ഉയർന്നതും കുറഞ്ഞതുമായ അപകടസാധ്യതയുള്ള പാൻക്രിയാറ്റിക് അഡിനോകാർസിനോമ രോഗികളെ തിരിച്ചറിയുന്നതിനായി രോഗപ്രതിരോധ സംബന്ധിയായ എൽഎൻസിആർഎൻഎ അടിസ്ഥാനമാക്കിയുള്ള ഒരു പുതിയ ഒപ്പിന്റെ ഉത്പാദനം | ബിഎംസി ഗ്യാസ്ട്രോഎൻട്രോളജി

ലോകത്തിലെ ഏറ്റവും മാരകമായ ട്യൂമറുകളിൽ ഒന്നാണ് പാൻക്രിയാറ്റിക് ക്യാൻസർ, രോഗനിർണയ സാധ്യത വളരെ കുറവാണ്. അതിനാൽ, ഉയർന്ന അപകടസാധ്യതയുള്ള രോഗികളെ തിരിച്ചറിയുന്നതിനും ചികിത്സ ക്രമീകരിക്കുന്നതിനും ഈ രോഗികളുടെ രോഗനിർണയം മെച്ചപ്പെടുത്തുന്നതിനും കൃത്യമായ ഒരു പ്രവചന മാതൃക ആവശ്യമാണ്.
UCSC Xena ഡാറ്റാബേസിൽ നിന്ന് ഞങ്ങൾ കാൻസർ ജീനോം അറ്റ്ലസ് (TCGA) പാൻക്രിയാറ്റിക് അഡിനോകാർസിനോമ (PAAD) RNAseq ഡാറ്റ നേടി, പരസ്പരബന്ധന വിശകലനത്തിലൂടെ രോഗപ്രതിരോധ സംബന്ധിയായ lncRNA-കൾ (irlncRNA-കൾ) തിരിച്ചറിഞ്ഞു, TCGA-യും സാധാരണ പാൻക്രിയാറ്റിക് അഡിനോകാർസിനോമ ടിഷ്യുകളും തമ്മിലുള്ള വ്യത്യാസങ്ങൾ തിരിച്ചറിഞ്ഞു. TCGA-യിൽ നിന്നുള്ള DEirlncRNA-യും പാൻക്രിയാറ്റിക് ടിഷ്യുവിന്റെ ജനിതക ടൈപ്പ് ടിഷ്യു എക്സ്പ്രഷനും (GTEx). പ്രോഗ്നോസ്റ്റിക് സിഗ്നേച്ചർ മോഡലുകൾ നിർമ്മിക്കുന്നതിന് കൂടുതൽ ഏകീകൃതവും ലാസോ റിഗ്രഷൻ വിശകലനങ്ങളും നടത്തി. തുടർന്ന് ഞങ്ങൾ വക്രത്തിന് കീഴിലുള്ള വിസ്തീർണ്ണം കണക്കാക്കുകയും ഉയർന്നതും കുറഞ്ഞതുമായ പാൻക്രിയാറ്റിക് അഡിനോകാർസിനോമ ഉള്ള രോഗികളെ തിരിച്ചറിയുന്നതിനുള്ള ഒപ്റ്റിമൽ കട്ട്ഓഫ് മൂല്യം നിർണ്ണയിക്കുകയും ചെയ്തു. ഉയർന്നതും കുറഞ്ഞതുമായ പാൻക്രിയാറ്റിക് കാൻസർ ഉള്ള രോഗികളിൽ ക്ലിനിക്കൽ സവിശേഷതകൾ, രോഗപ്രതിരോധ കോശ നുഴഞ്ഞുകയറ്റം, രോഗപ്രതിരോധ ശേഷി കുറയ്ക്കുന്ന സൂക്ഷ്മ പരിസ്ഥിതി, കീമോതെറാപ്പി പ്രതിരോധം എന്നിവ താരതമ്യം ചെയ്യാൻ.
ഒപ്റ്റിമൽ കട്ട്ഓഫ് മൂല്യം അനുസരിച്ച് ഞങ്ങൾ 20 DEirlncRNA ജോഡികളെയും ഗ്രൂപ്പുചെയ്‌ത രോഗികളെയും തിരിച്ചറിഞ്ഞു. PAAD ഉള്ള രോഗികളുടെ രോഗനിർണയം പ്രവചിക്കുന്നതിൽ ഞങ്ങളുടെ പ്രോഗ്നോസ്റ്റിക് സിഗ്നേച്ചർ മോഡലിന് കാര്യമായ പ്രകടനമുണ്ടെന്ന് ഞങ്ങൾ തെളിയിച്ചു. ROC വക്രത്തിന്റെ AUC 1 വർഷത്തെ പ്രവചനത്തിന് 0.905 ഉം 2 വർഷത്തെ പ്രവചനത്തിന് 0.942 ഉം 3 വർഷത്തെ പ്രവചനത്തിന് 0.966 ഉം ആണ്. ഉയർന്ന അപകടസാധ്യതയുള്ള രോഗികൾക്ക് കുറഞ്ഞ അതിജീവന നിരക്കും മോശം ക്ലിനിക്കൽ സ്വഭാവസവിശേഷതകളും ഉണ്ടായിരുന്നു. ഉയർന്ന അപകടസാധ്യതയുള്ള രോഗികൾക്ക് രോഗപ്രതിരോധശേഷി കുറയുകയും ഇമ്മ്യൂണോതെറാപ്പിക്ക് പ്രതിരോധം വികസിപ്പിച്ചേക്കാം എന്നും ഞങ്ങൾ തെളിയിച്ചു. കമ്പ്യൂട്ടേഷണൽ പ്രവചന ഉപകരണങ്ങളെ അടിസ്ഥാനമാക്കി പാക്ലിറ്റാക്സൽ, സോറാഫെനിബ്, എർലോട്ടിനിബ് തുടങ്ങിയ കാൻസർ വിരുദ്ധ മരുന്നുകളുടെ വിലയിരുത്തൽ PAAD ഉള്ള ഉയർന്ന അപകടസാധ്യതയുള്ള രോഗികൾക്ക് ഉചിതമായിരിക്കും.
മൊത്തത്തിൽ, പാൻക്രിയാറ്റിക് കാൻസർ രോഗികളിൽ വാഗ്ദാനമായ പ്രോഗ്നോസ്റ്റിക് മൂല്യം കാണിക്കുന്ന ജോടിയാക്കിയ irlncRNA അടിസ്ഥാനമാക്കിയുള്ള ഒരു പുതിയ പ്രോഗ്നോസ്റ്റിക് റിസ്ക് മോഡൽ ഞങ്ങളുടെ പഠനം സ്ഥാപിച്ചു. വൈദ്യചികിത്സയ്ക്ക് അനുയോജ്യമായ PAAD രോഗികളെ വേർതിരിച്ചറിയാൻ ഞങ്ങളുടെ പ്രോഗ്നോസ്റ്റിക് റിസ്ക് മോഡൽ സഹായിച്ചേക്കാം.
പാൻക്രിയാറ്റിക് കാൻസർ അഞ്ച് വർഷത്തെ അതിജീവന നിരക്ക് കുറവും ഉയർന്ന ഗ്രേഡും ഉള്ള ഒരു മാരകമായ ട്യൂമറാണ്. രോഗനിർണയ സമയത്ത്, മിക്ക രോഗികളും ഇതിനകം തന്നെ വിപുലമായ ഘട്ടങ്ങളിലാണ്. COVID-19 പകർച്ചവ്യാധിയുടെ പശ്ചാത്തലത്തിൽ, പാൻക്രിയാറ്റിക് കാൻസർ ബാധിച്ച രോഗികളെ ചികിത്സിക്കുമ്പോൾ ഡോക്ടർമാരും നഴ്‌സുമാരും വലിയ സമ്മർദ്ദത്തിലാണ്, കൂടാതെ ചികിത്സാ തീരുമാനങ്ങൾ എടുക്കുമ്പോൾ രോഗികളുടെ കുടുംബങ്ങളും ഒന്നിലധികം സമ്മർദ്ദങ്ങൾ നേരിടുന്നു [1, 2]. നിയോഅഡ്ജുവന്റ് തെറാപ്പി, സർജിക്കൽ റിസക്ഷൻ, റേഡിയേഷൻ തെറാപ്പി, കീമോതെറാപ്പി, ടാർഗെറ്റുചെയ്‌ത മോളിക്യുലാർ തെറാപ്പി, ഇമ്മ്യൂൺ ചെക്ക്‌പോയിന്റ് ഇൻഹിബിറ്ററുകൾ (ICIs) തുടങ്ങിയ DOAD-കളുടെ ചികിത്സയിൽ വലിയ പുരോഗതി ഉണ്ടായിട്ടുണ്ടെങ്കിലും, രോഗനിർണയത്തിന് അഞ്ച് വർഷത്തിന് ശേഷം ഏകദേശം 9% രോഗികൾ മാത്രമേ അതിജീവിക്കുന്നുള്ളൂ [3]. ], 4]. പാൻക്രിയാറ്റിക് അഡിനോകാർസിനോമയുടെ ആദ്യകാല ലക്ഷണങ്ങൾ വിഭിന്നമായതിനാൽ, രോഗികൾക്ക് സാധാരണയായി വിപുലമായ ഘട്ടത്തിൽ മെറ്റാസ്റ്റേസുകൾ ഉണ്ടെന്ന് കണ്ടെത്തുന്നു [5]. അതിനാൽ, ഒരു രോഗിക്ക്, വ്യക്തിഗതമാക്കിയ സമഗ്ര ചികിത്സ എല്ലാ ചികിത്സാ ഓപ്ഷനുകളുടെയും ഗുണങ്ങളും ദോഷങ്ങളും തൂക്കിനോക്കണം, അതിജീവനം വർദ്ധിപ്പിക്കുന്നതിന് മാത്രമല്ല, ജീവിത നിലവാരം മെച്ചപ്പെടുത്തുന്നതിനും [6]. അതിനാൽ, ഒരു രോഗിയുടെ രോഗനിർണയം കൃത്യമായി വിലയിരുത്തുന്നതിന് ഫലപ്രദമായ ഒരു പ്രവചന മാതൃക ആവശ്യമാണ് [7]. അങ്ങനെ, PAAD ഉള്ള രോഗികളുടെ അതിജീവനവും ജീവിത നിലവാരവും സന്തുലിതമാക്കുന്നതിന് ഉചിതമായ ചികിത്സ തിരഞ്ഞെടുക്കാൻ കഴിയും.
