Ракот на панкреас е еден од најсмртоносните тумори во светот со лоша прогноза. Затоа, потребен е точен модел на предвидување за да се идентификуваат пациенти со висок ризик од рак на панкреас, со цел да се прилагоди третманот и да се подобри прогнозата кај овие пациенти.
Ги добивме податоците од RNAseq на Атласот на геномот на ракот (TCGA) за аденокарцином на панкреас (PAAD) од базата на податоци Xena на UCSC, ги идентификувавме имунолошки поврзаните lncRNA (irlncRNAs) преку корелациска анализа и ги идентификувавме разликите помеѓу TCGA и нормалните ткива на аденокарцином на панкреас. DEirlncRNA) од TCGA и експресијата на генотипско ткиво (GTEx) на панкреасното ткиво. Понатамошни униваријантни и ласо регресивни анализи беа извршени за да се конструираат прогностички модели на потпис. Потоа ја пресметавме површината под кривата и ја одредивме оптималната гранична вредност за идентификување на пациенти со аденокарцином на панкреас со висок и низок ризик. За да ги споредиме клиничките карактеристики, инфилтрацијата на имуните клетки, имуносупресивната микросредина и отпорноста на хемотерапија кај пациенти со рак на панкреас со висок и низок ризик.
Идентификувавме 20 пара DEirlncRNA и ги групиравме пациентите според оптималната гранична вредност. Покажавме дека нашиот прогностички модел на потпис има значајни перформанси во предвидувањето на прогнозата на пациенти со PAAD. AUC на ROC кривата е 0,905 за 1-годишна прогноза, 0,942 за 2-годишна прогноза и 0,966 за 3-годишна прогноза. Пациентите со висок ризик имаа пониски стапки на преживување и полоши клинички карактеристики. Исто така, покажавме дека пациентите со висок ризик се имуносупресирани и може да развијат отпорност на имунотерапија. Евалуацијата на антиканцерогени лекови како што се паклитаксел, сорафениб и ерлотиниб врз основа на алатки за компјутерско предвидување може да биде соодветна за пациенти со висок ризик со PAAD.
Генерално, нашата студија воспостави нов модел на прогностички ризик базиран на спарена irlncRNA, кој покажа ветувачка прогностичка вредност кај пациенти со рак на панкреас. Нашиот модел на прогностички ризик може да помогне во диференцирањето на пациенти со PAAD кои се погодни за медицински третман.
Ракот на панкреас е малиген тумор со ниска петгодишна стапка на преживување и висок степен на стадиум. Во моментот на дијагнозата, повеќето пациенти се веќе во напредна фаза. Во контекст на епидемијата на COVID-19, лекарите и медицинските сестри се под огромен притисок при лекување на пациенти со рак на панкреас, а семејствата на пациентите исто така се соочуваат со повеќекратни притисоци при донесување одлуки за третман [1, 2]. Иако е постигнат голем напредок во третманот на DOAD, како што се неоадјувантна терапија, хируршка ресекција, радиотерапија, хемотерапија, целна молекуларна терапија и инхибитори на имунолошки контролни точки (ICI), само околу 9% од пациентите преживуваат пет години по дијагнозата [3]. ], 4]. Бидејќи раните симптоми на аденокарцином на панкреас се атипични, пациентите обично се дијагностицираат со метастази во напредна фаза [5]. Затоа, за даден пациент, индивидуализираниот сеопфатен третман мора да ги земе предвид предностите и недостатоците на сите опции за третман, не само за да се продолжи преживувањето, туку и за да се подобри квалитетот на животот [6]. Затоа, неопходен е ефикасен модел на предвидување за прецизно да се процени прогнозата на пациентот [7]. Така, може да се избере соодветен третман за да се балансира преживувањето и квалитетот на живот кај пациентите со PAAD.
