Saratani ya kongosho ni mojawapo ya uvimbe hatari zaidi duniani wenye ubashiri mbaya. Kwa hivyo, mfumo sahihi wa utabiri unahitajika ili kutambua wagonjwa walio katika hatari kubwa ya kupata saratani ya kongosho ili kurekebisha matibabu na kuboresha ubashiri wa wagonjwa hawa.
Tulipata data ya RNAseq ya Saratani ya Atlas ya Jenomu ya Saratani (TCGA) ya adenokasinoma ya kongosho (PAAD) kutoka kwa hifadhidata ya UCSC Xena, tukatambua lncRNA zinazohusiana na kinga (irlncRNAs) kupitia uchanganuzi wa uwiano, na tukatambua tofauti kati ya TCGA na tishu za kawaida za adenokasinoma ya kongosho. DEirlncRNA) kutoka kwa TCGA na usemi wa tishu za jenotype (GTEx) ya tishu za kongosho. Uchanganuzi zaidi wa univariate na lasso regression ulifanywa ili kujenga mifano ya saini ya ubashiri. Kisha tukahesabu eneo chini ya mkunjo na kubaini thamani bora ya kukata kwa kutambua wagonjwa walio na adenokasinoma ya kongosho yenye hatari kubwa na ndogo. Ili kulinganisha sifa za kliniki, uingiaji wa seli za kinga, mazingira madogo ya kukandamiza kinga, na upinzani wa kidini kwa wagonjwa walio na saratani ya kongosho yenye hatari kubwa na ndogo.
Tulitambua jozi 20 za DEirlncRNA na kuwaweka wagonjwa katika makundi kulingana na thamani bora ya mwisho. Tulionyesha kuwa mfumo wetu wa sahihi wa utabiri una utendaji muhimu katika kutabiri ubashiri wa wagonjwa wenye PAAD. AUC ya mkunjo wa ROC ni 0.905 kwa utabiri wa mwaka 1, 0.942 kwa utabiri wa miaka 2, na 0.966 kwa utabiri wa miaka 3. Wagonjwa walio katika hatari kubwa walikuwa na viwango vya chini vya kuishi na sifa mbaya zaidi za kimatibabu. Pia tulionyesha kuwa wagonjwa walio katika hatari kubwa wamekandamizwa na kinga mwilini na wanaweza kupata upinzani dhidi ya tiba ya kinga mwilini. Tathmini ya dawa za kupunguza saratani kama vile paclitaxel, sorafenib, na erlotinib kulingana na zana za utabiri wa kompyuta inaweza kuwa sahihi kwa wagonjwa walio katika hatari kubwa na PAAD.
Kwa ujumla, utafiti wetu ulianzisha mfumo mpya wa hatari ya ubashiri kulingana na irlncRNA iliyooanishwa, ambayo ilionyesha thamani ya ubashiri inayoahidi kwa wagonjwa walio na saratani ya kongosho. Mfumo wetu wa hatari ya ubashiri unaweza kusaidia kutofautisha wagonjwa wenye PAAD ambao wanafaa kwa matibabu.
Saratani ya kongosho ni uvimbe mbaya wenye kiwango cha chini cha kuishi kwa miaka mitano na kiwango cha juu. Wakati wa utambuzi, wagonjwa wengi tayari wako katika hatua za juu. Katika muktadha wa janga la COVID-19, madaktari na wauguzi wako chini ya shinikizo kubwa wanapotibu wagonjwa wenye saratani ya kongosho, na familia za wagonjwa pia hukabiliwa na shinikizo nyingi wanapofanya maamuzi ya matibabu [1, 2]. Ingawa maendeleo makubwa yamefanywa katika matibabu ya DOAD, kama vile tiba ya neoadjuvant, upasuaji wa upasuaji, tiba ya mionzi, chemotherapy, tiba ya molekuli inayolengwa, na vizuizi vya kinga mwilini (ICIs), ni takriban 9% tu ya wagonjwa wanaoendelea kuishi miaka mitano baada ya utambuzi [3]. ], 4]. Kwa sababu dalili za mapema za adenocarcinoma ya kongosho si za kawaida, wagonjwa kwa kawaida hugunduliwa na metastases katika hatua ya juu [5]. Kwa hivyo, kwa mgonjwa fulani, matibabu kamili ya kibinafsi lazima yapime faida na hasara za chaguzi zote za matibabu, sio tu ili kuongeza muda wa kuishi, lakini pia kuboresha ubora wa maisha [6]. Kwa hivyo, mfumo mzuri wa utabiri ni muhimu ili kutathmini kwa usahihi ubashiri wa mgonjwa [7]. Hivyo, matibabu sahihi yanaweza kuchaguliwa ili kusawazisha uhai na ubora wa maisha ya wagonjwa wenye PAAD.