കീമോതെറാപ്പി മരുന്നുകളോടുള്ള പ്രതിരോധം മൂലമാണ് PAAD യുടെ മോശം രോഗനിർണയം പ്രധാനമായും സംഭവിക്കുന്നത്. സമീപ വർഷങ്ങളിൽ, സോളിഡ് ട്യൂമറുകളുടെ ചികിത്സയിൽ ഇമ്മ്യൂൺ ചെക്ക്‌പോയിന്റ് ഇൻഹിബിറ്ററുകൾ വ്യാപകമായി ഉപയോഗിച്ചുവരുന്നു [8]. എന്നിരുന്നാലും, പാൻക്രിയാറ്റിക് കാൻസറിൽ ICI-കളുടെ ഉപയോഗം വളരെ അപൂർവമായി മാത്രമേ വിജയിക്കാറുള്ളൂ [9]. അതിനാൽ, ICI തെറാപ്പിയിൽ നിന്ന് പ്രയോജനം ലഭിച്ചേക്കാവുന്ന രോഗികളെ തിരിച്ചറിയേണ്ടത് പ്രധാനമാണ്.
200-ലധികം ന്യൂക്ലിയോടൈഡുകളുള്ള ഒരു തരം നോൺ-കോഡിംഗ് ആർ‌എൻ‌എ ആണ് ലോംഗ് നോൺ-കോഡിംഗ് ആർ‌എൻ‌എ (എൽ‌എൻ‌സി‌ആർ‌എൻ‌എ). എൽ‌എൻ‌സി‌ആർ‌എൻ‌എകൾ ​​വ്യാപകമാണ്, കൂടാതെ മനുഷ്യ ട്രാൻസ്ക്രിപ്റ്റോമിന്റെ ഏകദേശം 80% വരും [10]. എൽ‌എൻ‌സി‌ആർ‌എൻ‌എ അടിസ്ഥാനമാക്കിയുള്ള പ്രോഗ്നോസ്റ്റിക് മോഡലുകൾക്ക് രോഗിയുടെ രോഗനിർണയം ഫലപ്രദമായി പ്രവചിക്കാൻ കഴിയുമെന്ന് ഒരു വലിയ പഠനസംഘം തെളിയിച്ചിട്ടുണ്ട് [11, 12]. ഉദാഹരണത്തിന്, സ്തനാർബുദത്തിൽ പ്രോഗ്നോസ്റ്റിക് സിഗ്നേച്ചറുകൾ സൃഷ്ടിക്കുന്നതിന് 18 ഓട്ടോഫാഗിയുമായി ബന്ധപ്പെട്ട എൽ‌എൻ‌സി‌ആർ‌എൻ‌എകൾ ​​തിരിച്ചറിഞ്ഞു [13]. ഗ്ലിയോമയുടെ പ്രോഗ്നോസ്റ്റിക് സവിശേഷതകൾ സ്ഥാപിക്കാൻ മറ്റ് ആറ് രോഗപ്രതിരോധ സംബന്ധിയായ എൽ‌എൻ‌സി‌ആർ‌എൻ‌എകൾ ​​ഉപയോഗിച്ചിട്ടുണ്ട് [14].
പാൻക്രിയാറ്റിക് കാൻസറിൽ, രോഗിയുടെ രോഗനിർണയം പ്രവചിക്കുന്നതിനായി lncRNA അടിസ്ഥാനമാക്കിയുള്ള ഒപ്പുകൾ ചില പഠനങ്ങൾ സ്ഥാപിച്ചിട്ടുണ്ട്. ROC കർവ് (AUC) യുടെ വിസ്തീർണ്ണം 0.742 ഉം മൊത്തത്തിലുള്ള അതിജീവന കാലയളവ് (OS) 3 വർഷവുമുള്ള പാൻക്രിയാറ്റിക് അഡിനോകാർസിനോമയിൽ 3-lncRNA ഒപ്പ് സ്ഥാപിച്ചു [15]. കൂടാതെ, വ്യത്യസ്ത ജീനോമുകൾ, വ്യത്യസ്ത ഡാറ്റ ഫോർമാറ്റുകൾ, വ്യത്യസ്ത രോഗികൾ എന്നിവയ്ക്കിടയിൽ lncRNA എക്സ്പ്രഷൻ മൂല്യങ്ങൾ വ്യത്യാസപ്പെടുന്നു, കൂടാതെ പ്രവചന മോഡലിന്റെ പ്രകടനം അസ്ഥിരമാണ്. അതിനാൽ, കൂടുതൽ കൃത്യവും സ്ഥിരതയുള്ളതുമായ ഒരു പ്രവചന മോഡൽ സൃഷ്ടിക്കുന്നതിന് പ്രതിരോധശേഷിയുമായി ബന്ധപ്പെട്ട lncRNA (irlncRNA) ഒപ്പുകൾ സൃഷ്ടിക്കുന്നതിന് ഞങ്ങൾ ഒരു നോവൽ മോഡലിംഗ് അൽഗോരിതം, ജോടിയാക്കൽ, ആവർത്തനം എന്നിവ ഉപയോഗിക്കുന്നു [8].
നോർമലൈസ്ഡ് RNAseq ഡാറ്റ (FPKM), ക്ലിനിക്കൽ പാൻക്രിയാറ്റിക് കാൻസർ TCGA, ജെനോടൈപ്പ് ടിഷ്യു എക്സ്പ്രഷൻ (GTEx) ഡാറ്റ എന്നിവ UCSC XENA ഡാറ്റാബേസിൽ നിന്ന് (https://xenabrowser.net/datapages/) ലഭിച്ചു. GTF ഫയലുകൾ Ensembl ഡാറ്റാബേസിൽ നിന്ന് (http://asia.ensembl.org) ലഭിച്ചു, RNAseq-ൽ നിന്ന് lncRNA എക്സ്പ്രഷൻ പ്രൊഫൈലുകൾ എക്സ്ട്രാക്റ്റ് ചെയ്യാൻ ഉപയോഗിച്ചു. ImmPort ഡാറ്റാബേസിൽ നിന്ന് (http://www.immport.org) നിന്ന് രോഗപ്രതിരോധവുമായി ബന്ധപ്പെട്ട ജീനുകൾ ഞങ്ങൾ ഡൗൺലോഡ് ചെയ്തു, പരസ്പരബന്ധ വിശകലനം ഉപയോഗിച്ച് പ്രതിരോധവുമായി ബന്ധപ്പെട്ട lncRNA-കൾ (irlncRNA-കൾ) തിരിച്ചറിഞ്ഞു (p < 0.001, r > 0.4). TCGA-PAAD കോഹോർട്ടിലെ (|logFC| > 1 ഉം FDR ഉം) <0.05 ലെ GEPIA2 ഡാറ്റാബേസിൽ നിന്ന് (http://gepia2.cancer-pku.cn/#index) ലഭിച്ച irlncRNA-കളെയും വ്യത്യസ്തമായി പ്രകടിപ്പിക്കുന്ന lncRNA-കളെയും ക്രോസ് ചെയ്തുകൊണ്ട് വ്യത്യസ്തമായി പ്രകടിപ്പിക്കുന്ന irlncRNA-കളെ (DEirlncRNA-കൾ) തിരിച്ചറിയൽ.
ഈ രീതി മുമ്പ് റിപ്പോർട്ട് ചെയ്തിട്ടുണ്ട് [8]. പ്രത്യേകിച്ചും, ജോടിയാക്കിയ lncRNA A, lncRNA B എന്നിവയ്ക്ക് പകരമായി ഞങ്ങൾ X നിർമ്മിക്കുന്നു. lncRNA A യുടെ എക്സ്പ്രഷൻ മൂല്യം lncRNA B യുടെ എക്സ്പ്രഷൻ മൂല്യത്തേക്കാൾ കൂടുതലാകുമ്പോൾ, X 1 ആയി നിർവചിക്കപ്പെടുന്നു, അല്ലാത്തപക്ഷം X 0 ആയി നിർവചിക്കപ്പെടുന്നു. അതിനാൽ, നമുക്ക് 0 അല്ലെങ്കിൽ – 1 എന്ന മാട്രിക്സ് ലഭിക്കും. മാട്രിക്സിന്റെ ലംബ അക്ഷം ഓരോ സാമ്പിളിനെയും പ്രതിനിധീകരിക്കുന്നു, തിരശ്ചീന അക്ഷം 0 അല്ലെങ്കിൽ 1 മൂല്യമുള്ള ഓരോ DEirlncRNA ജോഡിയെയും പ്രതിനിധീകരിക്കുന്നു.
