercar fàrmacs anticancerígens d'ús comú en el càncer de pàncrees i vam analitzar les diferències en els seus valors de CI50 entre els grups d'alt i baix risc. Els resultats van mostrar que el valor de CI50 de l'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 de CI50 de paclitaxel, sorafenib i erlotinib van ser més baixos en el grup d'alt risc (Figura 6I-K). A més, vam identificar 34 fàrmacs anticancerígens amb valors de CI50 més alts en el grup d'alt risc i 34 fàrmacs anticancerígens amb valors de CI50 més baixos en el grup d'alt risc (Taula 2).
No es pot negar que els lncRNA, els mRNA i els miRNA existeixen àmpliament i tenen un paper crucial en el desenvolupament del càncer. Hi ha moltes proves que donen suport a la importància de l'mRNA o del miRNA en la predicció de la supervivència global en diversos tipus de càncer. Sens dubte, molts models de risc pronòstic també es basen en els lncRNA. Per exemple, Luo et al. Estudis han demostrat que LINC01094 juga un paper clau en la proliferació i la 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. Estudis han demostrat que la regulació a la baixa de l'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, s'ha centrat una gran quantitat de treball 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 de la importància dels infiltrats immunitaris en la iniciació, la progressió i la resposta del càncer a tractaments com la quimioteràpia. Nombrosos estudis han confirmat que les cèl·lules immunitàries que s'infiltren en el tumor tenen un paper crític en la resposta a la quimioteràpia citotòxica [21, 22, 23]. El microambient immunitari tumoral és un factor important en la supervivència dels pacients amb tumors [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 lncRNA també són adequats per construir models de risc pronòstic [28, 29, 30]. Luo et al. van provar quatre lncRNA relacionats amb la immunitat i van construir un model predictiu per al risc de càncer de coll uterí [31]. Khan et al. Es van identificar un total de 32 transcrits amb expressió diferencial i, basant-se en això, es va establir un model de predicció amb 5 transcrits significatius, que es va proposar com una eina altament recomanada per predir el rebuig agut confirmat per biòpsia després d'un trasplantament de ronyó [32].
La majoria d'aquests models es basen en els nivells d'expressió gènica, ja sigui en gens codificants de proteïnes o en gens no codificants. Tanmateix, un mateix gen pot tenir diferents valors d'expressió en diferents genomes, formats de dades i en diferents pacients, cosa que porta a estimacions inestables en els models predictius. En aquest estudi, hem construït un model raonable amb dos parells d'ARNlnc, independents dels valors d'expressió exactes.
En aquest estudi, vam identificar l'irlncRNA per primera vegada mitjançant l'anàlisi de correlació amb gens relacionats amb la immunitat. Vam examinar 223 DEirlncRNA mitjançant hibridació amb lncRNA amb expressió diferencial. En segon lloc, vam construir una matriu 0 o 1 basada en el mètode d'aparellament de DEirlncRNA publicat [31]. A continuació, vam realitzar anàlisis de regressió univariant i de lasso per identificar parells de DEirlncRNA pronòstics i construir un model de risc predictiu. A més, vam analitzar l'associació entre les puntuacions de risc i les característiques clíniques en pacients amb PAAD. Vam trobar 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 de l'AUC de la corba ROC del model de risc pronòstic van ser 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 investigadors van informar que els pacients amb una infiltració de cèl·lules T CD8+ més alta eren més sensibles al tractament amb ICI [33]. Un augment en el contingut de cèl·lules citotòxiques, cèl·lules NK CD56, cèl·lules NK i cèl·lules T CD8+ en el microambient immunitari del tumor pot ser una de les raons de l'efecte supressor del tumor [34]. Estudis previs van mostrar que nivells més alts de CD4(+) T i CD8(+) T infiltrants del tumor es van associar significativament amb una supervivència més llarga [35]. Una infiltració deficient de cèl·lules T CD8, una baixa càrrega de neoantigen i un microambient tumoral altament immunosupressor condueixen a la manca de resposta a la teràpia amb ICI [36]. Vam trobar que la puntuació de risc es correlacionava negativament amb les cèl·lules T CD8+ i les cèl·lules NK, cosa que indica que els pacients amb puntuacions de risc altes poden no ser adequats per al tractament amb ICI i tenir un pitjor pronòstic.