Utabiri mbaya wa PAAD unatokana hasa na upinzani dhidi ya dawa za kidini. Katika miaka ya hivi karibuni, vizuizi vya kinga vimetumika sana katika matibabu ya uvimbe mgumu [8]. Hata hivyo, matumizi ya ICI katika saratani ya kongosho hayafanikiwi sana [9]. Kwa hivyo, ni muhimu kutambua wagonjwa ambao wanaweza kufaidika na tiba ya ICI.
RNA ndefu isiyo na usimbaji (lncRNA) ni aina ya RNA isiyo na usimbaji yenye nakala >nyukleotidi 200. LncRNA zimeenea na huunda takriban 80% ya nakala ya binadamu [10]. Kazi nyingi zimeonyesha kuwa mifumo ya ubashiri inayotegemea lncRNA inaweza kutabiri kwa ufanisi ubashiri wa mgonjwa [11, 12]. Kwa mfano, lncRNA 18 zinazohusiana na autophagy zilitambuliwa ili kutoa sahihi za ubashiri katika saratani ya matiti [13]. LncRNA zingine sita zinazohusiana na kinga zimetumika kubaini sifa za ubashiri za glioma [14].
Katika saratani ya kongosho, baadhi ya tafiti zimethibitisha sahihi zinazotokana na lncRNA ili kutabiri ubashiri wa mgonjwa. Saini ya 3-lncRNA ilianzishwa katika adenocarcinoma ya kongosho yenye eneo chini ya mkunjo wa ROC (AUC) wa 0.742 pekee na uhai wa jumla (OS) wa miaka 3 [15]. Kwa kuongezea, thamani za usemi wa lncRNA hutofautiana kati ya jenomu tofauti, umbizo tofauti za data, na wagonjwa tofauti, na utendaji wa modeli ya utabiri si thabiti. Kwa hivyo, tunatumia algoriti mpya ya uundaji wa modeli, uunganishaji na urudiaji, ili kutoa sahihi za lncRNA (irlncRNA) zinazohusiana na kinga ili kuunda modeli sahihi na thabiti zaidi ya utabiri [8].
Data ya kawaida ya RNAseq (FPKM) na saratani ya kongosho ya kliniki. Data ya TCGA na usemi wa tishu za jenotipu (GTEx) zilipatikana kutoka kwa hifadhidata ya UCSC XENA (https://xenabrowser.net/datapages/). Faili za GTF zilipatikana kutoka kwa hifadhidata ya Ensembl (http://asia.ensembl.org) na kutumika kutoa wasifu wa usemi wa lncRNA kutoka kwa RNAseq. Tulipakua jeni zinazohusiana na kinga kutoka kwa hifadhidata ya ImmPort (http://www.immport.org) na kutambua lncRNA zinazohusiana na kinga (irlncRNAs) kwa kutumia uchanganuzi wa uwiano (p < 0.001, r > 0.4). Utambuzi wa irlncRNA zilizoonyeshwa tofauti (DEirlncRNAs) kwa kuvuka irlncRNAs na lncRNA zilizoonyeshwa tofauti zilizopatikana kutoka kwa hifadhidata ya GEPIA2 (http://gepia2.cancer-pku.cn/#index) katika kundi la TCGA-PAAD (|logFC| > 1 na FDR) <0.05).
Njia hii imeripotiwa hapo awali [8]. Hasa, tunaunda X ili kuchukua nafasi ya lncRNA A na lncRNA B zilizounganishwa. Wakati thamani ya usemi wa lncRNA A iko juu kuliko thamani ya usemi wa lncRNA B, X hufafanuliwa kama 1, vinginevyo X hufafanuliwa kama 0. Kwa hivyo, tunaweza kupata matrix ya 0 au - 1. Mhimili wima wa matrix unawakilisha kila sampuli, na mhimili mlalo unawakilisha kila jozi ya DEirlncRNA yenye thamani ya 0 au 1.
Uchambuzi wa urejeshaji wa univariate uliofuatiwa na urejeshaji wa Lasso ulitumika kuchunguza jozi za DEirlncRNA za ubashiri. Uchambuzi wa urejeshaji wa lasso ulitumia uthibitishaji mtambukaji mara 10 uliorudiwa mara 1000 (p < 0.05), na vichocheo 1000 bila mpangilio kwa kila kipindi. Wakati masafa ya kila jozi ya DEirlncRNA yalizidi mara 100 katika mizunguko 1000, jozi za DEirlncRNA zilichaguliwa ili kujenga modeli ya hatari ya ubashiri. Kisha tulitumia mkunjo wa AUC ili kupata thamani bora ya kukatwa kwa ajili ya kuainisha wagonjwa wa PAAD katika vikundi vya hatari kubwa na ndogo. Thamani ya AUC ya kila modeli pia ilihesabiwa na kuchorwa kama mkunjo. Ikiwa mkunjo utafikia hatua ya juu zaidi inayoonyesha thamani ya juu ya AUC, mchakato wa hesabu husimama na modeli inachukuliwa kuwa mgombea bora. Mifano ya mkunjo wa ROC wa miaka 1, 3 na 5 ilijengwa. Uchambuzi wa urejeshaji wa univariate na multivariate ulitumika kuchunguza utendaji huru wa utabiri wa modeli ya hatari ya ubashiri.
