Mədəaltı vəzi xərçəngi proqnozu pis olan dünyanın ən ölümcül şişlərindən biridir.Buna görə də, müalicəni uyğunlaşdırmaq və bu xəstələrin proqnozunu yaxşılaşdırmaq üçün pankreas xərçəngi riski yüksək olan xəstələri müəyyən etmək üçün dəqiq proqnozlaşdırma modeli lazımdır.
UCSC Xena verilənlər bazasından Xərçəng Genom Atlası (TCGA) pankreas adenokarsinoması (PAAD) RNAseq məlumatlarını əldə etdik, korrelyasiya analizi vasitəsilə immun ilə əlaqəli lncRNA-ları (irlncRNA) müəyyən etdik və TCGA ilə normal pankreas adenokarsinoma toxumaları arasında fərqləri müəyyən etdik.TCGA-dan DEirlncRNA və pankreas toxumasının genotip toxuma ifadəsi (GTEx).Proqnostik imza modellərini qurmaq üçün əlavə birdəyişənli və kəməndli reqressiya təhlilləri aparılmışdır.Sonra əyri altındakı sahəni hesabladıq və yüksək və aşağı riskli pankreas adenokarsinoması olan xəstələri müəyyən etmək üçün optimal kəsmə dəyərini təyin etdik.Yüksək və aşağı riskli pankreas xərçəngi olan xəstələrdə klinik xüsusiyyətləri, immun hüceyrə infiltrasiyası, immunosupressiv mikromühit və kemoterapiya müqavimətini müqayisə etmək.
Biz 20 DEirlncRNA cütünü müəyyən etdik və xəstələri optimal kəsmə dəyərinə görə qruplaşdırdıq.Proqnostik imza modelimizin PAAD olan xəstələrin proqnozunu proqnozlaşdırmaqda əhəmiyyətli performansa malik olduğunu nümayiş etdirdik.ROC əyrisinin AUC 1 illik proqnoz üçün 0,905, 2 illik proqnoz üçün 0,942 və 3 illik proqnoz üçün 0,966 təşkil edir.Yüksək riskli xəstələrdə sağ qalma nisbətləri aşağı və daha pis klinik xüsusiyyətlərə malikdir.Biz həmçinin yüksək riskli xəstələrin immunosupressiyaya məruz qaldığını və immunoterapiyaya müqavimət göstərə biləcəyini nümayiş etdirdik.Paklitaksel, sorafenib və erlotinib kimi xərçəng əleyhinə dərmanların hesablama proqnozlaşdırma vasitələrinə əsaslanaraq qiymətləndirilməsi PAAD olan yüksək riskli xəstələr üçün uyğun ola bilər.
Ümumilikdə, tədqiqatımız mədəaltı vəzi xərçəngi olan xəstələrdə perspektivli proqnostik dəyər göstərən qoşalaşmış irlncRNA-ya əsaslanan yeni proqnostik risk modeli qurdu.Proqnostik risk modelimiz tibbi müalicə üçün uyğun olan PAAD olan xəstələri fərqləndirməyə kömək edə bilər.
Pankreas xərçəngi aşağı beş illik sağ qalma dərəcəsi və yüksək dərəcəli bədxassəli bir şişdir.Diaqnoz zamanı xəstələrin əksəriyyəti artıq inkişaf etmiş mərhələdədir.COVID-19 epidemiyası kontekstində mədəaltı vəzi xərçəngi olan xəstələrin müalicəsi zamanı həkimlər və tibb bacıları böyük təzyiq altındadır və xəstələrin ailələri də müalicə qərarı verərkən çoxsaylı təzyiqlərlə üzləşirlər [1, 2].Neoadjuvant terapiya, cərrahi rezeksiya, radiasiya terapiyası, kemoterapi, hədəf molekulyar terapiya və immun nəzarət nöqtəsi inhibitorları (ICIs) kimi DOAD-ların müalicəsində böyük irəliləyişlər əldə olunsa da, xəstələrin yalnız 9%-i diaqnozdan sonra beş il sağ qalır [3] ].], 4].Pankreas adenokarsinomasının ilkin simptomları atipik olduğundan, xəstələrə adətən inkişaf etmiş mərhələdə metastaz diaqnozu qoyulur [5].Buna görə də, müəyyən bir xəstə üçün fərdiləşdirilmiş kompleks müalicə bütün müalicə variantlarının üstünlüklərini və mənfi cəhətlərini nəzərə almalıdır, yalnız sağ qalma müddətini uzatmaq üçün deyil, həm də həyat keyfiyyətini yaxşılaşdırmaq üçün [6].Buna görə də, xəstənin proqnozunu dəqiq qiymətləndirmək üçün effektiv proqnozlaşdırma modeli lazımdır [7].Beləliklə, PAAD olan xəstələrin sağ qalması və həyat keyfiyyətini tarazlaşdırmaq üçün müvafiq müalicə seçilə bilər.
