अग्नाशयको क्यान्सर विश्वको सबैभन्दा घातक ट्यूमर मध्ये एक हो जसमा कमजोर पूर्वानुमान छ।तसर्थ, अग्नाशयको क्यान्सरको उच्च जोखिममा रहेका बिरामीहरूको पहिचान गर्न र यी बिरामीहरूको निदान सुधार गर्नको लागि सही भविष्यवाणी मोडेल आवश्यक छ।
हामीले UCSC Xena डाटाबेसबाट क्यान्सर जीनोम एटलस (TCGA) प्यान्क्रियाटिक एडेनोकार्सिनोमा (PAAD) RNAseq डाटा प्राप्त गर्यौं, सहसंबंध विश्लेषण मार्फत प्रतिरक्षा-सम्बन्धित lncRNAs (irlncRNAs) को पहिचान गर्यौं, र TCGA र सामान्य प्यान्क्रियाटिक एडेनोकार्सिनोमा बीचको भिन्नताहरू पहिचान गर्यौं।DEirlncRNA) TCGA बाट र अग्नाशयी ऊतकको जीनोटाइप टिश्यू एक्सप्रेशन (GTEx)।थप युनिभरिएट र लासो रिग्रेसन विश्लेषणहरू प्रोग्नोस्टिक हस्ताक्षर मोडेलहरू निर्माण गर्न प्रदर्शन गरियो।त्यसपछि हामीले वक्र अन्तर्गत क्षेत्र गणना गर्यौं र उच्च र कम जोखिम प्यान्क्रियाटिक एडेनोकार्सिनोमा भएका बिरामीहरू पहिचान गर्नको लागि इष्टतम कटअफ मान निर्धारण गर्यौं।क्लिनिकल विशेषताहरू तुलना गर्न, प्रतिरक्षा सेल घुसपैठ, इम्युनोसप्रेसिभ माइक्रोइन्वायरनमेन्ट, र उच्च र कम जोखिम प्यान्क्रियाटिक क्यान्सर भएका बिरामीहरूमा केमोथेरापी प्रतिरोध।
हामीले 20 DEirlncRNA जोडीहरू पहिचान गर्यौं र इष्टतम कटअफ मान अनुसार बिरामीहरूलाई समूहबद्ध गर्यौं।हामीले देख्यौं कि हाम्रो प्रोग्नोस्टिक सिग्नेचर मोडेलले PAAD भएका बिरामीहरूको पूर्वानुमान भविष्यवाणी गर्न महत्त्वपूर्ण प्रदर्शन गरेको छ।ROC कर्भको AUC 1-वर्षको पूर्वानुमानको लागि 0.905, 2-वर्षको पूर्वानुमानको लागि 0.942, र 3-वर्षको पूर्वानुमानको लागि 0.966 हो।उच्च जोखिम भएका बिरामीहरूको बाँच्ने दर कम र खराब क्लिनिकल विशेषताहरू थिए।हामीले यो पनि देख्यौं कि उच्च जोखिम भएका बिरामीहरू इम्युनोसप्रेस गरिएका छन् र इम्युनोथेरापीमा प्रतिरोध विकास गर्न सक्छन्।कम्प्युटेशनल भविष्यवाणी उपकरणहरूमा आधारित प्याक्लिटाक्सेल, सोराफेनिब र एर्लोटिनिब जस्ता एन्टीक्यान्सर औषधिहरूको मूल्याङ्कन PAAD भएका उच्च जोखिम भएका बिरामीहरूको लागि उपयुक्त हुन सक्छ।
समग्रमा, हाम्रो अध्ययनले जोडिएको irlncRNA मा आधारित नयाँ प्रोग्नोस्टिक जोखिम मोडेल स्थापना गर्यो, जसले प्यान्क्रियाटिक क्यान्सर भएका बिरामीहरूमा आशाजनक प्रोग्नोस्टिक मूल्य देखाउँदछ।हाम्रो प्रोग्नोस्टिक जोखिम मोडेलले PAAD भएका बिरामीहरूलाई चिकित्सा उपचारको लागि उपयुक्त छुट्याउन मद्दत गर्न सक्छ।
प्यान्क्रियाटिक क्यान्सर कम पाँच वर्ष बाँच्ने दर र उच्च ग्रेडको घातक ट्युमर हो।निदानको समयमा, अधिकांश बिरामीहरू पहिले नै उन्नत चरणहरूमा छन्।COVID-19 महामारीको सन्दर्भमा, प्यान्क्रियाटिक क्यान्सर भएका बिरामीहरूको उपचार गर्दा डाक्टरहरू र नर्सहरू ठूलो दबाबमा छन्, र बिरामीहरूको परिवारले पनि उपचार निर्णय गर्दा धेरै दबाबको सामना गर्दछ [१, २]।यद्यपि DOAD को उपचारमा नियोएडजुभेन्ट थेरापी, सर्जिकल रिसेक्सन, विकिरण थेरापी, केमोथेरापी, लक्षित आणविक थेरापी, र इम्युन चेकपोइन्ट इनहिबिटरहरू (ICIs) को उपचारमा ठूलो प्रगति भएको भए तापनि, लगभग 9% बिरामीहरू निदान पछि पाँच वर्षसम्म बाँच्छन्। ]।], ४]।प्यान्क्रियाटिक एडेनोकार्सिनोमाका प्रारम्भिक लक्षणहरू असामान्य हुने हुनाले, बिरामीहरूलाई सामान्यतया उन्नत चरणमा मेटास्टेसेजको निदान गरिन्छ [५]।तसर्थ, दिइएको बिरामीको लागि, व्यक्तिगतकृत व्यापक उपचारले सबै उपचार विकल्पहरूको फाइदा र बेफाइदालाई तौल्नु पर्छ, केवल लामो समयसम्म बाँच्न मात्र होइन, जीवनको गुणस्तर सुधार गर्न पनि [6]।तसर्थ, एक प्रभावकारी भविष्यवाणी मोडेल एक रोगी को भविष्यवाणी सही मूल्यांकन गर्न आवश्यक छ [7]।यसरी, PAAD भएका बिरामीहरूको बाँच्न र जीवनको गुणस्तर सन्तुलन गर्न उपयुक्त उपचार चयन गर्न सकिन्छ।
