Pankreas kanseri, kötü prognoza sahip, dünyanın en ölümcül tümörlerinden biridir. Bu nedenle, pankreas kanseri riski yüksek olan hastaları belirlemek, tedaviyi kişiselleştirmek ve bu hastaların prognozunu iyileştirmek için doğru bir tahmin modeline ihtiyaç duyulmaktadır.
UCSC Xena veritabanından Kanser Genom Atlası (TCGA) pankreas adenokarsinomu (PAAD) RNAseq verilerini elde ettik, korelasyon analizi yoluyla immüniteyle ilişkili lncRNA'ları (irlncRNA'lar) belirledik ve TCGA ile normal pankreas adenokarsinom dokuları arasındaki farklılıkları tespit ettik. TCGA'dan DEirlncRNA ve pankreas dokusunun genotip doku ekspresyonunu (GTEx) belirledik. Daha sonra prognostik imza modelleri oluşturmak için tek değişkenli ve lasso regresyon analizleri gerçekleştirdik. Ardından eğri altındaki alanı hesapladık ve yüksek ve düşük riskli pankreas adenokarsinomlu hastaları belirlemek için optimal kesme değerini belirledik. Yüksek ve düşük riskli pankreas kanseri olan hastalarda klinik özellikleri, immün hücre infiltrasyonunu, immün baskılayıcı mikroortamı ve kemoterapi direncini karşılaştırdık.
20 farklı ifade edilen lncRNA çifti belirledik ve hastaları optimal kesme değerine göre gruplandırdık. Prognostik imza modelimizin PAAD'li hastaların prognozunu tahmin etmede önemli bir performansa sahip olduğunu gösterdik. ROC eğrisinin AUC değeri 1 yıllık tahmin için 0,905, 2 yıllık tahmin için 0,942 ve 3 yıllık tahmin için 0,966'dır. Yüksek riskli hastaların hayatta kalma oranları daha düşük ve klinik özellikleri daha kötüydü. Ayrıca yüksek riskli hastaların immün baskılanmış olduğunu ve immünoterapiye direnç geliştirebileceğini gösterdik. Paklitaksel, sorafenib ve erlotinib gibi antikanser ilaçların hesaplamalı tahmin araçlarına dayalı olarak değerlendirilmesi, PAAD'li yüksek riskli hastalar için uygun olabilir.
Genel olarak, çalışmamız pankreas kanseri hastalarında umut vadeden prognostik değere sahip, eşleştirilmiş irlncRNA'ya dayalı yeni bir prognostik risk modeli oluşturmuştur. Prognostik risk modelimiz, tıbbi tedaviye uygun olan PAAD hastalarını ayırt etmeye yardımcı olabilir.
Pankreas kanseri, beş yıllık sağkalım oranı düşük ve yüksek dereceli malign bir tümördür. Tanı anında hastaların çoğu zaten ileri evrededir. COVID-19 salgını bağlamında, doktorlar ve hemşireler pankreas kanseri olan hastaları tedavi ederken muazzam bir baskı altındadır ve hastaların aileleri de tedavi kararları alırken çok sayıda baskıyla karşı karşıyadır [1, 2]. Neoadjuvan tedavi, cerrahi rezeksiyon, radyoterapi, kemoterapi, hedefli moleküler tedavi ve immün kontrol noktası inhibitörleri (ICI'ler) gibi DOAD'ların tedavisinde büyük ilerlemeler kaydedilmiş olmasına rağmen, hastaların yalnızca yaklaşık %9'u tanıdan sonra beş yıl hayatta kalmaktadır [3, 4]. Pankreas adenokarsinomunun erken semptomları atipik olduğundan, hastalar genellikle ileri evrede metastazlarla teşhis edilir [5]. Bu nedenle, belirli bir hasta için, bireyselleştirilmiş kapsamlı tedavi, yalnızca sağkalımı uzatmakla kalmayıp aynı zamanda yaşam kalitesini de iyileştirmek için tüm tedavi seçeneklerinin avantaj ve dezavantajlarını tartmalıdır [6]. Bu nedenle, bir hastanın prognozunu doğru bir şekilde değerlendirmek için etkili bir tahmin modeli gereklidir [7]. Bu sayede, periferik arter hastalığı (PAAD) olan hastaların hayatta kalma süreleri ve yaşam kaliteleri arasında denge kurmak için uygun tedavi seçilebilir.
