प्यान्क्रियाजको क्यान्सर संसारको सबैभन्दा घातक ट्युमरहरू मध्ये एक हो जसको रोगनिदान कमजोर हुन्छ। त्यसकारण, प्यान्क्रियाजको क्यान्सरको उच्च जोखिममा रहेका बिरामीहरूको पहिचान गर्न र यी बिरामीहरूको रोगनिदान सुधार गर्न एक सही भविष्यवाणी मोडेल आवश्यक छ।
हामीले UCSC Xena डाटाबेसबाट क्यान्सर जीनोम एटलस (TCGA) प्यान्क्रियाटिक एडेनोकार्सिनोमा (PAAD) RNAseq डेटा प्राप्त गर्यौं, सहसम्बन्ध विश्लेषण मार्फत प्रतिरक्षा-सम्बन्धित lncRNAs (irlncRNAs) पहिचान गर्यौं, र TCGA र सामान्य प्यान्क्रियाटिक एडेनोकार्सिनोमा तन्तुहरू बीचको भिन्नता पहिचान गर्यौं। TCGA बाट DEirlncRNA) र प्यान्क्रियाटिक तन्तुको जीनोटाइप टिस्यु अभिव्यक्ति (GTEx)। भविष्यवाणी हस्ताक्षर मोडेलहरू निर्माण गर्न थप एकरूप र लासो रिग्रेसन विश्लेषणहरू गरियो। त्यसपछि हामीले वक्र अन्तर्गत क्षेत्र गणना गर्यौं र उच्च र कम जोखिम प्यान्क्रियाटिक एडेनोकार्सिनोमा भएका बिरामीहरू पहिचान गर्न इष्टतम कटअफ मान निर्धारण गर्यौं। उच्च र कम जोखिम प्यान्क्रियाटिक क्यान्सर भएका बिरामीहरूमा क्लिनिकल विशेषताहरू, प्रतिरक्षा कोशिका घुसपैठ, इम्युनोसप्रेसिभ माइक्रोइनभाइरन्मेन्ट, र केमोथेरापी प्रतिरोध तुलना गर्न।
हामीले २० DEirlncRNA जोडीहरू पहिचान गर्यौं र इष्टतम कटअफ मान अनुसार बिरामीहरूलाई समूहबद्ध गर्यौं। हामीले प्रदर्शन गर्यौं कि हाम्रो प्रोग्नोस्टिक सिग्नेचर मोडेलले PAAD भएका बिरामीहरूको रोगनिदानको भविष्यवाणी गर्नमा महत्त्वपूर्ण प्रदर्शन गर्दछ। ROC कर्भको AUC १-वर्षको पूर्वानुमानको लागि ०.९०५, २-वर्षको पूर्वानुमानको लागि ०.९४२, र ३-वर्षको पूर्वानुमानको लागि ०.९६६ हो। उच्च जोखिम भएका बिरामीहरूको बाँच्ने दर कम र खराब क्लिनिकल विशेषताहरू थिए। हामीले यो पनि प्रदर्शन गर्यौं कि उच्च जोखिम भएका बिरामीहरू इम्युनोसप्रेस्ड हुन्छन् र इम्युनोथेरापीको प्रतिरोध विकास गर्न सक्छन्। कम्प्युटेशनल भविष्यवाणी उपकरणहरूमा आधारित प्याक्लिटेक्सेल, सोराफेनिब र एर्लोटिनिब जस्ता क्यान्सर प्रतिरोधी औषधिहरूको मूल्याङ्कन PAAD भएका उच्च जोखिम भएका बिरामीहरूको लागि उपयुक्त हुन सक्छ।
समग्रमा, हाम्रो अध्ययनले जोडी irlncRNA मा आधारित नयाँ भविष्यसूचक जोखिम मोडेल स्थापना गर्यो, जसले प्यान्क्रियाटिक क्यान्सर भएका बिरामीहरूमा आशाजनक भविष्यसूचक मूल्य देखाएको थियो। हाम्रो भविष्यसूचक जोखिम मोडेलले चिकित्सा उपचारको लागि उपयुक्त PAAD भएका बिरामीहरूलाई छुट्याउन मद्दत गर्न सक्छ।
प्यान्क्रियाटिक क्यान्सर पाँच वर्षको कम बाँच्ने दर र उच्च ग्रेड भएको घातक ट्युमर हो। निदानको समयमा, धेरैजसो बिरामीहरू पहिले नै उन्नत चरणहरूमा हुन्छन्। COVID-19 महामारीको सन्दर्भमा, प्यान्क्रियाटिक क्यान्सर भएका बिरामीहरूको उपचार गर्दा डाक्टर र नर्सहरू ठूलो दबाबमा हुन्छन्, र बिरामीका परिवारहरूले पनि उपचार निर्णय गर्दा धेरै दबाबहरूको सामना गर्छन् [1, 2]। यद्यपि DOADs को उपचारमा ठूलो प्रगति भएको छ, जस्तै neoadjuvant थेरापी, सर्जिकल रिसेक्शन, विकिरण थेरापी, केमोथेरापी, लक्षित आणविक थेरापी, र प्रतिरक्षा चेकपोइन्ट इनहिबिटरहरू (ICIs), निदान पछि पाँच वर्ष पछि लगभग 9% बिरामीहरू मात्र बाँच्छन् [3]। ], 4]। प्यान्क्रियाटिक एडेनोकार्सिनोमाका प्रारम्भिक लक्षणहरू असामान्य हुने भएकाले, बिरामीहरूलाई सामान्यतया उन्नत चरणमा मेटास्टेसेसको निदान गरिन्छ [5]। त्यसकारण, दिइएको बिरामीको लागि, व्यक्तिगत व्यापक उपचारले सबै उपचार विकल्पहरूको फाइदा र बेफाइदाहरूको तौल गर्नुपर्छ, बाँच्नको लागि मात्र होइन, तर जीवनको गुणस्तर सुधार गर्न पनि [6]। त्यसकारण, बिरामीको रोगनिदानको सही मूल्याङ्कन गर्न प्रभावकारी भविष्यवाणी मोडेल आवश्यक छ [7]। यसरी, PAAD भएका बिरामीहरूको बाँच्ने क्षमता र जीवनको गुणस्तर सन्तुलन गर्न उपयुक्त उपचार छनौट गर्न सकिन्छ।
