Рак підшлункової залози є однією з найбільш смертоносних пухлин у світі з поганим прогнозом.Таким чином, необхідна точна прогностична модель для виявлення пацієнтів із високим ризиком раку підшлункової залози, щоб адаптувати лікування та покращити прогноз для цих пацієнтів.
Ми отримали дані RNAseq аденокарциноми підшлункової залози (PAAD) Атласу геному раку (TCGA) з бази даних UCSC Xena, ідентифікували імунозалежні lncRNA (irlncRNA) за допомогою кореляційного аналізу та виявили відмінності між TCGA та нормальною тканиною аденокарциноми підшлункової залози.DEirlncRNA) з TCGA та тканинної експресії генотипу (GTEx) тканини підшлункової залози.Для побудови прогностичних сигнатурних моделей було проведено подальший одновимірний та регресійний аналіз ласо.Потім ми розрахували площу під кривою та визначили оптимальне граничне значення для виявлення пацієнтів з аденокарциномою підшлункової залози високого та низького ризику.Порівняти клінічні характеристики, інфільтрацію імунних клітин, імуносупресивне мікрооточення та стійкість до хіміотерапії у пацієнтів із раком підшлункової залози високого та низького ризику.
Ми ідентифікували 20 пар DEirlncRNA і згрупували пацієнтів відповідно до оптимального граничного значення.Ми продемонстрували, що наша модель прогностичного підпису має значну ефективність у передбаченні прогнозу пацієнтів із PAAD.AUC кривої ROC становить 0,905 для прогнозу на 1 рік, 0,942 для прогнозу на 2 роки та 0,966 для прогнозу на 3 роки.Пацієнти з високим ризиком мали нижчу виживаність і гірші клінічні характеристики.Ми також продемонстрували, що пацієнти з групи високого ризику мають імуносупресію та можуть розвинути стійкість до імунотерапії.Оцінка протипухлинних препаратів, таких як паклітаксел, сорафеніб та ерлотиніб на основі обчислювальних інструментів прогнозування, може бути доцільною для пацієнтів високого ризику з PAAD.
Загалом наше дослідження створило нову прогностичну модель ризику на основі парної irlncRNA, яка показала багатообіцяючу прогностичну цінність у пацієнтів з раком підшлункової залози.Наша прогностична модель ризику може допомогти відрізнити пацієнтів із PAAD, які підходять для медичного лікування.
Рак підшлункової залози – це злоякісна пухлина з низьким п’ятирічним відсотком виживаності та високим ступенем злоякісності.На момент встановлення діагнозу більшість пацієнтів вже перебувають на запущених стадіях.В умовах епідемії COVID-19 лікарі та медсестри зазнають величезного тиску при лікуванні пацієнтів з раком підшлункової залози, а сім’ї пацієнтів також стикаються з численними тисками під час прийняття рішень щодо лікування [1, 2].Незважаючи на значні успіхи в лікуванні DOADs, таких як неоад’ювантна терапія, хірургічна резекція, променева терапія, хіміотерапія, таргетна молекулярна терапія та інгібітори імунних контрольних точок (ICI), лише близько 9% пацієнтів виживають через п’ять років після встановлення діагнозу [3]. ].], 4].Оскільки ранні симптоми аденокарциноми підшлункової залози є нетиповими, метастази у пацієнтів зазвичай діагностують на пізній стадії [5].Тому для конкретного пацієнта індивідуальне комплексне лікування повинно зважити переваги та недоліки всіх варіантів лікування не лише для продовження виживання, але й для покращення якості життя [6].Тому для точної оцінки прогнозу пацієнта необхідна ефективна прогностична модель [7].Таким чином, можна підібрати відповідне лікування, щоб збалансувати виживання та якість життя пацієнтів із PAAD.
Поганий прогноз PAAD головним чином зумовлений стійкістю до хіміотерапевтичних препаратів.В останні роки інгібітори імунних контрольних точок широко застосовуються в лікуванні солідних пухлин [8].Однак застосування ІКІ при раку підшлункової залози рідко є успішним [9].Тому важливо визначити пацієнтів, яким може бути корисна терапія ICI.
