Kreft i bukspyttkjertelen er en av de dødeligste svulstene i verden med dårlig prognose. Derfor er det behov for en nøyaktig prediksjonsmodell for å identifisere pasienter med høy risiko for kreft i bukspyttkjertelen for å skreddersy behandling og forbedre prognosen for disse pasientene.
Vi innhentet The Cancer Genome Atlas (TCGA) pankreatisk adenokarsinom (PAAD) RNAseq-data fra UCSC Xena-databasen, identifiserte immunrelaterte lncRNA-er (irlncRNA-er) gjennom korrelasjonsanalyse, og identifiserte forskjeller mellom TCGA og normalt pankreatisk adenokarsinomvev. DEirlncRNA) fra TCGA og genotypevevsuttrykk (GTEx) i pankreatisk vev. Ytterligere univariate og lasso-regresjonsanalyser ble utført for å konstruere prognostiske signaturmodeller. Vi beregnet deretter arealet under kurven og bestemte den optimale grenseverdien for å identifisere pasienter med høy- og lavrisiko pankreatisk adenokarsinom. For å sammenligne kliniske egenskaper, immuncelinfiltrasjon, immunsuppressivt mikromiljø og kjemoterapiresistens hos pasienter med høy- og lavrisiko pankreatisk kreft.
Vi identifiserte 20 DEirlncRNA-par og grupperte pasienter i henhold til optimal grenseverdi. Vi viste at vår prognostiske signaturmodell har betydelig ytelse i å forutsi prognosen for pasienter med PAAD. AUC for ROC-kurven er 0,905 for 1-årsprognosen, 0,942 for 2-årsprognosen og 0,966 for 3-årsprognosen. Høyrisikopasienter hadde lavere overlevelsesrater og dårligere kliniske egenskaper. Vi viste også at høyrisikopasienter er immunsupprimerte og kan utvikle resistens mot immunterapi. Evaluering av kreftmedisiner som paklitaksel, sorafenib og erlotinib basert på beregningsmessige prediksjonsverktøy kan være passende for høyrisikopasienter med PAAD.
Samlet sett etablerte studien vår en ny prognostisk risikomodell basert på paret irlncRNA, som viste lovende prognostisk verdi hos pasienter med kreft i bukspyttkjertelen. Vår prognostiske risikomodell kan bidra til å differensiere pasienter med PAAD som er egnet for medisinsk behandling.
Kreft i bukspyttkjertelen er en ondartet svulst med lav femårs overlevelsesrate og høy grad. Ved diagnosetidspunktet er de fleste pasienter allerede i avanserte stadier. I forbindelse med COVID-19-epidemien er leger og sykepleiere under enormt press når de behandler pasienter med kreft i bukspyttkjertelen, og pasientenes familier står også overfor flere press når de tar behandlingsbeslutninger [1, 2]. Selv om det har blitt gjort store fremskritt i behandlingen av DOAD-er, som neoadjuvant behandling, kirurgisk reseksjon, strålebehandling, cellegift, målrettet molekylær terapi og immunkontrollpunkthemmere (ICI), overlever bare omtrent 9 % av pasientene fem år etter diagnosen [3], 4]. Fordi de tidlige symptomene på adenokarsinom i bukspyttkjertelen er atypiske, blir pasienter vanligvis diagnostisert med metastaser på et avansert stadium [5]. Derfor må individualisert omfattende behandling for en gitt pasient veie fordeler og ulemper ved alle behandlingsalternativer, ikke bare for å forlenge overlevelsen, men også for å forbedre livskvaliteten [6]. Derfor er en effektiv prediksjonsmodell nødvendig for å nøyaktig vurdere en pasients prognose [7]. Dermed kan passende behandling velges for å balansere overlevelse og livskvalitet for pasienter med PAAD.
