Ракът на панкреаса е един от най-смъртоносните тумори в света с лоша прогноза.Следователно е необходим точен прогнозен модел за идентифициране на пациенти с висок риск от рак на панкреаса, за да се адаптира лечението и да се подобри прогнозата на тези пациенти.
Получихме данни за RNAseq на атласа на генома на рака (TCGA) за аденокарцином на панкреаса (PAAD) от базата данни на UCSC Xena, идентифицирахме имунно-свързани lncRNAs (irlncRNAs) чрез корелационен анализ и идентифицирахме разликите между TCGA и нормалните тъкани на аденокарцином на панкреаса.DEirlncRNA) от TCGA и тъканна експресия на генотип (GTEx) на панкреатична тъкан.Бяха извършени допълнителни едновариантни и ласо регресионни анализи за конструиране на прогностични сигнатурни модели.След това изчислихме площта под кривата и определихме оптималната гранична стойност за идентифициране на пациенти с високо- и нискорисков панкреасен аденокарцином.За сравняване на клинични характеристики, инфилтрация на имунни клетки, имуносупресивна микросреда и резистентност към химиотерапия при пациенти с високо- и нискорисков рак на панкреаса.
Ние идентифицирахме 20 двойки DEirlncRNA и групирахме пациентите според оптималната гранична стойност.Ние демонстрирахме, че нашият прогностичен сигнатурен модел има значителна ефективност при прогнозиране на прогнозата на пациенти с PAAD.AUC на ROC кривата е 0,905 за 1-годишната прогноза, 0,942 за 2-годишната прогноза и 0,966 за 3-годишната прогноза.Пациентите с висок риск са имали по-ниска преживяемост и по-лоши клинични характеристики.Ние също така показахме, че високорисковите пациенти са имуносупресирани и могат да развият резистентност към имунотерапията.Оценката на противоракови лекарства като паклитаксел, сорафениб и ерлотиниб въз основа на изчислителни инструменти за прогнозиране може да е подходяща за високорискови пациенти с PAAD.
Като цяло, нашето проучване установи нов модел на прогностичен риск, базиран на сдвоена irlncRNA, който показа обещаваща прогностична стойност при пациенти с рак на панкреаса.Нашият модел на прогностичен риск може да помогне да се разграничат пациентите с PAAD, които са подходящи за медицинско лечение.
Ракът на панкреаса е злокачествен тумор с ниска петгодишна преживяемост и висок клас.Към момента на поставяне на диагнозата повечето пациенти вече са в напреднал стадий.В контекста на епидемията от COVID-19 лекарите и медицинските сестри са под огромен натиск, когато лекуват пациенти с рак на панкреаса, а семействата на пациентите също са изправени пред множество натиск, когато вземат решения за лечение [1, 2].Въпреки че е постигнат голям напредък в лечението на DOADs, като неоадювантна терапия, хирургична резекция, лъчева терапия, химиотерапия, таргетна молекулярна терапия и инхибитори на имунните контролни точки (ICI), само около 9% от пациентите оцеляват пет години след диагностицирането [3]. ].], 4].Тъй като ранните симптоми на аденокарцином на панкреаса са нетипични, пациентите обикновено се диагностицират с метастази в напреднал стадий [5].Следователно, за даден пациент, индивидуализираното цялостно лечение трябва да прецени предимствата и недостатъците на всички възможности за лечение, не само за удължаване на преживяемостта, но и за подобряване на качеството на живот [6].Следователно е необходим ефективен прогнозен модел за точна оценка на прогнозата на пациента [7].По този начин може да се избере подходящо лечение за балансиране на преживяемостта и качеството на живот на пациентите с PAAD.
Лошата прогноза на PAAD се дължи главно на резистентност към химиотерапевтични лекарства.През последните години инхибиторите на имунната контролна точка са широко използвани при лечението на солидни тумори [8].Въпреки това, използването на ICI при рак на панкреаса рядко е успешно [9].Следователно е важно да се идентифицират пациенти, които могат да се възползват от ICI терапията.