Довга некодуюча РНК (lncRNA) — це тип некодуючої РНК із транскриптами >200 нуклеотидів.LncRNA широко поширені і становлять близько 80% людського транскриптома [10].Велика кількість робіт показала, що прогностичні моделі на основі lncRNA можуть ефективно передбачати прогноз пацієнтів [11, 12].Наприклад, було ідентифіковано 18 пов’язаних з аутофагією lncRNA, які генерують прогностичні ознаки раку молочної залози [13].Шість інших імунозалежних lncRNA були використані для встановлення прогностичних особливостей гліоми [14].
При раку підшлункової залози деякі дослідження встановили сигнатури на основі lncRNA для прогнозування прогнозу пацієнта.Сигнатуру 3-lncRNA було встановлено в аденокарциномі підшлункової залози з площею під кривою ROC (AUC) лише 0,742 і загальною виживаністю (OS) 3 роки [15].Крім того, значення експресії lncRNA відрізняються для різних геномів, різних форматів даних і різних пацієнтів, а продуктивність прогнозної моделі нестабільна.Тому ми використовуємо новий алгоритм моделювання, парування та ітерацію, щоб генерувати пов’язані з імунітетом lncRNA (irlncRNA) сигнатури для створення більш точної та стабільної прогнозної моделі [8].
Нормалізовані дані RNAseq (FPKM) і клінічні дані TCGA щодо раку підшлункової залози та дані експресії тканини генотипу (GTEx) були отримані з бази даних UCSC XENA (https://xenabrowser.net/datapages/).Файли GTF були отримані з бази даних Ensembl (http://asia.ensembl.org) і використані для вилучення профілів експресії lncRNA з RNAseq.Ми завантажили пов’язані з імунітетом гени з бази даних ImmPort (http://www.immport.org) і ідентифікували пов’язані з імунітетом lncRNAs (irlncRNAs) за допомогою кореляційного аналізу (p <0,001, r>0,4).Ідентифікація диференційовано експресованих irlncRNA (DEirlncRNA) шляхом схрещування irlncRNA та диференційовано експресованих lncRNA, отриманих із бази даних GEPIA2 (http://gepia2.cancer-pku.cn/#index) у когорті TCGA-PAAD (|logFC| > 1 та FDR ) <0,05).
Про цей метод повідомлялося раніше [8].Зокрема, ми конструюємо X, щоб замінити спарені lncRNA A та lncRNA B. Коли значення експресії lncRNA A вище, ніж значення експресії lncRNA B, X визначається як 1, інакше X визначається як 0. Отже, ми можемо отримати матриця 0 або – 1. Вертикальна вісь матриці представляє кожен зразок, а горизонтальна вісь представляє кожну пару DEirlncRNA зі значенням 0 або 1.
Однофакторний регресійний аналіз з подальшою регресією Лассо використовувався для скринінгу прогностичних пар DEirlncRNA.Регресійний аналіз ласо використовував 10-кратну перехресну перевірку, повторену 1000 разів (p <0,05), з 1000 випадковими стимулами на прогін.Коли частота кожної пари DEirlncRNA перевищувала 100 разів за 1000 циклів, пари DEirlncRNA були обрані для побудови прогностичної моделі ризику.Потім ми використали криву AUC, щоб знайти оптимальне граничне значення для класифікації пацієнтів із PAAD на групи високого та низького ризику.Значення AUC кожної моделі також було розраховано та нанесено у вигляді кривої.Якщо крива досягає найвищої точки, що вказує на максимальне значення AUC, процес обчислення зупиняється, і модель вважається найкращим кандидатом.Було побудовано моделі 1-, 3- та 5-річної кривої ROC.Однофакторний та багатофакторний регресійний аналіз використовувався для вивчення незалежної прогностичної ефективності моделі прогностичного ризику.
Використовуйте сім інструментів для вивчення рівня інфільтрації імунних клітин, включаючи XCELL, TIMER, QUANTISEQ, MCPCOUNTER, EPIC, CIBERSORT-ABS і CIBERSORT.Дані про інфільтрацію імунних клітин були завантажені з бази даних TIMER2 (http://timer.comp-genomics.org/#tab-5817-3).Різницю у вмісті імунних інфільтруючих клітин між групами високого та низького ризику побудованої моделі аналізували за допомогою знакового рангового критерію Вілкоксона, результати показані на квадратному графіку.Кореляційний аналіз Спірмена був проведений для аналізу зв’язку між значеннями оцінки ризику та клітинами, що проникають в організм імунної системи.Отриманий коефіцієнт кореляції показаний у вигляді льодяника.Поріг значущості був встановлений на р < 0,05.Процедура була виконана за допомогою пакета R ggplot2.Щоб дослідити взаємозв’язок між моделлю та рівнями експресії генів, пов’язаними зі швидкістю інфільтрації імунних клітин, ми виконали пакет ggstatsplot і візуалізацію діаграми скрипки.