Den dårlige prognosen for PAAD skyldes hovedsakelig resistens mot cellegift. I de senere årene har immunkontrollpunkthemmere blitt mye brukt i behandlingen av solide svulster [8]. Bruk av ICI-er ved kreft i bukspyttkjertelen er imidlertid sjelden vellykket [9]. Derfor er det viktig å identifisere pasienter som kan ha nytte av ICI-behandling.
Langt ikke-kodende RNA (lncRNA) er en type ikke-kodende RNA med transkripter >200 nukleotider. LncRNA er utbredt og utgjør omtrent 80 % av det humane transkriptomet [10]. En stor mengde arbeid har vist at lncRNA-baserte prognostiske modeller effektivt kan forutsi pasientprognose [11, 12]. For eksempel ble 18 autofagi-relaterte lncRNA identifisert for å generere prognostiske signaturer i brystkreft [13]. Seks andre immunrelaterte lncRNA har blitt brukt til å etablere de prognostiske trekkene ved gliom [14].
Ved kreft i bukspyttkjertelen har noen studier etablert lncRNA-baserte signaturer for å forutsi pasientprognose. En 3-lncRNA-signatur ble etablert ved adenokarsinom i bukspyttkjertelen med et areal under ROC-kurven (AUC) på bare 0,742 og en total overlevelse (OS) på 3 år [15]. I tillegg varierer lncRNA-ekspresjonsverdiene mellom forskjellige genomer, forskjellige dataformater og forskjellige pasienter, og ytelsen til den prediktive modellen er ustabil. Derfor bruker vi en ny modelleringsalgoritme, paring og iterasjon, for å generere immunitetsrelaterte lncRNA (irlncRNA)-signaturer for å skape en mer nøyaktig og stabil prediktiv modell [8].
Normaliserte RNAseq-data (FPKM) og klinisk TCGA og genotypevevsekspresjon (GTEx) data for bukspyttkjertelkreft ble hentet fra UCSC XENA-databasen (https://xenabrowser.net/datapages/). GTF-filer ble hentet fra Ensembl-databasen (http://asia.ensembl.org) og brukt til å trekke ut lncRNA-ekspresjonsprofiler fra RNAseq. Vi lastet ned immunitetsrelaterte gener fra ImmPort-databasen (http://www.immport.org) og identifiserte immunitetsrelaterte lncRNA-er (irlncRNA-er) ved hjelp av korrelasjonsanalyse (p < 0,001, r > 0,4). Identifisering av differensielt uttrykte irlncRNA-er (DEirlncRNA-er) ved å krysse irlncRNA-er og differensielt uttrykte lncRNA-er hentet fra GEPIA2-databasen (http://gepia2.cancer-pku.cn/#index) i TCGA-PAAD-kohorten (|logFC| > 1 og FDR) <0,05).
Denne metoden har blitt rapportert tidligere [8]. Mer spesifikt konstruerer vi X for å erstatte det parede lncRNA A og lncRNA B. Når uttrykksverdien til lncRNA A er høyere enn uttrykksverdien til lncRNA B, er X definert som 1, ellers er X definert som 0. Derfor kan vi få en matrise på 0 eller –1. Den vertikale aksen til matrisen representerer hver prøve, og den horisontale aksen representerer hvert DEirlncRNA-par med en verdi på 0 eller 1.
Univariat regresjonsanalyse etterfulgt av lasso-regresjon ble brukt til å screene prognostiske DEirlncRNA-par. Lasso-regresjonsanalysen brukte 10-fold kryssvalidering gjentatt 1000 ganger (p < 0,05), med 1000 tilfeldige stimuli per kjøring. Når frekvensen av hvert DEirlncRNA-par oversteg 100 ganger i løpet av 1000 sykluser, ble DEirlncRNA-par valgt for å konstruere en prognostisk risikomodell. Vi brukte deretter AUC-kurven til å finne den optimale grenseverdien for å klassifisere PAAD-pasienter i høy- og lavrisikogrupper. AUC-verdien for hver modell ble også beregnet og plottet som en kurve. Hvis kurven når det høyeste punktet som indikerer den maksimale AUC-verdien, stopper beregningsprosessen, og modellen anses som den beste kandidaten. 1-, 3- og 5-årige ROC-kurvemodeller ble konstruert. Univariate og multivariate regresjonsanalyser ble brukt til å undersøke den uavhengige prediktive ytelsen til den prognostiske risikomodellen.