PAAD को खराब पूर्वानुमान मुख्यतया केमोथेरापी ड्रग्स को प्रतिरोध को कारण हो।हालका वर्षहरूमा, प्रतिरक्षा चेकपोइन्ट अवरोधकहरू ठोस ट्यूमरहरूको उपचारमा व्यापक रूपमा प्रयोग गरिएको छ [8]।यद्यपि, प्यान्क्रियाटिक क्यान्सरमा ICIs को प्रयोग विरलै सफल हुन्छ [9]।तसर्थ, आईसीआई थेरापीबाट फाइदा लिन सक्ने बिरामीहरूलाई पहिचान गर्न महत्त्वपूर्ण छ।
लामो गैर-कोडिङ RNA (lncRNA) ट्रान्सक्रिप्टहरू > 200 न्यूक्लियोटाइडहरू भएको गैर-कोडिङ RNA को एक प्रकार हो।LncRNAs व्यापक छन् र मानव ट्रान्सक्रिप्टोमको लगभग 80% गठन गर्दछ [१०]।कामको एक ठूलो शरीरले देखाएको छ कि lncRNA-आधारित प्रोग्नोस्टिक मोडेलहरूले प्रभावकारी रूपमा रोगी रोगको भविष्यवाणी गर्न सक्छ [11, 12]।उदाहरण को लागी, 18 अटोफेजी-सम्बन्धित lncRNAs लाई स्तन क्यान्सर मा प्रोग्नोस्टिक हस्ताक्षर उत्पन्न गर्न को लागी पहिचान गरिएको थियो [13]।छ अन्य प्रतिरक्षा-सम्बन्धित lncRNAs glioma [14] को प्रोग्नोस्टिक विशेषताहरू स्थापित गर्न प्रयोग गरिएको छ।
प्यान्क्रियाटिक क्यान्सरमा, केही अध्ययनहरूले lncRNA-आधारित हस्ताक्षरहरू स्थापित गरेका छन् जसले रोगी रोगको भविष्यवाणी गर्दछ।एक 3-lncRNA हस्ताक्षर प्यान्क्रियाटिक एडेनोकार्सिनोमामा मात्र 0.742 को आरओसी कर्भ (AUC) अन्तर्गत क्षेत्र र 3 वर्षको समग्र अस्तित्व (OS) मा स्थापित भएको थियो [15]।थप रूपमा, lncRNA अभिव्यक्ति मानहरू विभिन्न जीनोमहरू, विभिन्न डेटा ढाँचाहरू, र विभिन्न बिरामीहरू बीच भिन्न हुन्छन्, र भविष्यवाणी मोडेलको प्रदर्शन अस्थिर छ।त्यसकारण, हामी एक उपन्यास मोडलिङ एल्गोरिदम, जोडी र पुनरावृत्ति प्रयोग गर्छौं, प्रतिरक्षा-सम्बन्धित lncRNA (irlncRNA) हस्ताक्षरहरू उत्पन्न गर्न थप सटीक र स्थिर भविष्यवाणी मोडेल सिर्जना गर्न [8]।
सामान्यीकृत RNAseq डाटा (FPKM) र क्लिनिकल प्यान्क्रियाटिक क्यान्सर TCGA र जीनोटाइप टिश्यू एक्सप्रेशन (GTEx) डाटा UCSC XENA डाटाबेस ( https://xenabrowser.net/datapages/ ) बाट प्राप्त गरिएको थियो।GTF फाइलहरू Ensembl डेटाबेस ( http://asia.ensembl.org ) बाट प्राप्त गरियो र RNAseq बाट lncRNA अभिव्यक्ति प्रोफाइलहरू निकाल्न प्रयोग गरियो।हामीले ImmPort डाटाबेस (http://www.immport.org) बाट प्रतिरक्षा-सम्बन्धित जीनहरू डाउनलोड गर्यौं र सहसंबंध विश्लेषण (p <0.001, r > 0.4) प्रयोग गरेर प्रतिरक्षा-सम्बन्धित lncRNAs (irlncRNAs) पहिचान गर्यौं।TCGA-PAAD कोहोर्ट (|log|FDR|FDR ) <0.05)।
यो विधि पहिले रिपोर्ट गरिएको छ [8]।विशेष रूपमा, हामी जोडी lncRNA A र lncRNA B लाई प्रतिस्थापन गर्न X निर्माण गर्छौं। जब lncRNA A को अभिव्यक्ति मान lncRNA B को अभिव्यक्ति मान भन्दा बढी हुन्छ, X लाई 1 को रूपमा परिभाषित गरिन्छ, अन्यथा X लाई 0 को रूपमा परिभाषित गरिन्छ। त्यसैले, हामी प्राप्त गर्न सक्छौं। ० वा – १ को म्याट्रिक्स। म्याट्रिक्सको ठाडो अक्षले प्रत्येक नमूनालाई प्रतिनिधित्व गर्दछ, र तेर्सो अक्षले प्रत्येक DEirlncRNA जोडीलाई ० वा १ को मानको प्रतिनिधित्व गर्दछ।
यूनिभेरिएट रिग्रेसन विश्लेषण पछि लासो रिग्रेसन प्रोग्नोस्टिक DEirlncRNA जोडीहरू स्क्रिन गर्न प्रयोग गरिएको थियो।लासो रिग्रेसन विश्लेषणले 10-गुणा क्रस-प्रमाणीकरण 1000 पटक दोहोर्याइएको प्रयोग गर्यो ( p <0.05), प्रति दौडमा 1000 अनियमित उत्तेजनाहरूसँग।जब प्रत्येक DEirlncRNA जोडीको फ्रिक्वेन्सी 1000 चक्रहरूमा 100 पटक नाघ्यो, DEirlncRNA जोडीहरूलाई प्रोग्नोस्टिक जोखिम मोडेल निर्माण गर्न चयन गरियो।हामीले त्यसपछि PAAD बिरामीहरूलाई उच्च र कम जोखिम समूहहरूमा वर्गीकरण गर्नको लागि इष्टतम कटअफ मान फेला पार्न AUC वक्र प्रयोग गर्यौं।प्रत्येक मोडेलको AUC मान पनि गणना गरिएको थियो र वक्रको रूपमा प्लट गरिएको थियो।यदि वक्र अधिकतम AUC मान देखाउने उच्चतम बिन्दुमा पुग्छ भने, गणना प्रक्रिया रोकिन्छ र मोडेललाई उत्कृष्ट उम्मेद्वार मानिन्छ।1-, 3- र 5-वर्ष आरओसी कर्भ मोडेलहरू निर्माण गरियो।युनिभेरिएट र मल्टीभिरिएट रिग्रेसन विश्लेषणहरू प्रोग्नोस्टिक जोखिम मोडेलको स्वतन्त्र भविष्यवाणी प्रदर्शन परीक्षण गर्न प्रयोग गरियो।