Лошата прогноза на PAAD главно се должи на отпорноста на хемотерапевтските лекови. Во последниве години, инхибиторите на имунолошките контролни точки се широко користени во третманот на солидни тумори [8]. Сепак, употребата на ICI кај ракот на панкреасот ретко е успешна [9]. Затоа, важно е да се идентификуваат пациентите кои можат да имаат корист од ICI терапијата.
Долгата некодирачки РНК (lncRNA) е вид на некодирачки РНК со транскрипти >200 нуклеотиди. LncRNA се широко распространети и сочинуваат околу 80% од човечкиот транскриптом [10]. Голем број трудови покажаа дека прогностичките модели базирани на lncRNA можат ефикасно да ја предвидат прогнозата на пациентите [11, 12]. На пример, идентификувани се 18 lncRNA поврзани со автофагија кои генерираат прогностички потписи кај ракот на дојка [13]. Шест други имунолошки поврзани lncRNA се користени за да се утврдат прогностичките карактеристики на глиомот [14].
Кај ракот на панкреас, некои студии воспоставиле потписи базирани на lncRNA за да се предвиди прогнозата на пациентите. Потпис на 3-lncRNA е воспоставен кај аденокарцином на панкреас со површина под кривата ROC (AUC) од само 0,742 и вкупно преживување (OS) од 3 години [15]. Покрај тоа, вредностите на експресијата на lncRNA варираат кај различни геноми, различни формати на податоци и различни пациенти, а перформансите на предикативниот модел се нестабилни. Затоа, користиме нов алгоритам за моделирање, спарување и итерација, за да генерираме потписи на lncRNA поврзани со имунитетот (irlncRNA) за да создадеме попрецизен и постабилен предикативен модел [8].
Нормализираните RNAseq податоци (FPKM) и податоците за клиничкиот рак на панкреас, TCGA и експресијата на генотипот во ткивото (GTEx) беа добиени од базата на податоци XENA на UCSC (https://xenabrowser.net/datapages/). GTF датотеките беа добиени од базата на податоци Ensembl (http://asia.ensembl.org) и беа искористени за извлекување на профили на експресија на lncRNA од RNAseq. Ги преземавме гените поврзани со имунитетот од базата на податоци ImmPort (http://www.immport.org) и ги идентификувавме lncRNA поврзани со имунитетот (irlncRNAs) користејќи корелациска анализа (p < 0,001, r > 0,4). Идентификација на диференцијално експресирани irlncRNAs (DEirlncRNAs) со вкрстување на irlncRNAs и диференцијално експресирани lncRNAs добиени од базата на податоци GEPIA2 (http://gepia2.cancer-pku.cn/#index) во TCGA-PAAD кохортата (|logFC| > 1 и FDR) <0,05).
Овој метод е претходно објавен [8]. Поточно, ние конструираме X за да ги замениме спарените lncRNA A и lncRNA B. Кога вредноста на експресијата на lncRNA A е поголема од вредноста на експресијата на lncRNA B, X е дефинирано како 1, во спротивно X е дефинирано како 0. Затоа, можеме да добиеме матрица од 0 или -1. Вертикалната оска на матрицата го претставува секој примерок, а хоризонталната оска го претставува секој пар DEirlncRNA со вредност од 0 или 1.
За скрининг на прогностички парови на DEirlncRNA беше користена униваријантна регресиона анализа проследена со Ласо регресија. Ласо регресионата анализа користеше 10-кратна вкрстена валидација повторувана 1000 пати (p < 0,05), со 1000 случајни стимули по циклус. Кога фреквенцијата на секој пар на DEirlncRNA надмина 100 пати во 1000 циклуси, паровите на DEirlncRNA беа избрани за да се конструира прогностички модел на ризик. Потоа ја користевме кривата AUC за да ја пронајдеме оптималната гранична вредност за класификација на пациентите со PAAD во групи со висок и низок ризик. Вредноста на AUC на секој модел беше исто така пресметана и прикажана како крива. Ако кривата достигне највисоката точка што ја означува максималната вредност на AUC, процесот на пресметка запира и моделот се смета за најдобар кандидат. Беа конструирани 1-, 3- и 5-годишни модели на ROC криви. Униваријантни и мултиваријантни регресиони анализи беа користени за да се испита независната предикативна изведба на прогностичкиот модел на ризик.