പ്രോഗ്നോസ്റ്റിക് DEirlncRNA ജോഡികൾ സ്‌ക്രീൻ ചെയ്യുന്നതിന് ഏകീകൃത റിഗ്രഷൻ വിശകലനവും തുടർന്ന് ലാസോ റിഗ്രഷനും ഉപയോഗിച്ചു. ലാസ്സോ റിഗ്രഷൻ വിശകലനത്തിൽ 10-ഫോൾഡ് ക്രോസ്-വാലിഡേഷൻ 1000 തവണ ആവർത്തിച്ചു (p < 0.05), ഓരോ റണ്ണിലും 1000 റാൻഡം ഉത്തേജനങ്ങൾ. ഓരോ DEirlncRNA ജോഡിയുടെയും ആവൃത്തി 1000 സൈക്കിളുകളിൽ 100 ​​തവണ കവിഞ്ഞപ്പോൾ, ഒരു പ്രോഗ്നോസ്റ്റിക് റിസ്ക് മോഡൽ നിർമ്മിക്കാൻ DEirlncRNA ജോഡികളെ തിരഞ്ഞെടുത്തു. തുടർന്ന് PAAD രോഗികളെ ഉയർന്നതും കുറഞ്ഞതുമായ അപകടസാധ്യതയുള്ള ഗ്രൂപ്പുകളായി തരംതിരിക്കുന്നതിനുള്ള ഒപ്റ്റിമൽ കട്ട്ഓഫ് മൂല്യം കണ്ടെത്താൻ ഞങ്ങൾ AUC കർവ് ഉപയോഗിച്ചു. ഓരോ മോഡലിന്റെയും AUC മൂല്യവും കണക്കാക്കി ഒരു വക്രമായി പ്ലോട്ട് ചെയ്തു. പരമാവധി AUC മൂല്യം സൂചിപ്പിക്കുന്ന ഏറ്റവും ഉയർന്ന പോയിന്റിൽ കർവ് എത്തിയാൽ, കണക്കുകൂട്ടൽ പ്രക്രിയ നിർത്തുകയും മോഡൽ മികച്ച സ്ഥാനാർത്ഥിയായി കണക്കാക്കുകയും ചെയ്യുന്നു. 1-, 3-, 5 വർഷത്തെ ROC കർവ് മോഡലുകൾ നിർമ്മിച്ചു. പ്രോഗ്നോസ്റ്റിക് റിസ്ക് മോഡലിന്റെ സ്വതന്ത്ര പ്രവചന പ്രകടനം പരിശോധിക്കാൻ ഏകീകൃതവും മൾട്ടിവേരിയേറ്റ് റിഗ്രഷൻ വിശകലനങ്ങളും ഉപയോഗിച്ചു.
XCELL, TIMER, QUANTISEQ, MCPCOUNTER, EPIC, CIBERSORT-ABS, CIBERSORT എന്നിവയുൾപ്പെടെയുള്ള രോഗപ്രതിരോധ സെൽ ഇൻഫിൽട്രേഷൻ നിരക്കുകൾ പഠിക്കാൻ ഏഴ് ഉപകരണങ്ങൾ ഉപയോഗിക്കുക. TIMER2 ഡാറ്റാബേസിൽ നിന്ന് (http://timer.comp-genomics.org/#tab-5817-3) ഇമ്മ്യൂൺ സെൽ ഇൻഫിൽട്രേഷൻ ഡാറ്റ ഡൗൺലോഡ് ചെയ്‌തു. നിർമ്മിച്ച മോഡലിന്റെ ഉയർന്നതും കുറഞ്ഞതുമായ അപകടസാധ്യതയുള്ള ഗ്രൂപ്പുകൾക്കിടയിലുള്ള ഇമ്മ്യൂൺ-ഇൻഫിൽട്രേറ്റിംഗ് സെല്ലുകളുടെ ഉള്ളടക്കത്തിലെ വ്യത്യാസം വിൽകോക്സൺ സൈൻ-റാങ്ക് ടെസ്റ്റ് ഉപയോഗിച്ച് വിശകലനം ചെയ്തു, ഫലങ്ങൾ ചതുര ഗ്രാഫിൽ കാണിച്ചിരിക്കുന്നു. റിസ്ക് സ്കോർ മൂല്യങ്ങളും ഇമ്മ്യൂൺ-ഇൻഫിൽട്രേറ്റിംഗ് സെല്ലുകളും തമ്മിലുള്ള ബന്ധം വിശകലനം ചെയ്യുന്നതിനായി സ്പിയർമാൻ കോറിലേഷൻ വിശകലനം നടത്തി. തത്ഫലമായുണ്ടാകുന്ന പരസ്പരബന്ധന ഗുണകം ഒരു ലോലിപോപ്പായി കാണിച്ചിരിക്കുന്നു. പ്രാധാന്യ പരിധി p < 0.05 ൽ സജ്ജീകരിച്ചിരിക്കുന്നു. R പാക്കേജ് ggplot2 ഉപയോഗിച്ചാണ് നടപടിക്രമം നടത്തിയത്. രോഗപ്രതിരോധ കോശ നുഴഞ്ഞുകയറ്റ നിരക്കുമായി ബന്ധപ്പെട്ട മോഡലും ജീൻ എക്സ്പ്രഷൻ ലെവലുകളും തമ്മിലുള്ള ബന്ധം പരിശോധിക്കുന്നതിന്, ഞങ്ങൾ ggstatsplot പാക്കേജും വയലിൻ പ്ലോട്ട് വിഷ്വലൈസേഷനും നടത്തി.
പാൻക്രിയാറ്റിക് കാൻസറിനുള്ള ക്ലിനിക്കൽ ചികിത്സാ രീതികൾ വിലയിരുത്തുന്നതിന്, TCGA-PAAD കൂട്ടായ്‌മയിൽ സാധാരണയായി ഉപയോഗിക്കുന്ന കീമോതെറാപ്പി മരുന്നുകളുടെ IC50 ഞങ്ങൾ കണക്കാക്കി. ഉയർന്നതും കുറഞ്ഞതുമായ അപകടസാധ്യതയുള്ള ഗ്രൂപ്പുകൾ തമ്മിലുള്ള പകുതി ഇൻഹിബിറ്ററി കോൺസൺട്രേഷനുകളിലെ (IC50) വ്യത്യാസങ്ങൾ വിൽകോക്സൺ സൈൻ-റാങ്ക് ടെസ്റ്റ് ഉപയോഗിച്ച് താരതമ്യം ചെയ്തു, കൂടാതെ ഫലങ്ങൾ R-ൽ proRophetic, ggplot2 എന്നിവ ഉപയോഗിച്ച് സൃഷ്ടിച്ച ബോക്സ്പ്ലോട്ടുകളായി കാണിക്കുന്നു. എല്ലാ രീതികളും പ്രസക്തമായ മാർഗ്ഗനിർദ്ദേശങ്ങളും മാനദണ്ഡങ്ങളും പാലിക്കുന്നു.
ഞങ്ങളുടെ പഠനത്തിന്റെ പ്രവർത്തനരീതി ചിത്രം 1-ൽ കാണിച്ചിരിക്കുന്നു. lncRNA-കളും രോഗപ്രതിരോധശേഷിയുമായി ബന്ധപ്പെട്ട ജീനുകളും തമ്മിലുള്ള പരസ്പരബന്ധ വിശകലനം ഉപയോഗിച്ച്, p < 0.01 ഉം r > 0.4 ഉം ഉള്ള 724 irlncRNA-കൾ ഞങ്ങൾ തിരഞ്ഞെടുത്തു. അടുത്തതായി GEPIA2-ന്റെ വ്യത്യസ്തമായി പ്രകടിപ്പിച്ച lncRNA-കൾ ഞങ്ങൾ വിശകലനം ചെയ്തു (ചിത്രം 2A). പാൻക്രിയാറ്റിക് അഡിനോകാർസിനോമയ്ക്കും സാധാരണ പാൻക്രിയാറ്റിക് ടിഷ്യുവിനും (|logFC| > 1, FDR < 0.05) ഇടയിൽ ആകെ 223 irlncRNA-കൾ വ്യത്യസ്തമായി പ്രകടിപ്പിച്ചു, ഇവയെ DEirlncRNA-കൾ എന്ന് വിളിക്കുന്നു.
പ്രവചനാത്മകമായ അപകടസാധ്യതാ മോഡലുകളുടെ നിർമ്മാണം. (എ) വ്യത്യസ്തമായി പ്രകടിപ്പിക്കപ്പെട്ട lncRNA-കളുടെ അഗ്നിപർവ്വത പ്ലോട്ട്. (ബി) 20 DEirlncRNA ജോഡികൾക്കുള്ള ലാസോ ഗുണകങ്ങളുടെ വിതരണം. (സി) LASSO ഗുണക വിതരണത്തിന്റെ ഭാഗിക സാധ്യതാ വ്യതിയാനം. (ഡി) 20 DEirlncRNA ജോഡികളുടെ ഏകീകൃത റിഗ്രഷൻ വിശകലനം കാണിക്കുന്ന വന പ്ലോട്ട്.
അടുത്തതായി ഞങ്ങൾ 223 DEirlncRNA-കൾ ജോടിയാക്കി 0 അല്ലെങ്കിൽ 1 മാട്രിക്സ് നിർമ്മിച്ചു. ആകെ 13,687 DEirlncRNA ജോഡികളെ തിരിച്ചറിഞ്ഞു. ഏകീകൃത, ലസ്സോ റിഗ്രഷൻ വിശകലനത്തിന് ശേഷം, ഒരു പ്രോഗ്നോസ്റ്റിക് റിസ്ക് മോഡൽ നിർമ്മിക്കുന്നതിനായി 20 DEirlncRNA ജോഡികളെ ഒടുവിൽ പരീക്ഷിച്ചു (ചിത്രം 2B-D). ലാസോയുടെയും ഒന്നിലധികം റിഗ്രഷൻ വിശകലനത്തിന്റെയും ഫലങ്ങളെ അടിസ്ഥാനമാക്കി, TCGA-PAAD കോഹോർട്ടിലെ ഓരോ രോഗിക്കും ഞങ്ങൾ ഒരു റിസ്ക് സ്കോർ കണക്കാക്കി (പട്ടിക 1). ലാസോ റിഗ്രഷൻ വിശകലനത്തിന്റെ ഫലങ്ങളെ അടിസ്ഥാനമാക്കി, TCGA-PAAD കോഹോർട്ടിലെ ഓരോ രോഗിക്കും ഞങ്ങൾ ഒരു റിസ്ക് സ്കോർ കണക്കാക്കി. ROC വക്രത്തിന്റെ AUC 1 വർഷത്തെ റിസ്ക് മോഡൽ പ്രവചനത്തിന് 0.905 ഉം 2 വർഷത്തെ പ്രവചനത്തിന് 0.942 ഉം 3 വർഷത്തെ പ്രവചനത്തിന് 0.966 ഉം ആയിരുന്നു (ചിത്രം 3A-B). ഞങ്ങൾ 3.105 എന്ന ഒപ്റ്റിമൽ കട്ട്ഓഫ് മൂല്യം സജ്ജമാക്കി, TCGA-PAAD കോഹോർട്ട് രോഗികളെ ഉയർന്നതും കുറഞ്ഞതുമായ അപകടസാധ്യതയുള്ള ഗ്രൂപ്പുകളായി തരംതിരിച്ചു, ഓരോ രോഗിക്കും അതിജീവന ഫലങ്ങളും റിസ്ക് സ്കോർ വിതരണങ്ങളും പ്ലോട്ട് ചെയ്തു (ചിത്രം 3C-E). കപ്ലാൻ-മെയർ വിശകലനം കാണിക്കുന്നത് ഉയർന്ന അപകടസാധ്യതയുള്ള ഗ്രൂപ്പിലെ PAAD രോഗികളുടെ അതിജീവനം കുറഞ്ഞ അപകടസാധ്യതയുള്ള ഗ്രൂപ്പിലെ രോഗികളേക്കാൾ വളരെ കുറവാണെന്നാണ് (p < 0.001) (ചിത്രം 3F).
