Bauchspeicheldrüsenkrebs ist einer der tödlichsten Tumoren der Welt mit einer schlechten Prognose.Daher ist ein genaues Vorhersagemodell erforderlich, um Patienten mit hohem Risiko für Bauchspeicheldrüsenkrebs zu identifizieren, um die Behandlung individuell anzupassen und die Prognose dieser Patienten zu verbessern.
Wir haben die RNAseq-Daten des Cancer Genome Atlas (TCGA) für Pankreas-Adenokarzinome (PAAD) aus der UCSC-Xena-Datenbank erhalten, immunbezogene lncRNAs (irlncRNAs) durch Korrelationsanalyse identifiziert und Unterschiede zwischen TCGA- und normalen Pankreas-Adenokarzinom-Geweben identifiziert.DEirlncRNA) aus TCGA und Genotyp-Gewebeexpression (GTEx) von Pankreasgewebe.Weitere univariate und Lasso-Regressionsanalysen wurden durchgeführt, um prognostische Signaturmodelle zu erstellen.Anschließend berechneten wir die Fläche unter der Kurve und ermittelten den optimalen Grenzwert zur Identifizierung von Patienten mit Pankreas-Adenokarzinom mit hohem und niedrigem Risiko.Vergleich der klinischen Merkmale, der Infiltration von Immunzellen, der immunsuppressiven Mikroumgebung und der Chemotherapieresistenz bei Patienten mit Bauchspeicheldrüsenkrebs mit hohem und niedrigem Risiko.
Wir identifizierten 20 DEirlncRNA-Paare und gruppierten Patienten nach dem optimalen Cutoff-Wert.Wir haben gezeigt, dass unser prognostisches Signaturmodell eine signifikante Leistung bei der Vorhersage der Prognose von Patienten mit PAAD aufweist.Die AUC der ROC-Kurve beträgt 0,905 für die 1-Jahres-Prognose, 0,942 für die 2-Jahres-Prognose und 0,966 für die 3-Jahres-Prognose.Hochrisikopatienten hatten niedrigere Überlebensraten und schlechtere klinische Merkmale.Wir haben auch gezeigt, dass Hochrisikopatienten immunsupprimiert sind und möglicherweise eine Resistenz gegen die Immuntherapie entwickeln.Die Bewertung von Krebsmedikamenten wie Paclitaxel, Sorafenib und Erlotinib auf der Grundlage rechnerischer Vorhersagetools kann für Hochrisikopatienten mit PAAD sinnvoll sein.
Insgesamt hat unsere Studie ein neues prognostisches Risikomodell basierend auf gepaarter irlncRNA etabliert, das bei Patienten mit Bauchspeicheldrüsenkrebs einen vielversprechenden prognostischen Wert zeigte.Unser prognostisches Risikomodell kann dabei helfen, Patienten mit PAAD zu unterscheiden, die für eine medizinische Behandlung geeignet sind.
Bauchspeicheldrüsenkrebs ist ein bösartiger Tumor mit einer niedrigen 5-Jahres-Überlebensrate und einem hohen Grad.Zum Zeitpunkt der Diagnose befinden sich die meisten Patienten bereits in einem fortgeschrittenen Stadium.Im Zusammenhang mit der COVID-19-Epidemie stehen Ärzte und Pflegekräfte bei der Behandlung von Patienten mit Bauchspeicheldrüsenkrebs unter enormem Druck, und auch die Familien der Patienten stehen bei Behandlungsentscheidungen mehrfach unter Druck [1, 2].Obwohl bei der Behandlung von DOADs große Fortschritte erzielt wurden, wie z. B. neoadjuvante Therapie, chirurgische Resektion, Strahlentherapie, Chemotherapie, gezielte molekulare Therapie und Immun-Checkpoint-Inhibitoren (ICIs), überleben nur etwa 9 % der Patienten fünf Jahre nach der Diagnose [3]. ].], 4].Da die frühen Symptome eines Adenokarzinoms des Pankreas untypisch sind, werden Metastasen bei Patienten meist erst in einem fortgeschrittenen Stadium diagnostiziert [5].Daher muss für einen bestimmten Patienten eine individualisierte umfassende Behandlung die Vor- und Nachteile aller Behandlungsoptionen abwägen, nicht nur um das Überleben zu verlängern, sondern auch um die Lebensqualität zu verbessern [6].Daher ist ein effektives Vorhersagemodell erforderlich, um die Prognose eines Patienten genau beurteilen zu können [7].Somit kann eine geeignete Behandlung ausgewählt werden, um das Überleben und die Lebensqualität von Patienten mit PAAD in Einklang zu bringen.