Щоб оцінити клінічні схеми лікування раку підшлункової залози, ми розрахували IC50 хіміотерапевтичних препаратів, які зазвичай використовуються в когорті TCGA-PAAD.Різниці в половинних інгібіторних концентраціях (IC50) між групами високого та низького ризику порівнювали за допомогою тесту Wilcoxon signed-rank, і результати показані як коробкові графіки, створені за допомогою pRRophetic та ggplot2 у R. Усі методи відповідають відповідним рекомендаціям і нормам.
Робочий процес нашого дослідження показаний на малюнку 1. Використовуючи кореляційний аналіз між lncRNA та генами, пов’язаними з імунітетом, ми відібрали 724 irlncRNA з p < 0,01 та r > 0,4.Далі ми проаналізували диференціально експресовані lncRNA GEPIA2 (рис. 2A).Загалом 223 irlncRNA були диференційовано експресовані між аденокарциномою підшлункової залози та нормальною тканиною підшлункової залози (|logFC| > 1, FDR <0,05), названі DEirlncRNA.
Побудова прогнозних моделей ризику.(A) Вулканічний графік диференціально експресованих lncRNA.(B) Розподіл коефіцієнтів ласо для 20 пар DEirlncRNA.(C) Дисперсія часткової правдоподібності розподілу коефіцієнта LASSO.(D) Ділянка лісу, що показує однофакторний регресійний аналіз 20 пар DEirlncRNA.
Далі ми побудували матрицю 0 або 1, об’єднавши 223 DEirlncRNA.Всього було ідентифіковано 13 687 пар DEirlncRNA.Після однофакторного та ласо-регресійного аналізу 20 пар DEirlncRNA були остаточно протестовані для побудови прогностичної моделі ризику (рис. 2B-D).На основі результатів Lasso та множинного регресійного аналізу ми розрахували оцінку ризику для кожного пацієнта в когорті TCGA-PAAD (табл. 1).На основі результатів ласо-регресійного аналізу ми розрахували оцінку ризику для кожного пацієнта в когорті TCGA-PAAD.AUC кривої ROC становила 0,905 для 1-річного прогнозу моделі ризику, 0,942 для 2-річного прогнозу та 0,966 для 3-річного прогнозу (рис. 3A-B).Ми встановили оптимальне граничне значення 3,105, розділили когортних пацієнтів TCGA-PAAD на групи високого та низького ризику та побудували графік результатів виживання та розподіл балів ризику для кожного пацієнта (Рисунок 3C-E).Аналіз Каплана-Майєра показав, що виживаність пацієнтів із ПАД у групі високого ризику була значно нижчою, ніж у пацієнтів із групою низького ризику (p < 0,001) (рис. 3F).
Валідність прогностичних моделей ризику.(A) ROC моделі прогностичного ризику.(B) 1-, 2- та 3-річні ROC прогностичні моделі ризику.(C) ROC моделі прогностичного ризику.Показує оптимальну точку відсічення.(DE) Розподіл статусу виживання (D) і показників ризику (E).(F) Аналіз Каплана-Майєра пацієнтів із ПАД у групах високого та низького ризику.
Далі ми оцінили відмінності в балах ризику за клінічними характеристиками.Смужка (рис. 4A) показує загальний зв’язок між клінічними характеристиками та балами ризику.Зокрема, літні пацієнти мали вищі показники ризику (рис. 4B).Крім того, пацієнти зі стадією II мали вищі показники ризику, ніж пацієнти зі стадією I (рис. 4C).Що стосується ступеня пухлини у пацієнтів із PAAD, пацієнти 3 ступеня мали вищі показники ризику, ніж пацієнти 1 та 2 ступеня (рис. 4D).Далі ми провели однофакторний і багатофакторний регресійний аналіз і продемонстрували, що показник ризику (p < 0,001) і вік (p = 0,045) були незалежними прогностичними факторами у пацієнтів із PAAD (рис. 5A-B).Крива ROC продемонструвала, що оцінка ризику була вищою за інші клінічні характеристики для прогнозування 1-, 2- та 3-річної виживаності пацієнтів із PAAD (рис. 5C-E).
