ഉയർന്നതും കുറഞ്ഞതുമായ അപകടസാധ്യതയുള്ള പാൻക്രിയാറ്റിക് അഡിനോകാർസിനോമ രോഗികളെ തിരിച്ചറിയാൻ ഒരു നോവൽ രോഗപ്രതിരോധ സംബന്ധിയായ എൽഎൻസിആർഎൻഎ-അധിഷ്ഠിത ഒപ്പിന്റെ ജനറേഷൻ |ബിഎംസി ഗ്യാസ്ട്രോഎൻട്രോളജി

മോശം പ്രവചനങ്ങളുള്ള ലോകത്തിലെ ഏറ്റവും മാരകമായ ട്യൂമറുകളിൽ ഒന്നാണ് പാൻക്രിയാറ്റിക് ക്യാൻസർ.അതിനാൽ, പാൻക്രിയാറ്റിക് ക്യാൻസറിനുള്ള ഉയർന്ന അപകടസാധ്യതയുള്ള രോഗികളെ തിരിച്ചറിയുന്നതിനും ഈ രോഗികളുടെ രോഗനിർണയം മെച്ചപ്പെടുത്തുന്നതിനും അനുയോജ്യമായ ചികിത്സയ്ക്കായി കൃത്യമായ പ്രവചന മാതൃക ആവശ്യമാണ്.
UCSC Xena ഡാറ്റാബേസിൽ നിന്ന് ഞങ്ങൾ Cancer Genome Atlas (TCGA) pancreatic adenocarcinoma (PAAD) RNAseq ഡാറ്റ നേടി, പരസ്പര ബന്ധ വിശകലനത്തിലൂടെ രോഗപ്രതിരോധവുമായി ബന്ധപ്പെട്ട lncRNA കൾ (irlncRNAs) തിരിച്ചറിഞ്ഞു, കൂടാതെ TCGA-യും സാധാരണ പാൻക്രിയാറ്റിക് അഡിനോകാർസിനോമ ടിഷ്യൂകളും തമ്മിലുള്ള വ്യത്യാസങ്ങൾ തിരിച്ചറിഞ്ഞു.TCGA-യിൽ നിന്നുള്ള DEirlncRNA, പാൻക്രിയാറ്റിക് ടിഷ്യുവിന്റെ ജനിതകരൂപത്തിലുള്ള ടിഷ്യു എക്സ്പ്രഷൻ (GTEx).പ്രോഗ്നോസ്റ്റിക് സിഗ്നേച്ചർ മോഡലുകൾ നിർമ്മിക്കുന്നതിന് കൂടുതൽ ഏകീകൃതവും ലാസോ റിഗ്രഷൻ വിശകലനങ്ങളും നടത്തി.തുടർന്ന് ഞങ്ങൾ വക്രത്തിന് കീഴിലുള്ള പ്രദേശം കണക്കാക്കുകയും ഉയർന്നതും കുറഞ്ഞതുമായ പാൻക്രിയാറ്റിക് അഡിനോകാർസിനോമ ഉള്ള രോഗികളെ തിരിച്ചറിയുന്നതിനുള്ള ഒപ്റ്റിമൽ കട്ട്ഓഫ് മൂല്യം നിർണ്ണയിക്കുകയും ചെയ്തു.ഉയർന്നതും കുറഞ്ഞതുമായ പാൻക്രിയാറ്റിക് ക്യാൻസറുള്ള രോഗികളിൽ ക്ലിനിക്കൽ സ്വഭാവസവിശേഷതകൾ, രോഗപ്രതിരോധ കോശങ്ങളുടെ നുഴഞ്ഞുകയറ്റം, രോഗപ്രതിരോധ സൂക്ഷ്മാണുക്കൾ, കീമോതെറാപ്പി പ്രതിരോധം എന്നിവ താരതമ്യം ചെയ്യാൻ.