Die schlechte Prognose von PAAD ist hauptsächlich auf die Resistenz gegen Chemotherapeutika zurückzuführen.In den letzten Jahren wurden Immun-Checkpoint-Inhibitoren häufig in der Behandlung solider Tumoren eingesetzt [8].Allerdings ist der Einsatz von ICIs bei Bauchspeicheldrüsenkrebs selten erfolgreich [9].Daher ist es wichtig, Patienten zu identifizieren, die von einer ICI-Therapie profitieren könnten.
Lange nichtkodierende RNA (lncRNA) ist eine Art nichtkodierender RNA mit Transkripten von mehr als 200 Nukleotiden.LncRNAs sind weit verbreitet und machen etwa 80 % des menschlichen Transkriptoms aus [10].Zahlreiche Arbeiten haben gezeigt, dass lncRNA-basierte Prognosemodelle die Prognose des Patienten effektiv vorhersagen können [11, 12].Beispielsweise wurden 18 autophagiebezogene lncRNAs identifiziert, die prognostische Signaturen bei Brustkrebs erzeugen [13].Sechs weitere immunbezogene lncRNAs wurden verwendet, um die prognostischen Merkmale von Gliomen zu ermitteln [14].
Bei Bauchspeicheldrüsenkrebs haben einige Studien lncRNA-basierte Signaturen etabliert, um die Prognose des Patienten vorherzusagen.Eine 3-lncRNA-Signatur wurde beim Pankreas-Adenokarzinom mit einer Fläche unter der ROC-Kurve (AUC) von nur 0,742 und einem Gesamtüberleben (OS) von 3 Jahren etabliert [15].Darüber hinaus variieren die lncRNA-Expressionswerte zwischen verschiedenen Genomen, verschiedenen Datenformaten und verschiedenen Patienten, und die Leistung des Vorhersagemodells ist instabil.Daher verwenden wir einen neuartigen Modellierungsalgorithmus, Paarung und Iteration, um immunitätsbezogene lncRNA-Signaturen (irlncRNA) zu generieren und so ein genaueres und stabileres Vorhersagemodell zu erstellen [8].
Normalisierte RNAseq-Daten (FPKM) und klinische TCGA- und Genotyp-Gewebeexpressionsdaten (GTEx) für Bauchspeicheldrüsenkrebs wurden aus der UCSC-XENA-Datenbank (https://xenabrowser.net/datapages/) abgerufen.GTF-Dateien wurden aus der Ensembl-Datenbank (http://asia.ensembl.org) bezogen und zum Extrahieren von lncRNA-Expressionsprofilen aus RNAseq verwendet.Wir haben immunitätsbezogene Gene aus der ImmPort-Datenbank (http://www.immport.org) heruntergeladen und immunitätsbezogene lncRNAs (irlncRNAs) mithilfe einer Korrelationsanalyse identifiziert (p < 0,001, r > 0,4).Identifizierung von differentiell exprimierten irlncRNAs (DEirlncRNAs) durch Kreuzung von irlncRNAs und differentiell exprimierten lncRNAs aus der GEPIA2-Datenbank (http://gepia2.cancer-pku.cn/#index) in der TCGA-PAAD-Kohorte (|logFC| > 1 und FDR ) <0,05).
Über diese Methode wurde bereits berichtet [8].Insbesondere konstruieren wir X, um die gepaarten lncRNA A und lncRNA B zu ersetzen. Wenn der Expressionswert von lncRNA A höher ist als der Expressionswert von lncRNA B, ist X als 1 definiert, andernfalls ist X als 0 definiert. Daher können wir erhalten eine Matrix von 0 oder – 1. Die vertikale Achse der Matrix repräsentiert jede Probe und die horizontale Achse repräsentiert jedes DEirlncRNA-Paar mit einem Wert von 0 oder 1.