Клінічна характеристика прогностичних моделей ризику.Гістограма (A) показує (B) вік, (C) стадію пухлини, (D) ступінь пухлини, оцінку ризику та стать пацієнтів у когорті TCGA-PAAD.**p <0,01
Незалежний прогнозний аналіз моделей прогностичного ризику.(AB) Однофакторний (A) та багатофакторний (B) регресійний аналіз прогностичних моделей ризику та клінічних характеристик.(CE) 1-, 2- та 3-річний ROC для прогностичних моделей ризику та клінічних характеристик
Тому ми перевірили зв'язок між часом і показниками ризику.Ми виявили, що оцінка ризику у пацієнтів із PAAD обернено корелює з CD8+ T-клітинами та NK-клітинами (рис. 6A), що вказує на пригнічену імунну функцію в групі високого ризику.Ми також оцінили різницю в інфільтрації імунних клітин між групами високого та низького ризику та виявили однакові результати (рис. 7).У групі високого ризику була менша інфільтрація CD8+ Т-клітин і NK-клітин.В останні роки інгібітори імунних контрольних точок (ICI) широко використовуються в лікуванні солідних пухлин.Однак використання ICI при раку підшлункової залози рідко було успішним.Тому ми оцінили експресію генів імунних контрольних точок у групах високого та низького ризику.Ми виявили, що CTLA-4 і CD161 (KLRB1) були надмірно експресовані в групі низького ризику (рис. 6B-G), що вказує на те, що пацієнти з PAAD у групі низького ризику можуть бути чутливими до ICI.
Кореляційний аналіз моделі прогностичного ризику та інфільтрації імунних клітин.(A) Кореляція між прогностичною моделлю ризику та інфільтрацією імунних клітин.(BG) Вказує на експресію генів у групах високого та низького ризику.(HK) Значення IC50 для конкретних протипухлинних препаратів у групах високого та низького ризику.*p <0,05, **p <0,01, ns = незначно
Ми далі оцінили зв’язок між показниками ризику та поширеними хіміотерапевтичними засобами в когорті TCGA-PAAD.Ми шукали протиракові препарати, які зазвичай використовуються при раку підшлункової залози, і проаналізували відмінності в їх значеннях IC50 між групами високого та низького ризику.Результати показали, що значення IC50 AZD.2281 (олапариб) було вищим у групі високого ризику, що вказує на те, що пацієнти з PAAD у групі високого ризику можуть бути стійкими до лікування AZD.2281 (рис. 6H).Крім того, значення IC50 для паклітакселу, сорафенібу та ерлотинібу були нижчими в групі високого ризику (рис. 6I-K).Далі ми ідентифікували 34 протипухлинні препарати з більш високими значеннями IC50 у групі високого ризику та 34 протипухлинні препарати з нижчими значеннями IC50 у групі високого ризику (табл. 2).
Не можна заперечувати, що lncRNAs, mRNAs і miRNAs широко існують і відіграють вирішальну роль у розвитку раку.Існує багато доказів, що підтверджують важливу роль мРНК або мікроРНК у прогнозуванні загального виживання при кількох типах раку.Безсумнівно, багато моделей прогностичного ризику також базуються на lncRNA.Наприклад, Luo et al.Дослідження показали, що LINC01094 відіграє ключову роль у проліферації та метастазуванні PC, а висока експресія LINC01094 вказує на низьку виживаність пацієнтів з раком підшлункової залози [16].Дослідження, представлене Lin et al.Дослідження показали, що знижена регуляція lncRNA FLVCR1-AS1 пов’язана з поганим прогнозом у пацієнтів з раком підшлункової залози [17].Однак lncRNA, пов'язані з імунітетом, відносно менше обговорюються з точки зору прогнозування загального виживання хворих на рак.Останнім часом велика кількість робіт була зосереджена на побудові прогностичних моделей ризику для прогнозування виживаності онкологічних хворих і, таким чином, коригування методів лікування [18, 19, 20].Зростає визнання важливої ролі імунних інфільтратів у ініціації раку, його прогресуванні та відповіді на лікування, наприклад хіміотерапію.Численні дослідження підтвердили, що імунні клітини, що інфільтрують пухлину, відіграють вирішальну роль у відповіді на цитотоксичну хіміотерапію [21, 22, 23].Імунне мікрооточення пухлини є важливим фактором виживання хворих на пухлину [24, 25].Імунотерапія, особливо ICI терапія, широко використовується в лікуванні солідних пухлин [26].Імунозалежні гени широко використовуються для побудови прогностичних моделей ризику.Наприклад, Su et al.Імунозалежна прогностична модель ризику базується на генах, що кодують білки, щоб передбачити прогноз пацієнтів з раком яєчників [27].Некодуючі гени, такі як lncRNA, також підходять для побудови прогностичних моделей ризику [28, 29, 30].Луо та ін. протестували чотири імунозалежні lncRNA і побудували прогностичну модель ризику раку шийки матки [31].Хан та ін.Загалом було ідентифіковано 32 диференційовано експресованих транскриптів, і на основі цього була створена модель прогнозу з 5 значущими транскриптами, яка була запропонована як настійно рекомендований інструмент для прогнозування підтвердженого біопсією гострого відторгнення після трансплантації нирки [32].