XCELL, TIMER, QUANTISEQ, MCPCOUNTER, EPIC, CIBERSORT-ABS, र CIBERSORT सहित प्रतिरक्षा सेल घुसपैठ दरहरू अध्ययन गर्न सात उपकरणहरू प्रयोग गर्नुहोस्।प्रतिरक्षा सेल घुसपैठ डेटा TIMER2 डाटाबेस (http://timer.comp-genomics.org/#tab-5817-3) बाट डाउनलोड गरिएको थियो।निर्माण गरिएको मोडेलको उच्च र कम जोखिम समूहहरू बीचको प्रतिरक्षा-घुसाउने कोशिकाहरूको सामग्रीमा भिन्नता विल्कोक्सन हस्ताक्षरित-रैंक परीक्षण प्रयोग गरेर विश्लेषण गरिएको थियो, परिणामहरू वर्ग ग्राफमा देखाइएको छ।स्पियरम्यान सहसंबंध विश्लेषण जोखिम स्कोर मानहरू र प्रतिरक्षा-घुसाउने कोशिकाहरू बीचको सम्बन्धको विश्लेषण गर्न प्रदर्शन गरिएको थियो।परिणामस्वरूप सहसंबंध गुणांकलाई ललीपपको रूपमा देखाइएको छ।महत्व थ्रेसहोल्ड p <0.05 मा सेट गरिएको थियो।प्रक्रिया आर प्याकेज ggplot2 प्रयोग गरेर प्रदर्शन गरिएको थियो।प्रतिरक्षा सेल घुसपैठ दरसँग सम्बन्धित मोडेल र जीन अभिव्यक्ति स्तरहरू बीचको सम्बन्ध जाँच गर्न, हामीले ggstatsplot प्याकेज र वायलिन प्लट दृश्य प्रदर्शन गर्यौं।
प्यान्क्रियाटिक क्यान्सरको लागि क्लिनिकल उपचार ढाँचाहरूको मूल्याङ्कन गर्न, हामीले TCGA-PAAD कोहोर्टमा सामान्यतया प्रयोग हुने केमोथेरापी औषधिहरूको IC50 गणना गर्यौं।उच्च र कम जोखिम समूहहरू बीचको आधा अवरोध सांद्रता (IC50) मा भिन्नताहरू विल्कोक्सन हस्ताक्षरित-रैंक परीक्षण प्रयोग गरी तुलना गरिएको थियो, र परिणामहरू आर मा pRRophetic र ggplot2 प्रयोग गरेर उत्पन्न गरिएको बक्सप्लटको रूपमा देखाइन्छ। सबै विधिहरू सान्दर्भिक दिशानिर्देशहरू र मापदण्डहरूको पालना गर्छन्।
हाम्रो अध्ययनको कार्यप्रवाह चित्र १ मा देखाइएको छ। lncRNAs र प्रतिरक्षा-सम्बन्धित जीनहरू बीचको सम्बन्ध विश्लेषण प्रयोग गरेर, हामीले p <0.01 र r > 0.4 सँग 724 irlncRNAs चयन गर्यौं।हामीले अर्को GEPIA2 (चित्र 2A) को भिन्न रूपमा व्यक्त lncRNAs को विश्लेषण गर्यौं।कुल 223 irlncRNAs DEirlncRNAs नामक प्यान्क्रियाटिक एडेनोकार्सिनोमा र सामान्य प्यान्क्रियाटिक टिश्यू (|logFC| > 1, FDR <0.05) बीच भिन्नता व्यक्त गरिएको थियो।
भविष्यवाणी जोखिम मोडेल को निर्माण।(A) भिन्न रूपमा व्यक्त lncRNAs को ज्वालामुखी प्लट।(B) 20 DEirlncRNA जोडीहरूको लागि लासो गुणांकको वितरण।(C) LASSO गुणांक वितरणको आंशिक सम्भावना भिन्नता।(D) वन प्लटले २० DEirlncRNA जोडीहरूको अविभिन्न प्रतिगमन विश्लेषण देखाउँदै।
हामीले अर्को 223 DEirlncRNAs जोडेर 0 वा 1 म्याट्रिक्स निर्माण गर्यौं।कुल 13,687 DEirlncRNA जोडीहरू पहिचान गरियो।युनिभेरिएट र लासो रिग्रेसन विश्लेषण पछि, 20 DEirlncRNA जोडीहरू अन्ततः प्रोग्नोस्टिक जोखिम मोडेल (चित्र 2B-D) निर्माण गर्न परीक्षण गरियो।Lasso र बहु प्रतिगमन विश्लेषणको नतिजाको आधारमा, हामीले TCGA-PAAD कोहोर्ट (तालिका 1) मा प्रत्येक बिरामीको लागि जोखिम स्कोर गणना गर्यौं।लासो रिग्रेसन विश्लेषणको नतिजाको आधारमा, हामीले TCGA-PAAD कोहोर्टमा प्रत्येक बिरामीको लागि जोखिम स्कोर गणना गर्यौं।ROC कर्भको AUC 1-वर्षको जोखिम मोडेल भविष्यवाणीको लागि 0.905, 2-वर्षको भविष्यवाणीको लागि 0.942, र 3-वर्षको भविष्यवाणी (चित्र 3A-B) को लागि 0.966 थियो।हामीले 3.105 को एक इष्टतम कटअफ मान सेट गर्यौं, TCGA-PAAD कोहोर्ट रोगीहरूलाई उच्च- र कम-जोखिम समूहहरूमा स्तरीकृत गर्यौं, र प्रत्येक बिरामीको लागि बाँच्नको परिणामहरू र जोखिम स्कोर वितरणको योजना बनायौं (चित्र 3C-E)।Kaplan-Meier विश्लेषणले देखाएको छ कि उच्च-जोखिम समूहमा PAAD बिरामीहरूको अस्तित्व कम जोखिम समूह (p <0.001) (चित्र 3F) मा बिरामीहरूको तुलनामा उल्लेखनीय रूपमा कम थियो।