Tumia zana saba kusoma viwango vya uingiaji wa seli za kinga, ikiwa ni pamoja na XCELL, TIMER, QUANTISEQ, MCPCOUNTER, EPIC, CIBERSORT-ABS, na CIBERSORT. Data ya uingiaji wa seli za kinga ilipakuliwa kutoka kwenye hifadhidata ya TIMER2 (http://timer.comp-genomics.org/#tab-5817-3). Tofauti katika kiwango cha seli zinazoingia kwa kinga kati ya vikundi vyenye hatari kubwa na ndogo vya modeli iliyojengwa ilichambuliwa kwa kutumia jaribio la cheo cha Wilcoxon lililosainiwa, matokeo yanaonyeshwa kwenye grafu ya mraba. Uchambuzi wa uwiano wa Spearman ulifanywa ili kuchambua uhusiano kati ya thamani za alama za hatari na seli zinazoingia kwa kinga. Mgawo wa uwiano unaotokana unaonyeshwa kama lollipop. Kizingiti cha umuhimu kiliwekwa katika p < 0.05. Utaratibu ulifanywa kwa kutumia kifurushi cha R ggplot2. Ili kuchunguza uhusiano kati ya modeli na viwango vya usemi wa jeni vinavyohusiana na kiwango cha uingiaji wa seli za kinga, tulifanya kifurushi cha ggstatsplot na taswira ya njama ya violin.
Ili kutathmini mifumo ya matibabu ya kliniki kwa saratani ya kongosho, tulihesabu IC50 ya dawa za kidini zinazotumika sana katika kundi la TCGA-PAAD. Tofauti katika viwango vya nusu vya kuzuia (IC50) kati ya vikundi vyenye hatari kubwa na ndogo zililinganishwa kwa kutumia jaribio la cheo cha Wilcoxon lililosainiwa, na matokeo yanaonyeshwa kama visanduku vilivyozalishwa kwa kutumia pRPhetic na ggplot2 katika R. Mbinu zote zinafuata miongozo na kanuni husika.
Mtiririko wa kazi wa utafiti wetu unaonyeshwa kwenye Mchoro 1. Kwa kutumia uchanganuzi wa uwiano kati ya lncRNA na jeni zinazohusiana na kinga, tulichagua irlncRNA 724 zenye p < 0.01 na r > 0.4. Kisha tulichambua lncRNA zilizoonyeshwa tofauti za GEPIA2 (Mchoro 2A). Jumla ya irlncRNA 223 zilionyeshwa tofauti kati ya adenocarcinoma ya kongosho na tishu za kawaida za kongosho (|logFC| > 1, FDR < 0.05), zilizoitwa DEirlncRNAs.
Ujenzi wa mifumo ya hatari ya utabiri. (A) Mchoro wa volkano wa lncRNA zilizoonyeshwa tofauti. (B) Usambazaji wa viambato vya lasso kwa jozi 20 za DEirlncRNA. (C) Tofauti ya uwezekano wa sehemu ya usambazaji wa kiambato cha LASSO. (D) Mchoro wa msitu unaoonyesha uchanganuzi wa urejelezaji wa jozi 20 za DEirlncRNA.
Kisha tuliunda matrix ya 0 au 1 kwa kuunganisha DEirlncRNA 223. Jumla ya jozi 13,687 za DEirlncRNA zilitambuliwa. Baada ya uchambuzi wa urejeshaji wa univariate na lasso, jozi 20 za DEirlncRNA hatimaye zilijaribiwa ili kujenga modeli ya hatari ya ubashiri (Mchoro 2B-D). Kulingana na matokeo ya Lasso na uchambuzi wa urejeshaji mwingi, tulihesabu alama ya hatari kwa kila mgonjwa katika kundi la TCGA-PAAD (Jedwali 1). Kulingana na matokeo ya uchambuzi wa urejeshaji wa lasso, tulihesabu alama ya hatari kwa kila mgonjwa katika kundi la TCGA-PAAD. AUC ya mkunjo wa ROC ilikuwa 0.905 kwa utabiri wa modeli ya hatari ya mwaka 1, 0.942 kwa utabiri wa miaka 2, na 0.966 kwa utabiri wa miaka 3 (Mchoro 3A-B). Tuliweka thamani bora ya mwisho ya 3.105, tukawagawa wagonjwa wa kundi la TCGA-PAAD katika makundi yenye hatari kubwa na ndogo, na tukapanga matokeo ya kuishi na mgawanyo wa alama za hatari kwa kila mgonjwa (Mchoro 3C-E). Uchambuzi wa Kaplan-Meier ulionyesha kuwa kuishi kwa wagonjwa wa PAAD katika kundi lenye hatari kubwa kulikuwa chini sana kuliko ule wa wagonjwa katika kundi lenye hatari ndogo (p < 0.001) (Mchoro 3F).