Brukte syv verktøy for å studere infiltrasjonsrater for immunceller, inkludert XCELL, TIMER, QUANTISEQ, MCPCOUNTER, EPIC, CIBERSORT-ABS og CIBERSORT. Data om infiltrasjon av immunceller ble lastet ned fra TIMER2-databasen (http://timer.comp-genomics.org/#tab-5817-3). Forskjellen i innholdet av immuninfiltrerende celler mellom høy- og lavrisikogruppene i den konstruerte modellen ble analysert ved hjelp av Wilcoxon signed-rank-testen, resultatene vises i kvadratgrafen. Spearman-korrelasjonsanalyse ble utført for å analysere forholdet mellom risikoscoreverdier og immuninfiltrerende celler. Den resulterende korrelasjonskoeffisienten vises som en kjærlighet på pinne. Signifikansterskelen ble satt til p < 0,05. Prosedyren ble utført ved hjelp av R-pakken ggplot2. For å undersøke forholdet mellom modellen og genuttrykksnivåer assosiert med infiltrasjonsraten for immunceller, utførte vi ggstatsplot-pakken og visualisering av fiolinplot.
For å evaluere kliniske behandlingsmønstre for kreft i bukspyttkjertelen, beregnet vi IC50 for vanlige cellegiftmedisiner i TCGA-PAAD-kohorten. Forskjeller i halvhemmende konsentrasjoner (IC50) mellom høy- og lavrisikogrupper ble sammenlignet ved hjelp av Wilcoxon signed-rank-testen, og resultatene vises som boksplott generert ved hjelp av pRRophetic og ggplot2 i R. Alle metoder er i samsvar med relevante retningslinjer og normer.
Arbeidsflyten i studien vår er vist i figur 1. Ved å bruke korrelasjonsanalyse mellom lncRNA-er og immunitetsrelaterte gener, valgte vi 724 irlncRNA-er med p < 0,01 og r > 0,4. Deretter analyserte vi de differensielt uttrykte lncRNA-ene i GEPIA2 (figur 2A). Totalt 223 irlncRNA-er ble differensielt uttrykt mellom pankreatisk adenokarsinom og normalt pankreatisk vev (|logFC| > 1, FDR < 0,05), kalt DEirlncRNA-er.
Konstruksjon av prediktive risikomodeller. (A) Vulkanplott av differensielt uttrykte lncRNA-er. (B) Fordeling av lassokeffisienter for 20 DEirlncRNA-par. (C) Delvis sannsynlighetsvarians for LASSO-koeffisientfordelingen. (D) Skogplott som viser univariat regresjonsanalyse av 20 DEirlncRNA-par.
Deretter konstruerte vi en 0- eller 1-matrise ved å pare 223 DEirlncRNA-er. Totalt 13 687 DEirlncRNA-par ble identifisert. Etter univariat og lasso-regresjonsanalyse ble 20 DEirlncRNA-par til slutt testet for å konstruere en prognostisk risikomodell (figur 2B-D). Basert på resultatene fra lasso- og multippel regresjonsanalyse beregnet vi en risikoscore for hver pasient i TCGA-PAAD-kohorten (tabell 1). Basert på resultatene fra lasso-regresjonsanalyse beregnet vi en risikoscore for hver pasient i TCGA-PAAD-kohorten. AUC for ROC-kurven var 0,905 for 1-års risikomodellprediksjonen, 0,942 for 2-årsprediksjonen og 0,966 for 3-årsprediksjonen (figur 3A-B). Vi satte en optimal grenseverdi på 3,105, stratifiserte TCGA-PAAD-kohortpasientene i høy- og lavrisikogrupper, og plottet overlevelsesutfallene og risikoscorefordelingene for hver pasient (figur 3C-E). Kaplan-Meier-analyse viste at overlevelsen til PAAD-pasienter i høyrisikogruppen var betydelig lavere enn for pasienter i lavrisikogruppen (p < 0,001) (figur 3F).