PAAD को कमजोर पूर्वानुमान मुख्यतया केमोथेरापी औषधिहरूको प्रतिरोधको कारणले हो। हालका वर्षहरूमा, ठोस ट्युमरहरूको उपचारमा प्रतिरक्षा चेकप्वाइन्ट अवरोधकहरू व्यापक रूपमा प्रयोग गरिएको छ [8]। यद्यपि, प्यान्क्रियाटिक क्यान्सरमा ICIs को प्रयोग विरलै सफल हुन्छ [9]। त्यसैले, ICI थेरापीबाट लाभ उठाउन सक्ने बिरामीहरू पहिचान गर्नु महत्त्वपूर्ण छ।
लामो नन-कोडिङ आरएनए (lncRNA) एक प्रकारको नन-कोडिङ आरएनए हो जसमा ट्रान्सक्रिप्टहरू >२०० न्यूक्लियोटाइडहरू हुन्छन्। LncRNA हरू व्यापक छन् र मानव ट्रान्सक्रिप्टोमको लगभग ८०% गठन गर्छन् [१०]। कामको एक ठूलो समूहले देखाएको छ कि lncRNA-आधारित प्रोग्नोस्टिक मोडेलहरूले बिरामीको पूर्वानुमानलाई प्रभावकारी रूपमा भविष्यवाणी गर्न सक्छन् [११, १२]। उदाहरणका लागि, स्तन क्यान्सरमा प्रोग्नोस्टिक हस्ताक्षरहरू उत्पन्न गर्न १८ अटोफेजी-सम्बन्धित lncRNA हरू पहिचान गरिएको थियो [१३]। ग्लियोमाको प्रोग्नोस्टिक विशेषताहरू स्थापित गर्न छ अन्य प्रतिरक्षा-सम्बन्धित lncRNA हरू प्रयोग गरिएको छ [१४]।
प्यान्क्रियाटिक क्यान्सरमा, केही अध्ययनहरूले बिरामीको पूर्वानुमानको भविष्यवाणी गर्न lncRNA-आधारित हस्ताक्षरहरू स्थापित गरेका छन्। प्यान्क्रियाटिक एडेनोकार्सिनोमामा 3-lncRNA हस्ताक्षर स्थापित गरिएको थियो जसको ROC कर्भ (AUC) अन्तर्गतको क्षेत्रफल केवल 0.742 र समग्र बाँच्ने समय (OS) 3 वर्षको थियो [15]। थप रूपमा, lncRNA अभिव्यक्ति मानहरू विभिन्न जीनोमहरू, फरक डेटा ढाँचाहरू, र फरक बिरामीहरू बीच भिन्न हुन्छन्, र भविष्यवाणी गर्ने मोडेलको प्रदर्शन अस्थिर हुन्छ। त्यसकारण, हामी प्रतिरक्षा-सम्बन्धित lncRNA (irlncRNA) हस्ताक्षरहरू उत्पन्न गर्न एक उपन्यास मोडेलिङ एल्गोरिथ्म, जोडी र पुनरावृत्ति प्रयोग गर्छौं, जसले गर्दा थप सटीक र स्थिर भविष्यवाणी गर्ने मोडेल सिर्जना गर्न सकिन्छ [8]।
सामान्यीकृत RNAseq डेटा (FPKM) र क्लिनिकल प्यान्क्रियाटिक क्यान्सर TCGA र जीनोटाइप टिस्यु एक्सप्रेशन (GTEx) डेटा UCSC XENA डाटाबेस (https://xenabrowser.net/datapages/) बाट प्राप्त गरिएको थियो। GTF फाइलहरू Ensembl डाटाबेस (http://asia.ensembl.org) बाट प्राप्त गरिएको थियो र RNAseq बाट lncRNA अभिव्यक्ति प्रोफाइलहरू निकाल्न प्रयोग गरिएको थियो। हामीले ImmPort डाटाबेस (http://www.immport.org) बाट प्रतिरक्षा-सम्बन्धित जीनहरू डाउनलोड गर्यौं र सहसम्बन्ध विश्लेषण (p < 0.001, r > 0.4) प्रयोग गरेर प्रतिरक्षा-सम्बन्धित lncRNAs (irlncRNAs) पहिचान गर्यौं। TCGA-PAAD कोहोर्ट (|logFC| > 1 र FDR) <0.05) मा GEPIA2 डाटाबेस (http://gepia2.cancer-pku.cn/#index) बाट प्राप्त irlncRNAs र भिन्न रूपमा व्यक्त lncRNAs पार गरेर भिन्न रूपमा व्यक्त irlncRNAs (DEirlncRNAs) को पहिचान।
यो विधि पहिले नै रिपोर्ट गरिएको छ [8]। विशेष गरी, 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। त्यसकारण, हामी 0 वा – 1 को म्याट्रिक्स प्राप्त गर्न सक्छौं। म्याट्रिक्सको ठाडो अक्षले प्रत्येक नमूनालाई प्रतिनिधित्व गर्दछ, र तेर्सो अक्षले 0 वा 1 को मान भएको प्रत्येक DEirlncRNA जोडीलाई प्रतिनिधित्व गर्दछ।
