Il cancro al pancreas è uno dei tumori più mortali al mondo con una prognosi infausta.Pertanto, è necessario un modello di previsione accurato per identificare i pazienti ad alto rischio di cancro al pancreas per personalizzare il trattamento e migliorare la prognosi di questi pazienti.
Abbiamo ottenuto i dati RNAseq dell'adenocarcinoma pancreatico (PAAD) del Cancer Genome Atlas (TCGA) dal database UCSC Xena, identificato lncRNA immuno-correlati (irlncRNA) attraverso l'analisi di correlazione e identificato differenze tra TCGA e tessuti di adenocarcinoma pancreatico normale.DEirlncRNA) da TCGA ed espressione del genotipo tissutale (GTEx) del tessuto pancreatico.Ulteriori analisi di regressione univariata e lazo sono state eseguite per costruire modelli di firma prognostica.Abbiamo quindi calcolato l'area sotto la curva e determinato il valore di cut-off ottimale per identificare i pazienti con adenocarcinoma pancreatico ad alto e basso rischio.Confrontare caratteristiche cliniche, infiltrazione di cellule immunitarie, microambiente immunosoppressivo e resistenza alla chemioterapia in pazienti con cancro del pancreas ad alto e basso rischio.
Abbiamo identificato 20 coppie di DEirlncRNA e raggruppati i pazienti in base al valore di cut-off ottimale.Abbiamo dimostrato che il nostro modello di firma prognostica ha prestazioni significative nel predire la prognosi dei pazienti con PAAD.L'AUC della curva ROC è 0,905 per la previsione a 1 anno, 0,942 per la previsione a 2 anni e 0,966 per la previsione a 3 anni.I pazienti ad alto rischio avevano tassi di sopravvivenza più bassi e caratteristiche cliniche peggiori.Abbiamo anche dimostrato che i pazienti ad alto rischio sono immunodepressi e possono sviluppare resistenza all’immunoterapia.La valutazione di farmaci antitumorali come paclitaxel, sorafenib ed erlotinib basata su strumenti di previsione computazionale può essere appropriata per i pazienti ad alto rischio con PAAD.
Nel complesso, il nostro studio ha stabilito un nuovo modello di rischio prognostico basato sull’irlncRNA accoppiato, che ha mostrato un valore prognostico promettente nei pazienti con cancro del pancreas.Il nostro modello di rischio prognostico può aiutare a differenziare i pazienti con PAAD idonei al trattamento medico.
Il cancro del pancreas è un tumore maligno con un basso tasso di sopravvivenza a cinque anni e un grado elevato.Al momento della diagnosi, la maggior parte dei pazienti è già in stadi avanzati.Nel contesto dell’epidemia di COVID-19, medici e infermieri sono sottoposti a un’enorme pressione quando trattano pazienti affetti da cancro al pancreas, e anche le famiglie dei pazienti devono affrontare molteplici pressioni quando prendono decisioni terapeutiche [1, 2].Sebbene siano stati fatti grandi progressi nel trattamento dei DOAD, come la terapia neoadiuvante, la resezione chirurgica, la radioterapia, la chemioterapia, la terapia molecolare mirata e gli inibitori del checkpoint immunitario (ICI), solo circa il 9% dei pazienti sopravvive cinque anni dopo la diagnosi [3 ].], 4].Poiché i primi sintomi dell’adenocarcinoma pancreatico sono atipici, ai pazienti viene solitamente diagnosticata la metastasi in uno stadio avanzato [5].Pertanto, per un dato paziente, un trattamento completo individualizzato deve valutare i vantaggi e gli svantaggi di tutte le opzioni terapeutiche, non solo per prolungare la sopravvivenza, ma anche per migliorare la qualità della vita [6].Pertanto, è necessario un modello di previsione efficace per valutare accuratamente la prognosi di un paziente [7].Pertanto, è possibile selezionare un trattamento appropriato per bilanciare la sopravvivenza e la qualità della vita dei pazienti con PAAD.