പ്രോഗ്നോസ്റ്റിക് റിസ്ക് മോഡലുകളുടെ സാധുത. (എ) പ്രോഗ്നോസ്റ്റിക് റിസ്ക് മോഡലിന്റെ ആർ‌ഒ‌സി. (ബി) 1-, 2-, 3 വർഷത്തെ ആർ‌ഒ‌സി പ്രോഗ്നോസ്റ്റിക് റിസ്ക് മോഡലുകൾ. (സി) പ്രോഗ്നോസ്റ്റിക് റിസ്ക് മോഡലിന്റെ ആർ‌ഒ‌സി. ഒപ്റ്റിമൽ കട്ട്-ഓഫ് പോയിന്റ് കാണിക്കുന്നു. (ഡിഇ) അതിജീവന നിലയുടെ വിതരണം (ഡി) അപകടസാധ്യത സ്കോറുകൾ (ഇ). (എഫ്) ഉയർന്നതും കുറഞ്ഞതുമായ അപകടസാധ്യതയുള്ള ഗ്രൂപ്പുകളിലെ പി‌എ‌ഡി രോഗികളുടെ കപ്ലാൻ-മെയർ വിശകലനം.
ക്ലിനിക്കൽ സ്വഭാവസവിശേഷതകൾ അനുസരിച്ച് റിസ്ക് സ്കോറുകളിലെ വ്യത്യാസങ്ങൾ ഞങ്ങൾ കൂടുതൽ വിലയിരുത്തി. സ്ട്രിപ്പ് പ്ലോട്ട് (ചിത്രം 4A) ക്ലിനിക്കൽ സ്വഭാവസവിശേഷതകളും റിസ്ക് സ്കോറുകളും തമ്മിലുള്ള മൊത്തത്തിലുള്ള ബന്ധം കാണിക്കുന്നു. പ്രത്യേകിച്ച്, പ്രായമായ രോഗികൾക്ക് ഉയർന്ന റിസ്ക് സ്കോറുകൾ ഉണ്ടായിരുന്നു (ചിത്രം 4B). കൂടാതെ, സ്റ്റേജ് II ഉള്ള രോഗികൾക്ക് സ്റ്റേജ് I ഉള്ള രോഗികളേക്കാൾ ഉയർന്ന റിസ്ക് സ്കോറുകൾ ഉണ്ടായിരുന്നു (ചിത്രം 4C). PAAD രോഗികളിൽ ട്യൂമർ ഗ്രേഡിനെ സംബന്ധിച്ചിടത്തോളം, ഗ്രേഡ് 3 രോഗികൾക്ക് ഗ്രേഡ് 1, 2 രോഗികളേക്കാൾ ഉയർന്ന റിസ്ക് സ്കോറുകൾ ഉണ്ടായിരുന്നു (ചിത്രം 4D). ഞങ്ങൾ കൂടുതൽ ഏകീകൃതവും മൾട്ടിവേരിയേറ്റ് റിഗ്രഷൻ വിശകലനങ്ങളും നടത്തി, PAAD ഉള്ള രോഗികളിൽ റിസ്ക് സ്കോർ (p < 0.001), പ്രായം (p = 0.045) എന്നിവ സ്വതന്ത്രമായ പ്രോഗ്നോസ്റ്റിക് ഘടകങ്ങളാണെന്ന് തെളിയിച്ചു (ചിത്രം 5A-B). PAAD ഉള്ള രോഗികളുടെ 1-, 2-, 3 വർഷത്തെ അതിജീവനം പ്രവചിക്കുന്നതിൽ റിസ്ക് സ്കോർ മറ്റ് ക്ലിനിക്കൽ സവിശേഷതകളേക്കാൾ മികച്ചതാണെന്ന് ROC കർവ് തെളിയിച്ചു (ചിത്രം 5C-E).
പ്രോഗ്നോസ്റ്റിക് റിസ്ക് മോഡലുകളുടെ ക്ലിനിക്കൽ സവിശേഷതകൾ. ഹിസ്റ്റോഗ്രാം (എ) TCGA-PAAD കൂട്ടായ്‌മയിലെ രോഗികളുടെ (ബി) പ്രായം, (സി) ട്യൂമർ ഘട്ടം, (ഡി) ട്യൂമർ ഗ്രേഡ്, റിസ്ക് സ്കോർ, ലിംഗഭേദം എന്നിവ കാണിക്കുന്നു. **p < 0.01
പ്രോഗ്നോസ്റ്റിക് റിസ്ക് മോഡലുകളുടെ സ്വതന്ത്ര പ്രവചന വിശകലനം. (AB) യൂണിവേരിയേറ്റ് (A) ഉം മൾട്ടിവേരിയേറ്റ് (B) ഉം പ്രോഗ്നോസ്റ്റിക് റിസ്ക് മോഡലുകളുടെയും ക്ലിനിക്കൽ സവിശേഷതകളുടെയും റിഗ്രഷൻ വിശകലനങ്ങൾ. (CE) പ്രോഗ്നോസ്റ്റിക് റിസ്ക് മോഡലുകൾക്കും ക്ലിനിക്കൽ സവിശേഷതകൾക്കുമായി 1-, 2-, 3 വർഷത്തെ ROC.
അതിനാൽ, സമയവും അപകടസാധ്യതാ സ്കോറുകളും തമ്മിലുള്ള ബന്ധം ഞങ്ങൾ പരിശോധിച്ചു. PAAD രോഗികളിലെ അപകടസാധ്യതാ സ്കോർ CD8+ T സെല്ലുകളുമായും NK സെല്ലുകളുമായും വിപരീതമായി ബന്ധപ്പെട്ടിരിക്കുന്നുവെന്ന് ഞങ്ങൾ കണ്ടെത്തി (ചിത്രം 6A), ഇത് ഉയർന്ന അപകടസാധ്യതയുള്ള ഗ്രൂപ്പിലെ അടിച്ചമർത്തപ്പെട്ട രോഗപ്രതിരോധ പ്രവർത്തനത്തെ സൂചിപ്പിക്കുന്നു. ഉയർന്നതും കുറഞ്ഞതുമായ അപകടസാധ്യതയുള്ള ഗ്രൂപ്പുകൾ തമ്മിലുള്ള രോഗപ്രതിരോധ കോശ നുഴഞ്ഞുകയറ്റത്തിലെ വ്യത്യാസവും ഞങ്ങൾ വിലയിരുത്തി, അതേ ഫലങ്ങൾ കണ്ടെത്തി (ചിത്രം 7). ഉയർന്ന അപകടസാധ്യതയുള്ള ഗ്രൂപ്പിൽ CD8+ T കോശങ്ങളുടെയും NK കോശങ്ങളുടെയും നുഴഞ്ഞുകയറ്റം കുറവായിരുന്നു. സമീപ വർഷങ്ങളിൽ, സോളിഡ് ട്യൂമറുകളുടെ ചികിത്സയിൽ ഇമ്മ്യൂൺ ചെക്ക്‌പോയിന്റ് ഇൻഹിബിറ്ററുകൾ (ICI) വ്യാപകമായി ഉപയോഗിച്ചുവരുന്നു. എന്നിരുന്നാലും, പാൻക്രിയാറ്റിക് കാൻസറിൽ ICI-കളുടെ ഉപയോഗം വളരെ അപൂർവമായി മാത്രമേ വിജയിച്ചിട്ടുള്ളൂ. അതിനാൽ, ഉയർന്നതും കുറഞ്ഞതുമായ അപകടസാധ്യതയുള്ള ഗ്രൂപ്പുകളിൽ ഇമ്മ്യൂൺ ചെക്ക്‌പോയിന്റ് ജീനുകളുടെ പ്രകടനത്തെ ഞങ്ങൾ വിലയിരുത്തി. ലോ-റിസ്ക് ഗ്രൂപ്പിൽ CTLA-4 ഉം CD161 (KLRB1) ഉം അമിതമായി പ്രകടിപ്പിക്കപ്പെട്ടതായി ഞങ്ങൾ കണ്ടെത്തി (ചിത്രം 6B-G), ലോ-റിസ്ക് ഗ്രൂപ്പിലെ PAAD രോഗികൾ ICI-യോട് സംവേദനക്ഷമതയുള്ളവരായിരിക്കാമെന്ന് സൂചിപ്പിക്കുന്നു.