प्रोग्नोस्टिक DEirlncRNA जोडीहरू स्क्रिन गर्न लासो रिग्रेसन पछिको युनिभेरिएट रिग्रेसन विश्लेषण प्रयोग गरिएको थियो। लासो रिग्रेसन विश्लेषणले प्रति रन १००० अनियमित उत्तेजनाहरू सहित १०-गुणा क्रस-प्रमाणीकरण १००० पटक दोहोर्याइएको (p < ०.०५) प्रयोग गर्यो। जब प्रत्येक DEirlncRNA जोडीको आवृत्ति १००० चक्रमा १०० पटक नाघेको थियो, DEirlncRNA जोडीहरूलाई प्रोग्नोस्टिक जोखिम मोडेल निर्माण गर्न चयन गरिएको थियो। त्यसपछि हामीले PAAD बिरामीहरूलाई उच्च र कम जोखिम समूहहरूमा वर्गीकरण गर्न 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 संकेत गर्ने उच्चतम बिन्दुमा पुग्यो भने, गणना प्रक्रिया रोकिन्छ र मोडेललाई उत्तम उम्मेदवार मानिन्छ। १-, ३- र ५-वर्ष ROC वक्र मोडेलहरू निर्माण गरिएको थियो। प्रोग्नोस्टिक जोखिम मोडेलको स्वतन्त्र भविष्यवाणी कार्यसम्पादन जाँच गर्न युनिभेरिएट र बहुभिन्न प्रतिगमन विश्लेषणहरू प्रयोग गरिएको थियो।
XCELL, TIMER, QUANTISEQ, MCPCOUNTER, EPIC, CIBERSORT-ABS, र CIBERSORT सहित प्रतिरक्षा कोशिका घुसपैठ दरहरू अध्ययन गर्न सात उपकरणहरू प्रयोग गर्नुहोस्। प्रतिरक्षा कोशिका घुसपैठ डेटा TIMER2 डाटाबेस (http://timer.comp-genomics.org/#tab-5817-3) बाट डाउनलोड गरिएको थियो। निर्मित मोडेलको उच्च र कम जोखिम समूहहरू बीच प्रतिरक्षा-घुसपैठ गर्ने कोशिकाहरूको सामग्रीमा भिन्नता विल्कोक्सन साइन-रैंक परीक्षण प्रयोग गरेर विश्लेषण गरिएको थियो, परिणामहरू वर्ग ग्राफमा देखाइएका छन्। जोखिम स्कोर मानहरू र प्रतिरक्षा-घुसपैठ गर्ने कोशिकाहरू बीचको सम्बन्धको विश्लेषण गर्न स्पियरम्यान सहसम्बन्ध विश्लेषण गरिएको थियो। परिणामस्वरूप सहसम्बन्ध गुणांकलाई ललीपपको रूपमा देखाइएको छ। महत्व थ्रेसहोल्ड p < 0.05 मा सेट गरिएको थियो। प्रक्रिया R प्याकेज ggplot2 प्रयोग गरेर गरिएको थियो। प्रतिरक्षा कोशिका घुसपैठ दरसँग सम्बन्धित मोडेल र जीन अभिव्यक्ति स्तरहरू बीचको सम्बन्धको जाँच गर्न, हामीले ggstatsplot प्याकेज र भायोलिन प्लट भिजुअलाइजेशन प्रदर्शन गर्यौं।
प्यान्क्रियाटिक क्यान्सरको क्लिनिकल उपचार ढाँचाहरूको मूल्याङ्कन गर्न, हामीले TCGA-PAAD समूहमा सामान्यतया प्रयोग हुने केमोथेरापी औषधिहरूको IC50 गणना गर्यौं। उच्च र कम जोखिम समूहहरू बीचको आधा अवरोधक सांद्रता (IC50) मा भिन्नताहरू विल्कोक्सन साइन-रैंक परीक्षण प्रयोग गरेर तुलना गरिएको थियो, र परिणामहरू R मा pRRophetic र ggplot2 प्रयोग गरेर उत्पन्न गरिएको बक्सप्लटको रूपमा देखाइएको छ। सबै विधिहरूले सान्दर्भिक दिशानिर्देशहरू र मापदण्डहरूको पालना गर्छन्।
हाम्रो अध्ययनको कार्यप्रवाह चित्र १ मा देखाइएको छ। lncRNAs र प्रतिरक्षा-सम्बन्धित जीनहरू बीचको सहसम्बन्ध विश्लेषण प्रयोग गरेर, हामीले p < ०.०१ र r > ०.४ भएका ७२४ irlncRNAs चयन गर्यौं। हामीले अर्को GEPIA2 (चित्र २A) को भिन्न रूपमा व्यक्त गरिएको lncRNAs को विश्लेषण गर्यौं। कुल २२३ irlncRNAs लाई प्यान्क्रियाटिक एडेनोकार्सिनोमा र सामान्य प्यान्क्रियाटिक तन्तु (|logFC| > १, FDR < ०.०५) बीच भिन्न रूपमा व्यक्त गरिएको थियो, जसलाई DEirlncRNAs भनिन्छ।
भविष्यवाणी गर्ने जोखिम मोडेलहरूको निर्माण। (A) भिन्न रूपमा व्यक्त गरिएको lncRNA हरूको ज्वालामुखी प्लट। (B) २० DEirlncRNA जोडीहरूको लागि लासो गुणांकहरूको वितरण। (C) LASSO गुणांक वितरणको आंशिक सम्भावना भिन्नता। (D) २० DEirlncRNA जोडीहरूको एकरूप प्रतिगमन विश्लेषण देखाउने वन प्लट।
हामीले त्यसपछि २२३ DEirlncRNA हरू जोडेर ० वा १ म्याट्रिक्स निर्माण गर्यौं। कुल १३,६८७ DEirlncRNA जोडीहरू पहिचान गरियो। एकरूप र लासो रिग्रेसन विश्लेषण पछि, २० DEirlncRNA जोडीहरू अन्ततः भविष्यसूचक जोखिम मोडेल निर्माण गर्न परीक्षण गरियो (चित्र २B-D)। लासो र बहु प्रतिगमन विश्लेषणको नतिजाको आधारमा, हामीले TCGA-PAAD कोहोर्टमा प्रत्येक बिरामीको लागि जोखिम स्कोर गणना गर्यौं (तालिका १)। लासो रिग्रेसन विश्लेषणको नतिजाको आधारमा, हामीले TCGA-PAAD कोहोर्टमा प्रत्येक बिरामीको लागि जोखिम स्कोर गणना गर्यौं। ROC वक्रको AUC १-वर्षको जोखिम मोडेल भविष्यवाणीको लागि ०.