La prognosi sfavorevole del PAAD è dovuta principalmente alla resistenza ai farmaci chemioterapici.Negli ultimi anni, gli inibitori dei checkpoint immunitari sono stati ampiamente utilizzati nel trattamento dei tumori solidi [8].Tuttavia, l’uso degli ICI nel cancro del pancreas ha raramente successo [9].Pertanto, è importante identificare i pazienti che potrebbero trarre beneficio dalla terapia ICI.
L'RNA lungo non codificante (lncRNA) è un tipo di RNA non codificante con trascrizioni >200 nucleotidi.Gli LncRNA sono molto diffusi e costituiscono circa l’80% del trascrittoma umano [10].Un ampio corpus di lavori ha dimostrato che i modelli prognostici basati su lncRNA possono prevedere efficacemente la prognosi del paziente [11, 12].Ad esempio, sono stati identificati 18 lncRNA correlati all’autofagia per generare firme prognostiche nel cancro al seno [13].Altri sei lncRNA immuno-correlati sono stati utilizzati per stabilire le caratteristiche prognostiche del glioma [14].
Nel cancro del pancreas, alcuni studi hanno stabilito firme basate su lncRNA per prevedere la prognosi del paziente.Una firma 3-lncRNA è stata stabilita nell'adenocarcinoma pancreatico con un'area sotto la curva ROC (AUC) di soli 0,742 e una sopravvivenza globale (OS) di 3 anni [15].Inoltre, i valori di espressione dell’lncRNA variano tra genomi diversi, formati di dati diversi e pazienti diversi e le prestazioni del modello predittivo sono instabili.Pertanto, utilizziamo un nuovo algoritmo di modellazione, abbinamento e iterazione, per generare firme lncRNA (irlncRNA) correlate all'immunità per creare un modello predittivo più accurato e stabile [8].
I dati normalizzati RNAseq (FPKM) e i dati clinici TCGA sul cancro del pancreas e sull'espressione del tessuto genotipico (GTEx) sono stati ottenuti dal database UCSC XENA (https://xenabrowser.net/datapages/).I file GTF sono stati ottenuti dal database Ensembl (http://asia.ensembl.org) e utilizzati per estrarre i profili di espressione lncRNA da RNAseq.Abbiamo scaricato i geni correlati all'immunità dal database ImmPort (http://www.immport.org) e identificato gli lncRNA correlati all'immunità (irlncRNA) utilizzando l'analisi di correlazione (p <0,001, r> 0,4).Identificazione di irlncRNA differenzialmente espressi (DEirlncRNA) incrociando irlncRNA e lncRNA differenzialmente espressi ottenuti dal database GEPIA2 (http://gepia2.cancer-pku.cn/#index) nella coorte TCGA-PAAD (|logFC| > 1 e FDR ) <0,05).
Questo metodo è stato riportato in precedenza [8].Nello specifico, costruiamo X per sostituire l'lncRNA A e lncRNA B accoppiati. Quando il valore di espressione di lncRNA A è superiore al valore di espressione di lncRNA B, X è definito come 1, altrimenti X è definito come 0. Pertanto, possiamo ottenere una matrice di 0 o – 1. L'asse verticale della matrice rappresenta ciascun campione e l'asse orizzontale rappresenta ciascuna coppia DEirlncRNA con un valore di 0 o 1.
L'analisi di regressione univariata seguita dalla regressione Lasso è stata utilizzata per selezionare le coppie DEirlncRNA prognostiche.L'analisi di regressione al lazo ha utilizzato una validazione incrociata 10 volte ripetuta 1.000 volte (p <0,05), con 1.000 stimoli casuali per esecuzione.Quando la frequenza di ciascuna coppia di DEirlncRNA ha superato 100 volte in 1000 cicli, le coppie di DEirlncRNA sono state selezionate per costruire un modello di rischio prognostico.Abbiamo quindi utilizzato la curva AUC per trovare il valore limite ottimale per classificare i pazienti PAAD in gruppi ad alto e basso rischio.Anche il valore AUC di ciascun modello è stato calcolato e tracciato come curva.Se la curva raggiunge il punto più alto che indica il valore AUC massimo, il processo di calcolo si interrompe e il modello viene considerato il miglior candidato.Sono stati costruiti modelli di curve ROC a 1, 3 e 5 anni.Sono state utilizzate analisi di regressione univariata e multivariata per esaminare la prestazione predittiva indipendente del modello di rischio prognostico.
