Alvleesklierkanker is een van de dodelijkste tumoren ter wereld met een slechte prognose. Daarom is een nauwkeurig voorspellingsmodel nodig om patiënten met een hoog risico op alvleesklierkanker te identificeren, zodat de behandeling op maat kan worden gemaakt en de prognose van deze patiënten kan worden verbeterd.
We hebben RNAseq-gegevens van pancreasadenocarcinoom (PAAD) uit de UCSC Xena-database van The Cancer Genome Atlas (TCGA) verkregen, immuungerelateerde lncRNA's (irlncRNA's) geïdentificeerd door middel van correlatieanalyse en verschillen tussen TCGA- en normaal pancreasadenocarcinoomweefsel vastgesteld. Vervolgens hebben we de expressie van irlncRNA's uit TCGA en de genotype-weefselexpressie (GTEx) van pancreasweefsel vergeleken. Daarnaast werden univariate en lasso-regressieanalyses uitgevoerd om prognostische signatuurmodellen te construeren. We berekenden vervolgens de oppervlakte onder de curve en bepaalden de optimale grenswaarde voor het identificeren van patiënten met een hoog en laag risico op pancreasadenocarcinoom. Het doel was om klinische kenmerken, immuuncelinfiltratie, immunosuppressieve microomgeving en chemotherapieresistentie te vergelijken bij patiënten met een hoog en laag risico op pancreaskanker.
We identificeerden 20 DEirlncRNA-paren en groepeerden patiënten op basis van de optimale grenswaarde. We toonden aan dat ons prognostisch signatuurmodel significant presteert bij het voorspellen van de prognose van patiënten met PAAD. De AUC van de ROC-curve is 0,905 voor de voorspelling over 1 jaar, 0,942 voor de voorspelling over 2 jaar en 0,966 voor de voorspelling over 3 jaar. Patiënten met een hoog risico hadden lagere overlevingskansen en slechtere klinische kenmerken. We toonden ook aan dat patiënten met een hoog risico immuungecompromitteerd zijn en resistentie tegen immunotherapie kunnen ontwikkelen. Evaluatie van antikankermedicijnen zoals paclitaxel, sorafenib en erlotinib op basis van computationele voorspellingsmodellen kan geschikt zijn voor patiënten met een hoog risico op PAAD.
Over het geheel genomen heeft ons onderzoek een nieuw prognostisch risicomodel ontwikkeld op basis van gepaarde irlncRNA's, dat veelbelovende prognostische waarde vertoont bij patiënten met alvleesklierkanker. Ons prognostisch risicomodel kan helpen bij het onderscheiden van patiënten met PAAD die in aanmerking komen voor medische behandeling.
Alvleesklierkanker is een kwaadaardige tumor met een lage vijfjaarsoverleving en een hoge graad. Bij de diagnose bevinden de meeste patiënten zich al in een gevorderd stadium. In de context van de COVID-19-epidemie staan artsen en verpleegkundigen onder enorme druk bij de behandeling van patiënten met alvleesklierkanker, en ook de families van patiënten worden geconfronteerd met diverse drukfactoren bij het nemen van behandelbeslissingen [1, 2]. Hoewel er grote vooruitgang is geboekt in de behandeling van DOAD's, zoals neoadjuvante therapie, chirurgische resectie, radiotherapie, chemotherapie, doelgerichte moleculaire therapie en immuuncheckpointremmers (ICI's), overleeft slechts ongeveer 9% van de patiënten vijf jaar na de diagnose [3, 4]. Omdat de vroege symptomen van pancreasadenocarcinoom atypisch zijn, worden patiënten meestal pas in een gevorderd stadium gediagnosticeerd met metastasen [5]. Daarom moet voor een gegeven patiënt een geïndividualiseerde, alomvattende behandeling de voor- en nadelen van alle behandelopties afwegen, niet alleen om de overleving te verlengen, maar ook om de kwaliteit van leven te verbeteren [6]. Daarom is een effectief voorspellingsmodel nodig om de prognose van een patiënt nauwkeurig te kunnen inschatten [7]. Zo kan een passende behandeling worden gekozen die de overleving en de kwaliteit van leven van patiënten met PAAD in evenwicht brengt.