ഞങ്ങൾ 20 DEirlncRNA ജോഡികളെ കണ്ടെത്തി, ഒപ്റ്റിമൽ കട്ട്ഓഫ് മൂല്യം അനുസരിച്ച് രോഗികളെ ഗ്രൂപ്പുചെയ്തു.PAAD ഉള്ള രോഗികളുടെ രോഗനിർണയം പ്രവചിക്കുന്നതിൽ ഞങ്ങളുടെ പ്രോഗ്നോസ്റ്റിക് സിഗ്നേച്ചർ മോഡലിന് കാര്യമായ പ്രകടനം ഉണ്ടെന്ന് 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 അതിജീവന നിരക്കും മോശമായ ക്ലിനിക്കൽ സവിശേഷതകളും ഉണ്ടായിരുന്നു.ഉയർന്ന അപകടസാധ്യതയുള്ള രോഗികൾക്ക് രോഗപ്രതിരോധ ശേഷി കുറവാണെന്നും ഇമ്മ്യൂണോതെറാപ്പിക്ക് പ്രതിരോധം വളർത്തിയെടുക്കാമെന്നും ഞങ്ങൾ തെളിയിച്ചു.PAAD ഉള്ള ഉയർന്ന അപകടസാധ്യതയുള്ള രോഗികൾക്ക് കമ്പ്യൂട്ടേഷണൽ പ്രവചന ടൂളുകളെ അടിസ്ഥാനമാക്കിയുള്ള പാക്ലിറ്റാക്സൽ, സോറഫെനിബ്, എർലോട്ടിനിബ് തുടങ്ങിയ കാൻസർ വിരുദ്ധ മരുന്നുകളുടെ വിലയിരുത്തൽ ഉചിതമായിരിക്കും.
മൊത്തത്തിൽ, ഞങ്ങളുടെ പഠനം ജോടിയാക്കിയ irlncRNA അടിസ്ഥാനമാക്കി ഒരു പുതിയ പ്രോഗ്നോസ്റ്റിക് റിസ്ക് മോഡൽ സ്ഥാപിച്ചു, ഇത് പാൻക്രിയാറ്റിക് ക്യാൻസർ രോഗികളിൽ വാഗ്ദാനപരമായ മൂല്യം കാണിച്ചു.വൈദ്യചികിത്സയ്ക്ക് അനുയോജ്യമായ PAAD ഉള്ള രോഗികളെ വേർതിരിച്ചറിയാൻ ഞങ്ങളുടെ പ്രോഗ്നോസ്റ്റിക് റിസ്ക് മോഡൽ സഹായിച്ചേക്കാം.
അഞ്ച് വർഷത്തെ അതിജീവന നിരക്കും ഉയർന്ന ഗ്രേഡും ഉള്ള മാരകമായ ട്യൂമറാണ് പാൻക്രിയാറ്റിക് ക്യാൻസർ.രോഗനിർണയ സമയത്ത്, മിക്ക രോഗികളും ഇതിനകം വിപുലമായ ഘട്ടത്തിലാണ്.COVID-19 പകർച്ചവ്യാധിയുടെ പശ്ചാത്തലത്തിൽ, പാൻക്രിയാറ്റിക് ക്യാൻസർ 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, ടാർഗെറ്റഡ് മോളിക്യുലാർ തെറാപ്പി, ഇമ്മ്യൂൺ ചെക്ക്‌പോയിന്റ് ഇൻഹിബിറ്ററുകൾ (ഐസിഐകൾ) എന്നിങ്ങനെ ഡിഒഎഡികളുടെ ചികിത്സയിൽ വലിയ പുരോഗതി കൈവരിച്ചിട്ടുണ്ടെങ്കിലും, രോഗനിർണ്ണയത്തിന് ശേഷം അഞ്ച് വർഷത്തിന് ശേഷം 9% രോഗികൾ മാത്രമേ അതിജീവിക്കുന്നുള്ളൂ [3. ].], 4].പാൻക്രിയാറ്റിക് അഡിനോകാർസിനോമയുടെ പ്രാരംഭ ലക്ഷണങ്ങൾ വിഭിന്നമായതിനാൽ, രോഗികൾക്ക് സാധാരണയായി മെറ്റാസ്റ്റെയ്‌സുകൾ ഒരു വിപുലമായ ഘട്ടത്തിൽ രോഗനിർണയം നടത്തുന്നു [5].അതിനാൽ, തന്നിരിക്കുന്ന ഒരു രോഗിയെ സംബന്ധിച്ചിടത്തോളം, വ്യക്തിഗതമാക്കിയ സമഗ്രമായ ചികിത്സ എല്ലാ ചികിത്സാ ഓപ്ഷനുകളുടെയും ഗുണങ്ങളും ദോഷങ്ങളും കണക്കാക്കണം, അതിജീവനം ദീർഘിപ്പിക്കുന്നതിന് മാത്രമല്ല, ജീവിത നിലവാരം മെച്ചപ്പെടുത്തുന്നതിനും [6].അതിനാൽ, ഒരു രോഗിയുടെ രോഗനിർണയം കൃത്യമായി വിലയിരുത്തുന്നതിന് ഫലപ്രദമായ ഒരു പ്രവചന മാതൃക ആവശ്യമാണ് [7].അങ്ങനെ, PAAD ഉള്ള രോഗികളുടെ നിലനിൽപ്പും ജീവിത നിലവാരവും സന്തുലിതമാക്കുന്നതിന് ഉചിതമായ ചികിത്സ തിരഞ്ഞെടുക്കാവുന്നതാണ്.