Дългата некодираща РНК (lncRNA) е вид некодираща РНК с транскрипти >200 нуклеотида.LncRNA са широко разпространени и съставляват около 80% от човешкия транскриптом [10].Голяма част от работата показа, че базираните на lncRNA прогностични модели могат ефективно да предскажат прогнозата на пациента [11, 12].Например, 18 свързани с автофагия lncRNA бяха идентифицирани за генериране на прогностични сигнатури при рак на гърдата [13].Шест други свързани с имунитета lncRNAs са използвани за установяване на прогностичните характеристики на глиома [14].
При рак на панкреаса някои проучвания са установили сигнатури, базирани на lncRNA, за да се предскаже прогнозата на пациента.Сигнатура 3-lncRNA беше установена при аденокарцином на панкреаса с площ под ROC кривата (AUC) от само 0,742 и обща преживяемост (OS) от 3 години [15].В допълнение, стойностите на експресията на lncRNA варират между различните геноми, различните формати на данни и различните пациенти и ефективността на прогнозния модел е нестабилна.Следователно, ние използваме нов алгоритъм за моделиране, сдвояване и итерация, за генериране на свързани с имунитета lncRNA (irlncRNA) сигнатури, за да създадем по-точен и стабилен прогнозен модел [8].
Нормализирани данни за RNAseq (FPKM) и данни за TCGA за клиничен рак на панкреаса и тъканна експресия на генотип (GTEx) бяха получени от базата данни на UCSC XENA (https://xenabrowser.net/datapages/).GTF файловете бяха получени от базата данни Ensembl (http://asia.ensembl.org) и използвани за извличане на профили на експресия на lncRNA от RNAseq.Изтеглихме гени, свързани с имунитета, от базата данни на ImmPort (//www.immport.org) и идентифицирахме свързани с имунитета lncRNAs (irlncRNAs), използвайки корелационен анализ (p <0.001, r> 0.4).Идентифициране на диференциално експресирани irlncRNAs (DEirlncRNAs) чрез кръстосване на irlncRNAs и диференциално експресирани lncRNAs, получени от базата данни GEPIA2 (http://gepia2.cancer-pku.cn/#index) в кохортата TCGA-PAAD (|logFC| > 1 и FDR ) <0,05).
Този метод е докладван по-рано [8].По-конкретно, ние конструираме X, за да заменим сдвоените lncRNA A и lncRNA B. Когато стойността на експресия на lncRNA A е по-висока от стойността на експресия на lncRNA B, X се дефинира като 1, в противен случай X се дефинира като 0. Следователно, можем да получим матрица от 0 или – 1. Вертикалната ос на матрицата представлява всяка проба, а хоризонталната ос представлява всяка двойка DEirlncRNA със стойност 0 или 1.
Унивариантният регресионен анализ, последван от регресия на Ласо, беше използван за скрининг на прогностични DEirlncRNA двойки.Регресионният анализ с ласо използва 10-кратно кръстосано валидиране, повторено 1000 пъти (p <0,05), с 1000 произволни стимула на изпълнение.Когато честотата на всяка двойка DEirlncRNA надхвърли 100 пъти за 1000 цикъла, двойките DEirlncRNA бяха избрани за конструиране на модел на прогностичен риск.След това използвахме кривата на AUC, за да намерим оптималната гранична стойност за класифициране на пациенти с PAAD в групи с висок и нисък риск.Стойността на AUC на всеки модел също беше изчислена и начертана като крива.Ако кривата достигне най-високата точка, показваща максималната стойност на AUC, процесът на изчисление спира и моделът се счита за най-добрия кандидат.Конструирани са 1-, 3- и 5-годишни модели на ROC криви.Използвани са едновариантни и многовариантни регресионни анализи за изследване на независимото предсказващо представяне на прогностичния модел на риска.
Използвайте седем инструмента за изследване на нивата на инфилтрация на имунни клетки, включително XCELL, TIMER, QUANTISEQ, MCPCOUNTER, EPIC, CIBERSORT-ABS и CIBERSORT.Данните за инфилтрация на имунни клетки бяха изтеглени от базата данни TIMER2 (//timer.comp-genomics.org/#tab-5817-3).Разликата в съдържанието на имунно-инфилтриращи клетки между групите с висок и нисък риск от конструирания модел беше анализирана с помощта на Wilcoxon signed-rank test, резултатите са показани на квадратна графика.Беше извършен корелационен анализ на Spearman, за да се анализира връзката между стойностите на рисковите резултати и имунно-инфилтриращите клетки.Полученият коефициент на корелация е показан като близалка.Прагът на значимост беше определен на p <0.05.Процедурата беше извършена с помощта на R пакета ggplot2.За да изследваме връзката между модела и нивата на генна експресия, свързани със скоростта на инфилтрация на имунните клетки, ние изпълнихме пакета ggstatsplot и визуализацията на графиката на цигулката.