De slechte prognose van PAAD is voornamelijk te wijten aan resistentie tegen chemotherapeutische geneesmiddelen. De laatste jaren worden immuuncheckpointremmers veelvuldig gebruikt bij de behandeling van solide tumoren [8]. Het gebruik van ICIs bij pancreaskanker is echter zelden succesvol [9]. Daarom is het belangrijk om patiënten te identificeren die baat kunnen hebben bij ICI-therapie.
Lange niet-coderende RNA's (lncRNA's) zijn een type niet-coderend RNA met transcripten van meer dan 200 nucleotiden. LncRNA's zijn wijdverspreid en vormen ongeveer 80% van het menselijke transcriptoom [10]. Uit veel onderzoek is gebleken dat op lncRNA gebaseerde prognostische modellen de prognose van patiënten effectief kunnen voorspellen [11, 12]. Zo werden bijvoorbeeld 18 autofagie-gerelateerde lncRNA's geïdentificeerd om prognostische kenmerken te genereren bij borstkanker [13]. Zes andere immuun-gerelateerde lncRNA's zijn gebruikt om de prognostische kenmerken van glioom vast te stellen [14].
In de pancreaskanker hebben sommige studies op lncRNA gebaseerde signaturen ontwikkeld om de prognose van patiënten te voorspellen. Een signatuur van 3 lncRNA's werd ontwikkeld voor pancreasadenocarcinoom met een oppervlakte onder de ROC-curve (AUC) van slechts 0,742 en een algehele overleving (OS) van 3 jaar [15]. Bovendien variëren de expressiewaarden van lncRNA's tussen verschillende genomen, verschillende dataformaten en verschillende patiënten, waardoor de prestaties van het voorspellingsmodel instabiel zijn. Daarom gebruiken we een nieuw modelleringsalgoritme, pairing en iteratie, om immuungerelateerde lncRNA (irlncRNA) signaturen te genereren en zo een nauwkeuriger en stabieler voorspellingsmodel te creëren [8].
Genormaliseerde RNAseq-gegevens (FPKM) en klinische pancreaskankergegevens van TCGA en genotypeweefselexpressiegegevens (GTEx) werden verkregen uit de UCSC XENA-database (https://xenabrowser.net/datapages/). GTF-bestanden werden verkregen uit de Ensembl-database (http://asia.ensembl.org) en gebruikt om lncRNA-expressieprofielen uit RNAseq te extraheren. We hebben immuungerelateerde genen gedownload van de ImmPort-database (http://www.immport.org) en immuungerelateerde lncRNA's (irlncRNA's) geïdentificeerd met behulp van correlatieanalyse (p < 0,001, r > 0,4). Identificatie van differentieel tot expressie gebrachte irlncRNA's (DEirlncRNA's) door irlncRNA's en differentieel tot expressie gebrachte lncRNA's uit de GEPIA2-database (http://gepia2.cancer-pku.cn/#index) te combineren in het TCGA-PAAD-cohort (|logFC| > 1 en FDR < 0,05).
Deze methode is eerder beschreven [8]. We construeren specifiek X om de gepaarde lncRNA A en lncRNA B te vervangen. Wanneer de expressiewaarde van lncRNA A hoger is dan de expressiewaarde van lncRNA B, wordt X gedefinieerd als 1, anders wordt X gedefinieerd als 0. Op deze manier verkrijgen we een matrix van 0 of –1. De verticale as van de matrix vertegenwoordigt elk monster en de horizontale as vertegenwoordigt elk DEirlncRNA-paar met een waarde van 0 of 1.
Univariate regressieanalyse, gevolgd door Lasso-regressie, werd gebruikt om prognostische DEirlncRNA-paren te selecteren. De Lasso-regressieanalyse maakte gebruik van 10-voudige kruisvalidatie, 1000 keer herhaald (p < 0,05), met 1000 willekeurige stimuli per run. Wanneer de frequentie van elk DEirlncRNA-paar meer dan 100 keer voorkwam in 1000 cycli, werden DEirlncRNA-paren geselecteerd om een prognostisch risicomodel te construeren. Vervolgens gebruikten we de AUC-curve om de optimale grenswaarde te vinden voor het classificeren van PAAD-patiënten in hoog- en laagrisicogroepen. De AUC-waarde van elk model werd ook berekend en als curve uitgezet. Als de curve het hoogste punt bereikt, wat de maximale AUC-waarde aangeeft, stopt het berekeningsproces en wordt het model beschouwd als de beste kandidaat. ROC-curvemodellen voor 1, 3 en 5 jaar werden geconstrueerd. Univariate en multivariate regressieanalyses werden gebruikt om de onafhankelijke voorspellende waarde van het prognostische risicomodel te onderzoeken.