Eine univariate Regressionsanalyse gefolgt von einer Lasso-Regression wurde verwendet, um prognostische DEirlncRNA-Paare zu screenen.Die Lasso-Regressionsanalyse verwendete eine 10-fache Kreuzvalidierung, die 1000 Mal wiederholt wurde (p < 0,05), mit 1000 zufälligen Reizen pro Lauf.Wenn die Häufigkeit jedes DEirlncRNA-Paares das 100-fache in 1000 Zyklen überschritt, wurden DEirlncRNA-Paare ausgewählt, um ein prognostisches Risikomodell zu erstellen.Anschließend verwendeten wir die AUC-Kurve, um den optimalen Grenzwert für die Einteilung von PAAD-Patienten in Hoch- und Niedrigrisikogruppen zu finden.Der AUC-Wert jedes Modells wurde ebenfalls berechnet und als Kurve dargestellt.Wenn die Kurve den höchsten Punkt erreicht, der den maximalen AUC-Wert anzeigt, stoppt der Berechnungsprozess und das Modell wird als bester Kandidat betrachtet.Es wurden 1-, 3- und 5-Jahres-ROC-Kurvenmodelle erstellt.Univariate und multivariate Regressionsanalysen wurden verwendet, um die unabhängige Vorhersageleistung des prognostischen Risikomodells zu untersuchen.
Verwenden Sie sieben Tools, um die Infiltrationsraten von Immunzellen zu untersuchen, darunter XCELL, TIMER, QUANTISEQ, MCPCOUNTER, EPIC, CIBERSORT-ABS und CIBERSORT.Daten zur Infiltration von Immunzellen wurden aus der TIMER2-Datenbank (http://timer.comp-genomics.org/#tab-5817-3) heruntergeladen.Der Unterschied im Gehalt an immuninfiltrierenden Zellen zwischen den Gruppen mit hohem und niedrigem Risiko des konstruierten Modells wurde mithilfe des Wilcoxon-Signed-Rank-Tests analysiert. Die Ergebnisse sind im quadratischen Diagramm dargestellt.Eine Spearman-Korrelationsanalyse wurde durchgeführt, um die Beziehung zwischen Risiko-Score-Werten und immuninfiltrierenden Zellen zu analysieren.Der resultierende Korrelationskoeffizient wird als Lutscher angezeigt.Die Signifikanzschwelle wurde auf p < 0,05 festgelegt.Das Verfahren wurde mit dem R-Paket ggplot2 durchgeführt.Um die Beziehung zwischen dem Modell und den Genexpressionsniveaus zu untersuchen, die mit der Infiltrationsrate der Immunzellen verbunden sind, haben wir das ggstatsplot-Paket und die Violin-Plot-Visualisierung durchgeführt.
Um klinische Behandlungsmuster für Bauchspeicheldrüsenkrebs zu bewerten, haben wir den IC50 häufig verwendeter Chemotherapeutika in der TCGA-PAAD-Kohorte berechnet.Unterschiede in den halben Hemmkonzentrationen (IC50) zwischen Hoch- und Niedrigrisikogruppen wurden mit dem Wilcoxon-Signed-Rank-Test verglichen und die Ergebnisse werden als Boxplots angezeigt, die mit pRRophetic und ggplot2 in R erstellt wurden. Alle Methoden entsprechen den relevanten Richtlinien und Normen.
Der Arbeitsablauf unserer Studie ist in Abbildung 1 dargestellt. Mithilfe einer Korrelationsanalyse zwischen lncRNAs und immunitätsbezogenen Genen haben wir 724 irlncRNAs mit p < 0,01 und r > 0,4 ausgewählt.Als nächstes analysierten wir die unterschiedlich exprimierten lncRNAs von GEPIA2 (Abbildung 2A).Insgesamt 223 irlncRNAs wurden unterschiedlich zwischen Pankreas-Adenokarzinom und normalem Pankreasgewebe exprimiert (|logFC| > 1, FDR < 0,05), genannt DEirlncRNAs.
Konstruktion prädiktiver Risikomodelle.(A) Vulkandiagramm unterschiedlich exprimierter lncRNAs.(B) Verteilung der Lasso-Koeffizienten für 20 DEirlncRNA-Paare.(C) Partielle Wahrscheinlichkeitsvarianz der LASSO-Koeffizientenverteilung.(D) Walddiagramm, das eine univariate Regressionsanalyse von 20 DEirlncRNA-Paaren zeigt.