За да оценим моделите на клинично лечение на рак на панкреаса, ние изчислихме IC50 на често използвани химиотерапевтични лекарства в кохортата TCGA-PAAD.Разликите в половин инхибиторни концентрации (IC50) между групите с висок и нисък риск бяха сравнени с помощта на Wilcoxon signed-rank test и резултатите са показани като графики, генерирани с помощта на pRRophetic и ggplot2 в R. Всички методи отговарят на съответните насоки и норми.
Работният процес на нашето изследване е показан на Фигура 1. Използвайки корелационен анализ между lncRNAs и гени, свързани с имунитета, ние избрахме 724 irlncRNAs с p <0.01 и r> 0.4.След това анализирахме диференциално експресираните lncRNAs на GEPIA2 (Фигура 2А).Общо 223 irlncRNAs бяха различно експресирани между панкреатичен аденокарцином и нормална панкреатична тъкан (|logFC|> 1, FDR <0.05), наречени DEirlncRNAs.
Изграждане на прогнозни рискови модели.(A) График на вулкан на диференциално експресирани lncRNAs.(B) Разпределение на коефициентите на ласо за 20 двойки DEirlncRNA.(C) Дисперсия на частичната вероятност на разпределението на коефициента на LASSO.(D) Горски график, показващ едномерен регресионен анализ на 20 двойки DEirlncRNA.
След това конструирахме 0 или 1 матрица чрез сдвояване на 223 DEirlncRNA.Бяха идентифицирани общо 13 687 двойки DEirlncRNA.След едномерен и ласо регресионен анализ, 20 DEirlncRNA двойки бяха най-накрая тествани за конструиране на модел на прогностичен риск (Фигура 2B-D).Въз основа на резултатите от Lasso и множествения регресионен анализ, ние изчислихме рисков резултат за всеки пациент в кохортата TCGA-PAAD (Таблица 1).Въз основа на резултатите от регресионния анализ с ласо, ние изчислихме рисков резултат за всеки пациент в кохортата TCGA-PAAD.AUC на ROC кривата е 0,905 за 1-годишната прогноза на рисковия модел, 0,942 за 2-годишната прогноза и 0,966 за 3-годишната прогноза (Фигура 3A-B).Зададохме оптимална гранична стойност от 3,105, стратифицирахме кохортните пациенти на TCGA-PAAD в групи с висок и нисък риск и начертахме резултатите за оцеляване и разпределението на рисковите резултати за всеки пациент (Фигура 3C-E).Анализът на Kaplan-Meier показа, че преживяемостта на пациентите с PAAD във високорисковата група е значително по-ниска от тази на пациентите в нискорисковата група (p <0,001) (Фигура 3F).
Валидност на моделите за прогностичен риск.(A) ROC на модела на прогнозния риск.(B) 1-, 2- и 3-годишни ROC прогностични рискови модели.(C) ROC на прогностичен модел на риска.Показва оптималната точка на прекъсване.(DE) Разпределение на статуса на оцеляване (D) и оценките на риска (E).(F) Анализ на Kaplan-Meier на пациенти с PAAD в групи с висок и нисък риск.
Допълнително оценихме разликите в рисковите резултати по клинични характеристики.Ивицата (Фигура 4А) показва цялостната връзка между клиничните характеристики и рисковите резултати.По-специално, по-възрастните пациенти са имали по-високи рискови резултати (Фигура 4B).В допълнение, пациентите със стадий II имат по-високи рискови резултати от пациентите със стадий I (Фигура 4C).По отношение на степента на тумор при пациенти с PAAD, пациентите от степен 3 имат по-високи рискови резултати от пациентите от степен 1 и 2 (Фигура 4D).Освен това извършихме едновариантни и многовариантни регресионни анализи и демонстрирахме, че рисковият резултат (p <0,001) и възрастта (p = 0,045) са независими прогностични фактори при пациенти с PAAD (Фигура 5A-B).ROC кривата демонстрира, че рисковият резултат е по-добър от други клинични характеристики при прогнозиране на 1-, 2- и 3-годишна преживяемост на пациенти с PAAD (Фигура 5C-E).