PAAD'nin kötü prognozu esas olarak kemoterapi ilaçlarına dirençten kaynaklanmaktadır. Son yıllarda, immün kontrol noktası inhibitörleri katı tümörlerin tedavisinde yaygın olarak kullanılmaktadır [8]. Bununla birlikte, pankreas kanserinde ICI kullanımı nadiren başarılı olmaktadır [9]. Bu nedenle, ICI tedavisinden fayda görebilecek hastaları belirlemek önemlidir.
Uzun kodlayıcı olmayan RNA (lncRNA), 200 nükleotitten uzun transkriptlere sahip bir kodlayıcı olmayan RNA türüdür. LncRNA'lar yaygındır ve insan transkriptomunun yaklaşık %80'ini oluşturur [10]. Çok sayıda çalışma, lncRNA tabanlı prognostik modellerin hasta prognozunu etkili bir şekilde tahmin edebildiğini göstermiştir [11, 12]. Örneğin, meme kanserinde prognostik imzalar oluşturmak için 18 otofaji ile ilgili lncRNA tanımlanmıştır [13]. Altı diğer bağışıklıkla ilgili lncRNA, gliomanın prognostik özelliklerini belirlemek için kullanılmıştır [14].
Pankreas kanserinde, bazı çalışmalar hasta prognozunu tahmin etmek için lncRNA tabanlı imzalar oluşturmuştur. Pankreas adenokarsinomunda, ROC eğrisi altındaki alan (AUC) yalnızca 0,742 ve genel sağkalım (OS) 3 yıl olan 3 lncRNA imzası oluşturulmuştur [15]. Ek olarak, lncRNA ekspresyon değerleri farklı genomlar, farklı veri formatları ve farklı hastalar arasında değişmekte ve tahmin modelinin performansı istikrarsızdır. Bu nedenle, daha doğru ve istikrarlı bir tahmin modeli oluşturmak için bağışıklıkla ilgili lncRNA (irlncRNA) imzaları oluşturmak üzere yeni bir modelleme algoritması, eşleştirme ve yineleme kullanıyoruz [8].
Normalleştirilmiş RNAseq verileri (FPKM) ve klinik pankreas kanseri TCGA ve genotip doku ekspresyonu (GTEx) verileri UCSC XENA veritabanından (https://xenabrowser.net/datapages/) elde edildi. GTF dosyaları Ensembl veritabanından (http://asia.ensembl.org) alındı ve RNAseq'den lncRNA ekspresyon profillerini çıkarmak için kullanıldı. Bağışıklıkla ilgili genleri ImmPort veritabanından (http://www.immport.org) indirdik ve korelasyon analizi (p < 0.001, r > 0.4) kullanarak bağışıklıkla ilgili lncRNA'ları (irlncRNA'lar) belirledik. TCGA-PAAD kohortunda (|logFC| > 1 ve FDR) <0,05) GEPIA2 veritabanından (http://gepia2.cancer-pku.cn/#index) elde edilen irlncRNA'lar ve farklı şekilde ifade edilen lncRNA'ların çaprazlanmasıyla farklı şekilde ifade edilen irlncRNA'ların (DEirlncRNA'lar) tanımlanması.
Bu yöntem daha önce rapor edilmiştir [8]. Spesifik olarak, eşleştirilmiş lncRNA A ve lncRNA B'nin yerine X'i oluşturuyoruz. lncRNA A'nın ifade değeri lncRNA B'nin ifade değerinden yüksek olduğunda, X 1 olarak tanımlanır, aksi takdirde X 0 olarak tanımlanır. Bu nedenle, 0 veya -1'den oluşan bir matris elde edebiliriz. Matrisin dikey ekseni her bir örneği, yatay ekseni ise 0 veya 1 değerine sahip her bir DEirlncRNA çiftini temsil eder.
Prognostik DEirlncRNA çiftlerini taramak için tek değişkenli regresyon analizi ve ardından Lasso regresyonu kullanıldı. Lasso regresyon analizi, 1000 kez tekrarlanan 10 katlı çapraz doğrulama (p < 0,05) ve her çalıştırmada 1000 rastgele uyarıcı kullanılarak gerçekleştirildi. Her bir DEirlncRNA çiftinin sıklığı 1000 döngüde 100'ü aştığında, prognostik risk modeli oluşturmak için DEirlncRNA çiftleri seçildi. Daha sonra, PAAD hastalarını yüksek ve düşük risk gruplarına ayırmak için en uygun kesme değerini bulmak amacıyla AUC eğrisi kullanıldı. Her modelin AUC değeri de hesaplandı ve bir eğri olarak çizildi. Eğri en yüksek noktaya, yani maksimum AUC değerine ulaştığında, hesaplama işlemi durdurulur ve model en iyi aday olarak kabul edilir. 1, 3 ve 5 yıllık ROC eğrisi modelleri oluşturuldu. Prognostik risk modelinin bağımsız tahmin performansını incelemek için tek değişkenli ve çok değişkenli regresyon analizleri kullanıldı.