PAAD-ın pis proqnozu əsasən kimyaterapiya dərmanlarına müqavimətlə bağlıdır.Son illərdə immun nəzarət nöqtəsi inhibitorları bərk şişlərin müalicəsində geniş istifadə olunur [8].Bununla belə, pankreas xərçəngində ICI-lərin istifadəsi nadir hallarda uğurlu olur [9].Buna görə də, ICI terapiyasından faydalana biləcək xəstələri müəyyən etmək vacibdir.
Uzun kodlaşdırmayan RNT (lncRNA) transkriptləri >200 nukleotid olan kodlaşdırmayan RNT növüdür.LncRNA-lar geniş yayılmışdır və insan transkriptomunun təxminən 80%-ni təşkil edir [10].Böyük bir iş lncRNA əsaslı proqnostik modellərin xəstənin proqnozunu effektiv şəkildə proqnozlaşdıra biləcəyini göstərdi [11, 12].Məsələn, döş xərçəngində proqnostik imzalar yaratmaq üçün 18 autofagiya ilə əlaqəli lncRNA müəyyən edilmişdir [13].İmmunitetlə əlaqəli digər altı lncRNA gliomanın proqnostik xüsusiyyətlərini təyin etmək üçün istifadə edilmişdir [14].
Pankreas xərçəngində bəzi tədqiqatlar xəstənin proqnozunu proqnozlaşdırmaq üçün lncRNA əsaslı imzalar qurmuşdur.ROC əyrisi (AUC) altında olan sahə cəmi 0,742 və ümumi sağ qalma müddəti (OS) 3 il [15] olan pankreas adenokarsinomasında 3-lncRNA imzası müəyyən edilmişdir.Bundan əlavə, lncRNA ifadə dəyərləri müxtəlif genomlar, fərqli məlumat formatları və fərqli xəstələr arasında dəyişir və proqnozlaşdırıcı modelin performansı qeyri-sabitdir.Buna görə də, daha dəqiq və sabit proqnozlaşdırıcı model yaratmaq üçün toxunulmazlıqla əlaqəli lncRNA (irlncRNA) imzalarını yaratmaq üçün yeni modelləşdirmə alqoritmi, cütləşdirmə və iterasiyadan istifadə edirik [8].
Normallaşdırılmış RNAseq məlumatları (FPKM) və klinik pankreas xərçəngi TCGA və genotip toxuma ifadəsi (GTEx) məlumatları UCSC XENA verilənlər bazasından ( https://xenabrowser.net/datapages/ ) əldə edilmişdir.GTF faylları Ensembl verilənlər bazasından ( http://asia.ensembl.org ) əldə edilib və RNAseq-dən lncRNA ifadə profillərini çıxarmaq üçün istifadə edilib.Biz ImmPort verilənlər bazasından (http://www.immport.org) toxunulmazlıqla əlaqəli genləri endirdik və korrelyasiya analizindən istifadə edərək toxunulmazlıqla əlaqəli lncRNA-ları (irlncRNAs) müəyyən etdik (p <0.001, r> 0.4).TCGA-PAAD kohortunda (|logFC| > 1 və GEPIA2 verilənlər bazasından (http://gepia2.cancer-pku.cn/#index) əldə edilmiş irlncRNA-lar və diferensial şəkildə ifadə edilmiş lncRNA-lar arasında keçid yolu ilə diferensial şəkildə ifadə edilmiş irlncRNA-ların (DEirlncRNAs) identifikasiyası. ) <0,05).
Bu üsul daha əvvəl bildirilmişdi [8].Konkret olaraq, qoşalaşmış lncRNA A və lncRNA B-ni əvəz etmək üçün X qururuq. lncRNA A-nın ifadə dəyəri lncRNA B-nin ifadə dəyərindən yüksək olduqda, X 1, əks halda X 0 kimi müəyyən edilir. Buna görə də biz əldə edə bilərik. 0 və ya – 1 matrisi. Matrisin şaquli oxu hər bir nümunəni, üfüqi ox isə 0 və ya 1 dəyəri olan hər bir DEirlncRNA cütünü təmsil edir.
Proqnostik DEirlncRNA cütlərini ekranlaşdırmaq üçün Lasso reqressiyasının ardınca birdəyişənli reqressiya təhlilindən istifadə edilmişdir.Kəmənd reqressiya analizi hər qaçışda 1000 təsadüfi stimul ilə 1000 dəfə təkrarlanan 10 dəfə çarpaz doğrulamadan istifadə etdi (p <0.05).Hər bir DEirlncRNA cütünün tezliyi 1000 dövrədə 100 dəfədən çox olduqda, proqnostik risk modelini qurmaq üçün DEirlncRNA cütləri seçildi.Daha sonra PAAD xəstələrini yüksək və aşağı risk qruplarına təsnif etmək üçün optimal kəsmə dəyərini tapmaq üçün AUC əyrisindən istifadə etdik.Hər bir modelin AUC dəyəri də hesablanmış və əyri kimi tərtib edilmişdir.Əyri maksimum AUC dəyərini göstərən ən yüksək nöqtəyə çatarsa, hesablama prosesi dayanır və model ən yaxşı namizəd hesab olunur.1, 3 və 5 illik ROC əyri modelləri quruldu.Proqnostik risk modelinin müstəqil proqnozlaşdırıcı performansını yoxlamaq üçün birdəyişənli və çoxdəyişənli reqressiya analizlərindən istifadə edilmişdir.