प्रोग्नोस्टिक जोखिम मोडेलहरूको वैधता।(A) प्रोग्नोस्टिक जोखिम मोडेलको ROC।(B) 1-, 2-, र 3-वर्ष ROC प्रोग्नोस्टिक जोखिम मोडेलहरू।(C) प्रोग्नोस्टिक जोखिम मोडेलको ROC।इष्टतम कट-अफ बिन्दु देखाउँछ।(DE) बाँच्नको स्थिति (D) र जोखिम स्कोर (E) को वितरण।(एफ) उच्च र कम जोखिम समूहहरूमा PAAD बिरामीहरूको कपलान-मेयर विश्लेषण।
हामीले क्लिनिकल विशेषताहरूद्वारा जोखिम स्कोरहरूमा भिन्नताहरू मूल्याङ्कन गर्यौं।स्ट्रिप प्लट (चित्र 4A) ले क्लिनिकल विशेषताहरू र जोखिम स्कोरहरू बीचको समग्र सम्बन्ध देखाउँछ।विशेष गरी, वृद्ध बिरामीहरूको उच्च जोखिम स्कोर थियो (चित्र 4B)।थप रूपमा, चरण II भएका बिरामीहरूलाई चरण I (चित्र 4C) भएका बिरामीहरू भन्दा उच्च जोखिम स्कोरहरू थिए।PAAD बिरामीहरूमा ट्यूमर ग्रेडको सन्दर्भमा, ग्रेड 3 बिरामीहरूमा ग्रेड 1 र 2 बिरामीहरू (चित्र 4D) भन्दा उच्च जोखिम स्कोरहरू थिए।हामीले अप्रत्यक्ष र बहुविभिन्न रिग्रेसन विश्लेषणहरू प्रदर्शन गर्यौं र प्रदर्शन गर्यौं कि जोखिम स्कोर (p <0.001) र उमेर (p = 0.045) PAAD (चित्र 5A-B) भएका बिरामीहरूमा स्वतन्त्र प्रोग्नोस्टिक कारकहरू थिए।आरओसी कर्भले PAAD (चित्र 5C-E) भएका बिरामीहरूको 1-, 2-, र 3-वर्षको बाँच्ने भविष्यवाणी गर्ने अन्य क्लिनिकल विशेषताहरू भन्दा जोखिम स्कोर उच्च थियो भनेर देखाएको छ।
प्रोग्नोस्टिक जोखिम मोडेलहरूको क्लिनिकल विशेषताहरू।हिस्टोग्राम (A) ले (B) उमेर, (C) ट्यूमर चरण, (D) ट्यूमर ग्रेड, जोखिम स्कोर, र TCGA-PAAD कोहोर्टमा बिरामीहरूको लिङ्ग देखाउँछ।**p <0.01
प्रोग्नोस्टिक जोखिम मोडेलहरूको स्वतन्त्र भविष्यवाणी विश्लेषण।(AB) Univariate (A) र multivariate (B) प्रोग्नोस्टिक जोखिम मोडेल र क्लिनिकल विशेषताहरूको रिग्रेसन विश्लेषण।(CE) 1-, 2-, र 3-वर्षको ROC प्रोग्नोस्टिक जोखिम मोडेलहरू र क्लिनिकल विशेषताहरूका लागि
त्यसकारण, हामीले समय र जोखिम स्कोरहरू बीचको सम्बन्धलाई जाँच्यौं।हामीले पत्ता लगायौं कि PAAD बिरामीहरूमा जोखिम स्कोर CD8 + T कोशिकाहरू र NK कोशिकाहरू (चित्र 6A) सँग उल्टो सम्बन्ध थियो, उच्च जोखिम समूहमा दबाइएको प्रतिरक्षा प्रकार्यलाई संकेत गर्दै।हामीले उच्च र कम जोखिम समूहहरू बीच प्रतिरक्षा सेल घुसपैठमा भिन्नताको पनि मूल्याङ्कन गर्यौं र उही परिणामहरू फेला पार्यौं (चित्र 7)।उच्च जोखिम समूहमा CD8+ T कोशिकाहरू र NK कोशिकाहरूको कम घुसपैठ थियो।हालका वर्षहरूमा, प्रतिरक्षा चेकपोइन्ट अवरोधकहरू (ICIs) ठोस ट्यूमरहरूको उपचारमा व्यापक रूपमा प्रयोग गरिएको छ।यद्यपि, प्यान्क्रियाटिक क्यान्सरमा ICIs को प्रयोग विरलै सफल भएको छ।त्यसकारण, हामीले उच्च र कम जोखिम समूहहरूमा प्रतिरक्षा चेकपोइन्ट जीनको अभिव्यक्तिको मूल्याङ्कन गर्यौं।हामीले पत्ता लगायौं कि CTLA-4 र CD161 (KLRB1) कम जोखिम समूह (चित्र 6B-G) मा ओभरएक्सप्रेस गरिएको थियो, कम जोखिम समूहमा PAAD बिरामीहरू ICI प्रति संवेदनशील हुन सक्छ भनेर संकेत गर्दछ।
प्रोग्नोस्टिक जोखिम मोडेल र प्रतिरक्षा सेल घुसपैठ को सम्बन्ध विश्लेषण।(ए) प्रोग्नोस्टिक जोखिम मोडेल र प्रतिरक्षा सेल घुसपैठ बीचको सम्बन्ध।(BG) उच्च र कम जोखिम समूहहरूमा जीन अभिव्यक्तिलाई संकेत गर्दछ।(HK) उच्च र कम जोखिम समूहहरूमा विशिष्ट एन्टिक्यान्सर औषधिहरूको लागि IC50 मानहरू।*p <0.05, **p <0.01, ns = महत्त्वपूर्ण छैन