Користете седум алатки за проучување на стапките на инфилтрација на имуните клетки, вклучувајќи XCELL, TIMER, QUANTISEQ, MCPCOUNTER, EPIC, CIBERSORT-ABS и CIBERSORT. Податоците за инфилтрација на имуните клетки беа преземени од базата на податоци TIMER2 (http://timer.comp-genomics.org/#tab-5817-3). Разликата во содржината на имуноинфилтрирачките клетки помеѓу групите со висок и низок ризик од конструираниот модел беше анализирана со помош на Wilcoxon тестот со знак-ранг, резултатите се прикажани во квадратен графикон. Спирмановата корелација беше извршена за да се анализира врската помеѓу вредностите на резултатот за ризик и имуноинфилтрирачките клетки. Добиениот коефициент на корелација е прикажан како лижавче. Прагот на значајност беше поставен на p < 0,05. Постапката беше извршена со помош на R пакетот ggplot2. За да ја испитаме врската помеѓу моделот и нивоата на генска експресија поврзани со стапката на инфилтрација на имуните клетки, го извршивме пакетот ggstatsplot и визуелизацијата на violin графиконот.
За да ги процениме клиничките модели на третман за рак на панкреас, ја пресметавме IC50 на најчесто користените хемотерапевтски лекови во кохортата TCGA-PAAD. Разликите во полуинхибиторните концентрации (IC50) помеѓу групите со висок и низок ризик беа споредени со помош на Wilcoxon тестот со знаковен ранг, а резултатите се прикажани како кутии генерирани со помош на pRRophetic и ggplot2 во R. Сите методи се во согласност со релевантните упатства и норми.
Работниот тек на нашата студија е прикажан на Слика 1. Користејќи корелациска анализа помеѓу lncRNAs и гени поврзани со имунитетот, избравме 724 irlncRNAs со p < 0,01 и r > 0,4. Потоа ги анализиравме диференцијално експресираните lncRNAs на GEPIA2 (Слика 2А). Вкупно 223 irlncRNAs беа диференцијално експресирани помеѓу аденокарцином на панкреас и нормално ткиво на панкреас (|logFC| > 1, FDR < 0,05), наречени DEirlncRNAs.
Конструкција на модели на предикативен ризик. (A) Вулкански графикон на диференцијално експресирани lncRNA. (B) Распределба на lasso коефициентите за 20 DEirlncRNA пара. (C) Парцијална варијанса на веројатност на распределбата на LASSO коефициентот. (D) Форест графикон што прикажува униваријантна регресиона анализа на 20 DEirlncRNA пара.
Потоа конструиравме матрица 0 или 1 со спарување на 223 DEirlncRNA. Идентификувани се вкупно 13.687 DEirlncRNA парови. По униваријантната и ласо регресивната анализа, конечно беа тестирани 20 DEirlncRNA парови за да се конструира прогностички модел на ризик (Слика 2B-D). Врз основа на резултатите од Lasso и повеќекратната регресивна анализа, пресметавме резултат на ризик за секој пациент во TCGA-PAAD кохортата (Табела 1). Врз основа на резултатите од ласо регресивната анализа, пресметавме резултат на ризик за секој пациент во TCGA-PAAD кохортата. AUC на ROC кривата беше 0,905 за предвидување на моделот на ризик за 1 година, 0,942 за предвидување за 2 години и 0,966 за предвидување за 3 години (Слика 3A-B). Поставивме оптимална гранична вредност од 3,105, ги стратификувавме пациентите со TCGA-PAAD кохорт во групи со висок и низок ризик и ги прикажавме исходите за преживување и распределбата на ризичните бодови за секој пациент (Слика 3C-E). Анализата Каплан-Мајер покажа дека преживувањето на пациентите со PAAD во групата со висок ризик е значително пониско од она на пациентите во групата со низок ризик (p < 0,001) (Слика 3F).