Клинични характеристики на прогностични рискови модели.Хистограма (A) показва (B) възраст, (C) стадий на тумора, (D) степен на тумора, оценка на риска и пол на пациентите в кохортата TCGA-PAAD.**p <0,01
Независим прогнозен анализ на прогностични рискови модели.(AB) Едновариантни (A) и многовариантни (B) регресионни анализи на прогностични рискови модели и клинични характеристики.(CE) 1-, 2- и 3-годишен ROC за прогностични рискови модели и клинични характеристики
Затова проучихме връзката между времето и рисковите резултати.Открихме, че рисковият резултат при пациенти с PAAD е обратно пропорционален на CD8+ Т клетките и NK клетките (Фигура 6А), което показва потисната имунна функция във високорисковата група.Ние също така оценихме разликата в инфилтрацията на имунните клетки между групите с висок и нисък риск и открихме същите резултати (Фигура 7).Имаше по-малко инфилтрация на CD8+ Т клетки и NK клетки във високорисковата група.През последните години инхибиторите на имунната контролна точка (ICI) са широко използвани при лечението на солидни тумори.Въпреки това, използването на ICI при рак на панкреаса рядко е било успешно.Следователно, ние оценихме експресията на гени на имунни контролни точки в групи с висок и нисък риск.Открихме, че CTLA-4 и CD161 (KLRB1) са свръхекспресирани в групата с нисък риск (Фигура 6B-G), което показва, че пациентите с PAAD в групата с нисък риск може да са чувствителни към ICI.
Корелационен анализ на прогностичен рисков модел и имунна клетъчна инфилтрация.(A) Корелация между модела на прогностичен риск и инфилтрацията на имунните клетки.(BG) Показва генна експресия в групи с висок и нисък риск.(HK) IC50 стойности за специфични противоракови лекарства в групи с висок и нисък риск.*p <0,05, **p <0,01, ns = незначително
Освен това оценихме връзката между рисковите резултати и обичайните химиотерапевтични агенти в кохортата TCGA-PAAD.Търсихме често използвани противоракови лекарства при рак на панкреаса и анализирахме разликите в техните IC50 стойности между групите с висок и нисък риск.Резултатите показват, че IC50 стойността на AZD.2281 (олапариб) е по-висока в групата с висок риск, което показва, че пациентите с PAAD във високорисковата група може да са резистентни към лечението с AZD.2281 (Фигура 6H).В допълнение, стойностите на IC50 на паклитаксел, сорафениб и ерлотиниб са по-ниски в групата с висок риск (Фигура 6I-K).Освен това идентифицирахме 34 противоракови лекарства с по-високи стойности на IC50 във високорисковата група и 34 противоракови лекарства с по-ниски стойности на IC50 във високорисковата група (Таблица 2).
Не може да се отрече, че lncRNAs, mRNAs и miRNAs съществуват широко и играят решаваща роля в развитието на рака.Има достатъчно доказателства в подкрепа на важната роля на иРНК или миРНК при прогнозиране на общата преживяемост при няколко вида рак.Несъмнено много модели на прогностичен риск също се основават на lncRNA.Например, Luo et al.Проучванията показват, че LINC01094 играе ключова роля в пролиферацията на PC и метастазите, а високата експресия на LINC01094 показва лоша преживяемост на пациенти с рак на панкреаса [16].Проучването, представено от Lin et al.Проучванията показват, че понижаването на lncRNA FLVCR1-AS1 е свързано с лоша прогноза при пациенти с рак на панкреаса [17].Въпреки това, свързаните с имунитета lncRNAs са сравнително по-малко обсъждани по отношение на прогнозирането на общата преживяемост на пациенти с рак.Напоследък голяма част от работата беше фокусирана върху изграждането на прогностични рискови модели за прогнозиране на преживяемостта на пациенти с рак и по този начин коригиране на методите на лечение [18, 19, 20].Има нарастващо признание за важната роля на имунните инфилтрати в началото, прогресията и отговора на лечение като химиотерапия.Многобройни проучвания потвърждават, че тумор-инфилтриращите имунни клетки играят критична роля в отговора на цитотоксичната химиотерапия [21, 22, 23].Туморната имунна микросреда е важен фактор за оцеляването на туморни пациенти [24, 25].Имунотерапията, особено ICI терапията, се използва широко при лечението на солидни тумори [26].Гените, свързани с имунитета, се използват широко за конструиране на прогностични рискови модели.Например, Su et al.Моделът на имуно-свързания прогностичен риск се основава на гени, кодиращи протеини, за да се предвиди прогнозата на пациенти с рак на яйчниците [27].Некодиращите гени като lncRNA също са подходящи за конструиране на прогностични рискови модели [28, 29, 30].Luo et al тестваха четири свързани с имунитета lncRNAs и изградиха прогнозен модел за риск от рак на шийката на матката [31].Хан и др.Бяха идентифицирани общо 32 диференциално експресирани транскрипта и въз основа на това беше създаден модел за прогнозиране с 5 значими транскрипта, който беше предложен като силно препоръчителен инструмент за прогнозиране на доказано чрез биопсия остро отхвърляне след бъбречна трансплантация [32].