हामीले TCGA-PAAD कोहोर्टमा जोखिम स्कोर र साझा केमोथेरापी एजेन्टहरू बीचको सम्बन्धलाई थप मूल्याङ्कन गर्यौं।हामीले प्यान्क्रियाटिक क्यान्सरमा सामान्यतया प्रयोग हुने एन्टीक्यान्सर औषधिहरू खोज्यौं र तिनीहरूको IC50 मानहरूमा उच्च र कम जोखिम समूहहरू बीचको भिन्नताहरू विश्लेषण गर्यौं।नतिजाहरूले देखाए कि AZD.2281 (olaparib) को IC50 मान उच्च-जोखिम समूहमा उच्च थियो, उच्च जोखिम समूहमा PAAD बिरामीहरू AZD.2281 उपचार (चित्र 6H) को प्रतिरोधी हुन सक्छ भनेर संकेत गर्दछ।थप रूपमा, paclitaxel, sorafenib, र erlotinib को IC50 मानहरू उच्च जोखिम समूह (चित्र 6I-K) मा कम थिए।हामीले उच्च जोखिम समूहमा उच्च IC50 मान भएका 34 एन्टिक्यान्सर औषधिहरू र उच्च जोखिम समूह (तालिका 2) मा कम IC50 मानहरूसँग 34 एन्टिक्यान्सर औषधिहरू पहिचान गर्यौं।
lncRNAs, mRNAs, र miRNAs व्यापक रूपमा अवस्थित छन् र क्यान्सरको विकासमा महत्त्वपूर्ण भूमिका खेल्छन् भन्ने कुरालाई नकार्न सकिँदैन।धेरै प्रकारका क्यान्सरहरूमा समग्र बाँच्ने भविष्यवाणी गर्न mRNA वा miRNA को महत्त्वपूर्ण भूमिकालाई समर्थन गर्ने पर्याप्त प्रमाणहरू छन्।निस्सन्देह, धेरै भविष्यवाणी जोखिम मोडेलहरू lncRNAs मा आधारित छन्।उदाहरणका लागि, लुओ एट अल।अध्ययनहरूले देखाएको छ कि LINC01094 ले पीसी प्रसार र मेटास्टेसिसमा मुख्य भूमिका खेल्छ, र LINC01094 को उच्च अभिव्यक्तिले प्यान्क्रियाटिक क्यान्सर रोगीहरूको कमजोर अस्तित्वलाई संकेत गर्दछ [16]।लिन एट अल द्वारा प्रस्तुत अध्ययन।अध्ययनहरूले देखाएको छ कि lncRNA FLVCR1-AS1 को डाउनरेगुलेसन प्यान्क्रियाटिक क्यान्सर रोगीहरूमा कमजोर पूर्वानुमानसँग सम्बन्धित छ [१७]।यद्यपि, प्रतिरक्षा-सम्बन्धित lncRNAs क्यान्सर बिरामीहरूको समग्र अस्तित्वको भविष्यवाणी गर्ने सन्दर्भमा तुलनात्मक रूपमा कम छलफल गरिन्छ।भर्खरै, क्यान्सर रोगीहरूको अस्तित्वको भविष्यवाणी गर्न र यसरी उपचार विधिहरू समायोजन गर्न प्रोग्नोस्टिक जोखिम मोडेलहरू निर्माणमा कामको ठूलो मात्रामा ध्यान केन्द्रित गरिएको छ [18, 19, 20]।क्यान्सर प्रारम्भ, प्रगति, र केमोथेरापी जस्ता उपचारहरूको प्रतिक्रियामा प्रतिरक्षा घुसपैठहरूको महत्त्वपूर्ण भूमिकाको बढ्दो मान्यता छ।धेरै अध्ययनहरूले पुष्टि गरेका छन् कि ट्युमर-घुसाउने प्रतिरक्षा कोशिकाहरूले साइटोटोक्सिक केमोथेरापीको प्रतिक्रियामा महत्त्वपूर्ण भूमिका खेल्छन् [21, 22, 23]।ट्यूमर प्रतिरक्षा सूक्ष्म वातावरण ट्यूमर रोगीहरु को अस्तित्व मा एक महत्वपूर्ण कारक हो [24, 25]।इम्युनोथेरापी, विशेष गरी आईसीआई थेरापी, ठोस ट्यूमरको उपचारमा व्यापक रूपमा प्रयोग गरिन्छ [२६]।प्रतिरक्षा-सम्बन्धित जीनहरू प्रोग्नोस्टिक जोखिम मोडेलहरू निर्माण गर्न व्यापक रूपमा प्रयोग गरिन्छ।उदाहरण को लागी, Su et al।प्रतिरक्षा-सम्बन्धित प्रोग्नोस्टिक जोखिम मोडेल प्रोटिन-कोडिङ जीनमा आधारित हुन्छ जसले डिम्बाशयको क्यान्सर रोगीहरूको भविष्यवाणीको भविष्यवाणी गर्दछ [27]।गैर-कोडिङ जीनहरू जस्तै lncRNAs पनि प्रोग्नोस्टिक जोखिम मोडेलहरू निर्माण गर्नका लागि उपयुक्त छन् [28, 29, 30]।लुओ एट अलले चार प्रतिरक्षा-सम्बन्धित lncRNAs परीक्षण गरे र गर्भाशय ग्रीवाको क्यान्सर जोखिमको लागि भविष्यवाणी मोडेल निर्माण गरे [31]।खान आदि।कुल 32 भिन्न रूपमा व्यक्त ट्रान्सक्रिप्टहरू पहिचान गरिएको थियो, र यसको आधारमा, 5 महत्त्वपूर्ण ट्रान्सक्रिप्टहरूको साथ एक भविष्यवाणी मोडेल स्थापना गरिएको थियो, जुन मृगौला प्रत्यारोपण पछि बायोप्सी-प्रमाणित तीव्र अस्वीकृतिको भविष्यवाणी गर्नको लागि अत्यधिक सिफारिस गरिएको उपकरणको रूपमा प्रस्ताव गरिएको थियो [32]।