കീമോതെറാപ്പി മരുന്നുകളോടുള്ള പ്രതിരോധം മൂലമാണ് PAAD ന്റെ മോശം പ്രവചനം.സമീപ വർഷങ്ങളിൽ, ഖര മുഴകളുടെ ചികിത്സയിൽ ഇമ്മ്യൂൺ ചെക്ക്‌പോയിന്റ് ഇൻഹിബിറ്ററുകൾ വ്യാപകമായി ഉപയോഗിക്കുന്നു [8].എന്നിരുന്നാലും, പാൻക്രിയാറ്റിക് ക്യാൻസറിൽ ഐസിഐകളുടെ ഉപയോഗം അപൂർവ്വമായി മാത്രമേ വിജയിക്കുകയുള്ളൂ [9].അതിനാൽ, ഐസിഐ തെറാപ്പി പ്രയോജനപ്പെടുത്തുന്ന രോഗികളെ തിരിച്ചറിയേണ്ടത് പ്രധാനമാണ്.
ലോംഗ് നോൺ-കോഡിംഗ് ആർഎൻഎ (എൽഎൻസിആർഎൻഎ) എന്നത് ട്രാൻസ്ക്രിപ്റ്റുകൾ> 200 ന്യൂക്ലിയോടൈഡുകൾ ഉള്ള ഒരു തരം നോൺ-കോഡിംഗ് ആർഎൻഎയാണ്.എൽഎൻസിആർഎൻഎകൾ വ്യാപകമാണ്, കൂടാതെ ഹ്യൂമൻ ട്രാൻസ്‌ക്രിപ്റ്റിന്റെ 80% വരും [10].lncRNA അടിസ്ഥാനമാക്കിയുള്ള പ്രോഗ്‌നോസ്റ്റിക് മോഡലുകൾക്ക് രോഗിയുടെ രോഗനിർണയം ഫലപ്രദമായി പ്രവചിക്കാൻ കഴിയുമെന്ന് ഒരു വലിയ കൃതി തെളിയിച്ചിട്ടുണ്ട് [11, 12].ഉദാഹരണത്തിന്, സ്തനാർബുദത്തിൽ പ്രോഗ്നോസ്റ്റിക് സിഗ്നേച്ചറുകൾ സൃഷ്ടിക്കുന്നതിനായി ഓട്ടോഫാഗിയുമായി ബന്ധപ്പെട്ട 18 lncRNA-കൾ തിരിച്ചറിഞ്ഞു [13].ഗ്ലിയോമയുടെ രോഗനിർണയ സവിശേഷതകൾ സ്ഥാപിക്കാൻ മറ്റ് ആറ് രോഗപ്രതിരോധ സംബന്ധമായ lncRNA-കൾ ഉപയോഗിച്ചിട്ടുണ്ട് [14].