Utilizza sette strumenti per studiare i tassi di infiltrazione delle cellule immunitarie, tra cui XCELL, TIMER, QUANTISEQ, MCPCOUNTER, EPIC, CIBERSORT-ABS e CIBERSORT.I dati sull'infiltrazione delle cellule immunitarie sono stati scaricati dal database TIMER2 (//timer.comp-genomics.org/#tab-5817-3).La differenza nel contenuto di cellule immuno-infiltranti tra i gruppi ad alto e basso rischio del modello costruito è stata analizzata utilizzando il test dei ranghi con segno di Wilcoxon, i risultati sono mostrati nel grafico quadrato.È stata eseguita l’analisi di correlazione di Spearman per analizzare la relazione tra i valori del punteggio di rischio e le cellule immuno-infiltranti.Il coefficiente di correlazione risultante viene mostrato come un lecca-lecca.La soglia di significatività è stata fissata a p <0,05.La procedura è stata eseguita utilizzando il pacchetto R ggplot2.Per esaminare la relazione tra il modello e i livelli di espressione genica associati al tasso di infiltrazione delle cellule immunitarie, abbiamo eseguito il pacchetto ggstatsplot e la visualizzazione del diagramma del violino.
Per valutare i modelli di trattamento clinico per il cancro del pancreas, abbiamo calcolato l’IC50 dei farmaci chemioterapici comunemente usati nella coorte TCGA-PAAD.Le differenze nelle concentrazioni semiinibitrici (IC50) tra i gruppi ad alto e basso rischio sono state confrontate utilizzando il test dei ranghi con segno di Wilcoxon e i risultati sono mostrati come boxplot generati utilizzando pRRophetic e ggplot2 in R. Tutti i metodi sono conformi alle linee guida e alle norme pertinenti.
Il flusso di lavoro del nostro studio è mostrato nella Figura 1. Utilizzando l'analisi di correlazione tra lncRNA e geni correlati all'immunità, abbiamo selezionato 724 irlncRNA con p <0,01 e r> 0,4.Successivamente abbiamo analizzato gli lncRNA espressi in modo differenziale di GEPIA2 (Figura 2A).Un totale di 223 irlncRNA sono stati espressi in modo differenziale tra adenocarcinoma pancreatico e tessuto pancreatico normale (|logFC| > 1, FDR < 0,05), denominati DEirlncRNA.
Costruzione di modelli predittivi di rischio.(A) Grafico del vulcano di lncRNA differenzialmente espressi.(B) Distribuzione dei coefficienti del lazo per 20 coppie DEirlncRNA.(C) Varianza di verosimiglianza parziale della distribuzione dei coefficienti LASSO.(D) Diagramma forestale che mostra un'analisi di regressione univariata di 20 coppie DEirlncRNA.
Successivamente abbiamo costruito una matrice 0 o 1 accoppiando 223 DEirlncRNA.Sono state identificate un totale di 13.687 coppie di DEirlncRNA.Dopo l'analisi di regressione univariata e lazo, sono state infine testate 20 coppie DEirlncRNA per costruire un modello di rischio prognostico (Figura 2B-D).Sulla base dei risultati di Lasso e dell'analisi di regressione multipla, abbiamo calcolato un punteggio di rischio per ciascun paziente nella coorte TCGA-PAAD (Tabella 1).Sulla base dei risultati dell'analisi di regressione lazo, abbiamo calcolato un punteggio di rischio per ciascun paziente nella coorte TCGA-PAAD.L'AUC della curva ROC era 0,905 per la previsione del modello di rischio a 1 anno, 0,942 per la previsione a 2 anni e 0,966 per la previsione a 3 anni (Figura 3A-B).Abbiamo impostato un valore limite ottimale di 3,105, stratificato i pazienti della coorte TCGA-PAAD in gruppi ad alto e basso rischio e tracciato i risultati di sopravvivenza e le distribuzioni del punteggio di rischio per ciascun paziente (Figura 3C-E).L'analisi di Kaplan-Meier ha mostrato che la sopravvivenza dei pazienti PAAD nel gruppo ad alto rischio era significativamente inferiore a quella dei pazienti nel gruppo a basso rischio (p <0,001) (Figura 3F).