Повечето от тези модели се основават на нивата на генна експресия, или протеин-кодиращи гени, или некодиращи гени.Въпреки това, един и същ ген може да има различни стойности на експресия в различни геноми, формати на данни и при различни пациенти, което води до нестабилни оценки в предсказуемите модели.В това изследване изградихме разумен модел с две двойки lncRNAs, независимо от точните стойности на експресията.
В това проучване идентифицирахме irlncRNA за първи път чрез корелационен анализ с гени, свързани с имунитета.Ние скринирахме 223 DEirlncRNAs чрез хибридизация с диференциално експресирани lncRNAs.Второ, ние конструирахме матрица 0-или-1 въз основа на публикувания метод за сдвояване на DEirlncRNA [31].След това извършихме едновариантни и ласо регресионни анализи, за да идентифицираме прогностични DEirlncRNA двойки и да конструираме прогнозен модел на риска.Допълнително анализирахме връзката между рисковите резултати и клиничните характеристики при пациенти с PAAD.Ние открихме, че нашият модел на прогностичен риск, като независим прогностичен фактор при пациенти с PAAD, може ефективно да разграничи пациенти с висока степен от пациенти с ниска степен и пациенти с висока степен от пациенти с ниска степен.В допълнение, стойностите на AUC на ROC кривата на прогностичния модел на риска бяха 0,905 за 1-годишната прогноза, 0,942 за 2-годишната прогноза и 0,966 за 3-годишната прогноза.
Изследователите съобщават, че пациентите с по-висока CD8+ Т клетъчна инфилтрация са по-чувствителни към ICI лечение [33].Увеличаването на съдържанието на цитотоксични клетки, CD56 NK клетки, NK клетки и CD8+ Т клетки в туморната имунна микросреда може да бъде една от причините за тумор-супресивния ефект [34].Предишни проучвания показват, че по-високите нива на тумор-инфилтриращи CD4(+) T и CD8(+) T са значително свързани с по-дългата преживяемост [35].Слабата CD8 Т клетъчна инфилтрация, ниското неоантигенно натоварване и силно имуносупресивната туморна микросреда водят до липса на отговор към ICI терапия [36].Установихме, че рисковият резултат е отрицателно корелиран с CD8+ Т клетки и NK клетки, което показва, че пациентите с висок рисков резултат може да не са подходящи за ICI лечение и да имат по-лоша прогноза.