Більшість цих моделей базуються на рівнях експресії генів, як генів, що кодують білок, так і генів, що не кодують.Однак той самий ген може мати різні значення експресії в різних геномах, форматах даних і в різних пацієнтів, що призводить до нестабільних оцінок у прогностичних моделях.У цьому дослідженні ми побудували прийнятну модель з двома парами lncRNA, незалежно від точних значень експресії.
У цьому дослідженні ми вперше ідентифікували irlncRNA за допомогою кореляційного аналізу з генами, пов’язаними з імунітетом.Ми перевірили 223 DEirlncRNAs шляхом гібридизації з диференціально експресованими lncRNAs.По-друге, ми побудували матрицю 0-або-1 на основі опублікованого методу сполучення DEirlncRNA [31].Потім ми виконали однофакторний і ласо-регресійний аналізи, щоб ідентифікувати прогностичні пари DEirlncRNA і побудувати прогностичну модель ризику.Далі ми проаналізували зв’язок між балами ризику та клінічними характеристиками у пацієнтів із PAAD.Ми виявили, що наша прогностична модель ризику, як незалежний прогностичний фактор у пацієнтів із PAAD, може ефективно диференціювати пацієнтів із високим ступенем ступеню від пацієнтів із низьким ступенем ступеню, а також пацієнтів із високим ступенем ступеню від пацієнтів з низьким.Крім того, значення AUC кривої ROC моделі прогностичного ризику становили 0,905 для 1-річного прогнозу, 0,942 для 2-річного прогнозу та 0,966 для 3-річного прогнозу.
Дослідники повідомили, що пацієнти з вищою інфільтрацією CD8+ Т-клітин були більш чутливими до лікування ICI [33].Підвищення вмісту цитотоксичних клітин, CD56 NK-клітин, NK-клітин і CD8+ Т-клітин в імунному мікрооточенні пухлини може бути однією з причин пухлиносупресивного ефекту [34].Попередні дослідження показали, що вищі рівні CD4(+) T і CD8(+) T, що інфільтрують пухлину, були значно пов’язані з більш тривалою виживаністю [35].Погана інфільтрація Т-клітинами CD8, низьке навантаження неоантигенів і мікрооточення пухлини з високою імуносупресією призводять до відсутності відповіді на терапію ICI [36].Ми виявили, що показник ризику негативно корелює з CD8+ T-клітинами та NK-клітинами, що вказує на те, що пацієнти з високим рівнем ризику можуть бути непридатними для лікування ICI та мати гірший прогноз.