Uhalali wa mifumo ya hatari ya ubashiri. (A) ROC ya mfumo wa hatari ya ubashiri. (B) Mifumo ya hatari ya ubashiri ya ROC ya miaka 1, 2, na 3. (C) ROC ya mfumo wa hatari ya ubashiri. Inaonyesha sehemu bora ya mwisho. (DE) Usambazaji wa hali ya kuishi (D) na alama za hatari (E). (F) Uchambuzi wa Kaplan-Meier wa wagonjwa wa PAAD katika makundi yenye hatari kubwa na ndogo.
Tulitathmini zaidi tofauti katika alama za hatari kwa sifa za kimatibabu. Mchoro wa utepe (Mchoro 4A) unaonyesha uhusiano wa jumla kati ya sifa za kimatibabu na alama za hatari. Hasa, wagonjwa wazee walikuwa na alama za hatari zaidi (Mchoro 4B). Zaidi ya hayo, wagonjwa walio na hatua ya II walikuwa na alama za hatari zaidi kuliko wagonjwa walio na hatua ya I (Mchoro 4C). Kuhusu daraja la uvimbe kwa wagonjwa wa PAAD, wagonjwa wa daraja la 3 walikuwa na alama za hatari zaidi kuliko wagonjwa wa daraja la 1 na 2 (Mchoro 4D). Tulifanya zaidi uchambuzi wa urejeshaji wa univariate na multivariate na kuonyesha kwamba alama ya hatari (p < 0.001) na umri (p = 0.045) zilikuwa vipengele huru vya ubashiri kwa wagonjwa walio na PAAD (Mchoro 5A-B). Mkunjo wa ROC ulionyesha kuwa alama ya hatari ilikuwa bora kuliko sifa zingine za kimatibabu katika kutabiri kuishi kwa miaka 1, 2, na 3 kwa wagonjwa walio na PAAD (Mchoro 5C-E).
Sifa za kimatibabu za mifano ya hatari ya ubashiri. Histogramu (A) inaonyesha (B) umri, (C) hatua ya uvimbe, (D) daraja la uvimbe, alama ya hatari, na jinsia ya wagonjwa katika kundi la TCGA-PAAD. **p < 0.01
Uchambuzi huru wa utabiri wa mifumo ya hatari ya ubashiri. (AB) Uchambuzi wa urejelezaji wa mifumo ya hatari ya ubashiri ya univariate (A) na multivariate (B) ya mifumo ya hatari ya ubashiri na sifa za kliniki. (CE) ROC ya miaka 1-, 2-, na 3 kwa mifumo ya hatari ya ubashiri na sifa za kliniki.
Kwa hivyo, tulichunguza uhusiano kati ya alama za muda na hatari. Tuligundua kuwa alama za hatari kwa wagonjwa wa PAAD zilihusiana kinyume na seli za CD8+ T na seli za NK (Mchoro 6A), ikionyesha utendaji kazi wa kinga uliopunguzwa katika kundi lenye hatari kubwa. Pia tulitathmini tofauti katika uingiaji wa seli za kinga kati ya vikundi vyenye hatari kubwa na ndogo na tukapata matokeo sawa (Mchoro 7). Kulikuwa na uingiaji mdogo wa seli za CD8+ T na seli za NK katika kundi lenye hatari kubwa. Katika miaka ya hivi karibuni, vizuizi vya ukaguzi wa kinga (ICIs) vimetumika sana katika matibabu ya uvimbe mgumu. Hata hivyo, matumizi ya ICI katika saratani ya kongosho hayajafanikiwa sana. Kwa hivyo, tulitathmini usemi wa jeni za ukaguzi wa kinga katika vikundi vyenye hatari kubwa na ndogo. Tuligundua kuwa CTLA-4 na CD161 (KLRB1) zilionyeshwa kupita kiasi katika kundi lenye hatari ndogo (Mchoro 6B-G), ikionyesha kuwa wagonjwa wa PAAD katika kundi lenye hatari ndogo wanaweza kuwa nyeti kwa ICI.