പ്രോഗ്നോസ്റ്റിക് റിസ്ക് മോഡലിന്റെയും ഇമ്മ്യൂൺ സെൽ ഇൻഫിൽട്രേഷന്റെയും പരസ്പരബന്ധ വിശകലനം. (എ) പ്രോഗ്നോസ്റ്റിക് റിസ്ക് മോഡലും ഇമ്മ്യൂൺ സെൽ ഇൻഫിൽട്രേഷനും തമ്മിലുള്ള പരസ്പരബന്ധം. (ബിജി) ഉയർന്നതും താഴ്ന്നതുമായ റിസ്ക് ഗ്രൂപ്പുകളിലെ ജീൻ എക്സ്പ്രഷനെ സൂചിപ്പിക്കുന്നു. (എച്ച്കെ) ഉയർന്നതും താഴ്ന്നതുമായ റിസ്ക് ഗ്രൂപ്പുകളിലെ നിർദ്ദിഷ്ട കാൻസർ വിരുദ്ധ മരുന്നുകൾക്കുള്ള IC50 മൂല്യങ്ങൾ. *p < 0.05, **p < 0.01, ns = പ്രധാനമല്ല
TCGA-PAAD കൂട്ടായ്‌മയിലെ റിസ്‌ക് സ്‌കോറുകളും സാധാരണ കീമോതെറാപ്പി ഏജന്റുമാരും തമ്മിലുള്ള ബന്ധം ഞങ്ങൾ കൂടുതൽ വിലയിരുത്തി. പാൻക്രിയാറ്റിക് കാൻസറിൽ സാധാരണയായി ഉപയോഗിക്കുന്ന ആന്റികാൻസർ മരുന്നുകൾക്കായി ഞങ്ങൾ തിരഞ്ഞു, ഉയർന്നതും കുറഞ്ഞതുമായ അപകടസാധ്യതയുള്ള ഗ്രൂപ്പുകൾക്കിടയിലുള്ള അവയുടെ IC50 മൂല്യങ്ങളിലെ വ്യത്യാസങ്ങൾ വിശകലനം ചെയ്തു. ഉയർന്ന അപകടസാധ്യതയുള്ള ഗ്രൂപ്പിൽ AZD.2281 (olaparib) ന്റെ IC50 മൂല്യം കൂടുതലാണെന്ന് ഫലങ്ങൾ കാണിച്ചു, ഇത് ഉയർന്ന അപകടസാധ്യതയുള്ള ഗ്രൂപ്പിലെ PAAD രോഗികൾക്ക് AZD.2281 ചികിത്സയെ പ്രതിരോധിച്ചേക്കാമെന്ന് സൂചിപ്പിക്കുന്നു (ചിത്രം 6H). കൂടാതെ, പാക്ലിറ്റാക്സൽ, സോറാഫെനിബ്, എർലോട്ടിനിബ് എന്നിവയുടെ IC50 മൂല്യങ്ങൾ ഉയർന്ന അപകടസാധ്യതയുള്ള ഗ്രൂപ്പിൽ കുറവായിരുന്നു (ചിത്രം 6I-K). ഉയർന്ന അപകടസാധ്യതയുള്ള ഗ്രൂപ്പിൽ ഉയർന്ന IC50 മൂല്യങ്ങളുള്ള 34 ആന്റികാൻസർ മരുന്നുകളും ഉയർന്ന അപകടസാധ്യതയുള്ള ഗ്രൂപ്പിൽ കുറഞ്ഞ IC50 മൂല്യങ്ങളുള്ള 34 ആന്റികാൻസർ മരുന്നുകളും ഞങ്ങൾ തിരിച്ചറിഞ്ഞു (പട്ടിക 2).
lncRNA-കൾ, mRNA-കൾ, miRNA-കൾ എന്നിവ വ്യാപകമായി നിലനിൽക്കുന്നുണ്ടെന്നും കാൻസർ വികസനത്തിൽ നിർണായക പങ്ക് വഹിക്കുന്നുണ്ടെന്നും നിഷേധിക്കാനാവില്ല. പല തരത്തിലുള്ള കാൻസറുകളിലും മൊത്തത്തിലുള്ള അതിജീവനം പ്രവചിക്കുന്നതിൽ mRNA അല്ലെങ്കിൽ miRNA-യുടെ പ്രധാന പങ്കിനെ പിന്തുണയ്ക്കുന്ന ധാരാളം തെളിവുകൾ ഉണ്ട്. നിസ്സംശയമായും, പല പ്രോഗ്നോസ്റ്റിക് റിസ്ക് മോഡലുകളും lncRNA-കളെ അടിസ്ഥാനമാക്കിയുള്ളതാണ്. ഉദാഹരണത്തിന്, ലുവോ തുടങ്ങിയവർ. PC വ്യാപനത്തിലും മെറ്റാസ്റ്റാസിസിലും LINC01094 ഒരു പ്രധാന പങ്ക് വഹിക്കുന്നുണ്ടെന്ന് പഠനങ്ങൾ തെളിയിച്ചിട്ടുണ്ട്, കൂടാതെ LINC01094 ന്റെ ഉയർന്ന എക്സ്പ്രഷൻ പാൻക്രിയാറ്റിക് കാൻസർ രോഗികളുടെ മോശം അതിജീവനത്തെ സൂചിപ്പിക്കുന്നു [16]. ലിൻ തുടങ്ങിയവർ അവതരിപ്പിച്ച പഠനം. lncRNA FLVCR1-AS1 ന്റെ നിയന്ത്രണം പാൻക്രിയാറ്റിക് കാൻസർ രോഗികളിൽ മോശം രോഗനിർണയവുമായി ബന്ധപ്പെട്ടിരിക്കുന്നുവെന്ന് പഠനങ്ങൾ തെളിയിച്ചിട്ടുണ്ട് [17]. എന്നിരുന്നാലും, കാൻസർ രോഗികളുടെ മൊത്തത്തിലുള്ള അതിജീവനം പ്രവചിക്കുന്ന കാര്യത്തിൽ പ്രതിരോധശേഷിയുമായി ബന്ധപ്പെട്ട lncRNA-കൾ താരതമ്യേന കുറവാണ് ചർച്ച ചെയ്യുന്നത്. അടുത്തിടെ, കാൻസർ രോഗികളുടെ അതിജീവനം പ്രവചിക്കുന്നതിനും അതുവഴി ചികിത്സാ രീതികൾ ക്രമീകരിക്കുന്നതിനുമുള്ള പ്രോഗ്നോസ്റ്റിക് റിസ്ക് മോഡലുകൾ നിർമ്മിക്കുന്നതിൽ വലിയൊരു വിഭാഗം ശ്രദ്ധ കേന്ദ്രീകരിച്ചിട്ടുണ്ട് [18, 19, 20]. കാൻസർ ആരംഭം, പുരോഗതി, കീമോതെറാപ്പി പോലുള്ള ചികിത്സകളോടുള്ള പ്രതികരണം എന്നിവയിൽ രോഗപ്രതിരോധ നുഴഞ്ഞുകയറ്റങ്ങളുടെ പ്രധാന പങ്കിനെക്കുറിച്ച് വർദ്ധിച്ചുവരുന്ന അംഗീകാരമുണ്ട്. സൈറ്റോടോക്സിക് കീമോതെറാപ്പിയോടുള്ള പ്രതികരണത്തിൽ ട്യൂമർ-നുഴഞ്ഞുകയറുന്ന രോഗപ്രതിരോധ കോശങ്ങൾ നിർണായക പങ്ക് വഹിക്കുന്നുണ്ടെന്ന് നിരവധി പഠനങ്ങൾ സ്ഥിരീകരിച്ചിട്ടുണ്ട് [21, 22, 23]. ട്യൂമർ രോഗികളുടെ അതിജീവനത്തിൽ ട്യൂമർ രോഗപ്രതിരോധ സൂക്ഷ്മ പരിസ്ഥിതി ഒരു പ്രധാന ഘടകമാണ് [24, 25]. സോളിഡ് ട്യൂമറുകളുടെ ചികിത്സയിൽ ഇമ്മ്യൂണോതെറാപ്പി, പ്രത്യേകിച്ച് ഐസിഐ തെറാപ്പി, വ്യാപകമായി ഉപയോഗിക്കുന്നു [26]. രോഗപ്രതിരോധവുമായി ബന്ധപ്പെട്ട ജീനുകൾ പ്രോഗ്നോസ്റ്റിക് റിസ്ക് മോഡലുകൾ നിർമ്മിക്കാൻ വ്യാപകമായി ഉപയോഗിക്കുന്നു. ഉദാഹരണത്തിന്, സു തുടങ്ങിയവർ. അണ്ഡാശയ കാൻസർ രോഗികളുടെ രോഗനിർണയം പ്രവചിക്കുന്നതിന് പ്രോട്ടീൻ-കോഡിംഗ് ജീനുകളെ അടിസ്ഥാനമാക്കിയുള്ളതാണ് രോഗപ്രതിരോധവുമായി ബന്ധപ്പെട്ട പ്രോഗ്നോസ്റ്റിക് റിസ്ക് മോഡൽ [27]. lncRNA-കൾ പോലുള്ള നോൺ-കോഡിംഗ് ജീനുകളും പ്രോഗ്നോസ്റ്റിക് റിസ്ക് മോഡലുകൾ നിർമ്മിക്കുന്നതിന് അനുയോജ്യമാണ് [28, 29, 30]. ലുവോ തുടങ്ങിയവർ നാല് രോഗപ്രതിരോധവുമായി ബന്ധപ്പെട്ട lncRNA-കൾ പരീക്ഷിക്കുകയും സെർവിക്കൽ കാൻസർ അപകടസാധ്യതയ്ക്കായി ഒരു പ്രവചന മാതൃക നിർമ്മിക്കുകയും ചെയ്തു [31]. ഖാൻ തുടങ്ങിയവർ. ആകെ 32 വ്യത്യസ്തമായി പ്രകടിപ്പിക്കപ്പെട്ട ട്രാൻസ്ക്രിപ്റ്റുകൾ തിരിച്ചറിഞ്ഞു, ഇതിന്റെ അടിസ്ഥാനത്തിൽ, 5 പ്രധാന ട്രാൻസ്ക്രിപ്റ്റുകളുള്ള ഒരു പ്രവചന മാതൃക സ്ഥാപിച്ചു, വൃക്ക മാറ്റിവയ്ക്കലിനുശേഷം ബയോപ്സി-തെളിയിക്കപ്പെട്ട അക്യൂട്ട് റിജക്ഷൻ പ്രവചിക്കുന്നതിനുള്ള വളരെ ശുപാർശ ചെയ്യപ്പെടുന്ന ഉപകരണമായി ഇത് നിർദ്ദേശിക്കപ്പെട്ടു [32].