Gyldighet av prognostiske risikomodeller. (A) ROC for den prognostiske risikomodellen. (B) 1-, 2- og 3-årige ROC prognostiske risikomodeller. (C) ROC for prognostisk risikomodell. Viser det optimale grensepunktet. (DE) Fordeling av overlevelsesstatus (D) og risikoscore (E). (F) Kaplan-Meier-analyse av PAAD-pasienter i høy- og lavrisikogrupper.
Vi vurderte videre forskjeller i risikoscore etter kliniske kjennetegn. Stripeplottet (figur 4A) viser det overordnede forholdet mellom kliniske kjennetegn og risikoscore. Spesielt eldre pasienter hadde høyere risikoscore (figur 4B). I tillegg hadde pasienter med stadium II høyere risikoscore enn pasienter med stadium I (figur 4C). Når det gjelder tumorgrad hos PAAD-pasienter, hadde grad 3-pasienter høyere risikoscore enn grad 1 og 2-pasienter (figur 4D). Vi utførte videre univariate og multivariate regresjonsanalyser og demonstrerte at risikoscore (p < 0,001) og alder (p = 0,045) var uavhengige prognostiske faktorer hos pasienter med PAAD (figur 5A-B). ROC-kurven viste at risikoscoren var bedre enn andre kliniske kjennetegn når det gjaldt å forutsi 1-, 2- og 3-års overlevelse for pasienter med PAAD (figur 5C-E).
Kliniske kjennetegn ved prognostiske risikomodeller. Histogram (A) viser (B) alder, (C) tumorstadium, (D) tumorgrad, risikoscore og kjønn hos pasienter i TCGA-PAAD-kohorten. **p < 0,01
Uavhengig prediktiv analyse av prognostiske risikomodeller. (AB) Univariate (A) og multivariate (B) regresjonsanalyser av prognostiske risikomodeller og kliniske kjennetegn. (CE) 1-, 2- og 3-årig ROC for prognostiske risikomodeller og kliniske kjennetegn.
Derfor undersøkte vi forholdet mellom tid og risikoscore. Vi fant at risikoscore hos PAAD-pasienter var omvendt korrelert med CD8+ T-celler og NK-celler (figur 6A), noe som indikerer undertrykt immunfunksjon i høyrisikogruppen. Vi vurderte også forskjellen i immuncelleinfiltrasjon mellom høy- og lavrisikogruppene og fant de samme resultatene (figur 7). Det var mindre infiltrasjon av CD8+ T-celler og NK-celler i høyrisikogruppen. I de senere år har immunkontrollpunkthemmere (ICI-er) blitt mye brukt i behandling av solide svulster. Bruken av ICI-er ved kreft i bukspyttkjertelen har imidlertid sjelden vært vellykket. Derfor vurderte vi uttrykket av immunkontrollpunktgener i høy- og lavrisikogrupper. Vi fant at CTLA-4 og CD161 (KLRB1) var overuttrykt i lavrisikogruppen (figur 6B-G), noe som indikerer at PAAD-pasienter i lavrisikogruppen kan være følsomme for ICI.