XCELL, TIMER, QUANTISEQ, MCPCOUNTER, EPIC, CIBERSORT-ABS ve CIBERSORT dahil olmak üzere yedi araç kullanılarak immün hücre infiltrasyon oranları incelendi. İmmün hücre infiltrasyon verileri TIMER2 veritabanından (http://timer.comp-genomics.org/#tab-5817-3) indirildi. Oluşturulan modelin yüksek ve düşük riskli grupları arasındaki immün infiltrasyon gösteren hücre içeriğindeki fark, Wilcoxon işaretli sıralama testi kullanılarak analiz edildi ve sonuçlar kare grafikte gösterildi. Risk skoru değerleri ile immün infiltrasyon gösteren hücreler arasındaki ilişkiyi analiz etmek için Spearman korelasyon analizi yapıldı. Elde edilen korelasyon katsayısı lolipop şeklinde gösterildi. Anlamlılık eşiği p < 0,05 olarak belirlendi. İşlem, R paketi ggplot2 kullanılarak gerçekleştirildi. Model ile immün hücre infiltrasyon oranıyla ilişkili gen ekspresyon seviyeleri arasındaki ilişkiyi incelemek için ggstatsplot paketi ve keman grafiği görselleştirmesi kullanıldı.
Pankreas kanseri için klinik tedavi modellerini değerlendirmek amacıyla, TCGA-PAAD kohortunda yaygın olarak kullanılan kemoterapi ilaçlarının IC50 değerlerini hesapladık. Yüksek ve düşük riskli gruplar arasındaki yarı inhibitör konsantrasyon (IC50) farklılıkları Wilcoxon işaretli sıralama testi kullanılarak karşılaştırıldı ve sonuçlar R'de pRRophetic ve ggplot2 kullanılarak oluşturulan kutu grafikleri olarak gösterildi. Tüm yöntemler ilgili kılavuz ve normlara uygundur.
Çalışmamızın iş akışı Şekil 1'de gösterilmiştir. lncRNA'lar ve bağışıklıkla ilgili genler arasındaki korelasyon analizini kullanarak, p < 0,01 ve r > 0,4 olan 724 irlncRNA seçtik. Daha sonra GEPIA2'nin farklı ifade edilen lncRNA'larını analiz ettik (Şekil 2A). Pankreas adenokarsinomu ve normal pankreas dokusu arasında farklı ifade edilen toplam 223 irlncRNA (|logFC| > 1, FDR < 0,05) tespit edildi ve bunlara DEirlncRNA adı verildi.
Tahmine dayalı risk modellerinin oluşturulması. (A) Farklı ifade edilen lncRNA'ların volkan grafiği. (B) 20 farklı ifade edilen lncRNA çifti için lasso katsayılarının dağılımı. (C) LASSO katsayısı dağılımının kısmi olasılık varyansı. (D) 20 farklı ifade edilen lncRNA çiftinin tek değişkenli regresyon analizini gösteren orman grafiği.
Daha sonra 223 DEirlncRNA'yı eşleştirerek 0 veya 1 matrisi oluşturduk. Toplam 13.687 DEirlncRNA çifti belirlendi. Tek değişkenli ve lasso regresyon analizinden sonra, prognostik risk modeli oluşturmak için son olarak 20 DEirlncRNA çifti test edildi (Şekil 2B-D). Lasso ve çoklu regresyon analizinin sonuçlarına dayanarak, TCGA-PAAD kohortundaki her hasta için bir risk skoru hesapladık (Tablo 1). ROC eğrisinin AUC değeri, 1 yıllık risk modeli tahmini için 0,905, 2 yıllık tahmin için 0,942 ve 3 yıllık tahmin için 0,966 idi (Şekil 3A-B). 3.105'lik optimal bir kesme değeri belirledik, TCGA-PAAD kohortundaki hastaları yüksek ve düşük riskli gruplara ayırdık ve her hasta için hayatta kalma sonuçlarını ve risk skoru dağılımlarını çizdik (Şekil 3C-E). Kaplan-Meier analizi, yüksek riskli gruptaki PAAD hastalarının hayatta kalma oranının düşük riskli gruptaki hastalara göre anlamlı derecede daha düşük olduğunu gösterdi (p < 0.001) (Şekil 3F).