ഈ മോഡലുകളിൽ ഭൂരിഭാഗവും പ്രോട്ടീൻ-കോഡിംഗ് ജീനുകളോ കോഡിംഗ് ചെയ്യാത്ത ജീനുകളോ ആയ ജീൻ എക്സ്പ്രഷൻ ലെവലുകളെ അടിസ്ഥാനമാക്കിയുള്ളതാണ്. എന്നിരുന്നാലും, ഒരേ ജീനിന് വ്യത്യസ്ത ജീനോമുകളിലും ഡാറ്റ ഫോർമാറ്റുകളിലും വ്യത്യസ്ത രോഗികളിലും വ്യത്യസ്ത എക്സ്പ്രഷൻ മൂല്യങ്ങൾ ഉണ്ടാകാം, ഇത് പ്രവചന മോഡലുകളിൽ അസ്ഥിരമായ കണക്കുകളിലേക്ക് നയിക്കുന്നു. ഈ പഠനത്തിൽ, കൃത്യമായ എക്സ്പ്രഷൻ മൂല്യങ്ങളിൽ നിന്ന് സ്വതന്ത്രമായി രണ്ട് ജോഡി lncRNA-കളുള്ള ഒരു ന്യായമായ മോഡൽ ഞങ്ങൾ നിർമ്മിച്ചു.
ഈ പഠനത്തിൽ, രോഗപ്രതിരോധ ശേഷിയുമായി ബന്ധപ്പെട്ട ജീനുകളുമായുള്ള പരസ്പരബന്ധ വിശകലനത്തിലൂടെ ഞങ്ങൾ ആദ്യമായി irlncRNA തിരിച്ചറിഞ്ഞു. വ്യത്യസ്തമായി പ്രകടിപ്പിച്ച lncRNA-കളുമായി ഹൈബ്രിഡൈസേഷൻ വഴി ഞങ്ങൾ 223 DEirlncRNA-കൾ പരിശോധിച്ചു. രണ്ടാമതായി, പ്രസിദ്ധീകരിച്ച DEirlncRNA ജോടിയാക്കൽ രീതിയെ അടിസ്ഥാനമാക്കി ഞങ്ങൾ ഒരു 0-അല്ലെങ്കിൽ-1 മാട്രിക്സ് നിർമ്മിച്ചു [31]. തുടർന്ന് പ്രോഗ്നോസ്റ്റിക് DEirlncRNA ജോഡികളെ തിരിച്ചറിയുന്നതിനും ഒരു പ്രവചനാത്മക അപകടസാധ്യത മാതൃക നിർമ്മിക്കുന്നതിനും ഞങ്ങൾ ഏകീകൃതവും ലസ്സോ റിഗ്രഷൻ വിശകലനങ്ങളും നടത്തി. PAAD ഉള്ള രോഗികളിൽ റിസ്ക് സ്കോറുകളും ക്ലിനിക്കൽ സവിശേഷതകളും തമ്മിലുള്ള ബന്ധം ഞങ്ങൾ കൂടുതൽ വിശകലനം ചെയ്തു. PAAD രോഗികളിൽ ഒരു സ്വതന്ത്ര പ്രോഗ്നോസ്റ്റിക് ഘടകമെന്ന നിലയിൽ, ഞങ്ങളുടെ പ്രോഗ്നോസ്റ്റിക് റിസ്ക് മോഡലിന് ഉയർന്ന ഗ്രേഡ് രോഗികളെ താഴ്ന്ന ഗ്രേഡ് രോഗികളിൽ നിന്നും ഉയർന്ന ഗ്രേഡ് രോഗികളെ താഴ്ന്ന ഗ്രേഡ് രോഗികളിൽ നിന്നും ഫലപ്രദമായി വേർതിരിച്ചറിയാൻ കഴിയുമെന്ന് ഞങ്ങൾ കണ്ടെത്തി. കൂടാതെ, പ്രോഗ്നോസ്റ്റിക് റിസ്ക് മോഡലിന്റെ ROC വക്രത്തിന്റെ AUC മൂല്യങ്ങൾ 1 വർഷത്തെ പ്രവചനത്തിന് 0.905 ഉം 2 വർഷത്തെ പ്രവചനത്തിന് 0.942 ഉം 3 വർഷത്തെ പ്രവചനത്തിന് 0.966 ഉം ആയിരുന്നു.
ഉയർന്ന CD8+ T സെൽ ഇൻഫിൽട്രേഷൻ ഉള്ള രോഗികൾക്ക് ICI ചികിത്സയോട് കൂടുതൽ സെൻസിറ്റീവ് ആണെന്ന് ഗവേഷകർ റിപ്പോർട്ട് ചെയ്തു [33]. ട്യൂമർ ഇമ്മ്യൂൺ മൈക്രോ എൻവയോൺമെന്റിലെ സൈറ്റോടോക്സിക് സെല്ലുകൾ, CD56 NK സെല്ലുകൾ, NK സെല്ലുകൾ, CD8+ T സെല്ലുകൾ എന്നിവയുടെ ഉള്ളടക്കത്തിലെ വർദ്ധനവ് ട്യൂമർ സപ്രസീവ് ഇഫക്റ്റിനുള്ള ഒരു കാരണമായിരിക്കാം [34]. ട്യൂമർ-ഇൻഫിൽട്രേറ്റിംഗ് CD4(+) T, CD8(+) T എന്നിവയുടെ ഉയർന്ന അളവ് ദീർഘായുസ്സുമായി ഗണ്യമായി ബന്ധപ്പെട്ടിരിക്കുന്നുവെന്ന് മുൻ പഠനങ്ങൾ തെളിയിച്ചിട്ടുണ്ട് [35]. മോശം CD8 T സെൽ ഇൻഫിൽട്രേഷൻ, കുറഞ്ഞ നിയോആന്റിജൻ ലോഡ്, ഉയർന്ന രോഗപ്രതിരോധ ശേഷിയുള്ള ട്യൂമർ മൈക്രോ എൻവയോൺമെന്റ് എന്നിവ ICI തെറാപ്പിയോടുള്ള പ്രതികരണമില്ലായ്മയിലേക്ക് നയിക്കുന്നു [36]. CD8+ T സെല്ലുകളുമായും NK സെല്ലുകളുമായും റിസ്ക് സ്കോർ നെഗറ്റീവ് ആയി ബന്ധപ്പെട്ടിരിക്കുന്നുവെന്ന് ഞങ്ങൾ കണ്ടെത്തി, ഉയർന്ന റിസ്ക് സ്കോറുകളുള്ള രോഗികൾ ICI ചികിത്സയ്ക്ക് അനുയോജ്യമല്ലായിരിക്കാം എന്നും മോശമായ രോഗനിർണയം ഉണ്ടെന്നും സൂചിപ്പിക്കുന്നു.
CD161 എന്നത് പ്രകൃതിദത്ത കൊലയാളി (NK) കോശങ്ങളുടെ ഒരു മാർക്കറാണ്. HER2+ പാൻക്രിയാറ്റിക് ഡക്റ്റൽ അഡിനോകാർസിനോമ സെനോഗ്രാഫ്റ്റ് മോഡലുകളിൽ CD8+CD161+ CAR-ട്രാൻസ്ഡ്യൂസ്ഡ് ടി സെല്ലുകൾ ഇൻ വിവോ ആന്റിട്യൂമർ ഫലപ്രാപ്തിയെ മെച്ചപ്പെടുത്തുന്നു [37]. ഇമ്മ്യൂൺ ചെക്ക്‌പോയിന്റ് ഇൻഹിബിറ്ററുകൾ സൈറ്റോടോക്സിക് ടി ലിംഫോസൈറ്റ് അനുബന്ധ പ്രോട്ടീൻ 4 (CTLA-4), പ്രോഗ്രാം ചെയ്ത സെൽ ഡെത്ത് പ്രോട്ടീൻ 1 (PD-1)/പ്രോഗ്രാം ചെയ്ത സെൽ ഡെത്ത് ലിഗാൻഡ് 1 (PD-L1) പാതകളെ ലക്ഷ്യമിടുന്നു, കൂടാതെ പല മേഖലകളിലും വലിയ സാധ്യതകളുമുണ്ട്. ഉയർന്ന അപകടസാധ്യതയുള്ള ഗ്രൂപ്പുകളിൽ CTLA-4, CD161 (KLRB1) എന്നിവയുടെ പ്രകടനം കുറവാണ്, ഇത് ഉയർന്ന അപകടസാധ്യതയുള്ള സ്കോറുകളുള്ള രോഗികൾക്ക് ICI ചികിത്സയ്ക്ക് അർഹതയുണ്ടാകില്ലെന്ന് സൂചിപ്പിക്കുന്നു. [38]
ഉയർന്ന അപകടസാധ്യതയുള്ള രോഗികൾക്ക് അനുയോജ്യമായ ചികിത്സാ ഓപ്ഷനുകൾ കണ്ടെത്തുന്നതിന്, ഞങ്ങൾ വിവിധ കാൻസർ വിരുദ്ധ മരുന്നുകൾ വിശകലനം ചെയ്യുകയും PAAD ഉള്ള രോഗികളിൽ വ്യാപകമായി ഉപയോഗിക്കുന്ന പാക്ലിറ്റാക്സൽ, സോറാഫെനിബ്, എർലോട്ടിനിബ് എന്നിവ PAAD ഉള്ള ഉയർന്ന അപകടസാധ്യതയുള്ള രോഗികൾക്ക് അനുയോജ്യമാകുമെന്ന് കണ്ടെത്തുകയും ചെയ്തു. [33]. ഏതെങ്കിലും ഡിഎൻഎ നാശനഷ്ട പ്രതികരണ (ഡിഡിആർ) പാതയിലെ മ്യൂട്ടേഷനുകൾ പ്രോസ്റ്റേറ്റ് കാൻസർ രോഗികളിൽ മോശം രോഗനിർണയത്തിലേക്ക് നയിച്ചേക്കാമെന്ന് ഷാങ് തുടങ്ങിയവർ കണ്ടെത്തി [39]. പാൻക്രിയാറ്റിക് ഡക്റ്റൽ അഡിനോകാർസിനോമയും ജെർലൈൻ BRCA1/2 മ്യൂട്ടേഷനുകളും ഉള്ള രോഗികളിൽ ഫസ്റ്റ്-ലൈൻ പ്ലാറ്റിനം അധിഷ്ഠിത കീമോതെറാപ്പിക്ക് ശേഷം പ്ലാസിബോയുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ ഒലപാരിബ് ഉപയോഗിച്ചുള്ള മെയിന്റനൻസ് ചികിത്സ ദീർഘകാല പുരോഗതിയില്ലാത്ത അതിജീവനത്തിന് കാരണമാകുമെന്ന് പാൻക്രിയാറ്റിക് കാൻസർ ഒലപാരിബ് ഓൺഗോയിംഗ് (POLO) ട്രയൽ കാണിച്ചു [40]. രോഗികളുടെ ഈ ഉപഗ്രൂപ്പിൽ ചികിത്സയുടെ ഫലങ്ങൾ ഗണ്യമായി മെച്ചപ്പെടുമെന്ന് ഇത് ഗണ്യമായ ശുഭാപ്തിവിശ്വാസം നൽകുന്നു. ഈ പഠനത്തിൽ, ഉയർന്ന അപകടസാധ്യതയുള്ള ഗ്രൂപ്പിൽ AZD.2281 (olaparib) ന്റെ IC50 മൂല്യം കൂടുതലായിരുന്നു, ഇത് ഉയർന്ന അപകടസാധ്യതയുള്ള ഗ്രൂപ്പിലെ PAAD രോഗികൾ AZD.2281 ഉപയോഗിച്ചുള്ള ചികിത്സയെ പ്രതിരോധിക്കുന്നവരായിരിക്കാമെന്ന് സൂചിപ്പിക്കുന്നു.