പാൻക്രിയാറ്റിക് ക്യാൻസറിൽ, ചില പഠനങ്ങൾ രോഗിയുടെ രോഗനിർണയം പ്രവചിക്കാൻ lncRNA അടിസ്ഥാനമാക്കിയുള്ള ഒപ്പുകൾ സ്ഥാപിച്ചിട്ടുണ്ട്.പാൻക്രിയാറ്റിക് അഡിനോകാർസിനോമയിൽ ഒരു 3-lncRNA സിഗ്നേച്ചർ സ്ഥാപിച്ചു, ROC കർവിന് (AUC) കീഴിലുള്ള വിസ്തീർണ്ണം 0.742 മാത്രമുള്ളതും 3 വർഷത്തെ മൊത്തത്തിലുള്ള അതിജീവനവും (OS) ആണ് [15].കൂടാതെ, lncRNA എക്സ്പ്രഷൻ മൂല്യങ്ങൾ വ്യത്യസ്ത ജീനോമുകൾ, വ്യത്യസ്ത ഡാറ്റ ഫോർമാറ്റുകൾ, വ്യത്യസ്ത രോഗികൾ എന്നിവയിൽ വ്യത്യാസപ്പെട്ടിരിക്കുന്നു, കൂടാതെ പ്രവചന മോഡലിന്റെ പ്രകടനം അസ്ഥിരമാണ്.അതിനാൽ, കൂടുതൽ കൃത്യവും സുസ്ഥിരവുമായ പ്രവചന മാതൃക സൃഷ്ടിക്കുന്നതിന് പ്രതിരോധശേഷിയുമായി ബന്ധപ്പെട്ട lncRNA (irlncRNA) ഒപ്പുകൾ സൃഷ്ടിക്കുന്നതിന് ഞങ്ങൾ ഒരു പുതിയ മോഡലിംഗ് അൽഗോരിതം, ജോടിയാക്കൽ, ആവർത്തനം എന്നിവ ഉപയോഗിക്കുന്നു [8].
നോർമലൈസ്ഡ് ആർഎൻഎസെക് ഡാറ്റയും (എഫ്പികെഎം) ക്ലിനിക്കൽ പാൻക്രിയാറ്റിക് ക്യാൻസർ ടിസിജിഎയും ജിനോടൈപ്പ് ടിഷ്യു എക്സ്പ്രഷൻ (ജിടിഎക്സ്) ഡാറ്റയും യുസിഎസ്‌സി XENA ഡാറ്റാബേസിൽ (https://xenabrowser.net/datapages/) നിന്ന് ലഭിച്ചു.എൻസെംബ്ൾ ഡാറ്റാബേസിൽ നിന്ന് (http://asia.ensembl.org) GTF ഫയലുകൾ ലഭിച്ചു, RNAseq-ൽ നിന്ന് lncRNA എക്സ്പ്രഷൻ പ്രൊഫൈലുകൾ വേർതിരിച്ചെടുക്കാൻ ഉപയോഗിച്ചു.ImmPort ഡാറ്റാബേസിൽ നിന്ന് (http://www.immport.org) പ്രതിരോധശേഷിയുമായി ബന്ധപ്പെട്ട ജീനുകൾ ഞങ്ങൾ ഡൗൺലോഡ് ചെയ്യുകയും പരസ്പര ബന്ധ വിശകലനം (p <0.001, r > 0.4) ഉപയോഗിച്ച് പ്രതിരോധശേഷിയുമായി ബന്ധപ്പെട്ട lncRNA-കൾ (irlncRNAs) തിരിച്ചറിയുകയും ചെയ്തു.TCGA-PAAD കൂട്ടുകെട്ടിൽ (|FlogDCR > 1 and FlogDR > ) <0.05).
ഈ രീതി മുമ്പ് റിപ്പോർട്ട് ചെയ്യപ്പെട്ടിട്ടുണ്ട് [8].പ്രത്യേകമായി, ജോടിയാക്കിയ lncRNA A, lncRNA B എന്നിവയ്‌ക്ക് പകരമായി ഞങ്ങൾ X നിർമ്മിക്കുന്നു. lncRNA A യുടെ എക്‌സ്‌പ്രഷൻ മൂല്യം lncRNA B-യുടെ എക്‌സ്‌പ്രഷൻ മൂല്യത്തേക്കാൾ കൂടുതലാണെങ്കിൽ, X എന്നത് 1 ആയി നിർവചിക്കപ്പെടും, അല്ലാത്തപക്ഷം X എന്നത് 0 ആയി നിർവചിക്കപ്പെടുന്നു. അതിനാൽ, നമുക്ക് ലഭിക്കും 0 അല്ലെങ്കിൽ – 1 എന്ന മാട്രിക്സ്. മാട്രിക്സിന്റെ ലംബ അക്ഷം ഓരോ സാമ്പിളിനെയും പ്രതിനിധീകരിക്കുന്നു, തിരശ്ചീന അക്ഷം 0 അല്ലെങ്കിൽ 1 മൂല്യമുള്ള ഓരോ DEirlncRNA ജോഡിയെയും പ്രതിനിധീകരിക്കുന്നു.