XCELL, TIMER, QUANTISEQ, MCPCOUNTER, EPIC, CIBERSORT-ABS və CIBERSORT daxil olmaqla immun hüceyrə infiltrasiya sürətlərini öyrənmək üçün yeddi alətdən istifadə edin.İmmun hüceyrə infiltrasiya məlumatları TIMER2 verilənlər bazasından endirilib (http://timer.comp-genomics.org/#tab-5817-3).Quraşdırılmış modelin yüksək və aşağı risk qrupları arasında immun infiltrasiya edən hüceyrələrin tərkibindəki fərq Wilcoxon signed-rank testindən istifadə edərək təhlil edilmiş, nəticələr kvadrat qrafikdə göstərilmişdir.Spearman korrelyasiya təhlili risk bal dəyərləri və immun infiltrasiya edən hüceyrələr arasındakı əlaqəni təhlil etmək üçün aparıldı.Nəticədə korrelyasiya əmsalı lolipop kimi göstərilir.Əhəmiyyət həddi p <0,05 səviyyəsində müəyyən edilmişdir.Prosedur R paketi ggplot2 istifadə edərək həyata keçirildi.İmmun hüceyrə infiltrasiya dərəcəsi ilə əlaqəli model və gen ifadə səviyyələri arasındakı əlaqəni araşdırmaq üçün ggstatsplot paketi və skripka süjetinin vizuallaşdırılmasını həyata keçirdik.
Pankreas xərçəngi üçün klinik müalicə nümunələrini qiymətləndirmək üçün TCGA-PAAD kohortunda tez-tez istifadə olunan kemoterapi dərmanlarının IC50-ni hesabladıq.Yüksək və aşağı riskli qruplar arasında yarım inhibitor konsentrasiyalardakı fərqlər (IC50) Wilcoxon imzalı rütbəli testdən istifadə edərək müqayisə edildi və nəticələr R-də pRRophetic və ggplot2 istifadə edərək yaradılan qutu qrafikləri kimi göstərilir. Bütün üsullar müvafiq təlimat və normalara uyğundur.
Tədqiqatımızın iş axını Şəkil 1-də göstərilmişdir. LncRNA-lar və immunitetlə əlaqəli genlər arasında korrelyasiya təhlilindən istifadə edərək, biz p <0.01 və r> 0.4 olan 724 irlncRNA seçdik.Daha sonra GEPIA2-nin diferensial şəkildə ifadə edilmiş lncRNA-larını təhlil etdik (Şəkil 2A).Ümumilikdə 223 irlncRNA pankreas adenokarsinoması və DEirlncRNAs adlı normal mədəaltı vəzi toxuması (|logFC| > 1, FDR < 0.05) arasında diferensial şəkildə ifadə edilmişdir.
Proqnozlaşdırılan risk modellərinin qurulması.(A) Diferensial şəkildə ifadə olunan lncRNA-ların vulkan planı.(B) 20 DEirlncRNA cütü üçün kəmənd əmsallarının paylanması.(C) LASSO əmsalı paylanmasının qismən ehtimal fərqi.(D) 20 DEirlncRNA cütünün birdəyişənli reqressiya analizini göstərən meşə sahəsi.
Daha sonra 223 DEirlncRNA-nı birləşdirərək 0 və ya 1 matrisi qurduq.Cəmi 13,687 DEirlncRNA cütü müəyyən edilmişdir.Birdəyişənli və kəmənd reqressiya analizindən sonra 20 DEirlncRNA cütü nəhayət proqnostik risk modelinin qurulması üçün sınaqdan keçirildi (Şəkil 2B-D).Lasso və çoxlu reqressiya analizinin nəticələrinə əsasən, biz TCGA-PAAD kohortunda hər bir xəstə üçün risk balı hesabladıq (Cədvəl 1).Kəmənd reqressiya analizinin nəticələrinə əsasən, biz TCGA-PAAD kohortunda hər bir xəstə üçün risk balı hesabladıq.ROC əyrisinin AUC 1 illik risk modeli proqnozu üçün 0,905, 2 illik proqnoz üçün 0,942 və 3 illik proqnoz üçün 0,966 olmuşdur (Şəkil 3A-B).Biz 3.105 optimal kəsmə dəyəri təyin etdik, TCGA-PAAD kohort xəstələrini yüksək və aşağı riskli qruplara ayırdıq və hər bir xəstə üçün sağ qalma nəticələrini və risk hesabının paylanmasını tərtib etdik (Şəkil 3C-E).Kaplan-Meier təhlili göstərdi ki, yüksək risk qrupunda PAAD xəstələrinin sağ qalması aşağı risk qrupundakı xəstələrdən əhəmiyyətli dərəcədə aşağıdır (p <0.001) (Şəkil 3F).