Prognostik risk modellerinin geçerliliği. (A) Prognostik risk modelinin ROC eğrisi. (B) 1, 2 ve 3 yıllık ROC prognostik risk modelleri. (C) Prognostik risk modelinin ROC eğrisi. Optimal kesme noktasını gösterir. (DE) Sağkalım durumunun dağılımı (D) ve risk skorları (E). (F) Yüksek ve düşük risk gruplarındaki PAAD hastalarının Kaplan-Meier analizi.
Risk skorlarındaki farklılıkları klinik özelliklere göre daha ayrıntılı olarak değerlendirdik. Şerit grafiği (Şekil 4A), klinik özellikler ile risk skorları arasındaki genel ilişkiyi göstermektedir. Özellikle, yaşlı hastaların risk skorları daha yüksekti (Şekil 4B). Ayrıca, evre II'deki hastaların risk skorları evre I'deki hastalardan daha yüksekti (Şekil 4C). PAAD hastalarında tümör derecesine ilişkin olarak, evre 3 hastaların risk skorları evre 1 ve 2'deki hastalardan daha yüksekti (Şekil 4D). Ayrıca tek değişkenli ve çok değişkenli regresyon analizleri gerçekleştirdik ve risk skorunun (p < 0,001) ve yaşın (p = 0,045) PAAD hastalarında bağımsız prognostik faktörler olduğunu gösterdik (Şekil 5A-B). ROC eğrisi, risk skorunun PAAD hastalarının 1, 2 ve 3 yıllık sağkalımını tahmin etmede diğer klinik özelliklerden daha üstün olduğunu gösterdi (Şekil 5C-E).
Prognostik risk modellerinin klinik özellikleri. Histogram (A), TCGA-PAAD kohortundaki hastaların (B) yaşını, (C) tümör evresini, (D) tümör derecesini, risk skorunu ve cinsiyetini göstermektedir. **p < 0,01
Prognostik risk modellerinin bağımsız tahmin analizi. (AB) Prognostik risk modelleri ve klinik özelliklerin tek değişkenli (A) ve çok değişkenli (B) regresyon analizleri. (CE) Prognostik risk modelleri ve klinik özellikler için 1, 2 ve 3 yıllık ROC eğrileri.
Bu nedenle, zaman ve risk skorları arasındaki ilişkiyi inceledik. PAAD hastalarında risk skorunun CD8+ T hücreleri ve NK hücreleri ile ters orantılı olduğunu bulduk (Şekil 6A), bu da yüksek risk grubunda bağışıklık fonksiyonunun baskılandığını gösteriyor. Ayrıca, yüksek ve düşük risk grupları arasındaki bağışıklık hücresi infiltrasyonundaki farkı da değerlendirdik ve aynı sonuçları bulduk (Şekil 7). Yüksek risk grubunda CD8+ T hücreleri ve NK hücrelerinin infiltrasyonu daha azdı. Son yıllarda, immün kontrol noktası inhibitörleri (ICI'ler) katı tümörlerin tedavisinde yaygın olarak kullanılmaktadır. Bununla birlikte, pankreas kanserinde ICI kullanımı nadiren başarılı olmuştur. Bu nedenle, yüksek ve düşük risk gruplarında immün kontrol noktası genlerinin ekspresyonunu değerlendirdik. Düşük risk grubunda CTLA-4 ve CD161 (KLRB1)'in aşırı eksprese edildiğini bulduk (Şekil 6B-G), bu da düşük risk grubundaki PAAD hastalarının ICI'ye duyarlı olabileceğini gösteriyor.