Als nächstes konstruierten wir eine 0- oder 1-Matrix durch Paarung von 223 DEirlncRNAs.Insgesamt wurden 13.687 DEirlncRNA-Paare identifiziert.Nach einer univariaten und Lasso-Regressionsanalyse wurden schließlich 20 DEirlncRNA-Paare getestet, um ein prognostisches Risikomodell zu erstellen (Abbildung 2B-D).Basierend auf den Ergebnissen der Lasso- und multiplen Regressionsanalyse haben wir für jeden Patienten in der TCGA-PAAD-Kohorte einen Risikoscore berechnet (Tabelle 1).Basierend auf den Ergebnissen der Lasso-Regressionsanalyse haben wir für jeden Patienten in der TCGA-PAAD-Kohorte einen Risikoscore berechnet.Die AUC der ROC-Kurve betrug 0,905 für die 1-Jahres-Risikomodellvorhersage, 0,942 für die 2-Jahres-Vorhersage und 0,966 für die 3-Jahres-Vorhersage (Abbildung 3A-B).Wir legten einen optimalen Cutoff-Wert von 3,105 fest, stratifizierten die TCGA-PAAD-Kohortenpatienten in Hoch- und Niedrigrisikogruppen und zeichneten die Überlebensergebnisse und Risiko-Score-Verteilungen für jeden Patienten auf (Abbildung 3C-E).Die Kaplan-Meier-Analyse zeigte, dass die Überlebensrate der PAAD-Patienten in der Hochrisikogruppe signifikant niedriger war als die der Patienten in der Niedrigrisikogruppe (p < 0,001) (Abbildung 3F).
Gültigkeit prognostischer Risikomodelle.(A) ROC des prognostischen Risikomodells.(B) ROC-Prognoserisikomodelle für 1, 2 und 3 Jahre.(C) ROC des prognostischen Risikomodells.Zeigt den optimalen Cut-Off-Punkt an.(DE) Verteilung des Überlebensstatus (D) und der Risikoscores (E).(F) Kaplan-Meier-Analyse von PAAD-Patienten in Hoch- und Niedrigrisikogruppen.
Darüber hinaus haben wir die Unterschiede in den Risikobewertungen anhand klinischer Merkmale bewertet.Das Streifendiagramm (Abbildung 4A) zeigt die Gesamtbeziehung zwischen klinischen Merkmalen und Risikobewertungen.Insbesondere ältere Patienten hatten höhere Risikowerte (Abbildung 4B).Darüber hinaus hatten Patienten im Stadium II höhere Risikowerte als Patienten im Stadium I (Abbildung 4C).Was den Tumorgrad bei PAAD-Patienten betrifft, so hatten Patienten vom Grad 3 höhere Risikowerte als Patienten vom Grad 1 und 2 (Abbildung 4D).Wir führten außerdem univariate und multivariate Regressionsanalysen durch und zeigten, dass Risikoscore (p < 0,001) und Alter (p = 0,045) unabhängige Prognosefaktoren bei Patienten mit PAAD waren (Abbildung 5A-B).Die ROC-Kurve zeigte, dass der Risikoscore anderen klinischen Merkmalen bei der Vorhersage des 1-, 2- und 3-Jahres-Überlebens von Patienten mit PAAD überlegen war (Abbildung 5C-E).
Klinische Merkmale prognostischer Risikomodelle.Das Histogramm (A) zeigt (B) Alter, (C) Tumorstadium, (D) Tumorgrad, Risikoscore und Geschlecht der Patienten in der TCGA-PAAD-Kohorte.**p < 0,01
Unabhängige prädiktive Analyse prognostischer Risikomodelle.(AB) Univariate (A) und multivariate (B) Regressionsanalysen prognostischer Risikomodelle und klinischer Merkmale.(CE) 1-, 2- und 3-Jahres-ROC für prognostische Risikomodelle und klinische Merkmale
Daher haben wir den Zusammenhang zwischen Zeit- und Risikobewertungen untersucht.Wir fanden heraus, dass der Risikoscore bei PAAD-Patienten umgekehrt mit CD8+ T-Zellen und NK-Zellen korreliert (Abbildung 6A), was auf eine unterdrückte Immunfunktion in der Hochrisikogruppe hinweist.Wir untersuchten auch den Unterschied in der Infiltration von Immunzellen zwischen der Hoch- und der Niedrigrisikogruppe und kamen zu denselben Ergebnissen (Abbildung 7).In der Hochrisikogruppe kam es zu einer geringeren Infiltration von CD8+-T-Zellen und NK-Zellen.In den letzten Jahren wurden Immun-Checkpoint-Inhibitoren (ICIs) in großem Umfang bei der Behandlung solider Tumoren eingesetzt.Allerdings war der Einsatz von ICIs bei Bauchspeicheldrüsenkrebs selten erfolgreich.Daher haben wir die Expression von Immun-Checkpoint-Genen in Hoch- und Niedrigrisikogruppen untersucht.Wir fanden heraus, dass CTLA-4 und CD161 (KLRB1) in der Niedrigrisikogruppe überexprimiert waren (Abbildung 6B-G), was darauf hindeutet, dass PAAD-Patienten in der Niedrigrisikogruppe möglicherweise empfindlich auf ICI reagieren.