Er werden zeven tools gebruikt om de infiltratiesnelheid van immuuncellen te bestuderen, waaronder XCELL, TIMER, QUANTISEQ, MCPCOUNTER, EPIC, CIBERSORT-ABS en CIBERSORT. De gegevens over de infiltratie van immuuncellen werden gedownload van de TIMER2-database (http://timer.comp-genomics.org/#tab-5817-3). Het verschil in het aantal immuuninfiltrerende cellen tussen de hoog- en laagrisicogroepen van het geconstrueerde model werd geanalyseerd met behulp van de Wilcoxon-rangtekentoets. De resultaten worden weergegeven in een vierkantgrafiek. Spearman-correlatieanalyse werd uitgevoerd om de relatie tussen risicoscores en immuuninfiltrerende cellen te analyseren. De resulterende correlatiecoëfficiënt wordt weergegeven als een lolly. De significantiedrempel werd ingesteld op p < 0,05. De procedure werd uitgevoerd met behulp van het R-pakket ggplot2. Om de relatie tussen het model en de genexpressieniveaus die geassocieerd zijn met de infiltratiesnelheid van immuuncellen te onderzoeken, werd het ggstatsplot-pakket en een vioolplot-visualisatie gebruikt.
Om klinische behandelingspatronen voor alvleesklierkanker te evalueren, berekenden we de IC50 van veelgebruikte chemotherapeutische geneesmiddelen in het TCGA-PAAD-cohort. Verschillen in halfremmende concentraties (IC50) tussen groepen met een hoog en laag risico werden vergeleken met behulp van de Wilcoxon-rangtekentoets. De resultaten worden weergegeven als boxplots, gegenereerd met pRRophetic en ggplot2 in R. Alle methoden voldoen aan de relevante richtlijnen en normen.
De workflow van ons onderzoek wordt weergegeven in Figuur 1. Door middel van correlatieanalyse tussen lncRNA's en immuungerelateerde genen selecteerden we 724 irlncRNA's met p < 0,01 en r > 0,4. Vervolgens analyseerden we de differentieel tot expressie gebrachte lncRNA's van GEPIA2 (Figuur 2A). In totaal werden 223 irlncRNA's differentieel tot expressie gebracht tussen pancreasadenocarcinoom en normaal pancreasweefsel (|logFC| > 1, FDR < 0,05), die we DEirlncRNA's noemden.
Constructie van voorspellende risicomodellen. (A) Vulkaanplot van differentieel tot expressie gebrachte lncRNA's. (B) Verdeling van lasso-coëfficiënten voor 20 DEirlncRNA-paren. (C) Partiële likelihood-variantie van de LASSO-coëfficiëntverdeling. (D) Forestplot met univariate regressieanalyse van 20 DEirlncRNA-paren.
Vervolgens hebben we een 0- of 1-matrix geconstrueerd door 223 DEirlncRNA's te combineren. In totaal werden 13.687 DEirlncRNA-paren geïdentificeerd. Na univariate en lasso-regressieanalyse werden uiteindelijk 20 DEirlncRNA-paren getest om een prognostisch risicomodel te construeren (Figuur 2B-D). Op basis van de resultaten van de lasso- en meervoudige regressieanalyse berekenden we een risicoscore voor elke patiënt in het TCGA-PAAD-cohort (Tabel 1). De AUC van de ROC-curve was 0,905 voor de 1-jaars risicovoorspelling, 0,942 voor de 2-jaars voorspelling en 0,966 voor de 3-jaars voorspelling (Figuur 3A-B). We stelden een optimale grenswaarde van 3,105 vast, verdeelden de patiënten van het TCGA-PAAD-cohort in groepen met een hoog en laag risico, en brachten de overlevingsresultaten en de verdeling van de risicoscores voor elke patiënt in kaart (Figuur 3C-E). De Kaplan-Meier-analyse toonde aan dat de overleving van PAAD-patiënten in de groep met een hoog risico significant lager was dan die van patiënten in de groep met een laag risico (p < 0,001) (Figuur 3F).