CD161 е маркер на естествени клетки убийци (NK).CD8+CD161+ CAR-трансдуцирани Т клетки медиират повишена in vivo антитуморна ефикасност в HER2+ модели на ксенотрансплантация на панкреатичен дуктален аденокарцином [37].Инхибиторите на имунната контролна точка са насочени към цитотоксичния Т-лимфоцит-свързан протеин 4 (CTLA-4) и пътищата на протеин 1 на програмирана клетъчна смърт (PD-1)/лиганд 1 на програмирана клетъчна смърт (PD-L1) и имат голям потенциал в много области.Експресията на CTLA-4 и CD161 (KLRB1) е по-ниска във високорисковите групи, което допълнително показва, че пациентите с високорискови резултати може да не са подходящи за ICI лечение.[38]
За да намерим възможности за лечение, подходящи за пациенти с висок риск, ние анализирахме различни противоракови лекарства и открихме, че паклитаксел, сорафениб и ерлотиниб, които се използват широко при пациенти с PAAD, могат да бъдат подходящи за пациенти с висок риск с PAAD.[33].Zhang et al установиха, че мутациите във всеки път на отговор на увреждане на ДНК (DDR) могат да доведат до лоша прогноза при пациенти с рак на простатата [39].Проучването Pancreatic Cancer Olaparib Ongoing (POLO) показа, че поддържащото лечение с олапариб удължава преживяемостта без прогресия в сравнение с плацебо след химиотерапия на базата на платина от първа линия при пациенти с панкреатичен дуктален аденокарцином и мутации на зародишна линия BRCA1/2 [40].Това дава значителен оптимизъм, че резултатите от лечението ще се подобрят значително при тази подгрупа пациенти.В това проучване стойността на IC50 на AZD.2281 (олапариб) е по-висока в групата с висок риск, което показва, че пациентите с PAAD във високорисковата група може да са резистентни към лечението с AZD.2281.
Моделите за прогнозиране в това проучване дават добри прогнозни резултати, но се основават на аналитични прогнози.Как да потвърдим тези резултати с клинични данни е важен въпрос.Ендоскопската тънкоиглена аспирационна ехография (EUS-FNA) се превърна в незаменим метод за диагностициране на солидни и екстрапанкреатични панкреатични лезии с чувствителност от 85% и специфичност от 98% [41].Появата на EUS игли за тънкоиглена биопсия (EUS-FNB) се основава главно на възприеманите предимства пред FNA, като по-висока диагностична точност, получаване на проби, които запазват хистологичната структура, и по този начин генериране на имунна тъкан, която е критична за определени диагнози.специално оцветяване [42].Систематичен преглед на литературата потвърди, че FNB иглите (особено 22G) демонстрират най-висока ефективност при събиране на тъкан от маси на панкреаса [43].Клинично, само малък брой пациенти са подходящи за радикална операция и повечето пациенти имат неоперабилни тумори по време на първоначалната диагноза.В клиничната практика само малка част от пациентите са подходящи за радикална операция, тъй като повечето пациенти имат неоперабилни тумори към момента на първоначалната диагноза.След патологично потвърждение чрез EUS-FNB и други методи обикновено се избира стандартизирано нехирургично лечение като химиотерапия.Нашата последваща изследователска програма е да тестваме прогностичния модел на това проучване в хирургични и нехирургични кохорти чрез ретроспективен анализ.
Като цяло, нашето проучване установи нов модел на прогностичен риск, базиран на сдвоена irlncRNA, който показа обещаваща прогностична стойност при пациенти с рак на панкреаса.Нашият модел на прогностичен риск може да помогне да се разграничат пациентите с PAAD, които са подходящи за медицинско лечение.
Наборите от данни, използвани и анализирани в настоящото проучване, са достъпни от съответния автор при разумно искане.
Sui Wen, Gong X, Zhuang Y. Посредническата роля на самоефективността в емоционалното регулиране на негативните емоции по време на пандемията COVID-19: кръстосано проучване.Int J Ment Health Nurs [статия в списание].2021 06/01/2021; 30 (3): 759–71.
Sui Wen, Gong X, Qiao X, Zhang L, Cheng J, Dong J и др.Възгледите на членовете на семейството относно алтернативното вземане на решения в интензивните отделения: систематичен преглед.INT J NURS STUD [статия в списание;преглед].2023 01/01/2023;137:104391.
Vincent A, Herman J, Schulich R, Hruban RH, Goggins M. Рак на панкреаса.Ланцет.[Статия в списанието;изследователска подкрепа, NIH, задочно;изследователска подкрепа, правителство извън САЩ;преглед].2011 08/13/2011; 378 (9791): 607–20.
Илич М, Илич И. Епидемиология на рака на панкреаса.Световен вестник по гастроентерология.[Статия в списание, рецензия].2016 г. 28.11.2016 г.; 22 (44): 9694–705.
Liu X, Chen B, Chen J, Sun S. Нова номограма, свързана с tp53, за прогнозиране на общата преживяемост при пациенти с рак на панкреаса.BMC Cancer [статия в списание].2021 31-03-2021; 21 (1): 335.