CD161 є маркером природних клітин-кілерів (NK).CD8+CD161+ CAR-трансдуковані Т-клітини опосередковують посилену протипухлинну ефективність in vivo в моделях ксенотрансплантата HER2+ протокової аденокарциноми підшлункової залози [37].Інгібітори імунних контрольних точок націлені на цитотоксичний Т-лімфоцит-асоційований білок 4 (CTLA-4) і білок програмованої клітинної смерті 1 (PD-1)/ліганд програмованої клітинної смерті 1 (PD-L1) і мають великий потенціал у багатьох областях.Експресія CTLA-4 і CD161 (KLRB1) нижча в групах високого ризику, що додатково вказує на те, що пацієнти з високим рівнем ризику можуть не мати права на лікування ICI.[38]
Щоб знайти варіанти лікування, придатні для пацієнтів з високим ризиком, ми проаналізували різні протипухлинні препарати та виявили, що паклітаксел, сорафеніб і ерлотиніб, які широко застосовуються у пацієнтів із PAAD, можуть бути придатними для пацієнтів із високим ризиком із PAAD.[33].Zhang et al виявили, що мутації в будь-якому шляху реакції на пошкодження ДНК (DDR) можуть призвести до поганого прогнозу у пацієнтів з раком простати [39].Дослідження Pancreatic Cancer Olaparib Ongoing (POLO) показало, що підтримуюча терапія олапарибом подовжує виживаність без прогресування порівняно з плацебо після першої лінії хіміотерапії на основі платини у пацієнтів з аденокарциномою протоки підшлункової залози та мутаціями BRCA1/2 зародкової лінії [40].Це дає значний оптимізм щодо того, що результати лікування значно покращаться в цій підгрупі пацієнтів.У цьому дослідженні значення IC50 AZD.2281 (олапариб) було вищим у групі високого ризику, що вказує на те, що пацієнти з PAAD у групі високого ризику можуть бути стійкими до лікування AZD.2281.
Моделі прогнозування в цьому дослідженні дають хороші результати прогнозування, але вони базуються на аналітичних прогнозах.Важливим питанням є те, як підтвердити ці результати клінічними даними.Ендоскопічне тонкоголкове аспіраційне ультразвукове дослідження (EUS-FNA) стало незамінним методом діагностики солідних і екстрапанкреатичних уражень підшлункової залози з чутливістю 85% і специфічністю 98% [41].Поява голок для тонкоголкової біопсії EUS (EUS-FNB) в основному базується на передбачуваних перевагах перед FNA, таких як вища точність діагностики, отримання зразків, які зберігають гістологічну структуру, і, таким чином, створення імунної тканини, яка є критичною для певних діагнозів.спеціальне фарбування [42].Систематичний огляд літератури підтвердив, що голки FNB (особливо 22G) демонструють найвищу ефективність у вилученні тканини з утворень підшлункової залози [43].Клінічно лише невелика кількість пацієнтів підходять для радикальної операції, і більшість пацієнтів мають неоперабельні пухлини на момент первинної діагностики.У клінічній практиці лише невелика частина пацієнтів придатна для радикальної операції, тому що більшість пацієнтів мають неоперабельні пухлини на момент первинної діагностики.Після патологічного підтвердження за допомогою EUS-FNB та інших методів зазвичай обирають стандартизоване нехірургічне лікування, таке як хіміотерапія.Наша наступна дослідницька програма полягає в тому, щоб перевірити прогностичну модель цього дослідження в хірургічних і нехірургічних когортах шляхом ретроспективного аналізу.
Загалом наше дослідження створило нову прогностичну модель ризику на основі парної irlncRNA, яка показала багатообіцяючу прогностичну цінність у пацієнтів з раком підшлункової залози.Наша прогностична модель ризику може допомогти відрізнити пацієнтів із PAAD, які підходять для медичного лікування.
Набори даних, використані та проаналізовані в поточному дослідженні, доступні у відповідного автора за розумним запитом.
Sui Wen, Gong X, Zhuang Y. Посередницька роль самоефективності в емоційній регуляції негативних емоцій під час пандемії COVID-19: перехресне дослідження.Int J Ment Health Nurs [стаття в журналі].2021 01.06.2021; 30 (3): 759–71.
Суй Вень, Гун Х, Цяо Х, Чжан Л, Ченг Дж, Донг Дж та ін.Погляди членів родини на альтернативне прийняття рішень у відділеннях інтенсивної терапії: систематичний огляд.INT J NURS STUD [стаття в журналі;огляд].2023 01/01/2023; 137:104391.
Вінсент А, Герман Дж, Шуліх Р, Хрубан РХ, Гоггінс М. Рак підшлункової залози.Ланцет.[Стаття в журналі;підтримка досліджень, NIH, заочна;підтримка досліджень, уряд за межами США;огляд].2011 13.08.2011; 378 (9791): 607–20.
Іліч М, Іліч І. Епідеміологія раку підшлункової залози.Всесвітній журнал гастроентерології.[Стаття в журналі, рецензія].2016 28.11.2016; 22 (44): 9694–705.