Валидност на моделите на прогностички ризик. (A) ROC на моделот на прогностички ризик. (B) 1-, 2- и 3-годишни ROC модели на прогностички ризик. (C) ROC на моделот на прогностички ризик. Ја покажува оптималната гранична точка. (DE) Распределба на статусот на преживување (D) и резултатите од ризикот (E). (F) Каплан-Мајер анализа на пациенти со PAAD во групи со висок и низок ризик.
Понатаму ги проценивме разликите во оценките за ризик според клиничките карактеристики. Графиконот со ленти (Слика 4А) ја покажува целокупната врска помеѓу клиничките карактеристики и оценките за ризик. Особено, постарите пациенти имаа повисоки оценки за ризик (Слика 4Б). Покрај тоа, пациентите со стадиум II имаа повисоки оценки за ризик од пациентите со стадиум I (Слика 4В). Во однос на степенот на тумор кај пациенти со ПААБ, пациентите со степен 3 имаа повисоки оценки за ризик од пациентите со степен 1 и 2 (Слика 4Д). Понатаму извршивме униваријантни и мултиваријантни регресиони анализи и покажавме дека оценката за ризик (p < 0,001) и возраста (p = 0,045) се независни прогностички фактори кај пациенти со ПААБ (Слика 5А-Б). ROC кривата покажа дека оценката за ризик е супериорна во однос на другите клинички карактеристики во предвидувањето на 1-, 2- и 3-годишно преживување на пациенти со ПААБ (Слика 5В-Е).
Клинички карактеристики на моделите на прогностички ризик. Хистограмот (А) покажува (Б) возраст, (В) стадиум на тумор, (Г) степен на тумор, резултат на ризик и пол на пациентите во кохортата TCGA-PAAD. **p < 0,01
Независна предикативна анализа на модели на прогностички ризик. (AB) Униваријантни (A) и мултиваријантни (B) регресивни анализи на модели на прогностички ризик и клинички карактеристики. (CE) 1-, 2- и 3-годишен ROC за модели на прогностички ризик и клинички карактеристики.
Затоа, го испитавме односот помеѓу времето и ризикот. Откривме дека ризикот кај пациентите со PAAD е обратно пропорционален со CD8+ Т-клетките и NK-клетките (Слика 6А), што укажува на потисната имунолошка функција во групата со висок ризик. Исто така, ја проценивме разликата во инфилтрацијата на имунолошките клетки помеѓу групите со висок и низок ризик и ги најдовме истите резултати (Слика 7). Имаше помала инфилтрација на CD8+ Т-клетки и NK-клетки во групата со висок ризик. Во последниве години, инхибиторите на имунолошките контролни точки (ICI) се широко користени во третманот на солидни тумори. Сепак, употребата на ICI кај ракот на панкреасот ретко била успешна. Затоа, ја проценивме експресијата на гените за имунолошки контролни точки во групите со висок и низок ризик. Откривме дека CTLA-4 и CD161 (KLRB1) беа преекспресирани во групата со низок ризик (Слика 6Б-Г), што укажува дека пациентите со PAAD во групата со низок ризик може да бидат чувствителни на ICI.