Korrelasjonsanalyse av prognostisk risikomodell og immuncelleinfiltrasjon. (A) Korrelasjon mellom prognostisk risikomodell og immuncelleinfiltrasjon. (BG) Indikerer genuttrykk i høy- og lavrisikogrupper. (HK) IC50-verdier for spesifikke kreftmedisiner i høy- og lavrisikogrupper. *p < 0,05, **p < 0,01, ns = ikke signifikant
Vi vurderte videre sammenhengen mellom risikoscore og vanlige cellegiftmidler i TCGA-PAAD-kohorten. Vi søkte etter vanlige kreftmedisiner ved kreft i bukspyttkjertelen og analyserte forskjeller i IC50-verdiene deres mellom høy- og lavrisikogrupper. Resultatene viste at IC50-verdien for AZD.2281 (olaparib) var høyere i høyrisikogruppen, noe som indikerer at PAAD-pasienter i høyrisikogruppen kan være resistente mot AZD.2281-behandling (figur 6H). I tillegg var IC50-verdiene for paklitaksel, sorafenib og erlotinib lavere i høyrisikogruppen (figur 6I-K). Vi identifiserte videre 34 kreftmedisiner med høyere IC50-verdier i høyrisikogruppen og 34 kreftmedisiner med lavere IC50-verdier i høyrisikogruppen (tabell 2).
Det kan ikke benektes at lncRNA, mRNA og miRNA finnes i stor utstrekning og spiller en avgjørende rolle i kreftutvikling. Det finnes rikelig med bevis som støtter den viktige rollen til mRNA eller miRNA i å forutsi total overlevelse i flere typer kreft. Utvilsomt er mange prognostiske risikomodeller også basert på lncRNA. For eksempel har Luo et al. Studier vist at LINC01094 spiller en nøkkelrolle i proliferasjon og metastase av bukspyttkjertelkreft, og høyt uttrykk av LINC01094 indikerer dårlig overlevelse hos pasienter med kreft i bukspyttkjertelen [16]. Studien presentert av Lin et al. Studier har vist at nedregulering av lncRNA FLVCR1-AS1 er assosiert med dårlig prognose hos pasienter med kreft i bukspyttkjertelen [17]. Imidlertid er immunitetsrelaterte lncRNA relativt mindre diskutert når det gjelder å forutsi total overlevelse hos kreftpasienter. Nylig har mye arbeid vært fokusert på å bygge prognostiske risikomodeller for å forutsi overlevelsen til kreftpasienter og dermed justere behandlingsmetoder [18, 19, 20]. Det er økende erkjennelse av den viktige rollen immuninfiltrater spiller i krefts initiering, progresjon og respons på behandlinger som cellegift. Tallrike studier har bekreftet at tumorinfiltrerende immunceller spiller en kritisk rolle i responsen på cytotoksisk cellegift [21, 22, 23]. Tumorens immunmikromiljø er en viktig faktor for overlevelsen til tumorpasienter [24, 25]. Immunterapi, spesielt ICI-terapi, er mye brukt i behandlingen av solide svulster [26]. Immunrelaterte gener er mye brukt til å konstruere prognostiske risikomodeller. For eksempel, Su et al. Den immunrelaterte prognostiske risikomodellen er basert på proteinkodende gener for å forutsi prognosen for pasienter med eggstokkreft [27]. Ikke-kodende gener som lncRNA er også egnet for å konstruere prognostiske risikomodeller [28, 29, 30]. Luo et al. testet fire immunrelaterte lncRNA og bygde en prediktiv modell for risiko for livmorhalskreft [31]. Khan et al. Totalt 32 differensielt uttrykte transkripter ble identifisert, og basert på dette ble det etablert en prediksjonsmodell med 5 signifikante transkripter, som ble foreslått som et sterkt anbefalt verktøy for å predikere biopsiverifisert akutt avstøting etter nyretransplantasjon [32].
De fleste av disse modellene er basert på genuttrykksnivåer, enten proteinkodende gener eller ikke-kodende gener. Imidlertid kan det samme genet ha forskjellige uttrykksverdier i forskjellige genomer, dataformater og hos forskjellige pasienter, noe som fører til ustabile estimater i prediktive modeller. I denne studien bygde vi en rimelig modell med to par lncRNAer, uavhengig av de nøyaktige uttrykksverdiene.