Validità dei modelli prognostici di rischio.(A) ROC del modello di rischio prognostico.(B) Modelli di rischio prognostico ROC a 1, 2 e 3 anni.(C) ROC del modello di rischio prognostico.Mostra il punto di cut-off ottimale.(DE) Distribuzione dello stato di sopravvivenza (D) e dei punteggi di rischio (E).(F) Analisi Kaplan-Meier dei pazienti PAAD in gruppi ad alto e basso rischio.
Abbiamo ulteriormente valutato le differenze nei punteggi di rischio in base alle caratteristiche cliniche.Il grafico a strisce (Figura 4A) mostra la relazione complessiva tra caratteristiche cliniche e punteggi di rischio.In particolare, i pazienti più anziani avevano punteggi di rischio più elevati (Figura 4B).Inoltre, i pazienti allo stadio II avevano punteggi di rischio più elevati rispetto ai pazienti allo stadio I (Figura 4C).Per quanto riguarda il grado del tumore nei pazienti con PAAD, i pazienti di grado 3 avevano punteggi di rischio più elevati rispetto ai pazienti di grado 1 e 2 (Figura 4D).Abbiamo inoltre eseguito analisi di regressione univariata e multivariata e abbiamo dimostrato che il punteggio di rischio (p <0,001) e l'età (p = 0,045) erano fattori prognostici indipendenti nei pazienti con PAAD (Figura 5A-B).La curva ROC ha dimostrato che il punteggio di rischio era superiore ad altre caratteristiche cliniche nel predire la sopravvivenza a 1, 2 e 3 anni dei pazienti con PAAD (Figura 5C-E).
Caratteristiche cliniche dei modelli di rischio prognostico.L'istogramma (A) mostra l'età (B), lo stadio del tumore (C), il grado del tumore (D), il punteggio di rischio e il sesso dei pazienti nella coorte TCGA-PAAD.**p<0,01
Analisi predittiva indipendente dei modelli di rischio prognostico.(AB) Analisi di regressione univariata (A) e multivariata (B) di modelli di rischio prognostico e caratteristiche cliniche.(CE) ROC a 1, 2 e 3 anni per modelli di rischio prognostico e caratteristiche cliniche
Pertanto, abbiamo esaminato la relazione tra tempo e punteggi di rischio.Abbiamo scoperto che il punteggio di rischio nei pazienti PAAD era inversamente correlato con le cellule T CD8+ e le cellule NK (Figura 6A), indicando una funzione immunitaria soppressa nel gruppo ad alto rischio.Abbiamo anche valutato la differenza nell'infiltrazione delle cellule immunitarie tra i gruppi ad alto e basso rischio e abbiamo trovato gli stessi risultati (Figura 7).Nel gruppo ad alto rischio si è verificata una minore infiltrazione di cellule T CD8+ e di cellule NK.Negli ultimi anni, gli inibitori del checkpoint immunitario (ICI) sono stati ampiamente utilizzati nel trattamento dei tumori solidi.Tuttavia, l’uso degli ICI nel cancro del pancreas ha raramente avuto successo.Pertanto, abbiamo valutato l'espressione dei geni del checkpoint immunitario in gruppi ad alto e basso rischio.Abbiamo scoperto che CTLA-4 e CD161 (KLRB1) erano sovraespressi nel gruppo a basso rischio (Figura 6B-G), indicando che i pazienti PAAD nel gruppo a basso rischio potrebbero essere sensibili all'ICI.