Proqnostik risk modellərinin etibarlılığı.(A) Proqnostik risk modelinin ROC.(B) 1, 2 və 3 illik ROC proqnostik risk modelləri.(C) Proqnostik risk modelinin ROC.Optimal kəsmə nöqtəsini göstərir.(DE) Sağ qalma statusunun (D) və risk ballarının (E) bölgüsü.(F) Yüksək və aşağı risk qruplarında PAAD xəstələrinin Kaplan-Meier təhlili.
Biz risk ballarındakı fərqləri klinik xüsusiyyətlərə görə daha da qiymətləndirdik.Zolaq sahəsi (Şəkil 4A) klinik xüsusiyyətlər və risk balları arasındakı ümumi əlaqəni göstərir.Xüsusilə, yaşlı xəstələrdə daha yüksək risk balları var idi (Şəkil 4B).Bundan əlavə, II mərhələdə olan xəstələrdə I mərhələli xəstələrə nisbətən daha yüksək risk balları var idi (Şəkil 4C).PAAD xəstələrində şiş dərəcəsinə gəldikdə, 3-cü dərəcəli xəstələrdə 1 və 2-ci dərəcə xəstələrinə nisbətən daha yüksək risk balları var idi (Şəkil 4D).Biz daha sonra birdəyişənli və çoxdəyişənli reqressiya təhlilləri apardıq və PAAD olan xəstələrdə risk balı (p <0.001) və yaşın (p = 0.045) müstəqil proqnostik faktorlar olduğunu nümayiş etdirdik (Şəkil 5A-B).ROC əyrisi PAAD olan xəstələrin 1, 2 və 3 illik sağ qalmasının proqnozlaşdırılmasında risk xalının digər klinik xüsusiyyətlərdən üstün olduğunu nümayiş etdirdi (Şəkil 5C-E).
Proqnostik risk modellərinin klinik xüsusiyyətləri.Histoqramma (A) TCGA-PAAD kohortunda (B) yaşını, (C) şiş mərhələsini, (D) şiş dərəcəsini, risk hesabını və xəstələrin cinsini göstərir.**p <0,01
Proqnostik risk modellərinin müstəqil proqnozlaşdırıcı təhlili.(AB) Proqnostik risk modellərinin və klinik xüsusiyyətlərin təkdəyişənli (A) və çoxdəyişənli (B) reqressiya təhlilləri.(CE) Proqnostik risk modelləri və klinik xüsusiyyətlər üçün 1, 2 və 3 illik ROC
Buna görə də zaman və risk balları arasındakı əlaqəni araşdırdıq.PAAD xəstələrində risk balının CD8+ T hüceyrələri və NK hüceyrələri ilə tərs korrelyasiya olduğunu aşkar etdik (Şəkil 6A), bu da yüksək risk qrupunda immun funksiyasının sıxışdırılmasını göstərir.Biz həmçinin yüksək və aşağı riskli qruplar arasında immun hüceyrə infiltrasiyasındakı fərqi qiymətləndirdik və eyni nəticələri tapdıq (Şəkil 7).Yüksək risk qrupunda CD8+ T hüceyrələrinin və NK hüceyrələrinin infiltrasiyası daha az olmuşdur.Son illərdə immun nəzarət nöqtəsi inhibitorları (ICIs) bərk şişlərin müalicəsində geniş istifadə olunur.Bununla belə, pankreas xərçəngində ICI-lərin istifadəsi nadir hallarda uğurlu olmuşdur.Buna görə də, yüksək və aşağı risk qruplarında immun nəzarət nöqtəsi genlərinin ifadəsini qiymətləndirdik.Biz aşkar etdik ki, CTLA-4 və CD161 (KLRB1) aşağı risk qrupunda (Şəkil 6B-G) həddindən artıq ifadə olunub, bu, aşağı risk qrupunda olan PAAD xəstələrinin ICI-ə həssas ola biləcəyini göstərir.