Prognostik risk modeli ve immün hücre infiltrasyonunun korelasyon analizi. (A) Prognostik risk modeli ve immün hücre infiltrasyonu arasındaki korelasyon. (BG) Yüksek ve düşük risk gruplarındaki gen ekspresyonunu gösterir. (HK) Yüksek ve düşük risk gruplarındaki belirli antikanser ilaçlar için IC50 değerleri. *p < 0,05, **p < 0,01, ns = anlamlı değil
TCGA-PAAD kohortunda risk skorları ile yaygın kemoterapi ajanları arasındaki ilişkiyi daha ayrıntılı olarak değerlendirdik. Pankreas kanserinde yaygın olarak kullanılan antikanser ilaçları araştırdık ve yüksek ve düşük risk grupları arasındaki IC50 değerlerindeki farklılıkları analiz ettik. Sonuçlar, AZD.2281'in (olaparib) IC50 değerinin yüksek risk grubunda daha yüksek olduğunu gösterdi; bu da yüksek risk grubundaki PAAD hastalarının AZD.2281 tedavisine dirençli olabileceğini düşündürmektedir (Şekil 6H). Ayrıca, paklitaksel, sorafenib ve erlotinibin IC50 değerleri yüksek risk grubunda daha düşüktü (Şekil 6I-K). Ayrıca, yüksek risk grubunda daha yüksek IC50 değerlerine sahip 34 antikanser ilacı ve düşük risk grubunda daha düşük IC50 değerlerine sahip 34 antikanser ilacı belirledik (Tablo 2).
lncRNA'ların, mRNA'ların ve miRNA'ların yaygın olarak var olduğu ve kanser gelişiminde çok önemli bir rol oynadığı inkar edilemez. Birçok kanser türünde genel sağkalımı tahmin etmede mRNA veya miRNA'nın önemli rolünü destekleyen bol miktarda kanıt bulunmaktadır. Şüphesiz ki, birçok prognostik risk modeli de lncRNA'lara dayanmaktadır. Örneğin, Luo ve ark. tarafından yapılan çalışmalar, LINC01094'ün PC proliferasyonu ve metastazında önemli bir rol oynadığını ve LINC01094'ün yüksek ekspresyonunun pankreas kanseri hastalarının kötü sağkalımını gösterdiğini ortaya koymuştur [16]. Lin ve ark. tarafından sunulan çalışma, lncRNA FLVCR1-AS1'in aşağı regülasyonunun pankreas kanseri hastalarında kötü prognozla ilişkili olduğunu göstermiştir [17]. Bununla birlikte, bağışıklıkla ilgili lncRNA'lar, kanser hastalarının genel sağkalımını tahmin etme açısından nispeten daha az tartışılmaktadır. Son zamanlarda, kanser hastalarının sağkalımını tahmin etmek ve böylece tedavi yöntemlerini ayarlamak için prognostik risk modelleri oluşturmaya odaklanan çok sayıda çalışma yapılmıştır [18, 19, 20]. Kanser başlangıcında, ilerlemesinde ve kemoterapi gibi tedavilere yanıtında immün infiltratların önemli rolü giderek daha fazla kabul görmektedir. Çok sayıda çalışma, tümöre sızan immün hücrelerin sitotoksik kemoterapiye yanıtta kritik bir rol oynadığını doğrulamıştır [21, 22, 23]. Tümör immün mikroortamı, tümör hastalarının hayatta kalmasında önemli bir faktördür [24, 25]. İmmünoterapi, özellikle ICI tedavisi, katı tümörlerin tedavisinde yaygın olarak kullanılmaktadır [26]. İmmünite ile ilgili genler, prognostik risk modelleri oluşturmak için yaygın olarak kullanılmaktadır. Örneğin, Su ve ark. immünite ile ilgili prognostik risk modeli, yumurtalık kanseri hastalarının prognozunu tahmin etmek için protein kodlayan genlere dayanmaktadır [27]. lncRNA'lar gibi kodlayıcı olmayan genler de prognostik risk modelleri oluşturmak için uygundur [28, 29, 30]. Luo ve ark., dört immünite ile ilgili lncRNA'yı test etmiş ve servikal kanser riski için tahmine dayalı bir model oluşturmuştur [31]. Khan ve ark. Toplam 32 farklı şekilde ifade edilen transkript belirlendi ve buna dayanarak, böbrek naklinden sonra biyopsi ile kanıtlanmış akut reddi tahmin etmek için oldukça tavsiye edilen bir araç olarak önerilen 5 önemli transkript içeren bir tahmin modeli oluşturuldu [32].
Bu modellerin çoğu, protein kodlayan genler veya protein kodlamayan genler olmak üzere gen ekspresyon seviyelerine dayanmaktadır. Bununla birlikte, aynı gen farklı genomlarda, veri formatlarında ve farklı hastalarda farklı ekspresyon değerlerine sahip olabilir; bu da tahmin modellerinde istikrarsız tahminlere yol açar. Bu çalışmada, kesin ekspresyon değerlerinden bağımsız olarak, iki çift lncRNA ile makul bir model oluşturduk.