പ്രോഗ്‌നോസ്റ്റിക് DEirlncRNA ജോഡികൾ സ്‌ക്രീൻ ചെയ്യാൻ ലാസ്സോ റിഗ്രഷൻ പിന്തുടരുന്ന ഏകീകൃത റിഗ്രഷൻ വിശകലനം ഉപയോഗിച്ചു.ലാസ്സോ റിഗ്രഷൻ വിശകലനം 10-മടങ്ങ് ക്രോസ്-വാലിഡേഷൻ 1000 തവണ ആവർത്തിച്ചു (p <0.05), ഓരോ ഓട്ടത്തിനും 1000 ക്രമരഹിതമായ ഉത്തേജനങ്ങൾ.ഓരോ DEirlncRNA ജോഡിയുടെയും ആവൃത്തി 1000 സൈക്കിളുകളിൽ 100 ​​മടങ്ങ് കവിഞ്ഞപ്പോൾ, ഒരു പ്രോഗ്നോസ്റ്റിക് റിസ്ക് മോഡൽ നിർമ്മിക്കാൻ DEirlncRNA ജോഡികൾ തിരഞ്ഞെടുത്തു.PAAD രോഗികളെ ഉയർന്നതും കുറഞ്ഞ അപകടസാധ്യതയുള്ളതുമായ ഗ്രൂപ്പുകളായി തരംതിരിക്കുന്നതിനുള്ള ഒപ്റ്റിമൽ കട്ട്ഓഫ് മൂല്യം കണ്ടെത്താൻ ഞങ്ങൾ AUC കർവ് ഉപയോഗിച്ചു.ഓരോ മോഡലിന്റെയും AUC മൂല്യവും ഒരു വക്രമായി കണക്കാക്കുകയും പ്ലോട്ട് ചെയ്യുകയും ചെയ്തു.പരമാവധി AUC മൂല്യം സൂചിപ്പിക്കുന്ന ഏറ്റവും ഉയർന്ന പോയിന്റിൽ വക്രം എത്തുകയാണെങ്കിൽ, കണക്കുകൂട്ടൽ പ്രക്രിയ നിർത്തുകയും മോഡൽ മികച്ച സ്ഥാനാർത്ഥിയായി കണക്കാക്കുകയും ചെയ്യുന്നു.1-, 3-, 5-വർഷ ROC കർവ് മോഡലുകൾ നിർമ്മിച്ചു.പ്രോഗ്നോസ്റ്റിക് റിസ്ക് മോഡലിന്റെ സ്വതന്ത്ര പ്രവചന പ്രകടനം പരിശോധിക്കാൻ യൂണിവേരിയേറ്റ്, മൾട്ടിവാരിയേറ്റ് റിഗ്രഷൻ വിശകലനങ്ങൾ ഉപയോഗിച്ചു.