Validiteit van prognostische risicomodellen. (A) ROC-curve van het prognostische risicomodel. (B) ROC-curves van prognostische risicomodellen voor 1, 2 en 3 jaar. (C) ROC-curve van het prognostische risicomodel. Toont het optimale afsnijpunt. (D) Verdeling van de overlevingsstatus (D) en risicoscores (E). (F) Kaplan-Meier-analyse van PAAD-patiënten in groepen met een hoog en laag risico.
We hebben de verschillen in risicoscores verder beoordeeld op basis van klinische kenmerken. De stripplot (Figuur 4A) toont de algemene relatie tussen klinische kenmerken en risicoscores. Met name oudere patiënten hadden hogere risicoscores (Figuur 4B). Daarnaast hadden patiënten met stadium II hogere risicoscores dan patiënten met stadium I (Figuur 4C). Wat betreft de tumorgradering bij PAAD-patiënten, hadden patiënten met graad 3 hogere risicoscores dan patiënten met graad 1 en 2 (Figuur 4D). We hebben verder univariate en multivariate regressieanalyses uitgevoerd en aangetoond dat de risicoscore (p < 0,001) en leeftijd (p = 0,045) onafhankelijke prognostische factoren waren bij patiënten met PAAD (Figuur 5A-B). De ROC-curve toonde aan dat de risicoscore superieur was aan andere klinische kenmerken in het voorspellen van de 1-, 2- en 3-jaarsoverleving van patiënten met PAAD (Figuur 5C-E).
Klinische kenmerken van prognostische risicomodellen. Histogram (A) toont (B) leeftijd, (C) tumorstadium, (D) tumorgraad, risicoscore en geslacht van patiënten in het TCGA-PAAD-cohort. **p < 0,01
Onafhankelijke voorspellende analyse van prognostische risicomodellen. (AB) Univariate (A) en multivariate (B) regressieanalyses van prognostische risicomodellen en klinische kenmerken. (CE) ROC-curven voor 1, 2 en 3 jaar voor prognostische risicomodellen en klinische kenmerken.
Daarom onderzochten we de relatie tussen tijd en risicoscores. We ontdekten dat de risicoscore bij PAAD-patiënten omgekeerd gecorreleerd was met CD8+ T-cellen en NK-cellen (Figuur 6A), wat wijst op een onderdrukte immuunfunctie in de hoogrisicogroep. We beoordeelden ook het verschil in immuuncelinfiltratie tussen de hoog- en laagrisicogroep en vonden dezelfde resultaten (Figuur 7). Er was minder infiltratie van CD8+ T-cellen en NK-cellen in de hoogrisicogroep. De laatste jaren worden immuuncheckpointremmers (ICI's) veelvuldig gebruikt bij de behandeling van solide tumoren. Het gebruik van ICI's bij alvleesklierkanker is echter zelden succesvol gebleken. Daarom beoordeelden we de expressie van immuuncheckpointgenen in de hoog- en laagrisicogroep. We vonden dat CTLA-4 en CD161 (KLRB1) overgeëxpresseerd waren in de laagrisicogroep (Figuur 6B-G), wat erop wijst dat PAAD-patiënten in de laagrisicogroep mogelijk gevoelig zijn voor ICI's.