Uchambuzi wa uwiano wa modeli ya hatari ya ubashiri na uingiaji wa seli za kinga. (A) Uwiano kati ya modeli ya hatari ya ubashiri na uingiaji wa seli za kinga. (BG) Inaonyesha usemi wa jeni katika vikundi vya hatari kubwa na ndogo. (HK) Thamani za IC50 kwa dawa maalum za kupambana na saratani katika vikundi vya hatari kubwa na ndogo. *p < 0.05, **p < 0.01, ns = si muhimu
Tulitathmini zaidi uhusiano kati ya alama za hatari na mawakala wa kawaida wa kidini katika kundi la TCGA-PAAD. Tulitafuta dawa za saratani zinazotumika sana katika saratani ya kongosho na kuchambua tofauti katika thamani zao za IC50 kati ya vikundi vyenye hatari kubwa na ndogo. Matokeo yalionyesha kuwa thamani ya IC50 ya AZD.2281 (olaparib) ilikuwa kubwa zaidi katika kundi lenye hatari kubwa, ikionyesha kuwa wagonjwa wa PAAD katika kundi lenye hatari kubwa wanaweza kuwa sugu kwa matibabu ya AZD.2281 (Mchoro 6H). Kwa kuongezea, thamani za IC50 za paclitaxel, sorafenib, na erlotinib zilikuwa chini zaidi katika kundi lenye hatari kubwa (Mchoro 6I-K). Tulitambua zaidi dawa 34 za saratani zenye thamani kubwa za IC50 katika kundi lenye hatari kubwa na dawa 34 za saratani zenye thamani ndogo za IC50 katika kundi lenye hatari kubwa (Jedwali 2).
Haiwezi kukataliwa kwamba lncRNA, mRNA, na miRNA zipo sana na zina jukumu muhimu katika ukuaji wa saratani. Kuna ushahidi wa kutosha unaounga mkono jukumu muhimu la mRNA au miRNA katika kutabiri uhai wa jumla katika aina kadhaa za saratani. Bila shaka, mifano mingi ya hatari ya ubashiri pia inategemea lncRNA. Kwa mfano, Luo et al. Uchunguzi umeonyesha kuwa LINC01094 ina jukumu muhimu katika kuongezeka kwa PC na metastasis, na usemi mkubwa wa LINC01094 unaonyesha uhai duni wa wagonjwa wa saratani ya kongosho [16]. Utafiti uliowasilishwa na Lin et al. Uchunguzi umeonyesha kuwa kupunguza udhibiti wa lncRNA FLVCR1-AS1 kunahusishwa na ubashiri mbaya kwa wagonjwa wa saratani ya kongosho [17]. Hata hivyo, lncRNA zinazohusiana na kinga hazijadiliwi sana katika suala la kutabiri uhai wa jumla wa wagonjwa wa saratani. Hivi majuzi, kazi kubwa imejikita katika kujenga mifumo ya hatari ya ubashiri ili kutabiri uhai wa wagonjwa wa saratani na hivyo kurekebisha mbinu za matibabu [18, 19, 20]. Kuna utambuzi unaoongezeka wa jukumu muhimu la kinga mwilini katika kuanzisha, kuendelea, na kukabiliana na matibabu kama vile chemotherapy. Tafiti nyingi zimethibitisha kwamba seli za kinga zinazoingia kwenye uvimbe huchukua jukumu muhimu katika kukabiliana na chemotherapy ya cytotoxic [21, 22, 23]. Mazingira madogo ya kinga ya uvimbe ni jambo muhimu katika kuishi kwa wagonjwa wa uvimbe [24, 25]. Tiba ya kinga mwilini, haswa tiba ya ICI, hutumika sana katika matibabu ya uvimbe imara [26]. Jeni zinazohusiana na kinga mwilini hutumika sana kujenga mifumo ya hatari ya ubashiri. Kwa mfano, Su et al. Mfumo wa hatari ya ubashiri unaohusiana na kinga mwilini unategemea jeni zinazoandika protini ili kutabiri ubashiri wa wagonjwa wa saratani ya ovari [27]. Jeni zisizoandika kama vile lncRNA pia zinafaa kwa ajili ya kujenga mifumo ya hatari ya ubashiri [28, 29, 30]. Luo et al walijaribu lncRNA nne zinazohusiana na kinga mwilini na wakaunda mfumo wa ubashiri wa hatari ya saratani ya shingo ya kizazi [31]. Khan et al. Jumla ya nakala 32 zilizoonyeshwa tofauti zilitambuliwa, na kulingana na hili, modeli ya utabiri yenye nakala 5 muhimu ilianzishwa, ambayo ilipendekezwa kama kifaa kinachopendekezwa sana cha kutabiri kukataliwa kwa papo hapo kwa biopsy baada ya kupandikizwa figo [32].