Proqnostik risk modelinin və immun hüceyrə infiltrasiyasının korrelyasiya təhlili.(A) Proqnostik risk modeli ilə immun hüceyrə infiltrasiyası arasında əlaqə.(BG) Yüksək və aşağı risk qruplarında gen ifadəsini göstərir.(HK) Yüksək və aşağı risk qruplarında xüsusi xərçəng əleyhinə dərmanlar üçün IC50 dəyərləri.*p <0,05, **p <0,01, ns = əhəmiyyətli deyil
TCGA-PAAD kohortunda risk skorları ilə ümumi kemoterapi agentləri arasındakı əlaqəni daha da qiymətləndirdik.Biz mədəaltı vəzi xərçəngində geniş istifadə olunan xərçəng əleyhinə dərmanları axtardıq və onların yüksək və aşağı risk qrupları arasında IC50 dəyərlərindəki fərqləri təhlil etdik.Nəticələr göstərdi ki, AZD.2281 (olaparib) IC50 dəyəri yüksək risk qrupunda daha yüksək olub, bu, yüksək risk qrupunda olan PAAD xəstələrinin AZD.2281 müalicəsinə davamlı ola biləcəyini göstərir (Şəkil 6H).Bundan əlavə, paklitaksel, sorafenib və erlotinibin IC50 dəyərləri yüksək risk qrupunda daha aşağı olmuşdur (Şəkil 6I-K).Yüksək risk qrupunda daha yüksək IC50 dəyərləri olan 34 xərçəng əleyhinə dərman və yüksək risk qrupunda daha aşağı IC50 dəyərləri olan 34 xərçəng əleyhinə dərman müəyyən etdik (Cədvəl 2).
lncRNA-ların, mRNA-ların və miRNA-ların geniş şəkildə mövcud olduğunu və xərçəngin inkişafında həlledici rol oynadığını inkar etmək olmaz.mRNT və ya miRNA-nın bir neçə növ xərçəngdə ümumi sağ qalmağı proqnozlaşdırmaqda mühüm rolunu dəstəkləyən çoxlu sübutlar var.Şübhəsiz ki, bir çox proqnostik risk modelləri də lncRNA-lara əsaslanır.Məsələn, Luo et al.Tədqiqatlar göstərdi ki, LINC01094 PC proliferasiyası və metastazında əsas rol oynayır və LINC01094-ün yüksək ifadəsi mədəaltı vəzi xərçəngi xəstələrinin sağ qalmasının zəif olduğunu göstərir [16].Lin et al tərəfindən təqdim edilən tədqiqat.Tədqiqatlar göstərdi ki, lncRNA FLVCR1-AS1-in aşağı tənzimlənməsi mədəaltı vəzi xərçəngi xəstələrində pis proqnozla əlaqələndirilir [17].Bununla belə, toxunulmazlıqla əlaqəli lncRNA-lar xərçəng xəstələrinin ümumi sağ qalmasını proqnozlaşdırmaq baxımından nisbətən az müzakirə olunur.Bu yaxınlarda xərçəng xəstələrinin sağ qalmasını proqnozlaşdırmaq və bununla da müalicə üsullarını tənzimləmək üçün proqnostik risk modellərinin qurulmasına çoxlu iş yönəldilmişdir [18, 19, 20].Xərçəngin başlanmasında, irəliləməsində və kemoterapi kimi müalicələrə cavabda immun infiltratların mühüm rolunun tanınması getdikcə artır.Çoxsaylı tədqiqatlar təsdiqlədi ki, şişə infiltrasiya edən immun hüceyrələri sitotoksik kemoterapiyaya cavabda mühüm rol oynayır [21, 22, 23].Şişin immun mikromühiti şiş xəstələrinin sağ qalmasında mühüm amildir [24, 25].İmmunoterapiya, xüsusən də ICI terapiyası bərk şişlərin müalicəsində geniş istifadə olunur [26].İmmunitetlə əlaqəli genlər proqnostik risk modellərinin qurulması üçün geniş istifadə olunur.Məsələn, Su et al.İmmunitetlə əlaqəli proqnostik risk modeli yumurtalıq xərçəngi xəstələrinin proqnozunu proqnozlaşdırmaq üçün protein kodlayan genlərə əsaslanır [27].lncRNA kimi kodlaşdırılmayan genlər də proqnostik risk modellərinin qurulması üçün uyğundur [28, 29, 30].Luo və digərləri immun ilə əlaqəli dörd lncRNA-nı sınaqdan keçirdilər və uşaqlıq boynu xərçəngi riski üçün proqnozlaşdırıcı bir model qurdular [31].Xan və b.Cəmi 32 diferensial ifadə edilmiş transkript müəyyən edildi və bunun əsasında 5 əhəmiyyətli transkriptdən ibarət proqnozlaşdırma modeli quruldu ki, bu da böyrək transplantasiyasından sonra biopsiya ilə sübut edilmiş kəskin imtinanın proqnozlaşdırılması üçün yüksək tövsiyə olunan alət kimi təklif edilmişdir [32].