Bu çalışmada, bağışıklıkla ilgili genlerle korelasyon analizi yoluyla ilk kez irlncRNA'yı tanımladık. Farklı ifade edilen lncRNA'larla hibridizasyon yoluyla 223 DEirlncRNA'yı taradık. İkinci olarak, yayınlanmış DEirlncRNA eşleştirme yöntemine [31] dayalı olarak 0 veya 1 matrisi oluşturduk. Daha sonra, prognostik DEirlncRNA çiftlerini belirlemek ve tahmini bir risk modeli oluşturmak için tek değişkenli ve lasso regresyon analizleri gerçekleştirdik. Ayrıca, PAAD hastalarında risk skorları ile klinik özellikler arasındaki ilişkiyi analiz ettik. Prognostik risk modelimizin, PAAD hastalarında bağımsız bir prognostik faktör olarak, yüksek dereceli hastaları düşük dereceli hastalardan ve yüksek dereceli hastaları düşük dereceli hastalardan etkili bir şekilde ayırt edebildiğini bulduk. Ek olarak, prognostik risk modelinin ROC eğrisinin AUC değerleri 1 yıllık tahmin için 0,905, 2 yıllık tahmin için 0,942 ve 3 yıllık tahmin için 0,966 idi.
Araştırmacılar, daha yüksek CD8+ T hücresi infiltrasyonuna sahip hastaların ICI tedavisine daha duyarlı olduğunu bildirmiştir [33]. Tümör immün mikroortamındaki sitotoksik hücrelerin, CD56 NK hücrelerinin, NK hücrelerinin ve CD8+ T hücrelerinin içeriğindeki artış, tümör baskılayıcı etkinin nedenlerinden biri olabilir [34]. Önceki çalışmalar, tümöre sızan CD4(+) T ve CD8(+) T hücrelerinin daha yüksek seviyelerinin daha uzun sağkalımla önemli ölçüde ilişkili olduğunu göstermiştir [35]. Zayıf CD8 T hücresi infiltrasyonu, düşük neoantijen yükü ve yüksek derecede immün baskılayıcı tümör mikroortamı, ICI tedavisine yanıt vermemeye yol açar [36]. Risk skorunun CD8+ T hücreleri ve NK hücreleri ile negatif korelasyon gösterdiğini bulduk; bu da yüksek risk skoruna sahip hastaların ICI tedavisi için uygun olmayabileceğini ve daha kötü bir prognoza sahip olabileceğini göstermektedir.
CD161, doğal öldürücü (NK) hücrelerin bir belirteci. CD8+CD161+ CAR ile dönüştürülmüş T hücreleri, HER2+ pankreas duktal adenokarsinom ksenograft modellerinde in vivo antitümör etkinliğini artırır [37]. İmmün kontrol noktası inhibitörleri, sitotoksik T lenfosit ilişkili protein 4 (CTLA-4) ve programlanmış hücre ölümü proteini 1 (PD-1)/programlanmış hücre ölümü ligandı 1 (PD-L1) yollarını hedef alır ve birçok alanda büyük potansiyele sahiptir. CTLA-4 ve CD161 (KLRB1) ekspresyonu yüksek risk gruplarında daha düşüktür, bu da yüksek risk puanına sahip hastaların ICI tedavisi için uygun olmayabileceğini daha da gösterir. [38]
Yüksek riskli hastalar için uygun tedavi seçeneklerini bulmak amacıyla çeşitli antikanser ilaçları analiz ettik ve PAAD'li hastalarda yaygın olarak kullanılan paklitaksel, sorafenib ve erlotinibin, PAAD'li yüksek riskli hastalar için uygun olabileceğini bulduk [33]. Zhang ve ark. herhangi bir DNA hasar yanıtı (DDR) yolundaki mutasyonların prostat kanseri hastalarında kötü prognoza yol açabileceğini buldu [39]. Pankreas Kanseri Olaparib Devam Eden (POLO) çalışması, pankreas duktal adenokarsinomu ve germ hattı BRCA1/2 mutasyonları olan hastalarda birinci basamak platin bazlı kemoterapiden sonra olaparib ile idame tedavisinin plaseboya kıyasla ilerlemesiz sağkalımı uzattığını gösterdi [40]. Bu, bu hasta alt grubunda tedavi sonuçlarının önemli ölçüde iyileşeceği konusunda önemli bir iyimserlik sağlamaktadır. Bu çalışmada, AZD.2281'in (olaparib) IC50 değeri yüksek risk grubunda daha yüksek bulunmuştur; bu da yüksek risk grubundaki PAAD hastalarının AZD.2281 ile tedaviye dirençli olabileceğini göstermektedir.