Корелациска анализа на прогностичкиот модел на ризик и инфилтрацијата на имуните клетки. (A) Корелација помеѓу прогностичкиот модел на ризик и инфилтрацијата на имуните клетки. (BG) Укажува на генска експресија кај групи со висок и низок ризик. (HK) IC50 вредности за специфични антиканцерогени лекови кај групи со висок и низок ризик. *p < 0,05, **p < 0,01, ns = не е значајно
Понатаму ја проценивме поврзаноста помеѓу оценките за ризик и вообичаените хемотерапевтски агенси во кохортата TCGA-PAAD. Пребарувавме за најчесто користени антиканцерогени лекови за рак на панкреас и анализиравме разлики во нивните вредности на IC50 помеѓу групите со висок и низок ризик. Резултатите покажаа дека вредноста на IC50 на AZD.2281 (олапариб) беше повисока во групата со висок ризик, што укажува дека пациентите со PAAD во групата со висок ризик може да бидат отпорни на третман со AZD.2281 (Слика 6H). Покрај тоа, вредностите на IC50 на паклитаксел, сорафениб и ерлотиниб беа пониски во групата со висок ризик (Слика 6I-K). Понатаму идентификувавме 34 антиканцерогени лекови со повисоки вредности на IC50 во групата со висок ризик и 34 антиканцерогени лекови со пониски вредности на IC50 во групата со висок ризик (Табела 2).
Не може да се негира дека lncRNA, mRNA и miRNA постојат широко и играат клучна улога во развојот на ракот. Постојат многу докази што ја поддржуваат важната улога на mRNA или miRNA во предвидувањето на вкупното преживување кај неколку видови рак. Несомнено, многу модели на прогностички ризик се базираат и на lncRNA. На пример, студиите на Luo et al. покажаа дека LINC01094 игра клучна улога во пролиферацијата и метастазата на PC, а високата експресија на LINC01094 укажува на слабо преживување на пациенти со рак на панкреас [16]. Студијата презентирана од Lin et al. студиите покажаа дека намалувањето на lncRNA FLVCR1-AS1 е поврзано со лоша прогноза кај пациенти со рак на панкреас [17]. Сепак, lncRNA поврзани со имунитетот се релативно помалку дискутирани во однос на предвидувањето на вкупното преживување на пациенти со рак. Неодамна, голема количина на работа е фокусирана на градење модели на прогностички ризик за да се предвиди преживувањето на пациентите со рак и со тоа да се прилагодат методите на лекување [18, 19, 20]. Постои растечко признавање на важната улога на имунолошките инфилтрати во иницијацијата, прогресијата на ракот и одговорот на третмани како што е хемотерапијата. Бројни студии потврдија дека имунолошките клетки што инфилтрираат тумор играат клучна улога во одговорот на цитотоксична хемотерапија [21, 22, 23]. Имунолошката микросредина на туморот е важен фактор во преживувањето на пациентите со тумор [24, 25]. Имунотерапијата, особено ICI терапијата, е широко користена во третманот на солидни тумори [26]. Имунолошки поврзаните гени се широко користени за конструирање модели на прогностички ризик. На пример, Су и сор. Моделот на имунолошки поврзан прогностички ризик се базира на гени што кодираат протеини за да се предвиди прогнозата на пациенти со рак на јајници [27]. Некодирачките гени како што се lncRNA се исто така погодни за конструирање модели на прогностички ризик [28, 29, 30]. Луо и сор. тестираа четири имунолошки поврзани lncRNA и изградија предикативен модел за ризик од рак на грлото на матката [31]. Кан и сор. Вкупно беа идентификувани 32 диференцијално експресирани транскрипти, и врз основа на ова, беше воспоставен модел на предвидување со 5 значајни транскрипти, кој беше предложен како високо препорачана алатка за предвидување на акутно отфрлање докажано со биопсија по трансплантација на бубрег [32].
Повеќето од овие модели се базираат на нивоа на генска експресија, или гени што кодираат протеини или гени што не кодираат. Сепак, истиот ген може да има различни вредности на експресија во различни геноми, формати на податоци и кај различни пациенти, што доведува до нестабилни проценки во предикативните модели. Во оваа студија, изградивме разумен модел со два пара lncRNA, независно од точните вредности на експресија.