Bu modellərin əksəriyyəti ya protein kodlayan genlər, ya da kodlaşdırmayan genlər olan gen ifadə səviyyələrinə əsaslanır.Bununla belə, eyni gen müxtəlif genomlarda, məlumat formatlarında və müxtəlif xəstələrdə fərqli ifadə dəyərlərinə malik ola bilər ki, bu da proqnozlaşdırıcı modellərdə qeyri-sabit təxminlərə səbəb olur.Bu işdə biz dəqiq ifadə dəyərlərindən asılı olmayaraq iki cüt lncRNA ilə məqbul bir model qurduq.
Bu araşdırmada biz ilk dəfə immunitetlə əlaqəli genlərlə korrelyasiya analizi vasitəsilə irlncRNA-nı müəyyən etdik.223 DEirlncRNA-nı diferensial şəkildə ifadə olunmuş lncRNA-larla hibridləşdirmə yolu ilə yoxladıq.İkincisi, dərc edilmiş DEirlncRNA cütləşdirmə metoduna əsaslanaraq 0 və ya 1 matrisası qurduq [31].Daha sonra proqnostik DEirlncRNA cütlərini müəyyən etmək və proqnozlaşdıran risk modelini qurmaq üçün birdəyişənli və kəməndli reqressiya təhlilləri apardıq.PAAD olan xəstələrdə risk skorları ilə klinik xüsusiyyətlər arasındakı əlaqəni daha da təhlil etdik.PAAD xəstələrində müstəqil proqnostik faktor kimi bizim proqnostik risk modelimizin yüksək dərəcəli xəstələri aşağı dərəcəli xəstələrdən və yüksək dərəcəli xəstələri aşağı dərəcəli xəstələrdən effektiv şəkildə fərqləndirə biləcəyini aşkar etdik.Bundan əlavə, proqnostik risk modelinin ROC əyrisinin AUC dəyərləri 1 illik proqnoz üçün 0,905, 2 illik proqnoz üçün 0,942 və 3 illik proqnoz üçün 0,966 olmuşdur.
Tədqiqatçılar daha yüksək CD8+ T hüceyrə infiltrasiyası olan xəstələrin ICI müalicəsinə daha həssas olduğunu bildirdilər [33].Şişin immun mikromühitində sitotoksik hüceyrələrin, CD56 NK hüceyrələrinin, NK hüceyrələrinin və CD8+ T hüceyrələrinin tərkibinin artması şişin supressiv təsirinin səbəblərindən biri ola bilər [34].Əvvəlki tədqiqatlar göstərdi ki, şişə infiltrasiya edən CD4(+) T və CD8(+) T-nin yüksək səviyyələri daha uzun sağ qalma ilə əhəmiyyətli dərəcədə əlaqələndirilir [35].Zəif CD8 T hüceyrə infiltrasiyası, aşağı neoantigen yükü və yüksək immunosupressiv şiş mikromühiti ICI terapiyasına cavabın olmamasına səbəb olur [36].Biz risk hesabının CD8+ T hüceyrələri və NK hüceyrələri ilə mənfi korrelyasiya olduğunu aşkar etdik ki, bu da yüksək risk balları olan xəstələrin ICI müalicəsi üçün uyğun olmaya biləcəyini və daha pis proqnoza malik ola biləcəyini göstərir.
CD161 təbii killer (NK) hüceyrələrin markeridir.CD8+CD161+ CAR ilə transduksiya edilmiş T hüceyrələri HER2+ pankreatik duktal adenokarsinoma ksenogreft modellərində in vivo antitümör effektivliyinə vasitəçilik edir [37].İmmun nəzarət nöqtəsi inhibitorları sitotoksik T-limfositlə əlaqəli protein 4 (CTLA-4) və proqramlaşdırılmış hüceyrə ölümü protein 1 (PD-1)/proqramlaşdırılmış hüceyrə ölümü liqand 1 (PD-L1) yollarını hədəfləyir və bir çox sahələrdə böyük potensiala malikdir.CTLA-4 və CD161 (KLRB1) ifadəsi yüksək riskli qruplarda daha aşağıdır, bu da yüksək risk skorları olan xəstələrin ICI müalicəsi üçün uyğun olmaya biləcəyini göstərir.[38]
Yüksək riskli xəstələr üçün uyğun müalicə variantlarını tapmaq üçün biz müxtəlif xərçəng əleyhinə dərmanları təhlil etdik və aşkar etdik ki, PAAD olan xəstələrdə geniş istifadə olunan paklitaksel, sorafenib və erlotinib yüksək riskli PAAD xəstələri üçün uyğun ola bilər.[33].Zhang və digərləri müəyyən etdilər ki, hər hansı DNT-nin zədələnməsinə cavab (DDR) yolunda mutasiyalar prostat xərçəngi xəstələrində pis proqnoza səbəb ola bilər [39].Pankreas Xərçəngi Olaparib Davam edən (POLO) sınağı pankreas kanallarının adenokarsinoması və BRCA1/2 germline mutasiyaları olan xəstələrdə birinci sıra platin əsaslı kemoterapiyadan sonra olaparib ilə baxım müalicəsinin plasebo ilə müqayisədə irəliləməsiz sağ qalma müddətini uzatdığını göstərdi [40].Bu, xəstələrin bu alt qrupunda müalicə nəticələrinin əhəmiyyətli dərəcədə yaxşılaşacağına dair əhəmiyyətli optimizm təmin edir.Bu tədqiqatda AZD.2281-in (olaparib) IC50 dəyəri yüksək risk qrupunda daha yüksək olub, bu, yüksək risk qrupunda olan PAAD xəstələrinin AZD.2281 ilə müalicəyə davamlı ola biləcəyini göstərir.