Correlatieanalyse van het prognostische risicomodel en immuuncelinfiltratie. (A) Correlatie tussen het prognostische risicomodel en immuuncelinfiltratie. (BG) Geeft de genexpressie weer in de groepen met een hoog en laag risico. (HK) IC50-waarden voor specifieke antikankermedicijnen in de groepen met een hoog en laag risico. *p < 0,05, **p < 0,01, ns = niet significant
We hebben de associatie tussen risicoscores en veelgebruikte chemotherapeutische middelen in het TCGA-PAAD-cohort verder onderzocht. We hebben gezocht naar veelgebruikte antikankermiddelen bij alvleesklierkanker en de verschillen in hun IC50-waarden tussen de hoog- en laagrisicogroepen geanalyseerd. De resultaten toonden aan dat de IC50-waarde van AZD.2281 (olaparib) hoger was in de hoogrisicogroep, wat erop wijst dat PAAD-patiënten in de hoogrisicogroep mogelijk resistent zijn tegen behandeling met AZD.2281 (Figuur 6H). Daarnaast waren de IC50-waarden van paclitaxel, sorafenib en erlotinib lager in de hoogrisicogroep (Figuur 6I-K). We hebben verder 34 antikankermiddelen met hogere IC50-waarden in de hoogrisicogroep en 34 antikankermiddelen met lagere IC50-waarden in de hoogrisicogroep geïdentificeerd (Tabel 2).
Het valt niet te ontkennen dat lncRNA's, mRNA's en miRNA's wijdverspreid voorkomen en een cruciale rol spelen bij de ontwikkeling van kanker. Er is ruimschoots bewijs dat de belangrijke rol van mRNA of miRNA bij het voorspellen van de algehele overleving bij verschillende soorten kanker ondersteunt. Veel prognostische risicomodellen zijn ongetwijfeld ook gebaseerd op lncRNA's. Zo hebben studies van Luo et al. aangetoond dat LINC01094 een sleutelrol speelt bij de proliferatie en metastase van pancreaskanker, en dat een hoge expressie van LINC01094 wijst op een slechte overleving bij patiënten met pancreaskanker [16]. De studie van Lin et al. heeft aangetoond dat downregulatie van lncRNA FLVCR1-AS1 geassocieerd is met een slechte prognose bij patiënten met pancreaskanker [17]. Immuniteitsgerelateerde lncRNA's worden echter relatief minder besproken in termen van het voorspellen van de algehele overleving van kankerpatiënten. De laatste tijd is er veel onderzoek gedaan naar het ontwikkelen van prognostische risicomodellen om de overleving van kankerpatiënten te voorspellen en zo behandelmethoden aan te passen [18, 19, 20]. Er is een groeiende erkenning van de belangrijke rol van immuuninfiltraten bij het ontstaan, de progressie en de respons op behandelingen zoals chemotherapie van kanker. Talrijke studies hebben bevestigd dat tumorinfiltrerende immuuncellen een cruciale rol spelen in de respons op cytotoxische chemotherapie [21, 22, 23]. Het immuunmicro-omgeving van de tumor is een belangrijke factor in de overleving van tumorpatiënten [24, 25]. Immunotherapie, met name ICI-therapie, wordt veelvuldig gebruikt bij de behandeling van solide tumoren [26]. Immuungerelateerde genen worden veel gebruikt om prognostische risicomodellen te ontwikkelen. Zo hebben Su et al. een immuungerelateerd prognostisch risicomodel ontwikkeld op basis van eiwitcoderende genen om de prognose van patiënten met eierstokkanker te voorspellen [27]. Niet-coderende genen zoals lncRNA's zijn ook geschikt voor het ontwikkelen van prognostische risicomodellen [28, 29, 30]. Luo et al. testten vier immuungerelateerde lncRNA's en ontwikkelden een voorspellend model voor het risico op baarmoederhalskanker [31]. Khan et al. In totaal werden 32 differentieel tot expressie gebrachte transcripten geïdentificeerd, en op basis hiervan werd een voorspellingsmodel met 5 significante transcripten opgesteld, dat werd voorgesteld als een zeer aanbevolen hulpmiddel voor het voorspellen van door biopsie bewezen acute afstoting na niertransplantatie [32].
De meeste van deze modellen zijn gebaseerd op genexpressieniveaus, hetzij van eiwitcoderende genen, hetzij van niet-coderende genen. Hetzelfde gen kan echter verschillende expressiewaarden hebben in verschillende genomen, dataformaten en bij verschillende patiënten, wat leidt tot instabiele schattingen in voorspellende modellen. In deze studie hebben we een redelijk model ontwikkeld met twee paren lncRNA's, onafhankelijk van de exacte expressiewaarden.