Mifumo mingi hii inategemea viwango vya usemi wa jeni, ama jeni zinazoweka protini kwenye msimbo au jeni zisizoweka msimbo. Hata hivyo, jeni moja linaweza kuwa na thamani tofauti za usemi katika jenomu tofauti, miundo ya data na kwa wagonjwa tofauti, na kusababisha makadirio yasiyo thabiti katika mifumo ya utabiri. Katika utafiti huu, tuliunda modeli inayofaa yenye jozi mbili za lncRNA, bila kujali thamani halisi za usemi.
Katika utafiti huu, tulitambua irlncRNA kwa mara ya kwanza kupitia uchambuzi wa uwiano na jeni zinazohusiana na kinga. Tulichunguza DEirlncRNA 223 kwa mseto na lncRNA zilizoonyeshwa tofauti. Pili, tuliunda matrix ya 0-au-1 kulingana na mbinu ya kuoanisha DEirlncRNA iliyochapishwa [31]. Kisha tulifanya uchambuzi wa urejeshaji wa univariate na lasso ili kutambua jozi za DEirlncRNA za ubashiri na kujenga modeli ya hatari ya utabiri. Tulichambua zaidi uhusiano kati ya alama za hatari na sifa za kliniki kwa wagonjwa walio na PAAD. Tuligundua kuwa modeli yetu ya hatari ya ubashiri, kama kipengele huru cha ubashiri kwa wagonjwa wa PAAD, inaweza kutofautisha vyema wagonjwa wa daraja la juu kutoka kwa wagonjwa wa daraja la chini na wagonjwa wa daraja la juu kutoka kwa wagonjwa wa daraja la chini. Kwa kuongezea, thamani za AUC za mkunjo wa ROC wa modeli ya hatari ya ubashiri zilikuwa 0.905 kwa utabiri wa mwaka 1, 0.942 kwa utabiri wa miaka 2, na 0.966 kwa utabiri wa miaka 3.
Watafiti waliripoti kwamba wagonjwa walio na upenyezaji mkubwa wa seli za CD8+ T walikuwa nyeti zaidi kwa matibabu ya ICI [33]. Ongezeko la kiwango cha seli zenye sumu ya seli, seli za NK za CD56, seli za NK na seli za T za CD8+ katika mazingira madogo ya kinga ya uvimbe inaweza kuwa moja ya sababu za athari ya kukandamiza uvimbe [34]. Uchunguzi uliopita ulionyesha kuwa viwango vya juu vya CD4(+) T na CD8(+) T zinazoingia kwenye uvimbe vilihusishwa kwa kiasi kikubwa na kuishi kwa muda mrefu [35]. Upenyezaji duni wa seli za T za CD8, mzigo mdogo wa antijeni mpya, na mazingira madogo ya uvimbe yanayokandamiza kinga husababisha ukosefu wa mwitikio kwa tiba ya ICI [36]. Tuligundua kuwa alama ya hatari ilihusiana vibaya na seli za T za CD8+ na seli za NK, ikionyesha kuwa wagonjwa walio na alama za hatari kubwa wanaweza wasifae kwa matibabu ya ICI na wana ubashiri mbaya zaidi.
CD161 ni alama ya seli za muuaji asilia (NK). Seli T zilizobadilishwa na CD8+CD161+ CAR huchangia ufanisi ulioimarishwa wa kupambana na uvimbe mwilini katika mifumo ya xenograft ya HER2+ kongosho ya ductal adenocarcinoma [37]. Vizuizi vya kinga hulenga protini 4 inayohusiana na limfosaiti T yenye sumu kali (CTLA-4) na njia za protini 1 (PD-1)/ligandi 1 (PD-L1) ya kifo cha seli iliyopangwa na wana uwezo mkubwa katika maeneo mengi. Usemi wa CTLA-4 na CD161 (KLRB1) ni mdogo katika makundi yenye hatari kubwa, ikionyesha zaidi kwamba wagonjwa walio na alama za hatari kubwa wanaweza wasistahiki matibabu ya ICI. [38]
Ili kupata chaguzi za matibabu zinazofaa kwa wagonjwa walio katika hatari kubwa, tulichambua dawa mbalimbali za kupambana na saratani na kugundua kuwa paclitaxel, sorafenib, na erlotinib, ambazo hutumika sana kwa wagonjwa walio na PAAD, zinaweza kufaa kwa wagonjwa walio katika hatari kubwa walio na PAAD. [33]. Zhang et al waligundua kuwa mabadiliko katika njia yoyote ya mwitikio wa uharibifu wa DNA (DDR) yanaweza kusababisha ubashiri mbaya kwa wagonjwa wa saratani ya kibofu [39]. Jaribio la Olaparib Ongoing Cancer (POLO) la Pancreatic Cancer lilionyesha kuwa matibabu ya matengenezo na olaparib yanaongeza muda wa kuishi bila kuendelea ikilinganishwa na placebo baada ya chemotherapy ya mstari wa kwanza inayotokana na platinamu kwa wagonjwa walio na adenocarcinoma ya ductal ya kongosho na mabadiliko ya germline BRCA1/2 [40]. Hii inatoa matumaini makubwa kwamba matokeo ya matibabu yataimarika kwa kiasi kikubwa katika kundi hili dogo la wagonjwa. Katika utafiti huu, thamani ya IC50 ya AZD.2281 (olaparib) ilikuwa kubwa zaidi katika kundi lenye hatari kubwa, ikionyesha kuwa wagonjwa wa PAAD katika kundi lenye hatari kubwa wanaweza kuwa sugu kwa matibabu na AZD.2281.