ഈ പഠനത്തിലെ പ്രവചന മാതൃകകൾ നല്ല പ്രവചന ഫലങ്ങൾ നൽകുന്നു, പക്ഷേ അവ വിശകലന പ്രവചനങ്ങളെ അടിസ്ഥാനമാക്കിയുള്ളതാണ്. ക്ലിനിക്കൽ ഡാറ്റ ഉപയോഗിച്ച് ഈ ഫലങ്ങൾ എങ്ങനെ സ്ഥിരീകരിക്കാം എന്നത് ഒരു പ്രധാന ചോദ്യമാണ്. 85% സെൻസിറ്റിവിറ്റിയും 98% പ്രത്യേകതയുമുള്ള സോളിഡ്, എക്സ്ട്രാപാൻക്രിയാറ്റിക് പാൻക്രിയാറ്റിക് നിഖേദങ്ങൾ നിർണ്ണയിക്കുന്നതിന് എൻഡോസ്കോപ്പിക് ഫൈൻ നീഡിൽ ആസ്പിറേഷൻ അൾട്രാസോണോഗ്രാഫി (EUS-FNA) ഒരു ഒഴിച്ചുകൂടാനാവാത്ത രീതിയായി മാറിയിരിക്കുന്നു [41]. ഉയർന്ന ഡയഗ്നോസ്റ്റിക് കൃത്യത, ഹിസ്റ്റോളജിക്കൽ ഘടന സംരക്ഷിക്കുന്ന സാമ്പിളുകൾ നേടൽ, അതുവഴി ചില രോഗനിർണയങ്ങൾക്ക് നിർണായകമായ രോഗപ്രതിരോധ ടിഷ്യു സൃഷ്ടിക്കൽ തുടങ്ങിയ FNA-യെക്കാൾ ഗുണങ്ങൾ EUS ഫൈൻ-നീഡിൽ ബയോപ്സി (EUS-FNB) സൂചികളുടെ വരവ് പ്രധാനമായും അടിസ്ഥാനമാക്കിയുള്ളതാണ്. പ്രത്യേക സ്റ്റെയിനിംഗ് [42]. പാൻക്രിയാറ്റിക് പിണ്ഡങ്ങളിൽ നിന്ന് ടിഷ്യു ശേഖരിക്കുന്നതിൽ FNB സൂചികൾ (പ്രത്യേകിച്ച് 22G) ഏറ്റവും ഉയർന്ന കാര്യക്ഷമത പ്രകടിപ്പിക്കുന്നുവെന്ന് സാഹിത്യത്തിന്റെ ഒരു വ്യവസ്ഥാപിത അവലോകനം സ്ഥിരീകരിച്ചു [43]. ക്ലിനിക്കലായി, വളരെ കുറച്ച് രോഗികൾക്ക് മാത്രമേ റാഡിക്കൽ സർജറിക്ക് അർഹതയുള്ളൂ, കൂടാതെ മിക്ക രോഗികൾക്കും പ്രാരംഭ രോഗനിർണയ സമയത്ത് പ്രവർത്തനരഹിതമായ മുഴകളുണ്ട്. ക്ലിനിക്കൽ പ്രാക്ടീസിൽ, മിക്ക രോഗികൾക്കും പ്രാഥമിക രോഗനിർണയ സമയത്ത് പ്രവർത്തനരഹിതമായ മുഴകൾ ഉള്ളതിനാൽ, വളരെ ചെറിയൊരു വിഭാഗം രോഗികൾ മാത്രമേ റാഡിക്കൽ സർജറിക്ക് അനുയോജ്യരാകുന്നുള്ളൂ. EUS-FNB യും മറ്റ് രീതികളും വഴി പാത്തോളജിക്കൽ സ്ഥിരീകരണത്തിന് ശേഷം, കീമോതെറാപ്പി പോലുള്ള സ്റ്റാൻഡേർഡ് നോൺ-സർജിക്കൽ ചികിത്സ സാധാരണയായി തിരഞ്ഞെടുക്കപ്പെടുന്നു. ഒരു മുൻകാല വിശകലനത്തിലൂടെ ശസ്ത്രക്രിയ, ശസ്ത്രക്രിയേതര കൂട്ടുകെട്ടുകളിൽ ഈ പഠനത്തിന്റെ പ്രോഗ്നോസ്റ്റിക് മാതൃക പരീക്ഷിക്കുക എന്നതാണ് ഞങ്ങളുടെ തുടർന്നുള്ള ഗവേഷണ പരിപാടി.
മൊത്തത്തിൽ, പാൻക്രിയാറ്റിക് കാൻസർ രോഗികളിൽ വാഗ്ദാനമായ പ്രോഗ്നോസ്റ്റിക് മൂല്യം കാണിക്കുന്ന ജോടിയാക്കിയ irlncRNA അടിസ്ഥാനമാക്കിയുള്ള ഒരു പുതിയ പ്രോഗ്നോസ്റ്റിക് റിസ്ക് മോഡൽ ഞങ്ങളുടെ പഠനം സ്ഥാപിച്ചു. വൈദ്യചികിത്സയ്ക്ക് അനുയോജ്യമായ PAAD രോഗികളെ വേർതിരിച്ചറിയാൻ ഞങ്ങളുടെ പ്രോഗ്നോസ്റ്റിക് റിസ്ക് മോഡൽ സഹായിച്ചേക്കാം.
നിലവിലെ പഠനത്തിൽ ഉപയോഗിച്ചതും വിശകലനം ചെയ്തതുമായ ഡാറ്റാസെറ്റുകൾ ന്യായമായ അഭ്യർത്ഥന പ്രകാരം ബന്ധപ്പെട്ട രചയിതാവിൽ നിന്ന് ലഭ്യമാണ്.
സുയി വെൻ, ഗോങ് എക്സ്, ഷുവാങ് വൈ. കോവിഡ്-19 പാൻഡെമിക് സമയത്ത് നെഗറ്റീവ് വികാരങ്ങളുടെ വൈകാരിക നിയന്ത്രണത്തിൽ സ്വയം-ഫലപ്രാപ്തിയുടെ മധ്യസ്ഥ പങ്ക്: ഒരു ക്രോസ്-സെക്ഷണൽ പഠനം. ഇന്റ് ജെ മെന്റ് ഹെൽത്ത് നഴ്‌സ് [ജേണൽ ലേഖനം]. 2021 06/01/2021;30(3):759–71.
സുയി വെൻ, ഗോങ് എക്സ്, ക്വിയാവോ എക്സ്, ഷാങ് എൽ, ചെങ് ജെ, ഡോങ് ജെ, തുടങ്ങിയവർ. തീവ്രപരിചരണ വിഭാഗങ്ങളിലെ ബദൽ തീരുമാനമെടുക്കലിനെക്കുറിച്ചുള്ള കുടുംബാംഗങ്ങളുടെ വീക്ഷണങ്ങൾ: ഒരു വ്യവസ്ഥാപിത അവലോകനം. INT J NURS STUD [മാഗസിൻ ലേഖനം; അവലോകനം]. 2023 01/01/2023;137:104391.
വിൻസെന്റ് എ, ഹെർമൻ ജെ, ഷൂലിച്ച് ആർ, ഹ്രുബാൻ ആർഎച്ച്, ഗോഗിൻസ് എം. പാൻക്രിയാറ്റിക് കാൻസർ. ലാൻസെറ്റ്. [ജേണൽ ലേഖനം; ഗവേഷണ പിന്തുണ, എൻഐഎച്ച്, എക്സ്ട്രാമുറൽ; ഗവേഷണ പിന്തുണ, യുഎസിന് പുറത്തുള്ള സർക്കാർ; അവലോകനം]. 2011 08/13/2011;378(9791):607–20.