In deze studie hebben we voor het eerst irlncRNA geïdentificeerd door middel van correlatieanalyse met immuungerelateerde genen. We hebben 223 differentieel tot expressie gebrachte lncRNA's (DEirlncRNA's) gescreend door hybridisatie met differentieel tot expressie gebrachte lncRNA's. Vervolgens hebben we een 0-of-1-matrix geconstrueerd op basis van de gepubliceerde DEirlncRNA-koppelingsmethode [31]. Daarna hebben we univariate en lasso-regressieanalyses uitgevoerd om prognostische DEirlncRNA-paren te identificeren en een voorspellend risicomodel te construeren. We hebben verder de associatie tussen risicoscores en klinische kenmerken bij patiënten met PAAD geanalyseerd. We ontdekten dat ons prognostisch risicomodel, als onafhankelijke prognostische factor bij PAAD-patiënten, effectief onderscheid kan maken tussen patiënten met een hoge graad en patiënten met een lage graad, en tussen patiënten met een hoge graad en patiënten met een lage graad. Bovendien waren de AUC-waarden van de ROC-curve van het prognostisch risicomodel 0,905 voor de 1-jaarsvoorspelling, 0,942 voor de 2-jaarsvoorspelling en 0,966 voor de 3-jaarsvoorspelling.
Onderzoekers meldden dat patiënten met een hogere infiltratie van CD8+ T-cellen gevoeliger waren voor ICI-behandeling [33]. Een toename van het aantal cytotoxische cellen, CD56 NK-cellen, NK-cellen en CD8+ T-cellen in de tumor-immuunmicroomgeving kan een van de redenen zijn voor het tumoronderdrukkende effect [34]. Eerdere studies toonden aan dat hogere niveaus van tumorinfiltrerende CD4(+) T-cellen en CD8(+) T-cellen significant geassocieerd waren met een langere overleving [35]. Een lage infiltratie van CD8 T-cellen, een lage neoantigeenbelasting en een sterk immunosuppressieve tumormicroomgeving leiden tot een gebrek aan respons op ICI-therapie [36]. We vonden dat de risicoscore negatief gecorreleerd was met CD8+ T-cellen en NK-cellen, wat erop wijst dat patiënten met een hoge risicoscore mogelijk niet geschikt zijn voor ICI-behandeling en een slechtere prognose hebben.
CD161 is een marker voor natuurlijke killercellen (NK-cellen). CD8+CD161+ CAR-getransduceerde T-cellen mediëren een verbeterde antitumorwerking in vivo in HER2+ pancreasgangcarcinoom-xenograftmodellen [37]. Immuuncheckpointremmers richten zich op cytotoxisch T-lymfocyt-geassocieerd proteïne 4 (CTLA-4) en geprogrammeerde celdoodproteïne 1 (PD-1)/geprogrammeerde celdoodligand 1 (PD-L1)-routes en hebben een groot potentieel op veel gebieden. De expressie van CTLA-4 en CD161 (KLRB1) is lager in risicogroepen, wat verder aangeeft dat patiënten met een hoge risicoscore mogelijk niet in aanmerking komen voor ICI-behandeling. [38]
Om behandelingsopties te vinden die geschikt zijn voor patiënten met een hoog risico, hebben we verschillende antikankermiddelen geanalyseerd en ontdekt dat paclitaxel, sorafenib en erlotinib, die veelvuldig worden gebruikt bij patiënten met PAAD, mogelijk geschikt zijn voor patiënten met een hoog risico op PAAD. [33]. Zhang et al. ontdekten dat mutaties in elk DNA-schadeherstelpad (DDR) kunnen leiden tot een slechte prognose bij prostaatpatiënten [39]. De Pancreatic Cancer Olaparib Ongoing (POLO)-studie toonde aan dat onderhoudsbehandeling met olaparib de progressievrije overleving verlengde in vergelijking met placebo na eerstelijns platinagebaseerde chemotherapie bij patiënten met pancreasgangcarcinoom en kiemlijn BRCA1/2-mutaties [40]. Dit biedt aanzienlijk optimisme dat de behandelingsresultaten in deze subgroep van patiënten significant zullen verbeteren. In deze studie was de IC50-waarde van AZD.2281 (olaparib) hoger in de hoogrisicogroep, wat erop wijst dat PAAD-patiënten in de hoogrisicogroep mogelijk resistent zijn tegen behandeling met AZD.2281.