यी धेरै मोडेलहरू जीन अभिव्यक्ति स्तरहरूमा आधारित हुन्छन्, या त प्रोटीन-कोडिङ जीनहरू वा गैर-कोडिङ जीनहरू।यद्यपि, एउटै जीनले विभिन्न जीनोम, डेटा ढाँचा र विभिन्न रोगीहरूमा फरक अभिव्यक्ति मानहरू हुन सक्छ, जसले भविष्यवाणी मोडेलहरूमा अस्थिर अनुमानहरू निम्त्याउँछ।यस अध्ययनमा, हामीले lncRNA को दुई जोडीहरूसँग एक उचित मोडेल निर्माण गर्यौं, सही अभिव्यक्ति मानहरूबाट स्वतन्त्र।
यस अध्ययनमा, हामीले प्रतिरक्षा-सम्बन्धित जीनहरूसँग सहसंबंध विश्लेषण मार्फत पहिलो पटक irlncRNA पहिचान गर्यौं।हामीले 223 DEirlncRNAs लाई भिन्न रूपमा व्यक्त lncRNA सँग हाइब्रिडाइजेसनद्वारा जाँच गर्यौं।दोस्रो, हामीले प्रकाशित DEirlncRNA जोडी विधि [31] मा आधारित 0-वा-1 म्याट्रिक्स निर्माण गर्यौं।हामीले त्यसपछि प्रोग्नोस्टिक DEirlncRNA जोडीहरू पहिचान गर्न र भविष्यवाणी गर्ने जोखिम मोडेल निर्माण गर्न युनिभरिएट र लासो रिग्रेसन विश्लेषणहरू प्रदर्शन गर्यौं।हामीले PAAD भएका बिरामीहरूमा जोखिम स्कोर र क्लिनिकल विशेषताहरू बीचको सम्बन्धलाई थप विश्लेषण गर्यौं।हामीले फेला पारेका छौं कि हाम्रो प्रोग्नोस्टिक जोखिम मोडेल, PAAD बिरामीहरूमा एक स्वतन्त्र प्रोग्नोस्टिक कारकको रूपमा, प्रभावकारी रूपमा उच्च-ग्रेडका बिरामीहरूलाई निम्न-ग्रेडका बिरामीहरू र उच्च-ग्रेडका बिरामीहरूलाई निम्न-ग्रेडका बिरामीहरूबाट छुट्याउन सक्छ।थप रूपमा, प्रोग्नोस्टिक जोखिम मोडेलको आरओसी कर्भको AUC मानहरू १-वर्षको पूर्वानुमानको लागि ०.९०५, २-वर्षको पूर्वानुमानको लागि ०.९४२ र ३-वर्षको पूर्वानुमानको लागि ०.९६६ थिए।
शोधकर्ताहरूले रिपोर्ट गरे कि उच्च CD8 + T सेल घुसपैठ भएका बिरामीहरू आईसीआई उपचार [33] को लागी अधिक संवेदनशील थिए।ट्यूमर प्रतिरक्षा सूक्ष्म वातावरणमा साइटोटोक्सिक कोशिकाहरू, CD56 NK कोशिकाहरू, NK कोशिकाहरू र CD8 + T कोशिकाहरूको सामग्रीमा भएको वृद्धि ट्यूमर दमनकारी प्रभाव [34] को एक कारण हुन सक्छ।अघिल्लो अध्ययनहरूले देखाए कि ट्युमर-घुसपैठ गर्ने CD4(+) T र CD8(+) T को उच्च स्तरहरू लामो समयसम्म बाँच्न [35] सँग सम्बन्धित थिए।कमजोर CD8 T सेल घुसपैठ, कम neoantigen लोड, र एक उच्च इम्युनोसप्रेसिभ ट्यूमर माइक्रोएनवायरनमेन्टले ICI थेरापी [36] लाई प्रतिक्रियाको कमीको नेतृत्व गर्दछ।हामीले पत्ता लगायौं कि जोखिम स्कोर नकारात्मक रूपमा CD8 + T कोशिकाहरू र NK कोशिकाहरूसँग सम्बन्धित थियो, यसले संकेत गर्दछ कि उच्च जोखिम स्कोर भएका बिरामीहरू ICI उपचारको लागि उपयुक्त नहुन सक्छ र अझ खराब पूर्वानुमान हुन सक्छ।
CD161 प्राकृतिक हत्यारा (NK) कोशिकाहरूको मार्कर हो।CD8+CD161+ CAR-ट्रान्सड्युस गरिएको T कोशिकाहरूले HER2+ प्यान्क्रियाटिक डक्टल एडेनोकार्सिनोमा xenograft मोडेलहरूमा भिवो एन्टिट्यूमर प्रभावकारितामा बृद्धि गरिएको मध्यस्थता [37]।प्रतिरक्षा चेकपोइन्ट अवरोधकहरूले साइटोटोक्सिक टी लिम्फोसाइट सम्बन्धित प्रोटीन 4 (CTLA-4) र प्रोग्राम गरिएको सेल मृत्यु प्रोटीन 1 (PD-1) / प्रोग्राम गरिएको सेल मृत्यु ligand 1 (PD-L1) मार्गहरूलाई लक्षित गर्दछ र धेरै क्षेत्रमा ठूलो सम्भावना छ।CTLA-4 र CD161 (KLRB1) को अभिव्यक्ति उच्च जोखिम समूहहरूमा कम छ, थप संकेत गर्दछ कि उच्च जोखिम स्कोर भएका बिरामीहरू ICI उपचारको लागि योग्य नहुन सक्छन्।[३८]
उच्च जोखिम भएका बिरामीहरूको लागि उपयुक्त उपचार विकल्पहरू फेला पार्न, हामीले विभिन्न एन्टिक्यान्सर औषधिहरूको विश्लेषण गर्यौं र पत्ता लगायौं कि प्याक्लिटाक्सेल, सोराफेनिब र एर्लोटिनिब, जुन PAAD भएका बिरामीहरूमा व्यापक रूपमा प्रयोग गरिन्छ, PAAD भएका उच्च जोखिम भएका बिरामीहरूको लागि उपयुक्त हुन सक्छ।[३३]।Zhang et al ले पत्ता लगायो कि कुनै पनि DNA क्षति प्रतिक्रिया (DDR) मार्गमा उत्परिवर्तनले प्रोस्टेट क्यान्सर रोगीहरूमा खराब रोगको निदान हुन सक्छ [39]।