Korrelationsanalyse des prognostischen Risikomodells und der Infiltration von Immunzellen.(A) Korrelation zwischen prognostischem Risikomodell und Infiltration von Immunzellen.(BG) Zeigt die Genexpression in Gruppen mit hohem und niedrigem Risiko an.(HK) IC50-Werte für spezifische Krebsmedikamente in Hoch- und Niedrigrisikogruppen.*p < 0,05, **p < 0,01, ns = nicht signifikant
Wir untersuchten außerdem den Zusammenhang zwischen Risikobewertungen und gängigen Chemotherapeutika in der TCGA-PAAD-Kohorte.Wir suchten nach häufig verwendeten Krebsmedikamenten bei Bauchspeicheldrüsenkrebs und analysierten Unterschiede in ihren IC50-Werten zwischen Hoch- und Niedrigrisikogruppen.Die Ergebnisse zeigten, dass der IC50-Wert von AZD.2281 (Olaparib) in der Hochrisikogruppe höher war, was darauf hindeutet, dass PAAD-Patienten in der Hochrisikogruppe möglicherweise resistent gegen die Behandlung mit AZD.2281 sind (Abbildung 6H).Darüber hinaus waren die IC50-Werte von Paclitaxel, Sorafenib und Erlotinib in der Hochrisikogruppe niedriger (Abbildung 6I-K).Wir identifizierten außerdem 34 Krebsmedikamente mit höheren IC50-Werten in der Hochrisikogruppe und 34 Krebsmedikamente mit niedrigeren IC50-Werten in der Hochrisikogruppe (Tabelle 2).
Es lässt sich nicht leugnen, dass lncRNAs, mRNAs und miRNAs weit verbreitet sind und eine entscheidende Rolle bei der Krebsentstehung spielen.Es gibt zahlreiche Belege für die wichtige Rolle von mRNA oder miRNA bei der Vorhersage des Gesamtüberlebens bei verschiedenen Krebsarten.Zweifellos basieren auch viele prognostische Risikomodelle auf lncRNAs.Beispielsweise haben Luo et al.Studien haben gezeigt, dass LINC01094 eine Schlüsselrolle bei der PC-Proliferation und -Metastasierung spielt und eine hohe Expression von LINC01094 auf ein schlechtes Überleben von Patienten mit Bauchspeicheldrüsenkrebs hinweist [16].Die von Lin et al.Studien haben gezeigt, dass eine Herunterregulierung der lncRNA FLVCR1-AS1 mit einer schlechten Prognose bei Patienten mit Bauchspeicheldrüsenkrebs verbunden ist [17].Allerdings werden immunitätsbezogene lncRNAs im Hinblick auf die Vorhersage des Gesamtüberlebens von Krebspatienten relativ selten diskutiert.In jüngster Zeit konzentrierte sich ein großer Teil der Arbeit auf die Entwicklung prognostischer Risikomodelle, um das Überleben von Krebspatienten vorherzusagen und dadurch Behandlungsmethoden anzupassen [18, 19, 20].Die wichtige Rolle von Immuninfiltraten bei der Krebsentstehung, dem Fortschreiten und dem Ansprechen auf Behandlungen wie Chemotherapie wird zunehmend anerkannt.Zahlreiche Studien haben bestätigt, dass tumorinfiltrierende Immunzellen eine entscheidende Rolle bei der Reaktion auf eine zytotoxische Chemotherapie spielen [21, 22, 23].Die Tumorimmun-Mikroumgebung ist ein wichtiger Faktor für das Überleben von Tumorpatienten [24, 25].Die Immuntherapie, insbesondere die ICI-Therapie, wird häufig bei der Behandlung solider Tumoren eingesetzt [26].Immunbezogene Gene werden häufig zur Erstellung prognostischer Risikomodelle verwendet.Beispielsweise haben Su et al.Das immunbezogene prognostische Risikomodell basiert auf proteinkodierenden Genen, um die Prognose von Eierstockkrebspatientinnen vorherzusagen [27].Auch nichtkodierende Gene wie lncRNAs eignen sich zur Konstruktion prognostischer Risikomodelle [28, 29, 30].Luo et al. testeten vier immunbezogene lncRNAs und erstellten ein Vorhersagemodell für das Gebärmutterhalskrebsrisiko [31].Khan et al.Insgesamt wurden 32 unterschiedlich exprimierte Transkripte identifiziert und auf dieser Grundlage ein Vorhersagemodell mit 5 signifikanten Transkripten erstellt, das als äußerst empfehlenswertes Instrument zur Vorhersage einer durch Biopsie nachgewiesenen akuten Abstoßung nach Nierentransplantation vorgeschlagen wurde [32].