Analisi di correlazione tra modello di rischio prognostico e infiltrazione di cellule immunitarie.(A) Correlazione tra modello di rischio prognostico e infiltrazione di cellule immunitarie.(BG) Indica l'espressione genica in gruppi ad alto e basso rischio.(HK) Valori IC50 per farmaci antitumorali specifici in gruppi ad alto e basso rischio.*p < 0,05, **p < 0,01, ns = non significativo
Abbiamo valutato ulteriormente l'associazione tra punteggi di rischio e agenti chemioterapici comuni nella coorte TCGA-PAAD.Abbiamo cercato farmaci antitumorali comunemente usati nel cancro del pancreas e analizzato le differenze nei loro valori IC50 tra gruppi ad alto e basso rischio.I risultati hanno mostrato che il valore IC50 di AZD.2281 (olaparib) era più alto nel gruppo ad alto rischio, indicando che i pazienti PAAD nel gruppo ad alto rischio potrebbero essere resistenti al trattamento con AZD.2281 (Figura 6H).Inoltre, i valori IC50 di paclitaxel, sorafenib ed erlotinib erano inferiori nel gruppo ad alto rischio (Figura 6I-K).Abbiamo inoltre identificato 34 farmaci antitumorali con valori IC50 più elevati nel gruppo ad alto rischio e 34 farmaci antitumorali con valori IC50 inferiori nel gruppo ad alto rischio (Tabella 2).
Non si può negare che lncRNA, mRNA e miRNA esistano ampiamente e svolgano un ruolo cruciale nello sviluppo del cancro.Esistono ampie prove a sostegno dell’importante ruolo dell’mRNA o del miRNA nel predire la sopravvivenza globale in diversi tipi di cancro.Indubbiamente, anche molti modelli di rischio prognostico si basano sugli lncRNA.Ad esempio, Luo et al.Gli studi hanno dimostrato che LINC01094 svolge un ruolo chiave nella proliferazione e nelle metastasi del PC e un'elevata espressione di LINC01094 indica una scarsa sopravvivenza dei pazienti affetti da cancro al pancreas [16].Lo studio presentato da Lin et al.Gli studi hanno dimostrato che la downregulation dell’lncRNA FLVCR1-AS1 è associata a una prognosi sfavorevole nei pazienti con cancro del pancreas [17].Tuttavia, gli lncRNA correlati all’immunità sono relativamente meno discussi in termini di previsione della sopravvivenza globale dei pazienti affetti da cancro.Recentemente, gran parte del lavoro si è concentrato sulla costruzione di modelli di rischio prognostico per prevedere la sopravvivenza dei pazienti affetti da cancro e quindi adattare i metodi di trattamento [18, 19, 20].Vi è un crescente riconoscimento dell’importante ruolo degli infiltrati immunitari nell’esordio, nella progressione e nella risposta del cancro a trattamenti come la chemioterapia.Numerosi studi hanno confermato che le cellule immunitarie infiltranti il tumore svolgono un ruolo fondamentale nella risposta alla chemioterapia citotossica [21, 22, 23].Il microambiente immunitario del tumore è un fattore importante nella sopravvivenza dei pazienti affetti da tumore [24, 25].L’immunoterapia, in particolare la terapia ICI, è ampiamente utilizzata nel trattamento dei tumori solidi [26].I geni immuno-correlati sono ampiamente utilizzati per costruire modelli di rischio prognostico.Ad esempio, Su et al.Il modello di rischio prognostico immuno-correlato si basa su geni codificanti proteine per prevedere la prognosi delle pazienti con cancro ovarico [27].Anche i geni non codificanti come gli lncRNA sono adatti per costruire modelli di rischio prognostico [28, 29, 30].Luo et al hanno testato quattro lncRNA immuno-correlati e hanno creato un modello predittivo per il rischio di cancro cervicale [31].Khan et al.Sono stati identificati un totale di 32 trascritti espressi in modo differenziale e, sulla base di ciò, è stato stabilito un modello di previsione con 5 trascritti significativi, che è stato proposto come strumento altamente raccomandato per prevedere il rigetto acuto comprovato dalla biopsia dopo il trapianto di rene [32].