प्यान्क्रियाटिक क्यान्सर ओलापारिब अनगोइङ (POLO) परीक्षणले प्यान्क्रियाटिक डक्टल एडेनोकार्सिनोमा र जर्मलाइन BRCA1/2 उत्परिवर्तन भएका बिरामीहरूमा पहिलो-लाइन प्लेटिनम-आधारित केमोथेरापी पछि प्लेसबोको तुलनामा ओलापारिबको साथ मर्मत उपचारले लामो प्रगति-मुक्त बाँच्ने देखाएको छ।यसले रोगीहरूको यस उपसमूहमा उपचारका नतिजाहरू उल्लेखनीय रूपमा सुधार हुनेछ भन्ने महत्त्वपूर्ण आशावाद प्रदान गर्दछ।यस अध्ययनमा, AZD.2281 (olaparib) को IC50 मान उच्च जोखिम समूहमा उच्च थियो, जसले उच्च जोखिम समूहमा PAAD रोगीहरू AZD.2281 सँग उपचार गर्न प्रतिरोधी हुन सक्छ भनेर संकेत गर्दछ।
यस अध्ययनमा भविष्यवाणी गर्ने मोडेलहरूले राम्रो पूर्वानुमान परिणामहरू उत्पादन गर्छन्, तर तिनीहरू विश्लेषणात्मक पूर्वानुमानमा आधारित हुन्छन्।क्लिनिकल डेटाको साथ यी परिणामहरू कसरी पुष्टि गर्ने एक महत्त्वपूर्ण प्रश्न हो।इन्डोस्कोपिक फाइन सुई एस्पिरेशन अल्ट्रासोनोग्राफी (EUS-FNA) 85% को संवेदनशीलता र 98% [41] को विशिष्टता संग ठोस र extrapancreatic प्यान्क्रियाटिक घाव निदान को लागी एक अपरिहार्य तरीका भएको छ।EUS फाइन-निडल बायोप्सी (EUS-FNB) सुईहरूको आगमन मुख्यतया FNA मा कथित फाइदाहरूमा आधारित छ, जस्तै उच्च निदान सटीकता, नमूनाहरू प्राप्त गर्ने जसले हिस्टोलोजिकल संरचनालाई सुरक्षित राख्छ, र यसरी निश्चित निदानहरूको लागि महत्वपूर्ण हुने प्रतिरक्षा तन्तुहरू उत्पन्न गर्दछ।विशेष दाग [42]।साहित्यको व्यवस्थित समीक्षाले पुष्टि गर्यो कि FNB सुई (विशेष गरी 22G) ले प्यान्क्रियाटिक जनसङ्ख्या [43] बाट टिस्यु कटाईमा उच्चतम दक्षता प्रदर्शन गर्दछ।चिकित्सकीय रूपमा, थोरै सङ्ख्यामा मात्रै रोगीहरू कट्टरपन्थी शल्यक्रियाका लागि योग्य हुन्छन्, र धेरैजसो बिरामीहरूमा प्रारम्भिक निदानको समयमा अकार्यक्षम ट्यूमरहरू हुन्छन्।नैदानिक अभ्यासमा, रोगीहरूको एक सानो अनुपात मात्र कट्टरपन्थी शल्यक्रियाको लागि उपयुक्त हुन्छ किनभने अधिकांश बिरामीहरूमा प्रारम्भिक निदानको समयमा अकार्यक्षम ट्यूमरहरू हुन्छन्।EUS-FNB र अन्य विधिहरूद्वारा रोगविज्ञान पुष्टि भएपछि, केमोथेरापी जस्ता मानकीकृत गैर-सर्जिकल उपचार सामान्यतया छनौट गरिन्छ।हाम्रो पछिको अनुसन्धान कार्यक्रम पूर्वव्यापी विश्लेषण मार्फत शल्य चिकित्सा र गैर-सर्जिकल कोहोर्टहरूमा यस अध्ययनको प्रोग्नोस्टिक मोडेलको परीक्षण गर्नु हो।
समग्रमा, हाम्रो अध्ययनले जोडिएको irlncRNA मा आधारित नयाँ प्रोग्नोस्टिक जोखिम मोडेल स्थापना गर्यो, जसले प्यान्क्रियाटिक क्यान्सर भएका बिरामीहरूमा आशाजनक प्रोग्नोस्टिक मूल्य देखाउँदछ।हाम्रो प्रोग्नोस्टिक जोखिम मोडेलले PAAD भएका बिरामीहरूलाई चिकित्सा उपचारको लागि उपयुक्त छुट्याउन मद्दत गर्न सक्छ।
हालको अध्ययनमा प्रयोग गरिएका र विश्लेषण गरिएका डाटासेटहरू उचित अनुरोधमा सम्बन्धित लेखकबाट उपलब्ध छन्।
Sui Wen, Gong X, Zhuang Y. COVID-19 महामारीको समयमा नकारात्मक भावनाहरूको भावनात्मक नियमनमा आत्म-प्रभावकारिताको मध्यस्थताको भूमिका: एक क्रस-सेक्शनल अध्ययन।इंट जे मेन्ट हेल्थ नर्स [जर्नल लेख]।२०२१ ०६/०१/२०२१;३०(३):७५९–७१।
सुई वेन, गोंग एक्स, क्यूआओ एक्स, झांग एल, चेंग जे, डोंग जे, एट अल।गहन हेरचाह एकाइहरूमा वैकल्पिक निर्णय गर्ने बारे परिवारका सदस्यहरूको विचार: एक व्यवस्थित समीक्षा।आईएनटी जे नर्स स्टड [पत्रिका लेख;समीक्षा]।२०२३ ०१/०१/२०२३; १३७:१०४३९१।
विन्सेन्ट ए, हर्मन जे, शुलिच आर, ह्रुबन आरएच, गोगिन्स एम। प्यान्क्रियाटिक क्यान्सर।ल्यान्सेट।[पत्रिका लेख;अनुसन्धान समर्थन, NIH, बाह्य;अनुसन्धान समर्थन, अमेरिका बाहिर सरकार;समीक्षा]।2011 08/13/2011; 378(9791):607–20।
Ilic M, Ilic I. प्यान्क्रियाटिक क्यान्सरको महामारी विज्ञान।ग्यास्ट्रोएन्टेरोलजीको विश्व जर्नल।[जर्नल लेख, समीक्षा]।2016 11/28/2016; 22(44):9694–705।