Die meisten dieser Modelle basieren auf Genexpressionsniveaus, entweder Protein-kodierenden Genen oder nicht-kodierenden Genen.Allerdings kann das gleiche Gen in verschiedenen Genomen, Datenformaten und bei verschiedenen Patienten unterschiedliche Expressionswerte aufweisen, was zu instabilen Schätzungen in Vorhersagemodellen führt.In dieser Studie haben wir ein vernünftiges Modell mit zwei lncRNA-Paaren erstellt, unabhängig von den genauen Expressionswerten.
In dieser Studie haben wir irlncRNA zum ersten Mal durch Korrelationsanalyse mit immunitätsbezogenen Genen identifiziert.Wir haben 223 DEirlncRNAs durch Hybridisierung mit unterschiedlich exprimierten lncRNAs gescreent.Zweitens haben wir eine 0-oder-1-Matrix basierend auf der veröffentlichten DEirlncRNA-Paarungsmethode erstellt (31).Anschließend führten wir univariate und Lasso-Regressionsanalysen durch, um prognostische DEirlncRNA-Paare zu identifizieren und ein prädiktives Risikomodell zu erstellen.Wir haben den Zusammenhang zwischen Risikoscores und klinischen Merkmalen bei Patienten mit PAAD weiter analysiert.Wir haben herausgefunden, dass unser prognostisches Risikomodell als unabhängiger Prognosefaktor bei PAAD-Patienten wirksam zwischen hochgradigen Patienten und niedriggradigen Patienten sowie zwischen hochgradigen Patienten und niedriggradigen Patienten unterscheiden kann.Darüber hinaus betrugen die AUC-Werte der ROC-Kurve des prognostischen Risikomodells 0,905 für die 1-Jahres-Prognose, 0,942 für die 2-Jahres-Prognose und 0,966 für die 3-Jahres-Prognose.
Forscher berichteten, dass Patienten mit einer höheren CD8+-T-Zell-Infiltration empfindlicher auf die ICI-Behandlung reagierten [33].Ein Anstieg des Gehalts an zytotoxischen Zellen, CD56-NK-Zellen, NK-Zellen und CD8+-T-Zellen in der Tumorimmunmikroumgebung kann einer der Gründe für die tumorsuppressive Wirkung sein [34].Frühere Studien zeigten, dass höhere Konzentrationen an tumorinfiltrierendem CD4(+) T und CD8(+) T signifikant mit einem längeren Überleben verbunden waren [35].Eine schlechte CD8-T-Zell-Infiltration, eine geringe Neoantigenlast und eine stark immunsuppressive Tumormikroumgebung führen zu einem mangelnden Ansprechen auf die ICI-Therapie [36].Wir fanden heraus, dass der Risiko-Score negativ mit CD8+-T-Zellen und NK-Zellen korreliert, was darauf hindeutet, dass Patienten mit hohen Risiko-Scores möglicherweise nicht für eine ICI-Behandlung geeignet sind und eine schlechtere Prognose haben.
CD161 ist ein Marker für natürliche Killerzellen (NK).CD8+CD161+ CAR-transduzierte T-Zellen vermitteln eine erhöhte In-vivo-Antitumorwirksamkeit in HER2+-Xenotransplantatmodellen für duktales Adenokarzinom des Pankreas (37).Immun-Checkpoint-Inhibitoren zielen auf die Signalwege zytotoxisches T-Lymphozyten-assoziiertes Protein 4 (CTLA-4) und programmiertes Zelltodprotein 1 (PD-1)/programmierter Zelltodligand 1 (PD-L1) ab und haben in vielen Bereichen großes Potenzial.Die Expression von CTLA-4 und CD161 (KLRB1) ist in Hochrisikogruppen geringer, was ein weiterer Hinweis darauf ist, dass Patienten mit hohen Risikowerten möglicherweise nicht für eine ICI-Behandlung in Frage kommen.[38]
Um geeignete Behandlungsoptionen für Hochrisikopatienten zu finden, haben wir verschiedene Krebsmedikamente analysiert und festgestellt, dass Paclitaxel, Sorafenib und Erlotinib, die häufig bei Patienten mit PAAD eingesetzt werden, für Hochrisikopatienten mit PAAD geeignet sein könnten.[33].Zhang et al. fanden heraus, dass Mutationen in jedem DNA-Schadensreaktionsweg (DDR) zu einer schlechten Prognose bei Prostatakrebspatienten führen können [39].Die Pancreatic Cancer Olaparib Ongoing (POLO)-Studie zeigte, dass die Erhaltungstherapie mit Olaparib das progressionsfreie Überleben im Vergleich zu Placebo nach einer platinbasierten Erstlinien-Chemotherapie bei Patienten mit duktalem Adenokarzinom des Pankreas und BRCA1/2-Keimbahnmutationen verlängerte [40].Dies gibt großen Anlass zu Optimismus, dass sich die Behandlungsergebnisse in dieser Untergruppe von Patienten deutlich verbessern werden.In dieser Studie war der IC50-Wert von AZD.2281 (Olaparib) in der Hochrisikogruppe höher, was darauf hindeutet, dass PAAD-Patienten in der Hochrisikogruppe möglicherweise resistent gegen die Behandlung mit AZD.2281 sind.