La maggior parte di questi modelli si basano sui livelli di espressione genica, sia geni codificanti proteine che geni non codificanti.Tuttavia, lo stesso gene può avere valori di espressione diversi in diversi genomi, formati di dati e in diversi pazienti, portando a stime instabili nei modelli predittivi.In questo studio, abbiamo costruito un modello ragionevole con due coppie di lncRNA, indipendenti dagli esatti valori di espressione.
In questo studio, abbiamo identificato per la prima volta l'irlncRNA attraverso l'analisi di correlazione con i geni correlati all'immunità.Abbiamo selezionato 223 DEirlncRNA mediante ibridazione con lncRNA espressi in modo differenziale.In secondo luogo, abbiamo costruito una matrice 0-or-1 basata sul metodo di accoppiamento DEirlncRNA pubblicato [31].Abbiamo quindi eseguito analisi di regressione univariata e lazo per identificare le coppie prognostiche di DEirlncRNA e costruire un modello di rischio predittivo.Abbiamo analizzato ulteriormente l'associazione tra punteggi di rischio e caratteristiche cliniche nei pazienti con PAAD.Abbiamo scoperto che il nostro modello di rischio prognostico, come fattore prognostico indipendente nei pazienti con PAAD, può effettivamente differenziare i pazienti ad alto grado da quelli a basso grado e i pazienti ad alto grado da quelli a basso grado.Inoltre, i valori AUC della curva ROC del modello di rischio prognostico erano 0,905 per la previsione a 1 anno, 0,942 per la previsione a 2 anni e 0,966 per la previsione a 3 anni.
I ricercatori hanno riferito che i pazienti con una maggiore infiltrazione di cellule T CD8+ erano più sensibili al trattamento ICI [33].Un aumento del contenuto di cellule citotossiche, cellule NK CD56, cellule NK e cellule T CD8+ nel microambiente immunitario del tumore può essere uno dei motivi dell’effetto soppressivo del tumore [34].Studi precedenti hanno dimostrato che livelli più elevati di T CD4(+) e CD8(+) infiltranti il tumore erano significativamente associati a una sopravvivenza più lunga [35].Una scarsa infiltrazione di cellule T CD8, un basso carico di neoantigeni e un microambiente tumorale altamente immunosoppressore portano alla mancanza di risposta alla terapia ICI [36].Abbiamo scoperto che il punteggio di rischio era correlato negativamente con le cellule T CD8+ e le cellule NK, indicando che i pazienti con punteggi ad alto rischio potrebbero non essere idonei al trattamento ICI e avere una prognosi peggiore.
CD161 è un marcatore delle cellule natural killer (NK).Le cellule T CD8+CD161+ trasdotte con CAR mediano una maggiore efficacia antitumorale in vivo nei modelli di xenotrapianto di adenocarcinoma duttale pancreatico HER2+ [37].Gli inibitori del checkpoint immunitario prendono di mira la proteina 4 associata ai linfociti T citotossici (CTLA-4) e la proteina 1 della morte cellulare programmata (PD-1)/ligando 1 della morte cellulare programmata (PD-L1) e hanno un grande potenziale in molte aree.L'espressione di CTLA-4 e CD161 (KLRB1) è inferiore nei gruppi ad alto rischio, indicando ulteriormente che i pazienti con punteggi ad alto rischio potrebbero non essere idonei al trattamento ICI.[38]
Per trovare opzioni terapeutiche adatte ai pazienti ad alto rischio, abbiamo analizzato vari farmaci antitumorali e scoperto che paclitaxel, sorafenib ed erlotinib, che sono ampiamente utilizzati nei pazienti con PAAD, possono essere adatti per i pazienti ad alto rischio con PAAD.[33].Zhang e colleghi hanno scoperto che le mutazioni in qualsiasi percorso di risposta al danno del DNA (DDR) possono portare a una prognosi sfavorevole nei pazienti affetti da cancro alla prostata [39].Lo studio Pancreatic Cancer Olaparib Ongoing (POLO) ha dimostrato che il trattamento di mantenimento con olaparib ha prolungato la sopravvivenza libera da progressione rispetto al placebo dopo chemioterapia di prima linea a base di platino in pazienti con adenocarcinoma duttale pancreatico e mutazioni germinali BRCA1/2 [40].Ciò fornisce un significativo ottimismo sul fatto che i risultati del trattamento miglioreranno significativamente in questo sottogruppo di pazienti.In questo studio, il valore IC50 di AZD.2281 (olaparib) era più alto nel gruppo ad alto rischio, indicando che i pazienti PAAD nel gruppo ad alto rischio potrebbero essere resistenti al trattamento con AZD.2281.