लिउ एक्स, चेन बी, चेन जे, सन एस। प्यान्क्रियाटिक क्यान्सर भएका बिरामीहरूमा समग्र बाँच्ने भविष्यवाणी गर्नको लागि नयाँ tp53-सम्बन्धित नोमोग्राम।BMC क्यान्सर [जर्नल लेख]।२०२१ ३१-०३-२०२१; २१(१):३३५।
Xian X, Zhu X, Chen Y, Huang B, Xiang W. केमोथेरापी प्राप्त गर्ने कोलोरेक्टल क्यान्सर बिरामीहरूमा क्यान्सर-सम्बन्धित थकानमा समाधान-केन्द्रित थेरापीको प्रभाव: एक अनियमित नियन्त्रण परीक्षण।क्यान्सर नर्स।[पत्रिका लेख;अनियमित नियन्त्रित परीक्षण;यो अध्ययन संयुक्त राज्य अमेरिका बाहिर सरकार द्वारा समर्थित छ]।2022 05/01/2022; 45(3):E663–73।
झांग चेंग, झेंग वेन, लु वाई, शान एल, जू डोंग, पान वाई, आदि।पोस्टऑपरेटिभ कार्सिनोइम्ब्रोनिक एन्टिजेन (CEA) लेभलले सामान्य प्रीऑपरेटिभ CEA स्तर भएका बिरामीहरूमा कोलोरेक्टल क्यान्सर रिसेक्शन पछि नतिजाको भविष्यवाणी गर्छ।अनुवाद क्यान्सर अनुसन्धान केन्द्र।[जर्नल लेख]।२०२० ०१.०१.२०२०; ९(१):१११–८।
हङ वेन, लिआंग ली, गु यू, क्यू जि, किउ हुआ, यांग एक्स, आदि।प्रतिरक्षा-सम्बन्धित lncRNAs ले उपन्यास हस्ताक्षरहरू उत्पन्न गर्दछ र मानव हेपाटोसेलुलर कार्सिनोमाको प्रतिरक्षा परिदृश्यको भविष्यवाणी गर्दछ।मोल थेर न्यूक्लिक एसिड [जर्नल लेख]।2020 2020-12-04; 22:937 - 47।
Toffey RJ, Zhu Y., Schulich RD इम्युनोथेरापी प्यान्क्रियाटिक क्यान्सरको लागि: अवरोध र सफलताहरू।एन ग्यास्ट्रोइंटेस्टाइनल सर्जन [जर्नल लेख;समीक्षा]।२०१८ ०७/०१/२०१८;२(४):२७४–८१।
हल आर, म्बिता जेड, डलामिनी जेड। लामो गैर-कोडिङ RNAs (LncRNAs), भाइरल ट्युमर जीनोमिक्स र एबरेन्ट स्प्लिसिङ घटनाहरू: चिकित्सकीय प्रभाव।AM J CANCER RES [जर्नल लेख;समीक्षा]।२०२१ ०१/२०/२०२१; ११(३):८६६–८३।
वाङ जे, चेन पी, झाङ वाई, डिंग जे, याङ वाई, ली एच। 11-एन्डोमेट्रियल क्यान्सर प्रोग्नोसिससँग सम्बन्धित lncRNA हस्ताक्षरहरूको पहिचान।विज्ञानका उपलब्धिहरू [पत्रिका लेख]।2021 2021-01-01; 104(1):311977089।
Jiang S, Ren H, Liu S, Lu Z, Xu A, Qin S, et al।पेपिलरी सेल रेनल सेल कार्सिनोमामा आरएनए-बाइंडिंग प्रोटीन प्रोग्नोस्टिक जीन र औषधि उम्मेद्वारहरूको व्यापक विश्लेषण।pregen[जर्नल लेख]।२०२१ ०१/२०/२०२१; १२:६२७५०८।
ली एक्स, चेन जे, यू क्यू, हुआंग एक्स, लिउ जेड, वांग एक्स, एट अल।अटोफ्याजी-सम्बन्धित लामो गैर-कोडिङ आरएनएका विशेषताहरूले स्तन क्यान्सरको भविष्यवाणी गर्छ।pregen[जर्नल लेख]।२०२१ ०१/२०/२०२१; १२:५६९३१८।
Zhou M, Zhang Z, Zhao X, Bao S, Cheng L, Sun J. प्रतिरक्षा-सम्बन्धित छ lncRNA हस्ताक्षरले ग्लियोब्लास्टोमा मल्टिफार्ममा रोगको निदान सुधार गर्दछ।MOL न्यूरोबायोलोजी।[जर्नल लेख]।२०१८ ०१.०५.२०१८;५५(५):३६८४–९७।
Wu B, Wang Q, Fei J, Bao Y, Wang X, Song Z, et al।एक उपन्यास tri-lncRNA हस्ताक्षरले प्यान्क्रियाटिक क्यान्सर भएका बिरामीहरूको बाँच्ने भविष्यवाणी गर्दछ।ओन्कोलका प्रतिनिधिहरू।[जर्नल लेख]।2018 12/01/2018; 40(6):3427–37।
Luo C, Lin K, Hu C, Zhu X, Zhu J, Zhu Z. LINC01094 ले LIN28B अभिव्यक्ति र स्पन्ज्ड miR-577 मार्फत PI3K/AKT मार्गलाई नियमन गरेर प्यान्क्रियाटिक क्यान्सरको प्रगतिलाई बढावा दिन्छ।मोल थेराप्यूटिक्स - न्यूक्लिक एसिड।२०२१; २६:५२३–३५।
लिन J, Zhai X, Zou S, Xu Z, Zhang J, Jiang L, et al।lncRNA FLVCR1-AS1 र KLF10 बीचको सकारात्मक प्रतिक्रियाले PTEN/AKT मार्ग मार्फत प्यान्क्रियाटिक क्यान्सरको प्रगतिलाई रोक्न सक्छ।J EXP क्लिनिक क्यान्सर Res.२०२१;४०(१)।
Zhou X, Liu X, Zeng X, Wu D, Liu L. हेपाटोसेलुलर कार्सिनोमामा समग्र अस्तित्वको भविष्यवाणी गर्ने तेह्र जीनहरूको पहिचान।Biosci प्रतिनिधि [जर्नल लेख]।२०२१ ०४/०९/२०२१।
पोस्ट समय: सेप्टेम्बर-22-2023