Bu tədqiqatdakı proqnozlaşdırma modelləri yaxşı proqnoz nəticələri verir, lakin onlar analitik proqnozlara əsaslanır.Bu nəticələrin klinik məlumatlarla necə təsdiqlənməsi vacib sualdır.Endoskopik incə iynə aspirasiyalı ultrasəs müayinəsi (EUS-İİA) həssaslığı 85% və spesifikliyi 98% olan bərk və ekstrapankreatik pankreas lezyonlarının diaqnostikasında əvəzsiz üsula çevrilmişdir [41].EUS incə iynə biopsiyası (EUS-FNB) iynələrinin yaranması əsasən İİA ilə müqayisədə daha yüksək diaqnostik dəqiqlik, histoloji quruluşu qoruyan nümunələrin əldə edilməsi və beləliklə müəyyən diaqnozlar üçün kritik olan immun toxumanın yaradılması kimi qəbul edilən üstünlüklərə əsaslanır.xüsusi boyanma [42].Ədəbiyyatın sistematik təhlili təsdiqlədi ki, FNB iynələri (xüsusilə 22G) mədəaltı vəzi kütlələrindən toxuma yığımında ən yüksək effektivliyi nümayiş etdirir [43].Klinik olaraq, yalnız az sayda xəstələr radikal cərrahiyyə üçün uyğundur və xəstələrin əksəriyyətində ilkin diaqnoz zamanı əməliyyat olunmayan şişlər olur.Klinik praktikada xəstələrin yalnız kiçik bir hissəsi radikal cərrahiyyə üçün uyğundur, çünki xəstələrin əksəriyyətində ilkin diaqnoz zamanı əməliyyat olunmayan şişlər olur.EUS-FNB və digər üsullarla patoloji təsdiq edildikdən sonra adətən kimyaterapiya kimi standartlaşdırılmış qeyri-cərrahi müalicə seçilir.Sonrakı tədqiqat proqramımız bu tədqiqatın proqnostik modelini cərrahi və qeyri-cərrahi kohortlarda retrospektiv təhlil vasitəsilə sınaqdan keçirməkdir.
Ümumilikdə, tədqiqatımız mədəaltı vəzi xərçəngi olan xəstələrdə perspektivli proqnostik dəyər göstərən qoşalaşmış irlncRNA-ya əsaslanan yeni proqnostik risk modeli qurdu.Proqnostik risk modelimiz tibbi müalicə üçün uyğun olan PAAD olan xəstələri fərqləndirməyə kömək edə bilər.
Cari tədqiqatda istifadə edilən və təhlil edilən məlumat dəstləri əsaslı sorğu əsasında müvafiq müəllifdən əldə edilə bilər.
Sui Wen, Gong X, Zhuang Y. COVID-19 pandemiyası zamanı mənfi emosiyaların emosional tənzimlənməsində özünü effektivliyin vasitəçi rolu: kəsişən tədqiqat.Int J Ment Health Nurs [jurnal məqaləsi].2021 06/01/2021;30(3):759–71.
Sui Wen, Gong X, Qiao X, Zhang L, Cheng J, Dong J, et al.Ailə üzvlərinin reanimasiya şöbələrində alternativ qərar qəbulu ilə bağlı fikirləri: sistematik bir baxış.INT J NURS STUD [jurnal məqaləsi;baxış-icmal].2023 01/01/2023;137:104391.
Vincent A, Herman J, Schulich R, Hruban RH, Goggins M. Pankreas xərçəngi.Lancet.[Jurnal məqaləsi;tədqiqat dəstəyi, NIH, qiyabi;tədqiqat dəstəyi, ABŞ xaricində hökumət;baxış-icmal].2011 08/13/2011;378(9791):607–20.
Ilic M, Ilic I. Pankreas xərçənginin epidemiologiyası.Dünya Qastroenterologiya Jurnalı.[Jurnal məqaləsi, rəy].2016 11/28/2016;22(44):9694–705.
Liu X, Chen B, Chen J, Sun S. Pankreas xərçəngi olan xəstələrdə ümumi sağ qalmağı proqnozlaşdırmaq üçün yeni bir tp53 ilə əlaqəli nomogram.BMC Xərçəng [jurnal məqaləsi].2021-ci il 31-03-2021;21(1):335.