९०५, २-वर्षको भविष्यवाणीको लागि ०.९४२, र ३-वर्षको भविष्यवाणीको लागि ०.९६६ थियो (चित्र ३A-B)। हामीले ३.१०५ को इष्टतम कटअफ मान सेट गर्यौं, TCGA-PAAD समूहका बिरामीहरूलाई उच्च र कम जोखिम समूहहरूमा स्तरीकृत गर्यौं, र प्रत्येक बिरामीको लागि बाँच्ने परिणामहरू र जोखिम स्कोर वितरणहरू योजना बनायौं (चित्र ३C-E)। कपलान-मेयर विश्लेषणले देखाएको छ कि उच्च जोखिम समूहमा PAAD बिरामीहरूको बाँच्ने दर कम जोखिम समूहका बिरामीहरूको तुलनामा उल्लेखनीय रूपमा कम थियो (p < ०.००१) (चित्र ३F)।
भविष्यसूचक जोखिम मोडेलहरूको वैधता। (A) भविष्यसूचक जोखिम मोडेलको ROC। (B) १-, २-, र ३-वर्षे ROC भविष्यसूचक जोखिम मोडेलहरू। (C) भविष्यसूचक जोखिम मोडेलको ROC। इष्टतम कट-अफ बिन्दु देखाउँछ। (DE) बाँच्ने स्थितिको वितरण (D) र जोखिम स्कोरहरू (E)। (F) उच्च र कम जोखिम समूहहरूमा PAAD बिरामीहरूको कपलान-मेयर विश्लेषण।
हामीले क्लिनिकल विशेषताहरूद्वारा जोखिम स्कोरहरूमा भिन्नताहरूको थप मूल्याङ्कन गर्यौं। स्ट्रिप प्लट (चित्र 4A) ले क्लिनिकल विशेषताहरू र जोखिम स्कोरहरू बीचको समग्र सम्बन्ध देखाउँछ। विशेष गरी, वृद्ध बिरामीहरूको जोखिम स्कोर उच्च थियो (चित्र 4B)। थप रूपमा, चरण II भएका बिरामीहरूको चरण I (चित्र 4C) भएका बिरामीहरूको तुलनामा उच्च जोखिम स्कोर थियो। PAAD बिरामीहरूमा ट्युमर ग्रेडको सन्दर्भमा, ग्रेड 3 का बिरामीहरूको ग्रेड 1 र 2 का बिरामीहरू भन्दा उच्च जोखिम स्कोर थियो (चित्र 4D)। हामीले थप एकरूप र बहुभिन्न प्रतिगमन विश्लेषणहरू गर्यौं र PAAD भएका बिरामीहरूमा जोखिम स्कोर (p < 0.001) र उमेर (p = 0.045) स्वतन्त्र भविष्यसूचक कारकहरू थिए भनेर प्रदर्शन गर्यौं (चित्र 5A-B)। ROC कर्भले PAAD भएका बिरामीहरूको 1-, 2-, र 3-वर्षको बाँच्ने भविष्यवाणीमा जोखिम स्कोर अन्य क्लिनिकल विशेषताहरू भन्दा उच्च थियो भनेर प्रदर्शन गर्यो (चित्र 5C-E)।
भविष्यसूचक जोखिम मोडेलहरूको क्लिनिकल विशेषताहरू। हिस्टोग्राम (A) ले (B) उमेर, (C) ट्युमर चरण, (D) ट्युमर ग्रेड, जोखिम स्कोर, र TCGA-PAAD समूहमा बिरामीहरूको लिङ्ग देखाउँछ। **p < ०.०१
भविष्यसूचक जोखिम मोडेलहरूको स्वतन्त्र भविष्यसूचक विश्लेषण। (AB) युनिभेरिएट (A) र मल्टीभेरिएट (B) रिग्रेसनले भविष्यसूचक जोखिम मोडेलहरू र क्लिनिकल विशेषताहरूको विश्लेषण गर्दछ। (CE) भविष्यसूचक जोखिम मोडेलहरू र क्लिनिकल विशेषताहरूको लागि १-, २-, र ३-वर्षको ROC
त्यसकारण, हामीले समय र जोखिम स्कोरहरू बीचको सम्बन्धको जाँच गर्यौं। हामीले पत्ता लगायौं कि PAAD बिरामीहरूमा जोखिम स्कोर CD8+ T कोषहरू र NK कोषहरू (चित्र 6A) सँग उल्टो रूपमा सम्बन्धित थियो, जसले उच्च-जोखिम समूहमा दबाइएको प्रतिरक्षा कार्यलाई संकेत गर्दछ। हामीले उच्च- र कम-जोखिम समूहहरू बीच प्रतिरक्षा कोष घुसपैठमा भिन्नताको पनि मूल्याङ्कन गर्यौं र समान परिणामहरू फेला पार्यौं (चित्र 7)। उच्च-जोखिम समूहमा CD8+ T कोषहरू र NK कोषहरूको कम घुसपैठ थियो। हालका वर्षहरूमा, ठोस ट्युमरहरूको उपचारमा प्रतिरक्षा चेकपोइन्ट अवरोधकहरू (ICIs) 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 अत्यधिक अभिव्यक्त थिए, जसले संकेत गर्दछ कि कम-जोखिम समूहमा PAAD बिरामीहरू ICI प्रति संवेदनशील हुन सक्छन्।
भविष्यसूचक जोखिम मोडेल र प्रतिरक्षा कोशिका घुसपैठको सहसम्बन्ध विश्लेषण। (A) भविष्यसूचक जोखिम मोडेल र प्रतिरक्षा कोशिका घुसपैठ बीचको सहसम्बन्ध। (BG) उच्च र कम जोखिम समूहहरूमा जीन अभिव्यक्तिलाई जनाउँछ। (HK) उच्च र कम जोखिम समूहहरूमा विशिष्ट क्यान्सर प्रतिरोधी औषधिहरूको लागि IC50 मानहरू। *p < ०.०५, **p < ०.०१, ns = महत्त्वपूर्ण छैन