ഇലിക് എം, ഇലിക് ഐ. പാൻക്രിയാറ്റിക് കാൻസറിന്റെ പകർച്ചവ്യാധി. വേൾഡ് ജേണൽ ഓഫ് ഗ്യാസ്ട്രോഎൻട്രോളജി. [ജേണൽ ലേഖനം, അവലോകനം]. 2016 11/28/2016;22(44):9694–705.
ലിയു എക്സ്, ചെൻ ബി, ചെൻ ജെ, സൺ എസ്. പാൻക്രിയാറ്റിക് കാൻസർ ബാധിച്ച രോഗികളുടെ മൊത്തത്തിലുള്ള അതിജീവനം പ്രവചിക്കുന്നതിനുള്ള ഒരു പുതിയ ടിപി53-അനുബന്ധ നോമോഗ്രാം. ബിഎംസി കാൻസർ [ജേണൽ ലേഖനം]. 2021 31-03-2021;21(1):335.
സിയാൻ എക്സ്, സു എക്സ്, ചെൻ വൈ, ഹുവാങ് ബി, സിയാങ് ഡബ്ല്യു. കീമോതെറാപ്പി സ്വീകരിക്കുന്ന കൊളോറെക്ടൽ കാൻസർ രോഗികളിൽ കാൻസർ സംബന്ധമായ ക്ഷീണത്തിൽ പരിഹാര-കേന്ദ്രീകൃത തെറാപ്പിയുടെ പ്രഭാവം: ഒരു ക്രമരഹിതമായ നിയന്ത്രിത പരീക്ഷണം. കാൻസർ നഴ്‌സ്. [ജേണൽ ലേഖനം; ക്രമരഹിതമായ നിയന്ത്രിത പരീക്ഷണം; യുണൈറ്റഡ് സ്റ്റേറ്റ്സിന് പുറത്തുള്ള ഒരു സർക്കാർ ഈ പഠനത്തെ പിന്തുണയ്ക്കുന്നു]. 2022 05/01/2022;45(3):E663–73.
ഷാങ് ചെങ്, ഷെങ് വെൻ, ലു വൈ, ഷാൻ എൽ, സൂ ഡോങ്, പാൻ വൈ, തുടങ്ങിയവർ. സാധാരണ ശസ്ത്രക്രിയയ്ക്ക് മുമ്പുള്ള സിഇഎ ലെവലുകളുള്ള രോഗികളിൽ കൊളോറെക്ടൽ കാൻസർ റിസർച്ചിന് ശേഷമുള്ള ഫലം പോസ്റ്റ്ഓപ്പറേറ്റീവ് കാർസിനോഎംബ്രിയോണിക് ആന്റിജൻ (സിഇഎ) ലെവലുകൾ പ്രവചിക്കുന്നു. ട്രാൻസ്ലേഷണൽ കാൻസർ റിസർച്ച് സെന്റർ. [ജേണൽ ലേഖനം]. 2020 01.01.2020;9(1):111–8.
ഹോംഗ് വെൻ, ലിയാങ് ലി, ഗു യു, ക്വി സി, ക്യു ഹുവ, യാങ് എക്സ്, തുടങ്ങിയവർ. രോഗപ്രതിരോധ സംബന്ധിയായ lncRNA-കൾ പുതിയ സിഗ്നേച്ചറുകൾ സൃഷ്ടിക്കുകയും മനുഷ്യ ഹെപ്പറ്റോസെല്ലുലാർ കാർസിനോമയുടെ രോഗപ്രതിരോധ ഭൂപ്രകൃതി പ്രവചിക്കുകയും ചെയ്യുന്നു. മോൾ തെർ ന്യൂക്ലിക് ആസിഡുകൾ [ജേണൽ ലേഖനം]. 2020 2020-12-04;22:937 – 47.
ടോഫി ആർജെ, സു വൈ., ഷൂലിച്ച് ആർഡി പാൻക്രിയാറ്റിക് കാൻസറിനുള്ള ഇമ്മ്യൂണോതെറാപ്പി: തടസ്സങ്ങളും മുന്നേറ്റങ്ങളും. ആൻ ഗ്യാസ്ട്രോഇന്റസ്റ്റൈനൽ സർജൻ [ജേണൽ ലേഖനം; അവലോകനം]. 2018 07/01/2018;2(4):274–81.
ഹൾ ആർ, എംബിറ്റ ഇസഡ്, ഡ്ലാമിനി ഇസഡ്. ലോങ്ങ് നോൺ-കോഡിംഗ് ആർ‌എൻ‌എകൾ ​​(എൽ‌എൻ‌സി‌ആർ‌എൻ‌എകൾ), വൈറൽ ട്യൂമർ ജീനോമിക്സ്, അബെറന്റ് സ്പ്ലൈസിംഗ് ഇവന്റുകൾ: ചികിത്സാപരമായ പ്രത്യാഘാതങ്ങൾ. എഎം ജെ കാൻസർ ആർ‌ഇഎസ് [ജേണൽ ലേഖനം; അവലോകനം]. 2021 01/20/2021;11(3):866–83.
വാങ് ജെ, ചെൻ പി, ഷാങ് വൈ, ഡിംഗ് ജെ, യാങ് വൈ, ലി എച്ച്. 11-എൻഡോമെട്രിയൽ കാൻസർ രോഗനിർണയവുമായി ബന്ധപ്പെട്ട എൽഎൻസിആർഎൻഎ സിഗ്നേച്ചറുകളുടെ തിരിച്ചറിയൽ. ശാസ്ത്രത്തിന്റെ നേട്ടങ്ങൾ [മാഗസിൻ ലേഖനം]. 2021 2021-01-01;104(1):311977089.
ജിയാങ് എസ്, റെൻ എച്ച്, ലിയു എസ്, ലു ഇസഡ്, സു എ, ക്വിൻ എസ്, തുടങ്ങിയവർ. പാപ്പില്ലറി സെൽ റീനൽ സെൽ കാർസിനോമയിലെ ആർഎൻഎ-ബൈൻഡിംഗ് പ്രോട്ടീൻ പ്രോഗ്നോസ്റ്റിക് ജീനുകളുടെയും മയക്കുമരുന്ന് കാൻഡിഡേറ്റുകളുടെയും സമഗ്ര വിശകലനം. പ്രീജെൻ. [ജേണൽ ലേഖനം]. 2021 01/20/2021;12:627508.
ലി എക്സ്, ചെൻ ജെ, യു ക്യു, ഹുവാങ് എക്സ്, ലിയു ഇസഡ്, വാങ് എക്സ്, തുടങ്ങിയവർ. ഓട്ടോഫാഗിയുമായി ബന്ധപ്പെട്ട ലോംഗ് നോൺ-കോഡിംഗ് ആർ‌എൻ‌എയുടെ സവിശേഷതകൾ സ്തനാർബുദ രോഗനിർണയം പ്രവചിക്കുന്നു. ഗർഭധാരണം. [ജേണൽ ലേഖനം]. 2021 01/20/2021;12:569318.
ഷൗ എം, ഷാങ് ഇസഡ്, ഷാവോ എക്സ്, ബാവോ എസ്, ചെങ് എൽ, സൺ ജെ. രോഗപ്രതിരോധ സംബന്ധിയായ ആറ് എൽഎൻസിആർഎൻഎ സിഗ്നേച്ചറുകൾ ഗ്ലിയോബ്ലാസ്റ്റോമ മൾട്ടിഫോമിൽ രോഗനിർണയം മെച്ചപ്പെടുത്തുന്നു. എംഒഎൽ ന്യൂറോബയോളജി. [ജേണൽ ലേഖനം]. 2018 01.05.2018;55(5):3684–97.
വു ബി, വാങ് ക്യു, ഫെയ് ജെ, ബാവോ വൈ, വാങ് എക്സ്, സോങ് ഇസഡ്, തുടങ്ങിയവർ. പാൻക്രിയാറ്റിക് കാൻസർ ബാധിച്ച രോഗികളുടെ അതിജീവനം പ്രവചിക്കുന്ന ഒരു പുതിയ ട്രൈ-എൽഎൻസിആർഎൻഎ ഒപ്പ്. ഓങ്കോളിന്റെ പ്രതിനിധികൾ. [ജേണൽ ലേഖനം]. 2018 12/01/2018;40(6):3427–37.
ലുവോ സി, ലിൻ കെ, ഹു സി, സു എക്സ്, സു ജെ, സു ഇസഡ്. LINC01094, LIN28B എക്സ്പ്രഷനും സ്പോഞ്ച്ഡ് miR-577 വഴി PI3K/AKT പാതയും നിയന്ത്രിക്കുന്നതിലൂടെ പാൻക്രിയാറ്റിക് കാൻസർ പുരോഗതിയെ പ്രോത്സാഹിപ്പിക്കുന്നു. മോൾ തെറാപ്പിറ്റിക്സ് - ന്യൂക്ലിക് ആസിഡുകൾ. 2021;26:523–35.
ലിൻ ജെ, ഷായ് എക്സ്, സൂ എസ്, സൂ ഇസഡ്, ഷാങ് ജെ, ജിയാങ് എൽ, തുടങ്ങിയവർ. lncRNA FLVCR1-AS1 ഉം KLF10 ഉം തമ്മിലുള്ള പോസിറ്റീവ് ഫീഡ്‌ബാക്ക് PTEN/AKT പാതയിലൂടെ പാൻക്രിയാറ്റിക് കാൻസർ പുരോഗതിയെ തടഞ്ഞേക്കാം. J EXP Clin Cancer Res. 2021;40(1).
ഷൗ എക്സ്, ലിയു എക്സ്, സെങ് എക്സ്, വു ഡി, ലിയു എൽ. ഹെപ്പറ്റോസെല്ലുലാർ കാർസിനോമയിൽ മൊത്തത്തിലുള്ള അതിജീവനം പ്രവചിക്കുന്ന പതിമൂന്ന് ജീനുകളുടെ തിരിച്ചറിയൽ. ബയോസ്കി പ്രതിനിധി [ജേണൽ ലേഖനം]. 2021 04/09/2021.