I modelli di previsione utilizzati in questo studio producono buoni risultati di previsione, ma si basano su previsioni analitiche.Come confermare questi risultati con i dati clinici è una questione importante.L’ecografia endoscopica con ago sottile (EUS-FNA) è diventata un metodo indispensabile per diagnosticare lesioni pancreatiche solide ed extrapancreatiche con una sensibilità dell’85% e una specificità del 98% [41].L’avvento degli aghi per biopsia con ago sottile EUS (EUS-FNB) si basa principalmente sui vantaggi percepiti rispetto alla FNA, come una maggiore accuratezza diagnostica, l’ottenimento di campioni che preservano la struttura istologica e quindi la generazione di tessuto immunitario fondamentale per alcune diagnosi.colorazione speciale [42].Una revisione sistematica della letteratura ha confermato che gli aghi FNB (in particolare 22G) dimostrano la massima efficienza nel prelievo di tessuto da masse pancreatiche [43].Clinicamente, solo un piccolo numero di pazienti è idoneo alla chirurgia radicale e la maggior parte dei pazienti presenta tumori inoperabili al momento della diagnosi iniziale.Nella pratica clinica, solo una piccola percentuale di pazienti è idonea alla chirurgia radicale perché la maggior parte dei pazienti presenta tumori inoperabili al momento della diagnosi iniziale.Dopo la conferma patologica mediante EUS-FNB e altri metodi, viene solitamente scelto un trattamento non chirurgico standardizzato come la chemioterapia.Il nostro successivo programma di ricerca è quello di testare il modello prognostico di questo studio in coorti chirurgiche e non chirurgiche attraverso un'analisi retrospettiva.
Nel complesso, il nostro studio ha stabilito un nuovo modello di rischio prognostico basato sull’irlncRNA accoppiato, che ha mostrato un valore prognostico promettente nei pazienti con cancro del pancreas.Il nostro modello di rischio prognostico può aiutare a differenziare i pazienti con PAAD idonei al trattamento medico.
I set di dati utilizzati e analizzati nel presente studio sono disponibili presso l'autore corrispondente su richiesta ragionevole.
Sui Wen, Gong X, Zhuang Y. Il ruolo di mediazione dell'autoefficacia nella regolazione emotiva delle emozioni negative durante la pandemia COVID-19: uno studio trasversale.Int J Ment Health Nurs [articolo di giornale].2021 01/06/2021;30(3):759–71.
Sui Wen, Gong X, Qiao X, Zhang L, Cheng J, Dong J, et al.Punti di vista dei familiari sul processo decisionale alternativo nelle unità di terapia intensiva: una revisione sistematica.INT J NURS STUD [articolo di rivista;revisione].2023 01/01/2023;137:104391.
Vincent A, Herman J, Schulich R, Hruban RH, Goggins M. Cancro al pancreas.Lancetta.[Articolo di giornale;supporto alla ricerca, NIH, extramurale;sostegno alla ricerca, governo al di fuori degli Stati Uniti;revisione].2011 13/08/2011;378(9791):607–20.
Ilic M, Ilic I. Epidemiologia del cancro del pancreas.Giornale mondiale di gastroenterologia.[Articolo di giornale, recensione].2016 28/11/2016;22(44):9694–705.
Liu X, Chen B, Chen J, Sun S. Un nuovo nomogramma correlato a tp53 per prevedere la sopravvivenza globale nei pazienti con cancro del pancreas.BMC Cancer [articolo di giornale].2021 31-03-2021;21(1):335.