Bu çalışmadaki tahmin modelleri iyi tahmin sonuçları üretmektedir, ancak bunlar analitik tahminlere dayanmaktadır. Bu sonuçların klinik verilerle nasıl doğrulanacağı önemli bir sorudur. Endoskopik ince iğne aspirasyon ultrasonografisi (EUS-FNA), %85 duyarlılık ve %98 özgüllük ile katı ve pankreas dışı pankreas lezyonlarının teşhisinde vazgeçilmez bir yöntem haline gelmiştir [41]. EUS ince iğne biyopsisi (EUS-FNB) iğnelerinin ortaya çıkışı, esas olarak FNA'ya göre algılanan avantajlara dayanmaktadır; bunlar arasında daha yüksek tanısal doğruluk, histolojik yapıyı koruyan örnekler elde etme ve böylece belirli teşhisler için kritik olan immün doku oluşturma ve özel boyama yer almaktadır [42]. Literatürün sistematik bir incelemesi, FNB iğnelerinin (özellikle 22G) pankreas kitlelerinden doku toplama konusunda en yüksek verimliliği gösterdiğini doğrulamıştır [43]. Klinik olarak, sadece az sayıda hasta radikal cerrahi için uygundur ve çoğu hastanın ilk tanı anında ameliyat edilemez tümörleri vardır. Klinik uygulamada, hastaların yalnızca küçük bir kısmı radikal cerrahiye uygundur çünkü çoğu hastada ilk tanı anında ameliyat edilemez tümörler bulunur. EUS-FNB ve diğer yöntemlerle patolojik doğrulamanın ardından, genellikle kemoterapi gibi standart cerrahi dışı tedavi tercih edilir. Sonraki araştırma programımız, bu çalışmanın prognostik modelini retrospektif bir analiz yoluyla cerrahi ve cerrahi dışı gruplarda test etmektir.
Genel olarak, çalışmamız pankreas kanseri hastalarında umut vadeden prognostik değere sahip, eşleştirilmiş irlncRNA'ya dayalı yeni bir prognostik risk modeli oluşturmuştur. Prognostik risk modelimiz, tıbbi tedaviye uygun olan PAAD hastalarını ayırt etmeye yardımcı olabilir.
Bu çalışmada kullanılan ve analiz edilen veri setleri, makul bir talep üzerine ilgili yazardan temin edilebilir.
Sui Wen, Gong X, Zhuang Y. COVID-19 pandemisi sırasında olumsuz duyguların duygusal düzenlenmesinde öz yeterliliğin aracı rolü: kesitsel bir çalışma. Int J Ment Health Nurs [dergi makalesi]. 2021 06/01/2021;30(3):759–71.
Sui Wen, Gong X, Qiao X, Zhang L, Cheng J, Dong J ve diğerleri. Yoğun bakım ünitelerinde alternatif karar verme konusunda aile üyelerinin görüşleri: sistematik bir inceleme. INT J NURS STUD [dergi makalesi; inceleme]. 2023 01/01/2023;137:104391.
Vincent A, Herman J, Schulich R, Hruban RH, Goggins M. Pankreas kanseri. Lancet. [Dergi makalesi; araştırma desteği, NIH, kurum dışı; araştırma desteği, ABD dışındaki hükümet; inceleme]. 2011 08/13/2011;378(9791):607–20.
Ilic M, Ilic I. Pankreas kanserinin epidemiyolojisi. Dünya Gastroenteroloji Dergisi. [Dergi makalesi, inceleme]. 2016 11/28/2016;22(44):9694–705.
Liu X, Chen B, Chen J, Sun S. Pankreas kanseri hastalarında genel sağkalımı tahmin etmek için yeni bir tp53 ile ilgili nomogram. BMC Cancer [dergi makalesi]. 2021 31-03-2021;21(1):335.