Во оваа студија, за прв пат идентификувавме irlncRNA преку корелациска анализа со гени поврзани со имунитетот. Скриниравме 223 DEirlncRNA со хибридизација со диференцијално експресирани lncRNA. Второ, конструиравме матрица 0-или-1 врз основа на објавениот метод на спарување на DEirlncRNA [31]. Потоа извршивме униваријантни и ласо регресивни анализи за да идентификуваме прогностички парови на DEirlncRNA и да конструираме предикативен модел на ризик. Понатаму ја анализиравме поврзаноста помеѓу резултатите од ризикот и клиничките карактеристики кај пациенти со PAAD. Откривме дека нашиот модел на прогностички ризик, како независен прогностички фактор кај пациенти со PAAD, може ефикасно да ги разликува пациентите со висок степен од пациентите со низок степен и пациентите со висок степен од пациентите со низок степен. Покрај тоа, вредностите на AUC на ROC кривата на прогностичкиот модел на ризик беа 0,905 за 1-годишна прогноза, 0,942 за 2-годишна прогноза и 0,966 за 3-годишна прогноза.
Истражувачите објавија дека пациентите со поголема инфилтрација на CD8+ Т-клетки биле почувствителни на третман со ICI [33]. Зголемувањето на содржината на цитотоксични клетки, CD56 NK клетки, NK клетки и CD8+ Т-клетки во имунолошката микросредина на туморот може да биде една од причините за ефектот на супресија на туморот [34]. Претходните студии покажаа дека повисоките нивоа на CD4(+) Т и CD8(+) Т кои инфилтрираат тумор се значително поврзани со подолго преживување [35]. Слабата инфилтрација на CD8 Т-клетки, ниското оптоварување со неоантиген и високо имуносупресивната микросредина на туморот доведуваат до недостаток на одговор на терапијата со ICI [36]. Откривме дека резултатот од ризикот е негативно поврзан со CD8+ Т-клетките и NK-клетките, што укажува дека пациентите со висок резултат од ризикот можеби не се соодветни за третман со ICI и имаат полоша прогноза.
CD161 е маркер на клетките природни убијци (NK). CD8+CD161+ CAR-трансдуцирани Т-клетки посредуваат во подобрена in vivo антитуморска ефикасност кај моделите на ксенографт на аденокарцином на панкреасниот дуктален HER2+ [37]. Имунолошките инхибитори на контролни точки ги таргетираат цитотоксичниот протеин 4 поврзан со Т-лимфоцити (CTLA-4) и патеките на протеинот 1 поврзан со програмирана клеточна смрт (PD-1)/лигандот 1 за програмирана клеточна смрт (PD-L1) и имаат голем потенцијал во многу области. Експресијата на CTLA-4 и CD161 (KLRB1) е помала кај групите со висок ризик, што дополнително укажува дека пациентите со висок ризик можеби не се подобни за третман со ICI. [38]
За да пронајдеме опции за третман соодветни за пациенти со висок ризик, анализиравме различни лекови против рак и откривме дека паклитакселот, сорафениб и ерлотиниб, кои се широко користени кај пациенти со PAAD, може да бидат соодветни за пациенти со висок ризик со PAAD. [33]. Zhang et al. откриле дека мутациите во кој било пат на одговор на оштетување на ДНК (DDR) може да доведат до лоша прогноза кај пациенти со рак на простата [39]. Тековното испитување за рак на панкреас Olaparib Ongoing (POLO) покажа дека третманот за одржување со olaparib го продолжува преживувањето без прогресија во споредба со плацебо по хемотерапија базирана на платина од прва линија кај пациенти со аденокарцином на панкреасниот дуктален карцином и мутации на BRCA1/2 од герминативната линија [40]. Ова дава значителен оптимизам дека резултатите од третманот значително ќе се подобрат кај оваа подгрупа на пациенти. Во оваа студија, вредноста IC50 на AZD.2281 (olaparib) беше повисока во групата со висок ризик, што укажува дека пациентите со PAAD во групата со висок ризик може да бидат отпорни на третман со AZD.2281.