El CD161 és un marcador de cèl·lules assassines naturals (NK). Les cèl·lules T CD8+CD161+ transduïdes per CAR intervenen en una eficàcia antitumoral in vivo millorada en models de xenograft d'adenocarcinoma ductal pancreàtic HER2+ [37]. Els inhibidors dels punts de control immunitari es dirigeixen a les vies de la proteïna 4 associada als limfòcits T citotòxics (CTLA-4) i de la proteïna 1 de la mort cel·lular programada (PD-1)/ligand 1 de la mort cel·lular programada (PD-L1) i tenen un gran potencial en moltes àrees. L'expressió de CTLA-4 i CD161 (KLRB1) és més baixa en grups d'alt risc, cosa que indica encara més que els pacients amb puntuacions d'alt risc poden no ser elegibles per al tractament amb ICI. [38]
Per trobar opcions de tractament adequades per a pacients d'alt risc, vam analitzar diversos fàrmacs anticancerígens i vam descobrir que el paclitaxel, el sorafenib i l'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 descobrir que les mutacions en qualsevol via de resposta al dany de l'ADN (DDR) poden conduir a un mal pronòstic en pacients amb càncer de pròstata [39]. L'assaig Pancreatic Cancer Olaparib Ongoing (POLO) va mostrar que el tractament de manteniment amb olaparib prolongava la supervivència lliure de progressió en comparació amb el placebo després de la quimioteràpia de primera línia basada en platí en pacients amb adenocarcinoma ductal pancreàtic i mutacions germinals BRCA1/2 [40]. Això proporciona un optimisme significatiu que els resultats del tractament milloraran significativament en aquest subgrup de pacients. En aquest estudi, el valor IC50 de l'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 predicció d'aquest estudi produeixen bons resultats de predicció, però es basen en prediccions 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'aparició de les agulles de biòpsia amb agulla fina EUS (EUS-FNB) es basa principalment en els avantatges percebuts sobre la FNA, com ara una major precisió diagnòstica, l'obtenció de mostres que preserven l'estructura histològica i, per tant, la generació de teixit immunitari que és crític per a certs diagnòstics. tinció especial [42]. Una revisió sistemàtica de la literatura va confirmar que les agulles FNB (especialment 22G) demostren la màxima eficiència en l'obtenció 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 mitjançant ecografia amb anàlisi de fongs amb àcid fòlic i altres mètodes, normalment s'escull un tractament no quirúrgic estandarditzat 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 través de l'autor corresponent si es sol·liciten de manera raonable.
Sui Wen, Gong X, Zhuang Y. El paper mediador de l'autoeficàcia en la regulació emocional de les emocions negatives durant la pandèmia de la 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. Opinions 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. Lancet. [Article de revista; suport a la recerca, NIH, extramural; suport a la recerca, govern fora dels EUA; revisió]. 2011 08/13/2011;378(9791):607–20.
Ilic M, Ilic I. Epidemiologia del càncer de pàncrees. World Journal of Gastroenterology. [Article de revista, revisió]. 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 solucions sobre la fatiga relacionada amb el càncer en pacients amb càncer colorectal que reben quimioteràpia: un assaig controlat aleatoritzat. Oncology Nurse. [Article de revista; assaig controlat aleatoritzat; 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 postoperatoris d'antigen carcinoembriònic (CEA) prediuen el resultat després de la resecció del càncer colorectal en pacients amb nivells preoperatoris normals de CEA. Center for Translational Cancer Research. [Article de revista]. 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 (LncRNA), genòmica tumoral viral i esdeveniments d'empalmament aberrants: implicacions terapèutiques. AM J CANCER RES [article de revista; revisió]. 2021 01/20/2021;11(3):866–83.
Wang J, Chen P, Zhang Y, Ding J, Yang Y, Li H. 11-Identificació de signatures d'ARN no codificant (lncRNA) associades amb el 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 ARN i dels candidats a fàrmacs en el carcinoma renal de cèl·lules papil·lars. pregen. [Article de revista]. 2021 01/20/2021;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 revista]. 2021 01/20/2021;12:569318.
Zhou M, Zhang Z, Zhao X, Bao S, Cheng L, Sun J. La signatura de sis lncRNA relacionats amb la immunitat millora el pronòstic en el glioblastoma multiforme. MOL Neurobiology. [Article de revista]. 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 revista]. 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 de LIN28B i la via PI3K/AKT a través de 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.
Data de publicació: 22 de setembre de 2023