XCELL, TIMER, QUANTISEQ, MCPCOUNTER, EPIC, CIBERSORT-ABS, CIBERSORT എന്നിവയുൾപ്പെടെയുള്ള പ്രതിരോധ കോശങ്ങളുടെ നുഴഞ്ഞുകയറ്റ നിരക്ക് പഠിക്കാൻ ഏഴ് ഉപകരണങ്ങൾ ഉപയോഗിക്കുക.TIMER2 ഡാറ്റാബേസിൽ നിന്ന് (http://timer.comp-genomics.org/#tab-5817-3) രോഗപ്രതിരോധ കോശ നുഴഞ്ഞുകയറ്റ ഡാറ്റ ഡൗൺലോഡ് ചെയ്‌തു.നിർമ്മിച്ച മോഡലിന്റെ ഉയർന്നതും കുറഞ്ഞതുമായ അപകടസാധ്യതയുള്ള ഗ്രൂപ്പുകൾ തമ്മിലുള്ള രോഗപ്രതിരോധ-നുഴഞ്ഞുകയറ്റ കോശങ്ങളുടെ ഉള്ളടക്കത്തിലെ വ്യത്യാസം വിൽകോക്സൺ സൈൻഡ് റാങ്ക് ടെസ്റ്റ് ഉപയോഗിച്ച് വിശകലനം ചെയ്തു, ഫലങ്ങൾ സ്ക്വയർ ഗ്രാഫിൽ കാണിച്ചിരിക്കുന്നു.റിസ്ക് സ്കോർ മൂല്യങ്ങളും രോഗപ്രതിരോധ-നുഴഞ്ഞുകയറ്റ കോശങ്ങളും തമ്മിലുള്ള ബന്ധം വിശകലനം ചെയ്യുന്നതിനായി സ്പിയർമാൻ കോറിലേഷൻ വിശകലനം നടത്തി.തത്ഫലമായുണ്ടാകുന്ന പരസ്പര ബന്ധ ഗുണകം ഒരു ലോലിപോപ്പ് ആയി കാണിക്കുന്നു.പ്രാധാന്യത്തിന്റെ പരിധി p <0.05 ആയി സജ്ജീകരിച്ചു.R പാക്കേജ് ggplot2 ഉപയോഗിച്ചാണ് നടപടിക്രമം നടത്തിയത്.രോഗപ്രതിരോധ കോശങ്ങളുടെ നുഴഞ്ഞുകയറ്റ നിരക്കുമായി ബന്ധപ്പെട്ട മോഡലും ജീൻ എക്സ്പ്രഷൻ ലെവലും തമ്മിലുള്ള ബന്ധം പരിശോധിക്കാൻ, ഞങ്ങൾ ggstatsplot പാക്കേജും വയലിൻ പ്ലോട്ട് വിഷ്വലൈസേഷനും നടത്തി.
പാൻക്രിയാറ്റിക് ക്യാൻസറിനുള്ള ക്ലിനിക്കൽ ചികിത്സാ രീതികൾ വിലയിരുത്തുന്നതിന്, TCGA-PAAD കൂട്ടുകെട്ടിൽ സാധാരണയായി ഉപയോഗിക്കുന്ന കീമോതെറാപ്പി മരുന്നുകളുടെ IC50 ഞങ്ങൾ കണക്കാക്കി.ഉയർന്നതും കുറഞ്ഞതുമായ അപകടസാധ്യതയുള്ള ഗ്രൂപ്പുകൾ തമ്മിലുള്ള ഹാഫ് ഇൻഹിബിറ്ററി കോൺസൺട്രേഷനുകളിലെ (IC50) വ്യത്യാസങ്ങൾ വിൽകോക്സൺ സൈൻഡ് റാങ്ക് ടെസ്റ്റ് ഉപയോഗിച്ച് താരതമ്യം ചെയ്തു, കൂടാതെ R-ലെ pRRophetic, ggplot2 എന്നിവ ഉപയോഗിച്ച് സൃഷ്ടിച്ച ബോക്സ്പ്ലോട്ടുകളായി ഫലങ്ങൾ കാണിക്കുന്നു. എല്ലാ രീതികളും പ്രസക്തമായ മാർഗ്ഗനിർദ്ദേശങ്ങളും മാനദണ്ഡങ്ങളും പാലിക്കുന്നു.