Моделите за прогнозирање во оваа студија даваат добри резултати за прогнозирање, но тие се базираат на аналитички прогнози. Како да се потврдат овие резултати со клинички податоци е важно прашање. Ендоскопската ултрасонографија со фина игла (EUS-FNA) стана неопходен метод за дијагностицирање на солидни и екстрапанкреатични лезии на панкреасот со сензитивност од 85% и специфичност од 98% [41]. Појавата на иглите за фина игла за биопсија на EUS (EUS-FNB) главно се базира на перцепираните предности во однос на FNA, како што се поголема дијагностичка точност, добивање примероци што ја зачувуваат хистолошката структура и со тоа генерирање на имунолошко ткиво кое е критично за одредени дијагнози. Специјално боење [42]. Систематски преглед на литературата потврди дека иглите за FNB (особено 22G) покажуваат највисока ефикасност во собирањето ткиво од панкреасните маси [43]. Клинички, само мал број пациенти се подобни за радикална хирургија, а повеќето пациенти имаат неоперабилни тумори во времето на првичната дијагноза. Во клиничката пракса, само мал дел од пациентите се погодни за радикална хирургија бидејќи повеќето пациенти имаат неоперабилни тумори во времето на првичната дијагноза. По патолошка потврда со EUS-FNB и други методи, обично се избира стандардизиран нехируршки третман како што е хемотерапијата. Нашата следна истражувачка програма е да го тестираме прогностичкиот модел на оваа студија во хируршки и нехируршки кохорти преку ретроспективна анализа.
Генерално, нашата студија воспостави нов модел на прогностички ризик базиран на спарена irlncRNA, кој покажа ветувачка прогностичка вредност кај пациенти со рак на панкреас. Нашиот модел на прогностички ризик може да помогне во диференцирањето на пациенти со PAAD кои се погодни за медицински третман.
Збирките податоци што се користат и анализираат во тековната студија се достапни од соодветниот автор по разумно барање.
Суи Вен, Гонг Х, Жуанг Ј. Посредничката улога на самоефикасноста во емоционалната регулација на негативните емоции за време на пандемијата COVID-19: пресек-студија. Int J Ment Health Nurs [студија во списание]. 2021 06/01/2021;30(3):759–71.
Суи Вен, Гонг Х, Ќао Х, Жанг Л, Ченг Ј, Донг Ј, и др. Ставови на членовите на семејството за алтернативно донесување одлуки во единиците за интензивна нега: систематски преглед. INT J NURS STUD [списание; преглед]. 2023 01/01/2023;137:104391.
Винсент А, Херман Ј, Шулих Р, Хрубан РХ, Гогинс М. Рак на панкреас. Лансет. [Статија во журнал; истражувачка поддршка, NIH, екстрамурално; истражувачка поддршка, влада надвор од САД; преглед]. 2011 08/13/2011;378(9791):607–20.
Илиќ М, Илиќ И. Епидемиологија на рак на панкреас. Светски журнал за гастроентерологија. [Статија во журнал, преглед]. 2016 28.11.2016;22(44):9694–705.
Liu X, Chen B, Chen J, Sun S. Нов номограм поврзан со tp53 за предвидување на вкупното преживување кај пациенти со рак на панкреас. BMC Cancer [член во списание]. 2021 31-03-2021;21(1):335.
Ксиан Х, Жу Х, Чен Ј, Хуанг Б, Ксианг В. Ефект од терапијата фокусирана на решение врз заморот поврзан со рак кај пациенти со колоректален рак кои примаат хемотерапија: рандомизирано контролирано испитување. Медицинска сестра за рак. [Статија во журнал; рандомизирано контролирано испитување; студијата е поддржана од влада надвор од Соединетите Американски Држави]. 2022 05/01/2022;45(3):E663–73.