Xian X, Zhu X, Chen Y, Huang B, Xiang W. Kemoterapi alan kolorektal kanser hastalarında kanserle ilişkili yorgunluk üzerinde çözüm odaklı terapinin etkisi: randomize kontrollü bir çalışma. Kanser hemşiresi. [Dergi makalesi; randomize kontrollü çalışma; çalışma Amerika Birleşik Devletleri dışındaki bir hükümet tarafından desteklenmektedir]. 2022 05/01/2022;45(3):E663–73.
Zhang Cheng, Zheng Wen, Lu Y, Shan L, Xu Dong, Pan Y, ve diğerleri. Ameliyat sonrası karsinoembriyonik antijen (CEA) düzeyleri, ameliyat öncesi normal CEA düzeylerine sahip hastalarda kolorektal kanser rezeksiyonu sonrası sonucu öngörür. Translasyonel Kanser Araştırma Merkezi. [Dergi makalesi]. 2020 01.01.2020;9(1):111–8.
Hong Wen, Liang Li, Gu Yu, Qi Zi, Qiu Hua, Yang X, vd. Bağışıklıkla ilgili lncRNA'lar yeni imzalar oluşturur ve insan hepatoselüler karsinomunun bağışıklık ortamını öngörür. Mol Ther Nucleic acids [Dergi makalesi]. 2020 2020-12-04;22:937 – 47.
Toffey RJ, Zhu Y., Schulich RD Pankreas kanseri için immünoterapi: engeller ve atılımlar. Ann Gastrointestinal Surgeon [Dergi Makalesi; inceleme]. 2018 07/01/2018;2(4):274–81.
Hull R, Mbita Z, Dlamini Z. Uzun kodlamayan RNA'lar (LncRNA'lar), viral tümör genomikleri ve anormal ekleme olayları: terapötik etkiler. AM J CANCER RES [dergi makalesi; inceleme]. 2021 01/20/2021;11(3):866–83.
Wang J, Chen P, Zhang Y, Ding J, Yang Y, Li H. 11-Endometrial kanser prognozu ile ilişkili lncRNA imzalarının belirlenmesi. Bilimsel Başarılar [dergi makalesi]. 2021 2021-01-01;104(1):311977089.
Jiang S, Ren H, Liu S, Lu Z, Xu A, Qin S, vd. Papiller hücreli böbrek hücreli karsinomda RNA bağlayıcı protein prognostik genlerinin ve ilaç adaylarının kapsamlı analizi. pregen. [Dergi makalesi]. 2021 01/20/2021;12:627508.
Li X, Chen J, Yu Q, Huang X, Liu Z, Wang X ve diğerleri. Ottofaji ile ilişkili uzun kodlayıcı olmayan RNA'ların özellikleri meme kanseri prognozunu öngörüyor. pregen. [Dergi makalesi]. 2021 01/20/2021;12:569318.
Zhou M, Zhang Z, Zhao X, Bao S, Cheng L, Sun J. Bağışıklıkla ilgili altı lncRNA imzası, glioblastoma multiforme'de prognozu iyileştiriyor. MOL Nörobiyoloji. [Dergi makalesi]. 2018 01.05.2018;55(5):3684–97.
Wu B, Wang Q, Fei J, Bao Y, Wang X, Song Z, ve diğerleri. Yeni bir tri-lncRNA imzası, pankreas kanseri hastalarının hayatta kalma oranını öngörüyor. ONKOL TEMSİLCİLERİ. [Dergi makalesi]. 2018 12/01/2018;40(6):3427–37.
Luo C, Lin K, Hu C, Zhu X, Zhu J, Zhu Z. LINC01094, süngerlenmiş miR-577 aracılığıyla LIN28B ekspresyonunu ve PI3K/AKT yolunu düzenleyerek pankreas kanseri ilerlemesini destekler. Mol Therapeutics – Nucleic acids. 2021;26:523–35.
Lin J, Zhai X, Zou S, Xu Z, Zhang J, Jiang L, ve diğerleri. lncRNA FLVCR1-AS1 ve KLF10 arasındaki pozitif geri bildirim, PTEN/AKT yolu aracılığıyla pankreas kanseri ilerlemesini engelleyebilir. J EXP Clin Cancer Res. 2021;40(1).
Zhou X, Liu X, Zeng X, Wu D, Liu L. Hepatocellüler karsinomda genel sağkalımı öngören on üç genin tanımlanması. Biosci Rep [dergi makalesi]. 2021 04/09/2021.
Yayın tarihi: 22 Eylül 2023