De voorspellingsmodellen in deze studie leveren goede voorspellingsresultaten op, maar ze zijn gebaseerd op analytische voorspellingen. Hoe deze resultaten met klinische gegevens bevestigd kunnen worden, is een belangrijke vraag. Endoscopische fijne naaldaspiratie-echografie (EUS-FNA) is een onmisbare methode geworden voor het diagnosticeren van solide en extrapancreatische pancreaslaesies met een sensitiviteit van 85% en een specificiteit van 98% [41]. De introductie van EUS-fijne-naaldbiopsie (EUS-FNB) naalden is voornamelijk gebaseerd op de vermeende voordelen ten opzichte van FNA, zoals een hogere diagnostische nauwkeurigheid, het verkrijgen van monsters die de histologische structuur behouden en het genereren van immuunweefsel dat cruciaal is voor bepaalde diagnoses en speciale kleuring [42]. Een systematisch literatuuronderzoek bevestigde dat FNB-naalden (vooral 22G) de hoogste efficiëntie vertonen bij het oogsten van weefsel uit pancreasmassa's [43]. Klinisch gezien komt slechts een klein aantal patiënten in aanmerking voor radicale chirurgie en de meeste patiënten hebben inoperabele tumoren op het moment van de eerste diagnose. In de klinische praktijk komt slechts een klein deel van de patiënten in aanmerking voor radicale chirurgie, omdat de meeste patiënten bij de eerste diagnose inoperabele tumoren hebben. Na pathologische bevestiging door middel van EUS-FNB en andere methoden wordt meestal gekozen voor een gestandaardiseerde niet-chirurgische behandeling, zoals chemotherapie. Ons vervolgonderzoeksprogramma is gericht op het testen van het prognostische model van deze studie in chirurgische en niet-chirurgische cohorten door middel van een retrospectieve analyse.
Over het geheel genomen heeft ons onderzoek een nieuw prognostisch risicomodel ontwikkeld op basis van gepaarde irlncRNA's, dat veelbelovende prognostische waarde vertoont bij patiënten met alvleesklierkanker. Ons prognostisch risicomodel kan helpen bij het onderscheiden van patiënten met PAAD die in aanmerking komen voor medische behandeling.
De datasets die in dit onderzoek zijn gebruikt en geanalyseerd, zijn op redelijk verzoek verkrijgbaar bij de corresponderende auteur.
Sui Wen, Gong X, Zhuang Y. De mediërende rol van zelfeffectiviteit in de emotionele regulatie van negatieve emoties tijdens de COVID-19-pandemie: een transversaal onderzoek. Int J Ment Health Nurs [tijdschriftartikel]. 2021 06/01/2021;30(3):759–71.
Sui Wen, Gong X, Qiao X, Zhang L, Cheng J, Dong J, et al. De opvattingen van familieleden over alternatieve besluitvorming op intensive care-afdelingen: een systematische review. INT J NURS STUD [tijdschriftartikel; review]. 2023 01/01/2023;137:104391.
Vincent A, Herman J, Schulich R, Hruban RH, Goggins M. Pancreaskanker. Lancet. [Tijdschriftartikel; onderzoekssteun, NIH, extern; onderzoekssteun, overheid buiten de VS; overzicht]. 2011 13-08-2011;378(9791):607–20.
Ilic M, Ilic I. Epidemiologie van alvleesklierkanker. World Journal of Gastroenterology. [Tijdschriftartikel, overzicht]. 2016 28-11-2016;22(44):9694–705.
Liu X, Chen B, Chen J, Sun S. Een nieuw tp53-gerelateerd nomogram voor het voorspellen van de algehele overleving bij patiënten met alvleesklierkanker. BMC Cancer [tijdschriftartikel]. 2021 31-03-2021;21(1):335.