I denne studien identifiserte vi irlncRNA for første gang gjennom korrelasjonsanalyse med immunitetsrelaterte gener. Vi screenet 223 DEirlncRNAer ved hybridisering med differensielt uttrykte lncRNAer. Deretter konstruerte vi en 0-eller-1-matrise basert på den publiserte DEirlncRNA-paringsmetoden [31]. Deretter utførte vi univariate og lasso-regresjonsanalyser for å identifisere prognostiske DEirlncRNA-par og konstruere en prediktiv risikomodell. Vi analyserte videre sammenhengen mellom risikoscore og kliniske egenskaper hos pasienter med PAAD. Vi fant at vår prognostiske risikomodell, som en uavhengig prognostisk faktor hos PAAD-pasienter, effektivt kan differensiere høygradige pasienter fra lavgradige pasienter og høygradige pasienter fra lavgradige pasienter. I tillegg var AUC-verdiene for ROC-kurven til den prognostiske risikomodellen 0,905 for 1-årsprognosen, 0,942 for 2-årsprognosen og 0,966 for 3-årsprognosen.
Forskere rapporterte at pasienter med høyere CD8+ T-celleinfiltrasjon var mer følsomme for ICI-behandling [33]. En økning i innholdet av cytotoksiske celler, CD56 NK-celler, NK-celler og CD8+ T-celler i tumorimmunmiljøet kan være en av årsakene til den tumorundertrykkende effekten [34]. Tidligere studier viste at høyere nivåer av tumorinfiltrerende CD4(+) T og CD8(+) T var signifikant assosiert med lengre overlevelse [35]. Dårlig CD8 T-celleinfiltrasjon, lav neoantigenbelastning og et svært immunundertrykkende tumormikromiljø fører til manglende respons på ICI-behandling [36]. Vi fant at risikoskåren var negativt korrelert med CD8+ T-celler og NK-celler, noe som indikerer at pasienter med høy risikoskåre kanskje ikke er egnet for ICI-behandling og har en dårligere prognose.
CD161 er en markør for naturlige drepeceller (NK-celler). CD8+CD161+ CAR-transduserte T-celler medierer forbedret in vivo antitumoreffekt i HER2+ pankreatisk duktal adenokarsinom xenograftmodeller [37]. Immunkontrollpunkthemmere retter seg mot cytotoksisk T-lymfocyttassosiert protein 4 (CTLA-4) og programmert celledødsprotein 1 (PD-1)/programmert celledødsligand 1 (PD-L1)-veier og har stort potensial på mange områder. Ekspresjon av CTLA-4 og CD161 (KLRB1) er lavere i høyrisikogrupper, noe som ytterligere indikerer at pasienter med høyrisikoscore kanskje ikke er kvalifisert for ICI-behandling [38].
For å finne behandlingsalternativer som passer for høyrisikopasienter, analyserte vi ulike kreftmedisiner og fant at paklitaksel, sorafenib og erlotinib, som er mye brukt hos pasienter med PAAD, kan være egnet for høyrisikopasienter med PAAD. [33]. Zhang et al. fant at mutasjoner i enhver DNA-skaderespons (DDR)-vei kan føre til dårlig prognose hos prostatakreftpasienter [39]. POLO-studien (Pancreatic Cancer Olaparib Ongoing) viste at vedlikeholdsbehandling med olaparib forlenget progresjonsfri overlevelse sammenlignet med placebo etter førstelinje platinabasert kjemoterapi hos pasienter med pankreatisk duktal adenokarsinom og germline BRCA1/2-mutasjoner [40]. Dette gir betydelig optimisme om at behandlingsresultatene vil forbedres betydelig i denne undergruppen av pasienter. I denne studien var IC50-verdien av AZD.2281 (olaparib) høyere i høyrisikogruppen, noe som indikerer at PAAD-pasienter i høyrisikogruppen kan være resistente mot behandling med AZD.2281.