हामीले TCGA-PAAD समूहमा जोखिम स्कोर र सामान्य केमोथेरापी एजेन्टहरू बीचको सम्बन्धको थप मूल्याङ्कन गर्यौं। हामीले प्यान्क्रियाटिक क्यान्सरमा सामान्यतया प्रयोग हुने एन्टीक्यान्सर औषधिहरू खोज्यौं र उच्च- र कम-जोखिम समूहहरू बीचको तिनीहरूको IC50 मानहरूमा भिन्नताहरूको विश्लेषण गर्यौं। नतिजाहरूले देखाए कि AZD.2281 (olaparib) को IC50 मान उच्च-जोखिम समूहमा उच्च थियो, जसले संकेत गर्दछ कि उच्च-जोखिम समूहमा PAAD बिरामीहरू AZD.2281 उपचारको प्रतिरोधी हुन सक्छन् (चित्र 6H)। थप रूपमा, उच्च-जोखिम समूहमा प्याक्लिटेक्सेल, सोराफेनिब, र एर्लोटिनिबको IC50 मानहरू कम थिए (चित्र 6I-K)। हामीले उच्च-जोखिम समूहमा उच्च IC50 मान भएका 34 एन्टीक्यान्सर औषधिहरू र उच्च-जोखिम समूहमा कम IC50 मान भएका 34 एन्टीक्यान्सर औषधिहरू पहिचान गर्यौं (तालिका 2)।
यो कुरालाई अस्वीकार गर्न सकिँदैन कि lncRNAs, mRNAs, र miRNAs व्यापक रूपमा अवस्थित छन् र क्यान्सर विकासमा महत्त्वपूर्ण भूमिका खेल्छन्। धेरै प्रकारका क्यान्सरहरूमा समग्र बाँच्ने भविष्यवाणी गर्न mRNA वा miRNA को महत्त्वपूर्ण भूमिकालाई समर्थन गर्ने प्रशस्त प्रमाणहरू छन्। निस्सन्देह, धेरै भविष्यवाणी जोखिम मोडेलहरू पनि lncRNAs मा आधारित छन्। उदाहरणका लागि, लुओ एट अल। अध्ययनहरूले देखाएको छ कि LINC01094 ले PC प्रसार र मेटास्टेसिसमा प्रमुख भूमिका खेल्छ, र LINC01094 को उच्च अभिव्यक्तिले प्यान्क्रियाटिक क्यान्सर बिरामीहरूको कमजोर बाँच्ने संकेत गर्दछ [16]। लिन एट अल द्वारा प्रस्तुत अध्ययन। अध्ययनहरूले देखाएको छ कि lncRNA FLVCR1-AS1 को डाउनरेगुलेसन प्यान्क्रियाटिक क्यान्सर बिरामीहरूमा खराब पूर्वानुमानसँग सम्बन्धित छ [17]। यद्यपि, क्यान्सर बिरामीहरूको समग्र बाँच्ने भविष्यवाणी गर्ने सन्दर्भमा प्रतिरक्षा-सम्बन्धित lncRNAs अपेक्षाकृत कम छलफल गरिएको छ। हालै, क्यान्सर बिरामीहरूको बाँच्ने भविष्यवाणी गर्न र यसरी उपचार विधिहरू समायोजन गर्न भविष्यवाणी जोखिम मोडेलहरू निर्माण गर्न ठूलो मात्रामा काम केन्द्रित गरिएको छ [18, 19, 20]। क्यान्सरको सुरुवात, प्रगति र केमोथेरापी जस्ता उपचारहरूमा प्रतिरक्षा घुसपैठको महत्त्वपूर्ण भूमिकाको बढ्दो मान्यता छ। धेरै अध्ययनहरूले पुष्टि गरेका छन् कि ट्यूमर-घुसपैठ गर्ने प्रतिरक्षा कोशिकाहरूले साइटोटोक्सिक केमोथेरापीको प्रतिक्रियामा महत्त्वपूर्ण भूमिका खेल्छन् [21, 22, 23]। ट्यूमर रोगीहरूको बाँच्नको लागि ट्यूमर प्रतिरक्षा सूक्ष्म वातावरण एक महत्त्वपूर्ण कारक हो [24, 25]। इम्युनोथेरापी, विशेष गरी ICI थेरापी, ठोस ट्यूमरहरूको उपचारमा व्यापक रूपमा प्रयोग गरिन्छ [26]। प्रतिरक्षा-सम्बन्धित जीनहरू प्रोग्नोस्टिक जोखिम मोडेलहरू निर्माण गर्न व्यापक रूपमा प्रयोग गरिन्छ। उदाहरणका लागि, सु एट अल। प्रतिरक्षा-सम्बन्धित प्रोग्नोस्टिक जोखिम मोडेल डिम्बग्रंथि क्यान्सर बिरामीहरूको पूर्वानुमानको भविष्यवाणी गर्न प्रोटिन-कोडिङ जीनहरूमा आधारित छ [27]। lncRNA जस्ता गैर-कोडिङ जीनहरू पनि प्रोग्नोस्टिक जोखिम मोडेलहरू निर्माण गर्न उपयुक्त छन् [28, 29, 30]। लुओ एट अलले चार प्रतिरक्षा-सम्बन्धित lncRNA हरूको परीक्षण गरे र पाठेघरको क्यान्सर जोखिमको लागि भविष्यसूचक मोडेल निर्माण गरे [31]। खान एट अल। कुल ३२ वटा भिन्न रूपमा व्यक्त गरिएका ट्रान्सक्रिप्टहरू पहिचान गरियो, र यसको आधारमा, ५ वटा महत्त्वपूर्ण ट्रान्सक्रिप्टहरू सहितको भविष्यवाणी मोडेल स्थापना गरियो, जुन मृगौला प्रत्यारोपण पछि बायोप्सी-प्रमाणित तीव्र अस्वीकृतिको भविष्यवाणी गर्नको लागि अत्यधिक सिफारिस गरिएको उपकरणको रूपमा प्रस्ताव गरिएको थियो [32]।