Xian X, Zhu X, Chen Y, Huang B, Xiang W. Ефект от терапията, фокусирана върху разтвора, върху свързаната с рака умора при пациенти с колоректален рак, получаващи химиотерапия: рандомизирано контролирано проучване.Ракова медицинска сестра.[Статия в списанието;рандомизирано контролирано проучване;проучването е подкрепено от правителство извън Съединените щати].2022 05/01/2022;45(3):E663–73.
Zhang Cheng, Zheng Wen, Lu Y, Shan L, Xu Dong, Pan Y и др.Постоперативните нива на карциноембрионален антиген (CEA) предсказват резултата след резекция на колоректален рак при пациенти с нормални предоперативни нива на CEA.Център за транслационни изследвания на рака.[Статия в списание].2020 01.01.2020; 9 (1): 111–8.
Hong Wen, Liang Li, Gu Yu, Qi Zi, Qiu Hua, Yang X и др.Свързаните с имунитета lncRNAs генерират нови сигнатури и предсказват имунния пейзаж на човешкия хепатоцелуларен карцином.Mol Ther Нуклеинови киселини [Статия в списание].2020 2020-12-04;22:937 – 47.
Toffey RJ, Zhu Y., Schulich RD Имунотерапия за рак на панкреаса: бариери и пробиви.Ann Стомашно-чревен хирург [статия в списание;преглед].2018 г. 01.07.2018 г.; 2 (4): 274–81.
Hull R, Mbita Z, Dlamini Z. Дълги некодиращи РНК (LncRNAs), вирусна туморна геномика и аберантни сплайсинг събития: терапевтични последици.AM J CANCER RES [статия в списание;преглед].2021 г. 20.01.2021 г.; 11 (3): 866–83.
Wang J, Chen P, Zhang Y, Ding J, Yang Y, Li H. 11-Идентифициране на lncRNA подписи, свързани с прогнозата за рак на ендометриума.Постиженията на науката [статия в списание].2021 2021-01-01;104(1):311977089.
Jiang S, Ren H, Liu S, Lu Z, Xu A, Qin S и др.Изчерпателен анализ на РНК-свързващи протеинови прогностични гени и кандидати за лекарства при папиларен клетъчен бъбречноклетъчен карцином.преген.[Статия в списание].2021 г. 20.01.2021 г.; 12:627508.
Li X, Chen J, Yu Q, Huang X, Liu Z, Wang X и др.Характеристиките на свързаната с аутофагия дълга некодираща РНК предсказват прогнозата за рак на гърдата.преген.[Статия в списание].2021 г. 20.01.2021 г.; 12:569318.
Zhou M, Zhang Z, Zhao X, Bao S, Cheng L, Sun J. Свързан с имунитета шест lncRNA подпис подобрява прогнозата при мултиформен глиобластом.MOL невробиология.[Статия в списание].2018 01.05.2018; 55 (5): 3684–97.
Wu B, Wang Q, Fei J, Bao Y, Wang X, Song Z и др.Нов три-lncRNA подпис предсказва оцеляването на пациенти с рак на панкреаса.ПРЕДСТАВИТЕЛИ НА ОНКОЛ.[Статия в списание].2018 12/01/2018; 40 (6): 3427–37.
Luo C, Lin K, Hu C, Zhu X, Zhu J, Zhu Z. LINC01094 насърчава прогресията на рак на панкреаса чрез регулиране на експресията на LIN28B и пътя на PI3K/AKT чрез порест miR-577.Mol Therapeutics – Нуклеинови киселини.2021; 26: 523-35.
Lin J, Zhai X, Zou S, Xu Z, Zhang J, Jiang L и др.Положителната обратна връзка между lncRNA FLVCR1-AS1 и KLF10 може да инхибира прогресията на рак на панкреаса през PTEN/AKT пътя.J EXP Clin Cancer Res.2021; 40 (1).
Zhou X, Liu X, Zeng X, Wu D, Liu L. Идентифициране на тринадесет гена, предсказващи общата преживяемост при хепатоцелуларен карцином.Biosci Rep [статия в списание].2021 г. 09.04.2021 г.
Време на публикуване: 22 септември 2023 г