Mifumo ya utabiri katika utafiti huu hutoa matokeo mazuri ya utabiri, lakini yanategemea utabiri wa uchambuzi. Jinsi ya kuthibitisha matokeo haya kwa kutumia data ya kliniki ni swali muhimu. Ultrasonografia ya sindano nyembamba ya endoskopia (EUS-FNA) imekuwa njia muhimu ya kugundua vidonda vya kongosho vikali na nje ya kongosho vyenye unyeti wa 85% na umaalum wa 98% [41]. Kutokea kwa sindano ndogo za EUS (EUS-FNB) kunategemea zaidi faida zinazoonekana juu ya FNA, kama vile usahihi wa juu wa utambuzi, kupata sampuli zinazohifadhi muundo wa histolojia, na hivyo kutoa tishu za kinga ambazo ni muhimu kwa utambuzi fulani. madoa maalum [42]. Mapitio ya kimfumo ya machapisho yalithibitisha kwamba sindano za FNB (hasa 22G) zinaonyesha ufanisi mkubwa zaidi katika kuvuna tishu kutoka kwa wingi wa kongosho [43]. Kimatibabu, ni idadi ndogo tu ya wagonjwa wanaostahiki upasuaji mkali, na wagonjwa wengi wana uvimbe usioweza kufanyiwa upasuaji wakati wa utambuzi wa awali. Katika mazoezi ya kliniki, ni sehemu ndogo tu ya wagonjwa wanaofaa kwa upasuaji mkali kwa sababu wagonjwa wengi wana uvimbe usioweza kufanyiwa upasuaji wakati wa utambuzi wa awali. Baada ya uthibitisho wa kiafya na EUS-FNB na mbinu zingine, matibabu sanifu yasiyo ya upasuaji kama vile chemotherapy kwa kawaida huchaguliwa. Programu yetu inayofuata ya utafiti ni kujaribu mfumo wa ubashiri wa utafiti huu katika makundi ya upasuaji na yasiyo ya upasuaji kupitia uchambuzi wa nyuma.
Kwa ujumla, utafiti wetu ulianzisha mfumo mpya wa hatari ya ubashiri kulingana na irlncRNA iliyooanishwa, ambayo ilionyesha thamani ya ubashiri inayoahidi kwa wagonjwa walio na saratani ya kongosho. Mfumo wetu wa hatari ya ubashiri unaweza kusaidia kutofautisha wagonjwa wenye PAAD ambao wanafaa kwa matibabu.
Seti za data zilizotumika na kuchambuliwa katika utafiti wa sasa zinapatikana kutoka kwa mwandishi husika kwa ombi linalofaa.
Sui Wen, Gong X, Zhuang Y. Jukumu la upatanishi la ufanisi binafsi katika udhibiti wa kihisia wa hisia hasi wakati wa janga la COVID-19: utafiti wa sehemu mbalimbali. Int J Ment Health Nurs [makala ya jarida]. 2021 06/01/2021;30(3):759–71.
Sui Wen, Gong X, Qiao X, Zhang L, Cheng J, Dong J, et al. Maoni ya wanafamilia kuhusu kufanya maamuzi mbadala katika vitengo vya wagonjwa mahututi: mapitio ya kimfumo. INT J NURS STUD [makala ya jarida; mapitio]. 2023 01/01/2023;137:104391.
Vincent A, Herman J, Schulich R, Hruban RH, Goggins M. Saratani ya kongosho. Lancet. [Makala ya jarida; usaidizi wa utafiti, NIH, nje ya mural; usaidizi wa utafiti, serikali nje ya Marekani; mapitio]. 2011 08/13/2011;378(9791):607–20.