Xian X, Zhu X, Chen Y, Huang B, Xiang W. Effetto della terapia focalizzata sulla soluzione sull'affaticamento correlato al cancro nei pazienti con cancro del colon-retto sottoposti a chemioterapia: uno studio randomizzato e controllato.Infermiera oncologica.[Articolo di giornale;esperimento casuale controllato;lo studio è sostenuto da un governo al di fuori degli Stati Uniti].2022 01/05/2022;45(3):E663–73.
Zhang Cheng, Zheng Wen, Lu Y, Shan L, Xu Dong, Pan Y, et al.I livelli di antigene carcinoembrionario (CEA) postoperatorio predicono l'esito dopo la resezione del cancro del colon-retto in pazienti con livelli normali di CEA preoperatorio.Centro per la ricerca traslazionale sul cancro.[Articolo di giornale].2020 01.01.2020;9(1):111–8.
Hong Wen, Liang Li, Gu Yu, Qi Zi, Qiu Hua, Yang X, et al.Gli lncRNA immuno-correlati generano nuove firme e predicono il panorama immunitario del carcinoma epatocellulare umano.Mol Ther Acidi nucleici [Articolo di giornale].2020 04-12-2020;22:937 – 47.
Toffey RJ, Zhu Y., Schulich RD Immunoterapia per il cancro del pancreas: barriere e scoperte.Ann Chirurgo gastrointestinale [Articolo di giornale;revisione].2018 01/07/2018;2(4):274–81.
Hull R, Mbita Z, Dlamini Z. RNA lunghi non codificanti (LncRNA), genomica tumorale virale ed eventi di splicing aberranti: implicazioni terapeutiche.AM J CANCER RES [articolo di giornale;revisione].2021 20/01/2021;11(3):866–83.
Wang J, Chen P, Zhang Y, Ding J, Yang Y, Li H. 11-Identificazione delle firme lncRNA associate alla prognosi del cancro dell'endometrio.Risultati della scienza [articolo di rivista].2021 2021-01-01;104(1):311977089.
Jiang S, Ren H, Liu S, Lu Z, Xu A, Qin S, et al.Analisi completa dei geni prognostici delle proteine leganti l'RNA e dei candidati farmacologici nel carcinoma a cellule renali a cellule papillari.pregene.[Articolo di giornale].2021 20/01/2021;12:627508.
Li X, Chen J, Yu Q, Huang X, Liu Z, Wang X, et al.Le caratteristiche dell'RNA lungo non codificante correlato all'autofagia predicono la prognosi del cancro al seno.pregene.[Articolo di giornale].2021 20/01/2021;12:569318.
Zhou M, Zhang Z, Zhao X, Bao S, Cheng L, Sun J. La firma sei lncRNA correlata al sistema immunitario migliora la prognosi nel glioblastoma multiforme.Neurobiologia MOL.[Articolo di giornale].2018 01.05.2018;55(5):3684–97.
Wu B, Wang Q, Fei J, Bao Y, Wang X, Song Z, et al.Una nuova firma tri-lncRNA predice la sopravvivenza dei pazienti con cancro al pancreas.RAPPRESENTANTI DELL'ONKOL.[Articolo di giornale].2018 01/12/2018;40(6):3427–37.
Luo C, Lin K, Hu C, Zhu X, Zhu J, Zhu Z. LINC01094 promuove la progressione del cancro al pancreas regolando l'espressione di LIN28B e la via PI3K/AKT attraverso miR-577 spugnato.Mol Therapeutics – Acidi nucleici.2021;26:523–35.
Lin J, Zhai X, Zou S, Xu Z, Zhang J, Jiang L, et al.Il feedback positivo tra lncRNA FLVCR1-AS1 e KLF10 può inibire la progressione del cancro del pancreas attraverso la via PTEN/AKT.J EXP Clin Cancer Res.2021;40(1).
Zhou X, Liu X, Zeng X, Wu D, Liu L. Identificazione di tredici geni che predicono la sopravvivenza globale nel carcinoma epatocellulare.Biosci Rep [articolo di giornale].2021 04/09/2021.
Orario di pubblicazione: 22 settembre 2023