Die Prognosemodelle dieser Studie liefern gute Prognoseergebnisse, basieren jedoch auf analytischen Prognosen.Wie diese Ergebnisse mit klinischen Daten bestätigt werden können, ist eine wichtige Frage.Die endoskopische Feinnadelaspirationsultraschalluntersuchung (EUS-FNA) hat sich mit einer Sensitivität von 85 % und einer Spezifität von 98 % zu einer unverzichtbaren Methode zur Diagnose solider und extrapankreatischer Pankreasläsionen entwickelt [41].Das Aufkommen von EUS-Feinnadelbiopsienadeln (EUS-FNB) basiert hauptsächlich auf vermeintlichen Vorteilen gegenüber FNA, wie z. B. einer höheren diagnostischen Genauigkeit, der Gewinnung von Proben, die die histologische Struktur bewahren, und somit der Erzeugung von Immungewebe, das für bestimmte Diagnosen von entscheidender Bedeutung ist.Spezialfärbung [42].Eine systematische Durchsicht der Literatur bestätigte, dass FNB-Nadeln (insbesondere 22G) die höchste Effizienz bei der Gewebeentnahme aus Pankreasmassen aufweisen [43].Klinisch kommt nur eine kleine Anzahl von Patienten für eine radikale Operation in Frage, und die meisten Patienten haben zum Zeitpunkt der Erstdiagnose inoperable Tumoren.In der klinischen Praxis kommt nur ein kleiner Teil der Patienten für eine radikale Operation in Frage, da die meisten Patienten zum Zeitpunkt der Erstdiagnose über inoperable Tumoren verfügen.Nach pathologischer Bestätigung durch EUS-FNB und andere Methoden wird in der Regel eine standardisierte nicht-chirurgische Behandlung wie Chemotherapie gewählt.Unser nachfolgendes Forschungsprogramm besteht darin, das prognostische Modell dieser Studie in chirurgischen und nicht-chirurgischen Kohorten durch eine retrospektive Analyse zu testen.
Insgesamt hat unsere Studie ein neues prognostisches Risikomodell basierend auf gepaarter irlncRNA etabliert, das bei Patienten mit Bauchspeicheldrüsenkrebs einen vielversprechenden prognostischen Wert zeigte.Unser prognostisches Risikomodell kann dabei helfen, Patienten mit PAAD zu unterscheiden, die für eine medizinische Behandlung geeignet sind.
Die in der aktuellen Studie verwendeten und analysierten Datensätze sind auf begründete Anfrage beim jeweiligen Autor erhältlich.
Sui Wen, Gong X, Zhuang Y. Die vermittelnde Rolle der Selbstwirksamkeit bei der emotionalen Regulierung negativer Emotionen während der COVID-19-Pandemie: eine Querschnittsstudie.Int J Ment Health Nurs [Zeitschriftenartikel].2021 01.06.2021;30(3):759–71.
Sui Wen, Gong X, Qiao X, Zhang L, Cheng J, Dong J, et al.Ansichten von Familienangehörigen zur alternativen Entscheidungsfindung auf Intensivstationen: eine systematische Überprüfung.INT J NURS STUD [Zeitschriftenartikel;Rezension].2023 01.01.2023;137:104391.
Vincent A, Herman J, Schulich R, Hruban RH, Goggins M. Bauchspeicheldrüsenkrebs.Lanzette.[Zeitschriftenartikel;Forschungsunterstützung, NIH, außeruniversitär;Forschungsunterstützung, Regierung außerhalb der USA;Rezension].2011 13.08.2011;378(9791):607–20.