Xian X, Zhu X, Chen Y, Huang B, Xiang W. Kemoterapi alan kolorektal xərçəng xəstələrində xərçənglə əlaqəli yorğunluğa həll mərkəzli terapiyanın təsiri: randomizə edilmiş nəzarətli sınaq.Xərçəng tibb bacısı.[Jurnal məqaləsi;randomizə edilmiş nəzarətli sınaq;tədqiqat ABŞ-dan kənar bir hökumət tərəfindən dəstəklənir].2022 05/01/2022;45(3):E663–73.
Zhang Cheng, Zheng Wen, Lu Y, Shan L, Xu Dong, Pan Y, et al.Əməliyyatdan sonrakı karsinoembrionik antigen (CEA) səviyyələri normal əməliyyatdan əvvəl CEA səviyyələri olan xəstələrdə kolorektal xərçəng rezeksiyasından sonra nəticəni proqnozlaşdırır.Translational Xərçəng Araşdırmaları Mərkəzi.[Jurnal məqaləsi].2020 01.01.2020;9(1):111–8.
Hong Wen, Liang Li, Gu Yu, Qi Zi, Qiu Hua, Yang X, et al.İmmunitetlə əlaqəli lncRNA-lar yeni imzalar yaradır və insan hepatoselüler karsinomanın immun mənzərəsini proqnozlaşdırır.Mol Ther Nuklein turşuları [Jurnal məqaləsi].2020 2020-12-04;22:937 – 47.
Toffey RJ, Zhu Y., Schulich RD Pankreas xərçəngi üçün immunoterapiya: maneələr və irəliləyişlər.Ann Gastrointestinal Surgeon [Jurnal Məqaləsi;baxış-icmal].2018 07/01/2018;2(4):274–81.
Hull R, Mbita Z, Dlamini Z. Uzun kodlaşdırmayan RNT-lər (LncRNAs), viral şiş genomikası və aberrant splicing hadisələri: terapevtik təsirlər.AM J CNCER RES [jurnal məqaləsi;baxış-icmal].2021 01/20/2021;11(3):866–83.
Wang J, Chen P, Zhang Y, Ding J, Yang Y, Li H. 11-Endometrial xərçəng proqnozu ilə əlaqəli lncRNA imzalarının müəyyən edilməsi.Elmin nailiyyətləri [jurnal məqaləsi].2021 2021-01-01;104(1):311977089.
Jiang S, Ren H, Liu S, Lu Z, Xu A, Qin S, et al.Papiller hüceyrəli böyrək hüceyrəli karsinomasında RNT bağlayıcı zülal proqnostik genlərinin və dərman namizədlərinin hərtərəfli təhlili.pregen.[Jurnal məqaləsi].2021-ci il 20.01.2021;12:627508.
Li X, Chen J, Yu Q, Huang X, Liu Z, Wang X və s.Otofagiya ilə əlaqəli uzun kodlaşdırmayan RNT-nin xüsusiyyətləri döş xərçəngi proqnozunu proqnozlaşdırır.pregen.[Jurnal məqaləsi].2021-ci il 20.01.2021;12:569318.
Zhou M, Zhang Z, Zhao X, Bao S, Cheng L, Sun J. İmmunitetlə əlaqəli altı lncRNA imzası multiforma glioblastomada proqnozu yaxşılaşdırır.MOL Neyrobiologiya.[Jurnal məqaləsi].2018 01.05.2018;55(5):3684–97.
Wu B, Wang Q, Fei J, Bao Y, Wang X, Song Z və s.Yeni tri-lncRNA imzası mədəaltı vəzi xərçəngi olan xəstələrin sağ qalmasını proqnozlaşdırır.ONKOL NÜMAYƏNDƏLƏRİ.[Jurnal məqaləsi].2018 12/01/2018;40(6):3427–37.
Luo C, Lin K, Hu C, Zhu X, Zhu J, Zhu Z. LINC01094 süngər miR-577 vasitəsilə LIN28B ifadəsini və PI3K/AKT yolunu tənzimləməklə mədəaltı vəzi xərçənginin inkişafını təşviq edir.Mol Therapeutics - Nuklein turşuları.2021;26:523–35.
Lin J, Zhai X, Zou S, Xu Z, Zhang J, Jiang L və s.lncRNA FLVCR1-AS1 və KLF10 arasında müsbət rəy PTEN/AKT yolu ilə mədəaltı vəzi xərçənginin inkişafını maneə törədə bilər.J EXP Clin Xərçəng Res.2021;40(1).
Zhou X, Liu X, Zeng X, Wu D, Liu L. Hepatosellüler karsinomada ümumi sağ qalmağı proqnozlaşdıran on üç genin müəyyən edilməsi.Biosci Rep [jurnal məqaləsi].2021 04.09.2021.
Göndərmə vaxtı: 22 sentyabr 2023-cü il