Prognosemodellene i denne studien gir gode prognoseresultater, men de er basert på analytiske prognoser. Hvordan man bekrefter disse resultatene med kliniske data er et viktig spørsmål. Endoskopisk finnålsaspirasjonsultralyd (EUS-FNA) har blitt en uunnværlig metode for å diagnostisere solide og ekstrapankreatiske pankreaslesjoner med en sensitivitet på 85 % og en spesifisitet på 98 % [41]. Fremveksten av EUS finnålsbiopsinåler (EUS-FNB) er hovedsakelig basert på opplevde fordeler fremfor FNA, som høyere diagnostisk nøyaktighet, innhenting av prøver som bevarer histologisk struktur, og dermed generering av immunvev som er kritisk for visse diagnoser. spesiell farging [42]. En systematisk gjennomgang av litteraturen bekreftet at FNB-nåler (spesielt 22G) viser høyest effektivitet i høsting av vev fra pankreasmasser [43]. Klinisk er det bare et lite antall pasienter som er kvalifisert for radikal kirurgi, og de fleste pasienter har inoperable svulster ved tidspunktet for første diagnose. I klinisk praksis er det bare en liten andel av pasientene som er egnet for radikal kirurgi fordi de fleste pasienter har inoperable svulster ved tidspunktet for første diagnose. Etter patologisk bekreftelse med EUS-FNB og andre metoder, velges vanligvis standardisert ikke-kirurgisk behandling som cellegift. Vårt påfølgende forskningsprogram er å teste den prognostiske modellen til denne studien i kirurgiske og ikke-kirurgiske kohorter gjennom en retrospektiv analyse.
Samlet sett etablerte studien vår en ny prognostisk risikomodell basert på paret irlncRNA, som viste lovende prognostisk verdi hos pasienter med kreft i bukspyttkjertelen. Vår prognostiske risikomodell kan bidra til å differensiere pasienter med PAAD som er egnet for medisinsk behandling.
Datasettene som ble brukt og analysert i den aktuelle studien er tilgjengelige fra den korresponderende forfatteren på rimelig forespørsel.
Sui Wen, Gong X, Zhuang Y. Den medierende rollen til mestringstro i emosjonell regulering av negative følelser under COVID-19-pandemien: en tverrsnittsstudie. Int J Ment Health Nurs [tidsskriftartikkel]. 2021 06/01/2021;30(3):759–71.
Sui Wen, Gong X, Qiao X, Zhang L, Cheng J, Dong J, et al. Familiemedlemmers synspunkter på alternativ beslutningstaking på intensivavdelinger: en systematisk oversikt. INT J NURS STUD [magasinartikkel; anmeldelse]. 2023 01/01/2023;137:104391.
Vincent A, Herman J, Schulich R, Hruban RH, Goggins M. Kreft i bukspyttkjertelen. Lancet. [Tidsskriftartikkel; forskningsstøtte, NIH, eksternt arbeid; forskningsstøtte, myndigheter utenfor USA; oversikt]. 2011 13.08.2011;378(9791):607–20.
Ilic M, Ilic I. Epidemiologi av kreft i bukspyttkjertelen. World Journal of Gastroenterology. [Tidsskriftartikkel, anmeldelse]. 2016 28.11.2016;22(44):9694–705.
Liu X, Chen B, Chen J, Sun S. Et nytt tp53-relatert nomogram for å forutsi total overlevelse hos pasienter med kreft i bukspyttkjertelen. BMC Cancer [tidsskriftartikkel]. 2021 31-03-2021;21(1):335.
Xian X, Zhu X, Chen Y, Huang B, Xiang W. Effekt av løsningsfokusert terapi på kreftrelatert tretthet hos pasienter med kolorektal kreft som får cellegift: en randomisert kontrollert studie. Cancer nurse. [Tidsskriftartikkel; randomisert kontrollert studie; studien er støttet av en regjering utenfor USA]. 2022 05/01/2022;45(3):E663–73.