यी मध्ये धेरैजसो मोडेलहरू जीन अभिव्यक्ति स्तरहरूमा आधारित छन्, या त प्रोटीन-कोडिङ जीन वा गैर-कोडिङ जीनहरू। यद्यपि, एउटै जीनको फरक जीनोम, डेटा ढाँचा र फरक बिरामीहरूमा फरक अभिव्यक्ति मानहरू हुन सक्छन्, जसले गर्दा भविष्यवाणी गर्ने मोडेलहरूमा अस्थिर अनुमानहरू निम्त्याउँछ। यस अध्ययनमा, हामीले दुई जोडी lncRNA हरूको साथ एक उचित मोडेल निर्माण गर्यौं, सटीक अभिव्यक्ति मानहरूबाट स्वतन्त्र।
यस अध्ययनमा, हामीले पहिलो पटक प्रतिरक्षा-सम्बन्धित जीनहरूसँग सहसम्बन्ध विश्लेषण मार्फत irlncRNA पहिचान गर्यौं। हामीले विभेदक रूपमा व्यक्त गरिएका lncRNA हरूसँग हाइब्रिडाइजेसनद्वारा २२३ DEirlncRNA हरूको स्क्रिनिङ गर्यौं। दोस्रो, हामीले प्रकाशित DEirlncRNA जोडी विधि [31] मा आधारित ०-वा-१ म्याट्रिक्स निर्माण गर्यौं। त्यसपछि हामीले भविष्यसूचक DEirlncRNA जोडीहरू पहिचान गर्न र भविष्यसूचक जोखिम मोडेल निर्माण गर्न एकरूप र लासो रिग्रेसन विश्लेषणहरू गर्यौं। हामीले PAAD भएका बिरामीहरूमा जोखिम स्कोर र क्लिनिकल विशेषताहरू बीचको सम्बन्धको थप विश्लेषण गर्यौं। हामीले पत्ता लगायौं कि हाम्रो भविष्यसूचक जोखिम मोडेल, PAAD बिरामीहरूमा एक स्वतन्त्र भविष्यसूचक कारकको रूपमा, उच्च-ग्रेड बिरामीहरूलाई कम-ग्रेड बिरामीहरूबाट र उच्च-ग्रेड बिरामीहरूलाई कम-ग्रेड बिरामीहरूबाट प्रभावकारी रूपमा छुट्याउन सक्छ। थप रूपमा, भविष्यसूचक जोखिम मोडेलको ROC वक्रको AUC मानहरू १-वर्षको पूर्वानुमानको लागि ०.९०५, २-वर्षको पूर्वानुमानको लागि ०.९४२, र ३-वर्षको पूर्वानुमानको लागि ०.९६६ थिए।
अनुसन्धानकर्ताहरूले रिपोर्ट गरे कि उच्च CD8+ T कोशिका घुसपैठ भएका बिरामीहरू ICI उपचारप्रति बढी संवेदनशील थिए [33]। ट्युमर प्रतिरक्षा सूक्ष्म वातावरणमा साइटोटोक्सिक कोशिकाहरू, CD56 NK कोशिकाहरू, NK कोशिकाहरू र CD8+ T कोशिकाहरूको सामग्रीमा वृद्धि ट्युमर दमनकारी प्रभावको एक कारण हुन सक्छ [34]। अघिल्ला अध्ययनहरूले देखाए कि ट्युमर-घुसपैठ गर्ने CD4(+) T र CD8(+) T को उच्च स्तरहरू लामो समयसम्म बाँच्नको लागि उल्लेखनीय रूपमा सम्बन्धित थिए [35]। कमजोर CD8 T कोशिका घुसपैठ, कम नियोएन्टिजेन भार, र अत्यधिक इम्युनोसप्रेसिभ ट्युमर सूक्ष्म वातावरणले ICI थेरापीको प्रतिक्रियाको अभाव निम्त्याउँछ [36]। हामीले पत्ता लगायौं कि जोखिम स्कोर CD8+ T कोशिकाहरू र NK कोशिकाहरूसँग नकारात्मक रूपमा सम्बन्धित थियो, जसले संकेत गर्दछ कि उच्च जोखिम स्कोर भएका बिरामीहरू ICI उपचारको लागि उपयुक्त नहुन सक्छन् र उनीहरूको रोगनिदान खराब हुन सक्छ।
CD161 प्राकृतिक हत्यारा (NK) कोषहरूको मार्कर हो। CD8+CD161+ CAR-ट्रान्सड्युस्ड T कोषहरूले HER2+ प्यान्क्रियाटिक डक्टल एडेनोकार्सिनोमा जेनोग्राफ्ट मोडेलहरूमा भिभो एन्टिट्यूमर प्रभावकारिता बढाउँछन् [37]। इम्यून चेकप्वाइन्ट इनहिबिटरहरूले साइटोटोक्सिक T लिम्फोसाइट सम्बद्ध प्रोटीन 4 (CTLA-4) र प्रोग्राम गरिएको सेल डेथ प्रोटीन 1 (PD-1)/प्रोग्राम गरिएको सेल डेथ लिगान्ड 1 (PD-L1) मार्गहरूलाई लक्षित गर्छन् र धेरै क्षेत्रहरूमा ठूलो सम्भावना हुन्छ। CTLA-4 र CD161 (KLRB1) को अभिव्यक्ति उच्च-जोखिम समूहहरूमा कम छ, जसले उच्च-जोखिम स्कोर भएका बिरामीहरू ICI उपचारको लागि योग्य नहुन सक्छन् भन्ने कुरा पनि संकेत गर्दछ। [38]