Ilic M, Ilic I. Epidemiolojia ya saratani ya kongosho. Jarida la Dunia la Gastroenterology. [Makala ya jarida, mapitio]. 2016 11/28/2016;22(44):9694–705.
Liu X, Chen B, Chen J, Sun S. Nomogramu mpya inayohusiana na tp53 kwa ajili ya kutabiri maisha ya jumla kwa wagonjwa walio na saratani ya kongosho. Saratani ya BMC [makala ya jarida]. 2021 31-03-2021;21(1):335.
Xian X, Zhu X, Chen Y, Huang B, Xiang W. Athari ya tiba inayolenga suluhisho kwenye uchovu unaohusiana na saratani kwa wagonjwa wa saratani ya utumbo mpana wanaopokea chemotherapy: jaribio lililodhibitiwa bila mpangilio. Muuguzi wa saratani. [Makala ya jarida; jaribio lililodhibitiwa bila mpangilio; utafiti huo unaungwa mkono na serikali nje ya Marekani]. 2022 05/01/2022;45(3):E663–73.
Zhang Cheng, Zheng Wen, Lu Y, Shan L, Xu Dong, Pan Y, et al. Viwango vya antijeni ya saratani ya umbo la ...
Hong Wen, Liang Li, Gu Yu, Qi Zi, Qiu Hua, Yang X, et al. LNCRNA zinazohusiana na kinga hutoa saini mpya na kutabiri mazingira ya kinga ya saratani ya ini ya binadamu. Asidi za nyuklia za Mol Ther [Makala ya Jarida]. 2020 2020-12-04;22:937 - 47.
Toffey RJ, Zhu Y., Schulich RD Tiba ya kinga kwa saratani ya kongosho: vikwazo na mafanikio. Ann Upasuaji wa Utumbo [Makala ya Jarida; mapitio]. 2018 07/01/2018;2(4):274–81.
Hull R, Mbita Z, Dlamini Z. RNA ndefu zisizo na msimbo (LncRNAs), jenomu za uvimbe wa virusi na matukio yasiyo ya kawaida ya uunganishaji: athari za matibabu. AM J CANCER RES [makala ya jarida; mapitio]. 2021 01/20/2021;11(3):866–83.
Wang J, Chen P, Zhang Y, Ding J, Yang Y, Li H. 11-Utambuzi wa sahihi za lncRNA zinazohusiana na ubashiri wa saratani ya endometriamu. Mafanikio ya sayansi [makala ya jarida]. 2021 2021-01-01;104(1):311977089.
Jiang S, Ren H, Liu S, Lu Z, Xu A, Qin S, et al. Uchambuzi kamili wa jeni za ubashiri wa protini zinazofungamana na RNA na wagombea wa dawa katika saratani ya seli ya figo ya seli ya papilari. pregen. [Makala ya Jarida]. 2021 01/20/2021;12:627508.
Li X, Chen J, Yu Q, Huang X, Liu Z, Wang X, et al. Sifa za RNA ndefu isiyo na msimbo inayohusiana na autophagy hutabiri ubashiri wa saratani ya matiti. pregen. [Makala ya Jarida]. 2021 01/20/2021;12:569318.
Zhou M, Zhang Z, Zhao X, Bao S, Cheng L, Sun J. Saini sita za lncRNA zinazohusiana na kinga huboresha ubashiri katika glioblastoma multiforme. MOL Neurobiology. [Makala ya Jarida]. 2018 01.05.2018;55(5):3684–97.
Wu B, Wang Q, Fei J, Bao Y, Wang X, Song Z, et al. Saini mpya ya tri-lncRNA inatabiri kuishi kwa wagonjwa wenye saratani ya kongosho. WAWAKILISHI WA ONKOL. [Makala ya Jarida]. 2018 12/01/2018;40(6):3427–37.
Luo C, Lin K, Hu C, Zhu X, Zhu J, Zhu Z. LINC01094 inakuza ukuaji wa saratani ya kongosho kwa kudhibiti usemi wa LIN28B na njia ya PI3K/AKT kupitia miR-577 iliyopakwa rangi. Mol Therapeutics - Nucleic acids. 2021;26:523–35.
Lin J, Zhai X, Zou S, Xu Z, Zhang J, Jiang L, et al. Maoni chanya kati ya lncRNA FLVCR1-AS1 na KLF10 yanaweza kuzuia kuendelea kwa saratani ya kongosho kupitia njia ya PTEN/AKT. J EXP Clin Cancer Res. 2021;40(1).
Zhou X, Liu X, Zeng X, Wu D, Liu L. Utambuzi wa jeni kumi na tatu zinazotabiri kuishi kwa jumla katika saratani ya ini. Biosci Rep [makala ya jarida]. 2021 04/09/2021.
Muda wa chapisho: Septemba-22-2023