Zhang Cheng, Zheng Wen, Lu Y, Shan L, Xu Dong, Pan Y, et al. Postoperative karsinoembryoniske antigennivåer (CEA) predikerer utfall etter reseksjon av kolorektal kreft hos pasienter med normale preoperative CEA-nivåer. Center for Translational Cancer Research. [Tidsskriftartikkel]. 2020 01.01.2020;9(1):111–8.
Hong Wen, Liang Li, Gu Yu, Qi Zi, Qiu Hua, Yang X, et al. Immunrelaterte lncRNA-er genererer nye signaturer og forutsier immunlandskapet til humant hepatocellulært karsinom. Mol Ther Nucleic acids [Tidsskriftartikkel]. 2020 2020-12-04;22:937–47.
Toffey RJ, Zhu Y., Schulich RD Immunterapi for kreft i bukspyttkjertelen: barrierer og gjennombrudd. Ann Gastrointestinal Surgeon [Tidsskriftartikkel; anmeldelse]. 2018 07/01/2018;2(4):274–81.
Hull R, Mbita Z, Dlamini Z. Lange ikke-kodende RNA-er (LncRNA-er), virustumorgenomikk og avvikende spleising: terapeutiske implikasjoner. AM J CANCER RES [tidsskriftartikkel; anmeldelse]. 2021 01/20/2021;11(3):866–83.
Wang J, Chen P, Zhang Y, Ding J, Yang Y, Li H. 11 – Identifisering av lncRNA-signaturer assosiert med prognose for endometriekreft. Vitenskapelige resultater [magasinartikkel]. 2021 2021-01-01;104(1):311977089.
Jiang S, Ren H, Liu S, Lu Z, Xu A, Qin S, et al. Omfattende analyse av RNA-bindende proteinprognostiske gener og legemiddelkandidater ved papillærcelle nyrecellekarsinom. pregen. [Tidsskriftartikkel]. 2021 01/20/2021;12:627508.
Li X, Chen J, Yu Q, Huang X, Liu Z, Wang X, et al. Kjennetegn ved autofagi-relatert langt ikke-kodende RNA predikerer prognose for brystkreft. pregen. [Tidsskriftartikkel]. 2021 01/20/2021;12:569318.
Zhou M, Zhang Z, Zhao X, Bao S, Cheng L, Sun J. Immunrelatert seks lncRNA-signatur forbedrer prognosen ved glioblastoma multiforme. MOL Neurobiology. [Tidsskriftartikkel]. 2018 01.05.2018;55(5):3684–97.
Wu B, Wang Q, Fei J, Bao Y, Wang X, Song Z, et al. En ny tri-lncRNA-signatur forutsier overlevelse hos pasienter med kreft i bukspyttkjertelen. REPRESENTATIVES OF ONKOL. [Tidsskriftartikkel]. 2018 12/01/2018;40(6):3427–37.
Luo C, Lin K, Hu C, Zhu X, Zhu J, Zhu Z. LINC01094 fremmer progresjon av kreft i bukspyttkjertelen ved å regulere LIN28B-ekspresjon og PI3K/AKT-signalveien gjennom svampet miR-577. Mol Therapeutics – Nukleinsyrer. 2021;26:523–35.
Lin J, Zhai X, Zou S, Xu Z, Zhang J, Jiang L, et al. Positiv tilbakekobling mellom lncRNA FLVCR1-AS1 og KLF10 kan hemme progresjon av kreft i bukspyttkjertelen gjennom PTEN/AKT-signalveien. J EXP Clin Cancer Res. 2021;40(1).
Zhou X, Liu X, Zeng X, Wu D, Liu L. Identifisering av tretten gener som forutsier total overlevelse ved hepatocellulært karsinom. Biosci Rep [tidsskriftartikkel]. 2021 04/09/2021.
Publisert: 22. september 2023