Жанг Ченг, Женг Вен, Лу Ј, Шан Л, Сју Донг, Пан Ј, и др. Постоперативните нивоа на карциноембрионски антиген (CEA) го предвидуваат исходот по ресекција на колоректален карцином кај пациенти со нормални предоперативни нивоа на CEA. Центар за транслационо истражување на ракот. [Статија во журнал]. 2020 01.01.2020;9(1):111–8.
Хонг Вен, Лианг Ли, Гу Ју, Ки Зи, Киу Хуа, Јанг Х, и др. Имунолошки поврзаните lncRNA генерираат нови потписи и го предвидуваат имунолошкиот пејзаж на човечкиот хепатоцелуларен карцином. Mol Ther нуклеински киселини [Статија во журнал]. 2020 2020-12-04;22:937 – 47.
Тофи РЈ, Жу Ј., Шулих РД Имунотерапија за рак на панкреас: бариери и откритија. Ann Gastrointestinal Surgeon [Статија во списание; преглед]. 2018 07/01/2018;2(4):274–81.
Хал Р, Мбита З, Дламини З. Долги некодирачки РНК (LncRNAs), геномика на вирусни тумори и абнормални настани на спојување: терапевтски импликации. AM J CANCER RES [струја во журнал; преглед]. 2021 01/20/2021;11(3):866–83.
Ванг Ј, Чен П, Жанг Ј, Динг Ј, Јанг Ј, Ли Х. 11-Идентификација на потписи на lncRNA поврзани со прогнозата на ракот на ендометриумот. Достигнувања на науката [студија во списание]. 2021 2021-01-01;104(1):311977089.
Џијанг С, Рен Х, Лиу С, Лу З, Сју А, Ќин С, и др. Сеопфатна анализа на прогностичките гени за протеините што се врзуваат за РНК и кандидатите за лекови кај папиларниот клеточен карцином на бубрежни клетки. преген. [Статија во журнал]. 20.01.2021;12:627508.
Ли Х, Чен Ј, Ју К, Хуанг Х, Лиу З, Ванг Х, и др. Карактеристиките на долгата некодирана РНК поврзана со автофагија ја предвидуваат прогнозата за рак на дојка. преген. [Статија во журнал]. 20.01.2021;12:569318.
Џоу М, Жанг З, Жао Х, Бао С, Ченг Л, Сун Ј. Имунолошки поврзаните шест lncRNA потписи ја подобруваат прогнозата кај глиобластом мултиформе. MOL Neurobiology. [Статија во журнал]. 2018 01.05.2018;55(5):3684–97.
Ву Б, Ванг К, Феи Ј, Бао Ј, Ванг Х, Сонг З, и др. Нов три-lncRNA потпис го предвидува преживувањето на пациентите со рак на панкреас. ПРЕТСТАВНИЦИ НА ONKOL. [Статија во журнал]. 2018 12/01/2018;40(6):3427–37.
Луо Ц, Лин К, Ху Ц, Жу Х, Жу Ј, Жу З. LINC01094 ја промовира прогресијата на ракот на панкреасот со регулирање на експресијата на LIN28B и патеката PI3K/AKT преку сунѓериран miR-577. Mol Therapeutics – Нуклеински киселини. 2021;26:523–35.
Lin J, Zhai X, Zou S, Xu Z, Zhang J, Jiang L, et al. Позитивната повратна информација помеѓу lncRNA FLVCR1-AS1 и KLF10 може да ја инхибира прогресијата на ракот на панкреасот преку патеката PTEN/AKT. J EXP Clin Cancer Res. 2021;40(1).
Zhou X, Liu X, Zeng X, Wu D, Liu L. Идентификација на тринаесет гени кои го предвидуваат вкупното преживување кај хепатоцелуларен карцином. Biosci Rep [член во списание]. 2021 04/09/2021.
Време на објавување: 22 септември 2023 година