Xian X, Zhu X, Chen Y, Huang B, Xiang W. Effect van oplossingsgerichte therapie op kankergerelateerde vermoeidheid bij patiënten met colorectale kanker die chemotherapie ondergaan: een gerandomiseerd gecontroleerd onderzoek. Kankerverpleegkundige. [Tijdschriftartikel; gerandomiseerd gecontroleerd onderzoek; de studie wordt ondersteund door een overheid buiten de Verenigde Staten]. 2022 05/01/2022;45(3):E663–73.
Zhang Cheng, Zheng Wen, Lu Y, Shan L, Xu Dong, Pan Y, et al. Postoperatieve carcino-embryonaal antigeen (CEA)-waarden voorspellen de uitkomst na resectie van colorectale kanker bij patiënten met normale preoperatieve CEA-waarden. Center for Translational Cancer Research. [Tijdschriftartikel]. 2020 01.01.2020;9(1):111–8.
Hong Wen, Liang Li, Gu Yu, Qi Zi, Qiu Hua, Yang X, et al. Immuun-gerelateerde lncRNA's genereren nieuwe kenmerken en voorspellen het immuunlandschap van humaan hepatocellulair carcinoom. Mol Ther Nucleic acids [Tijdschriftartikel]. 2020 2020-12-04;22:937 – 47.
Toffey RJ, Zhu Y., Schulich RD Immunotherapie voor alvleesklierkanker: barrières en doorbraken. Ann Gastrointestinal Surgeon [Tijdschriftartikel; overzicht]. 2018 07/01/2018;2(4):274–81.
Hull R, Mbita Z, Dlamini Z. Lange niet-coderende RNA's (lncRNA's), virale tumorgenomica en afwijkende splicinggebeurtenissen: therapeutische implicaties. AM J CANCER RES [tijdschriftartikel; overzicht]. 2021 20-01-2021;11(3):866–83.
Wang J, Chen P, Zhang Y, Ding J, Yang Y, Li H. 11-Identificatie van lncRNA-signaturen geassocieerd met de prognose van endometriumkanker. Wetenschappelijke prestaties [tijdschriftartikel]. 2021 2021-01-01;104(1):311977089.
Jiang S, Ren H, Liu S, Lu Z, Xu A, Qin S, et al. Uitgebreide analyse van RNA-bindende eiwitprognostische genen en kandidaat-geneesmiddelen bij papillair niercelcarcinoom. pregen. [Tijdschriftartikel]. 2021 01/20/2021;12:627508.
Li X, Chen J, Yu Q, Huang X, Liu Z, Wang X, et al. Kenmerken van autofagie-gerelateerd lang niet-coderend RNA voorspellen de prognose van borstkanker. pregen. [Tijdschriftartikel]. 2021 01/20/2021;12:569318.
Zhou M, Zhang Z, Zhao X, Bao S, Cheng L, Sun J. Immuun-gerelateerde zes lncRNA-signatuur verbetert de prognose bij glioblastoma multiforme. MOL Neurobiology. [Tijdschriftartikel]. 2018 01.05.2018;55(5):3684–97.
Wu B, Wang Q, Fei J, Bao Y, Wang X, Song Z, et al. Een nieuwe tri-lncRNA-signatuur voorspelt de overleving van patiënten met alvleesklierkanker. REPRESENTATIVES OF ONKOL. [Tijdschriftartikel]. 2018 12/01/2018;40(6):3427–37.
Luo C, Lin K, Hu C, Zhu X, Zhu J, Zhu Z. LINC01094 bevordert de progressie van alvleesklierkanker door de expressie van LIN28B en de PI3K/AKT-route te reguleren via gespongeerde miR-577. Mol Therapeutics – Nucleic acids. 2021;26:523–35.
Lin J, Zhai X, Zou S, Xu Z, Zhang J, Jiang L, et al. Positieve feedback tussen lncRNA FLVCR1-AS1 en KLF10 kan de progressie van pancreaskanker remmen via de PTEN/AKT-route. J EXP Clin Cancer Res. 2021;40(1).
Zhou X, Liu X, Zeng X, Wu D, Liu L. Identificatie van dertien genen die de algehele overleving bij hepatocellulair carcinoom voorspellen. Biosci Rep [tijdschriftartikel]. 2021 04/09/2021.
Geplaatst op: 22 september 2023