Ilic M, Ilic I. Epidemiologie von Bauchspeicheldrüsenkrebs.Weltjournal für Gastroenterologie.[Zeitschriftenartikel, Rezension].2016 28.11.2016;22(44):9694–705.
Liu X, Chen B, Chen J, Sun S. Ein neues tp53-bezogenes Nomogramm zur Vorhersage des Gesamtüberlebens bei Patienten mit Bauchspeicheldrüsenkrebs.BMC Cancer [Zeitschriftenartikel].2021 31.03.2021;21(1):335.
Xian X, ZhuKrebskrankenschwester.[Zeitschriftenartikel;randomisierte, kontrollierte Studie;Die Studie wird von einer Regierung außerhalb der Vereinigten Staaten unterstützt.2022 01.05.2022;45(3):E663–73.
Zhang Cheng, Zheng Wen, Lu Y, Shan L, Xu Dong, Pan Y, et al.Postoperative Werte des karzinoembryonalen Antigens (CEA) sagen das Ergebnis nach einer Darmkrebsresektion bei Patienten mit normalen präoperativen CEA-Werten voraus.Zentrum für translationale Krebsforschung.[Zeitschriftenartikel].2020 01.01.2020;9(1):111–8.
Hong Wen, Liang Li, Gu Yu, Qi Zi, Qiu Hua, Yang X, et al.Immunbezogene lncRNAs erzeugen neuartige Signaturen und sagen die Immunlandschaft des menschlichen hepatozellulären Karzinoms voraus.Mol Ther Nukleinsäuren [Zeitschriftenartikel].2020 2020-12-04;22:937 – 47.
Toffey RJ, Zhu Y., Schulich RD Immuntherapie bei Bauchspeicheldrüsenkrebs: Hindernisse und Durchbrüche.Ann Gastrointestinal Surgeon [Zeitschriftenartikel;Rezension].2018 01.07.2018;2(4):274–81.
Hull R, Mbita Z, Dlamini Z. Lange nichtkodierende RNAs (LncRNAs), virale Tumorgenomik und aberrante Spleißereignisse: therapeutische Implikationen.AM J CANCER RES [Zeitschriftenartikel;Rezension].2021 20.01.2021;11(3):866–83.
Wang J, Chen P, Zhang Y, Ding J, Yang Y, Li H. 11-Identifizierung von lncRNA-Signaturen im Zusammenhang mit der Prognose von Endometriumkrebs.Errungenschaften der Wissenschaft [Zeitschriftenartikel].2021 2021-01-01;104(1):311977089.
Jiang S., Ren H., Liu S., Lu Z., Xu A., Qin S. et al.Umfassende Analyse von prognostischen Genen für RNA-bindende Proteine und Arzneimittelkandidaten bei Papillarzell-Nierenzellkarzinomen.pregen.[Zeitschriftenartikel].2021 20.01.2021;12:627508.
Li X, Chen J, Yu Q, Huang X, Liu Z, Wang X, et al.Merkmale der Autophagie-bedingten langen nichtkodierenden RNA sagen die Brustkrebsprognose voraus.pregen.[Zeitschriftenartikel].2021 20.01.2021;12:569318.
Zhou M, Zhang Z, Zhao X, Bao S, Cheng L, Sun J. Immunbedingte sechs lncRNA-Signaturen verbessern die Prognose bei Glioblastoma multiforme.MOL Neurobiologie.[Zeitschriftenartikel].2018 01.05.2018;55(5):3684–97.
Wu B, Wang Q, Fei J, Bao Y, Wang X, Song Z, et al.Eine neuartige Tri-lncRNA-Signatur sagt das Überleben von Patienten mit Bauchspeicheldrüsenkrebs voraus.VERTRETER VON ONKOL.[Zeitschriftenartikel].2018 01.12.2018;40(6):3427–37.
Luo C, Lin K, Hu C, ZhuMol Therapeutics – Nukleinsäuren.2021;26:523–35.
Lin J, Zhai X, Zou S, Xu Z, Zhang J, Jiang L, et al.Eine positive Rückkopplung zwischen lncRNA FLVCR1-AS1 und KLF10 kann das Fortschreiten von Bauchspeicheldrüsenkrebs über den PTEN/AKT-Weg hemmen.J EXP Clin Cancer Res.2021;40(1).
Zhou X, Liu X, Zeng X, Wu D, Liu L. Identifizierung von dreizehn Genen, die das Gesamtüberleben bei hepatozellulärem Karzinom vorhersagen.Biosci Rep [Zeitschriftenartikel].2021 09.04.2021.
Zeitpunkt der Veröffentlichung: 22.09.2023