उच्च जोखिम भएका बिरामीहरूको लागि उपयुक्त उपचार विकल्पहरू फेला पार्न, हामीले विभिन्न क्यान्सर प्रतिरोधी औषधिहरूको विश्लेषण गर्यौं र पत्ता लगायौं कि PAAD भएका बिरामीहरूमा व्यापक रूपमा प्रयोग हुने प्याक्लिटाक्सेल, सोराफेनिब र एर्लोटिनिब, PAAD भएका बिरामीहरूको लागि उपयुक्त हुन सक्छन्। [33]। झाङ एट अलले पत्ता लगाए कि कुनै पनि DNA क्षति प्रतिक्रिया (DDR) मार्गमा उत्परिवर्तनले प्रोस्टेट क्यान्सरका बिरामीहरूमा खराब रोगको निदान निम्त्याउन 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 ओलापारिबसँग मर्मत उपचारले लामो प्रगति-मुक्त बाँच्ने देखाएको छ [40]। यसले बिरामीहरूको यस उपसमूहमा उपचारको नतिजामा उल्लेखनीय सुधार हुने कुरामा महत्त्वपूर्ण आशावाद प्रदान गर्दछ। यस अध्ययनमा, उच्च-जोखिम समूहमा AZD.2281 (olaparib) को IC50 मान उच्च-जोखिम समूहमा उच्च थियो, जसले संकेत गर्दछ कि उच्च-जोखिम समूहमा PAAD बिरामीहरू AZD.2281 सँग उपचारको प्रतिरोधी हुन सक्छन्।
यस अध्ययनमा पूर्वानुमान मोडेलहरूले राम्रो पूर्वानुमान परिणामहरू उत्पादन गर्छन्, तर तिनीहरू विश्लेषणात्मक पूर्वानुमानमा आधारित छन्। क्लिनिकल डेटाको साथ यी परिणामहरू कसरी पुष्टि गर्ने भन्ने कुरा एउटा महत्त्वपूर्ण प्रश्न हो। एन्डोस्कोपिक फाइन सुई एस्पिरेशन अल्ट्रासोनोग्राफी (EUS-FNA) ठोस र एक्स्ट्राप्यान्क्रियाटिक प्यान्क्रियाटिक घावहरूको निदानको लागि एक अपरिहार्य विधि बनेको छ जसको संवेदनशीलता ८५% र विशिष्टता ९८% [४१] छ। EUS फाइन-सुई बायोप्सी (EUS-FNB) सुईहरूको आगमन मुख्यतया FNA भन्दा बढी फाइदाहरूमा आधारित छ, जस्तै उच्च निदान शुद्धता, हिस्टोलोजिकल संरचना सुरक्षित गर्ने नमूनाहरू प्राप्त गर्ने, र यसरी निश्चित निदानहरूको लागि महत्त्वपूर्ण प्रतिरक्षा तन्तु उत्पादन गर्ने। विशेष दाग [४२]। साहित्यको व्यवस्थित समीक्षाले पुष्टि गर्यो कि FNB सुईहरू (विशेष गरी २२G) ले प्यान्क्रियाटिक मासबाट तन्तु सङ्कलनमा उच्चतम दक्षता प्रदर्शन गर्दछ [४३]। चिकित्सकीय रूपमा, थोरै संख्यामा बिरामीहरू मात्र रेडिकल शल्यक्रियाको लागि योग्य हुन्छन्, र धेरैजसो बिरामीहरूमा प्रारम्भिक निदानको समयमा अशक्त ट्युमरहरू हुन्छन्। क्लिनिकल अभ्यासमा, धेरैजसो बिरामीहरूमा प्रारम्भिक निदानको समयमा अप्रभावी ट्युमरहरू हुने भएकाले बिरामीहरूको थोरै मात्र अनुपातमा मात्र रेडिकल शल्यक्रियाको लागि उपयुक्त हुन्छ। EUS-FNB र अन्य विधिहरूद्वारा रोगजनक पुष्टिकरण पछि, केमोथेरापी जस्ता मानकीकृत गैर-सर्जिकल उपचार सामान्यतया छनौट गरिन्छ। हाम्रो पछिल्लो अनुसन्धान कार्यक्रम भनेको पूर्वव्यापी विश्लेषण मार्फत शल्यक्रिया र गैर-सर्जिकल समूहहरूमा यस अध्ययनको भविष्यसूचक मोडेल परीक्षण गर्नु हो।
समग्रमा, हाम्रो अध्ययनले जोडी irlncRNA मा आधारित नयाँ भविष्यसूचक जोखिम मोडेल स्थापना गर्यो, जसले प्यान्क्रियाटिक क्यान्सर भएका बिरामीहरूमा आशाजनक भविष्यसूचक मूल्य देखाएको थियो। हाम्रो भविष्यसूचक जोखिम मोडेलले चिकित्सा उपचारको लागि उपयुक्त PAAD भएका बिरामीहरूलाई छुट्याउन मद्दत गर्न सक्छ।
हालको अध्ययनमा प्रयोग गरिएका र विश्लेषण गरिएका डेटासेटहरू सम्बन्धित लेखकबाट उचित अनुरोधमा उपलब्ध छन्।
सुई वेन, गोंग एक्स, झुआंग वाई। COVID-19 महामारीको समयमा नकारात्मक भावनाहरूको भावनात्मक नियमनमा आत्म-प्रभावकारिताको मध्यस्थता भूमिका: एक क्रस-सेक्शनल अध्ययन। इन्टर जे मेन्ट हेल्थ नर्स [जर्नल लेख]। २०२१ ०६/०१/२०२१;३०(३):७५९–७१।
सुई वेन, गोंग एक्स, किआओ एक्स, झाङ एल, चेङ जे, डोङ जे, आदि। सघन हेरचाह एकाइहरूमा वैकल्पिक निर्णय लिने सम्बन्धमा परिवारका सदस्यहरूको विचार: एक व्यवस्थित समीक्षा। INT J NURS STUD [पत्रिका लेख; समीक्षा]। २०२३ ०१/०१/२०२३; १३७:१०४३९१।
भिन्सेन्ट ए, हरमन जे, शुलिच आर, ह्रुबन आरएच, गोगिन्स एम। प्यान्क्रियाटिक क्यान्सर। ल्यान्सेट। [जर्नल लेख; अनुसन्धान समर्थन, एनआईएच, बाह्य; अनुसन्धान समर्थन, अमेरिका बाहिर सरकार; समीक्षा]। २०११ ०८/१३/२०११;३७८(९७९१):६०७–२०।
इलिक एम, इलिक आई। प्यान्क्रियाटिक क्यान्सरको महामारी विज्ञान। वर्ल्ड जर्नल अफ ग्यास्ट्रोएन्टेरोलजी। [जर्नल लेख, समीक्षा]। २०१६ ११/२८/२०१६;२२(४४):९६९४–७०५।