Liu X, Chen B, Chen J, Sun S. Нова номограма, пов'язана з tp53, для прогнозування загального виживання у пацієнтів з раком підшлункової залози.BMC Cancer [стаття в журналі].2021 31-03-2021; 21 (1): 335.
Xian X, Zhu X, Chen Y, Huang B, Xiang W. Вплив терапії, орієнтованої на рішення, на втому, пов’язану з раком, у пацієнтів з колоректальним раком, які отримують хіміотерапію: рандомізоване контрольоване дослідження.Онкологічна медсестра.[Стаття в журналі;рандомізоване контрольоване дослідження;дослідження підтримується урядом за межами Сполучених Штатів].2022 01.05.2022; 45 (3): E663–73.
Чжан Чен, Чжен Вень, Лу І, Шань Л, Сюй Донг, Пан І та ін.Післяопераційні рівні карциноембріонального антигену (СЕА) передбачають результат після резекції колоректального раку у пацієнтів із нормальним передопераційним рівнем СЕА.Центр трансляційних досліджень раку.[Стаття в журналі].2020 01.01.2020;9(1):111–8.
Хун Вень, Лян Лі, Гу Юй, Ці Цзи, Цю Хуа, Ян Х та ін.Імунозалежні lncRNA генерують нові ознаки та прогнозують імунний ландшафт гепатоцелюлярної карциноми людини.Mol Ther Nucleic acids [Стаття в журналі].2020 2020-12-04;22:937 – 47.
Toffey RJ, Zhu Y., Schulich RD. Імунотерапія раку підшлункової залози: бар’єри та прориви.Ann Gastrointestinal Surgeon [Стаття в журналі;огляд].2018 01.07.2018; 2 (4): 274–81.
Халл Р, Мбіта З, Дламіні З. Довгі некодуючі РНК (LncRNA), геноміка вірусної пухлини та аберрантні події сплайсингу: терапевтичні наслідки.AM J CANCER RES [стаття в журналі;огляд].2021 01/20/2021; 11 (3): 866–83.
Wang J, Chen P, Zhang Y, Ding J, Yang Y, Li H. 11-Ідентифікація сигнатур lncRNA, пов'язаних з прогнозом раку ендометрію.Досягнення науки [журнальна стаття].2021 2021-01-01;104(1):311977089.
Jiang S, Ren H, Liu S, Lu Z, Xu A, Qin S та ін.Комплексний аналіз прогностичних генів РНК-зв’язуючого білка та кандидатів на ліки при папілярно-клітинній нирково-клітинній карциномі.преген.[Стаття в журналі].2021 01/20/2021; 12:627508.
Лі Х, Чень Дж, Ю Кю, Хуан Х, Лю З, Ван Х та ін.Характеристики пов’язаної з аутофагією довгої некодуючої РНК передбачають прогноз раку молочної залози.преген.[Стаття в журналі].2021 р. 20.01.2021; 12:569318.
Zhou M, Zhang Z, Zhao X, Bao S, Cheng L, Sun J. Immune-related six lncRNA signature покращує прогноз при мультиформній гліобластомі.MOL Нейробіологія.[Стаття в журналі].2018 01.05.2018;55(5):3684–97.
Wu B, Wang Q, Fei J, Bao Y, Wang X, Song Z та ін.Нова сигнатура tri-lncRNA передбачає виживання пацієнтів з раком підшлункової залози.ПРЕДСТАВНИКИ ОНКОЛ.[Стаття в журналі].2018 01.12.2018; 40 (6): 3427–37.
Luo C, Lin K, Hu C, Zhu X, Zhu J, Zhu Z. LINC01094 сприяє прогресуванню раку підшлункової залози, регулюючи експресію LIN28B і шлях PI3K/AKT через губчасту miR-577.Mol Therapeutics – Нуклеїнові кислоти.2021; 26: 523-35.
Lin J, Zhai X, Zou S, Xu Z, Zhang J, Jiang L та ін.Позитивний зворотний зв’язок між lncRNA FLVCR1-AS1 і KLF10 може пригнічувати прогресування раку підшлункової залози шляхом PTEN/AKT.J EXP Clin Cancer Res.2021; 40 (1).
Zhou X, Liu X, Zeng X, Wu D, Liu L. Ідентифікація тринадцяти генів, що передбачають загальне виживання при гепатоцелюлярній карциномі.Biosci Rep [стаття в журналі].2021 09.04.2021.
Час публікації: 22 вересня 2023 р