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।
सियान एक्स, झू एक्स, चेन वाई, हुआङ बी, सियाङ डब्ल्यू। केमोथेरापी प्राप्त गर्ने कोलोरेक्टल क्यान्सर बिरामीहरूमा क्यान्सर-सम्बन्धित थकानमा समाधान-केन्द्रित थेरापीको प्रभाव: एक अनियमित नियन्त्रित परीक्षण। क्यान्सर नर्स। [जर्नल लेख; अनियमित नियन्त्रित परीक्षण; अध्ययन संयुक्त राज्य अमेरिका बाहिरको सरकार द्वारा समर्थित छ]। २०२२ ०५/०१/२०२२;४५(३):E६६३–७३।
झाङ चेङ, झेङ वेन, लु वाई, शान एल, जु डोङ, पान वाई, आदि। शल्यक्रियापूर्व सामान्य CEA स्तर भएका बिरामीहरूमा कोलोरेक्टल क्यान्सर रिसेक्सन पछिको परिणामको भविष्यवाणी गर्ने पोस्टऑपरेटिभ कार्सिनोएम्ब्रियोनिक एन्टिजेन (CEA) स्तर। ट्रान्सलेसनल क्यान्सर रिसर्च सेन्टर। [जर्नल लेख]। २०२० ०१.०१.२०२०;९(१):१११–८।
हङ वेन, लियाङ ली, गु यु, क्यूई जि, क्यू हुआ, याङ एक्स, आदि। प्रतिरक्षा-सम्बन्धित lncRNA ले नयाँ हस्ताक्षरहरू उत्पन्न गर्छन् र मानव हेपाटोसेलुलर कार्सिनोमाको प्रतिरक्षा परिदृश्यको भविष्यवाणी गर्छन्। मोल थर न्यूक्लिक एसिड [जर्नल लेख]। २०२० २०२०-१२-०४; २२:९३७ – ४७।
टफी आरजे, झू वाई., स्कुलिच आरडी प्यान्क्रियाटिक क्यान्सरको लागि इम्युनोथेरापी: अवरोध र सफलताहरू। एन ग्यास्ट्रोइंटेस्टाइनल सर्जन [जर्नल लेख; समीक्षा]। २०१८ ०७/०१/२०१८;२(४):२७४–८१।
हल आर, एमबिटा जेड, ड्लामिनी जेड। लामो नन-कोडिङ आरएनए (LncRNAs), भाइरल ट्युमर जीनोमिक्स र एबरेन्ट स्प्लिसिङ घटनाहरू: चिकित्सीय प्रभावहरू। एएम जे क्यान्सर आरईएस [जर्नल लेख; समीक्षा]। २०२१ ०१/२०/२०२१;११(३):८६६–८३।
वाङ जे, चेन पी, झाङ वाई, डिङ जे, याङ वाई, ली एच। ११-एन्डोमेट्रियल क्यान्सर प्रोग्नोसिससँग सम्बन्धित lncRNA हस्ताक्षरहरूको पहिचान। विज्ञानको उपलब्धिहरू [पत्रिका लेख]। २०२१ २०२१-०१-०१;१०४(१):३११९७७०८९।
जियाङ एस, रेन एच, लिउ एस, लु जेड, जु ए, किन एस, एट अल। प्यापिलरी सेल रेनल सेल कार्सिनोमामा आरएनए-बाइन्डिङ प्रोटीन प्रोग्नोस्टिक जीन र औषधि उम्मेदवारहरूको व्यापक विश्लेषण। प्रीजेन। [जर्नल लेख]। २०२१ ०१/२०/२०२१; १२:६२७५०८।
ली एक्स, चेन जे, यु क्यू, हुआङ एक्स, लिउ जेड, वाङ एक्स, आदि। अटोफेजी-सम्बन्धित लामो गैर-कोडिङ आरएनएको विशेषताहरूले स्तन क्यान्सरको पूर्वानुमानको भविष्यवाणी गर्छन्। प्रजनन। [जर्नल लेख]। २०२१ ०१/२०/२०२१; १२:५६९३१८।
झोउ एम, झाङ जेड, झाओ एक्स, बाओ एस, चेङ एल, सन जे। इम्यून-सम्बन्धित छ lncRNA हस्ताक्षरले ग्लियोब्लास्टोमा मल्टीफॉर्ममा रोगको निदानमा सुधार गर्छ। MOL न्यूरोबायोलोजी। [जर्नल लेख]। २०१८ ०१.०५.२०१८;५५(५):३६८४–९७।
वु बी, वाङ क्यू, फेइ जे, बाओ वाई, वाङ एक्स, सोङ जेड, एट अल। एउटा उपन्यास ट्राइ-एलएनसीआरएनए हस्ताक्षरले प्यान्क्रियाटिक क्यान्सर भएका बिरामीहरूको बाँच्ने भविष्यवाणी गर्छ। ओन्कोलका प्रतिनिधिहरू। [जर्नल लेख]। २०१८ १२/०१/२०१८;४०(६):३४२७–३७।
लुओ सी, लिन के, हु सी, झू एक्स, झू जे, झू जेड। LINC01094 ले स्पन्ज्ड miR-577 मार्फत LIN28B अभिव्यक्ति र PI3K/AKT मार्गलाई नियमन गरेर प्यान्क्रियाटिक क्यान्सरको प्रगतिलाई बढावा दिन्छ। मोल थेराप्युटिक्स - न्यूक्लिक एसिड। २०२१;२६:५२३–३५।
लिन जे, झाई एक्स, झोउ एस, जू जेड, झाङ जे, जियाङ एल, एट अल। lncRNA FLVCR1-AS1 र KLF10 बीचको सकारात्मक प्रतिक्रियाले PTEN/AKT मार्ग मार्फत प्यान्क्रियाटिक क्यान्सरको प्रगतिलाई रोक्न सक्छ। J EXP क्लिन क्यान्सर रिजर्भ। २०२१;४०(१)।
झोउ एक्स, लिउ एक्स, जेङ एक्स, वू डी, लिउ एल। हेपाटोसेलुलर कार्सिनोमामा समग्र बाँच्ने भविष्यवाणी गर्ने तेह्र जीनको पहिचान। बायोसी रेप [जर्नल लेख]। २०२१ ०४/०९/२०२१।
पोस्ट समय: सेप्टेम्बर-२२-२०२३