ഞങ്ങളുടെ പഠനത്തിന്റെ വർക്ക്ഫ്ലോ ചിത്രം 1-ൽ കാണിച്ചിരിക്കുന്നു. lncRNA-കളും പ്രതിരോധശേഷിയുമായി ബന്ധപ്പെട്ട ജീനുകളും തമ്മിലുള്ള പരസ്പര ബന്ധ വിശകലനം ഉപയോഗിച്ച്, p <0.01 ഉം r > 0.4 ഉം ഉള്ള 724 irlncRNA-കൾ ഞങ്ങൾ തിരഞ്ഞെടുത്തു.ഞങ്ങൾ അടുത്തതായി GEPIA2-ന്റെ വ്യത്യസ്തമായി പ്രകടിപ്പിക്കുന്ന lncRNA-കൾ വിശകലനം ചെയ്തു (ചിത്രം 2A).പാൻക്രിയാറ്റിക് അഡിനോകാർസിനോമയ്ക്കും സാധാരണ പാൻക്രിയാറ്റിക് ടിഷ്യുവിനും (|logFC| > 1, FDR <0.05), DEirlncRNAs എന്ന് പേരിട്ടിരിക്കുന്ന 223 irlncRNA-കൾ വ്യത്യസ്തമായി പ്രകടിപ്പിക്കപ്പെട്ടു.
പ്രവചനാത്മക അപകടസാധ്യത മോഡലുകളുടെ നിർമ്മാണം.(A) വ്യത്യസ്തമായി പ്രകടിപ്പിക്കുന്ന lncRNA-കളുടെ അഗ്നിപർവ്വത പ്ലോട്ട്.(B) 20 DEirlncRNA ജോഡികൾക്കായുള്ള ലാസ്സോ ഗുണകങ്ങളുടെ വിതരണം.(C) LASSO കോഫിഫിഷ്യന്റ് വിതരണത്തിന്റെ ഭാഗിക സാധ്യത വ്യത്യാസം.(D) 20 DEirlncRNA ജോഡികളുടെ ഏകീകൃത റിഗ്രഷൻ വിശകലനം കാണിക്കുന്ന ഫോറസ്റ്റ് പ്ലോട്ട്.
223 DEirlncRNAകൾ ജോടിയാക്കി ഞങ്ങൾ അടുത്തതായി 0 അല്ലെങ്കിൽ 1 മാട്രിക്സ് നിർമ്മിച്ചു.ആകെ 13,687 DEirlncRNA ജോഡികളെ തിരിച്ചറിഞ്ഞു.ഏകീകൃതവും ലാസ്സോ റിഗ്രഷൻ വിശകലനത്തിനും ശേഷം, 20 DEirlncRNA ജോഡികൾ ഒരു പ്രോഗ്നോസ്റ്റിക് റിസ്ക് മോഡൽ നിർമ്മിക്കുന്നതിനായി ഒടുവിൽ പരീക്ഷിച്ചു (ചിത്രം 2B-D).ലാസ്സോയുടെയും മൾട്ടിപ്പിൾ റിഗ്രഷൻ വിശകലനത്തിന്റെയും ഫലങ്ങൾ അടിസ്ഥാനമാക്കി, TCGA-PAAD കൂട്ടുകെട്ടിലെ ഓരോ രോഗിക്കും ഞങ്ങൾ ഒരു റിസ്ക് സ്കോർ കണക്കാക്കി (പട്ടിക 1).ലാസോ റിഗ്രഷൻ വിശകലനത്തിന്റെ ഫലങ്ങളെ അടിസ്ഥാനമാക്കി, TCGA-PAAD കൂട്ടുകെട്ടിലെ ഓരോ രോഗിക്കും ഞങ്ങൾ ഒരു റിസ്ക് സ്കോർ കണക്കാക്കി.ROC വക്രത്തിന്റെ AUC 1 വർഷത്തെ റിസ്ക് മോഡൽ പ്രവചനത്തിന് 0.905 ആയിരുന്നു, 2 വർഷത്തെ പ്രവചനത്തിന് 0.942, 3 വർഷത്തെ പ്രവചനത്തിന് 0.966 (ചിത്രം 3A-B).ഞങ്ങൾ 3.105 എന്ന ഒപ്റ്റിമൽ കട്ട്ഓഫ് മൂല്യം സജ്ജീകരിച്ചു, TCGA-PAAD കോഹോർട്ട് രോഗികളെ ഉയർന്നതും കുറഞ്ഞതുമായ അപകടസാധ്യതയുള്ള ഗ്രൂപ്പുകളായി തരംതിരിച്ചു, കൂടാതെ ഓരോ രോഗിക്കും അതിജീവന ഫലങ്ങളും അപകടസാധ്യതയുള്ള സ്കോർ വിതരണങ്ങളും ആസൂത്രണം ചെയ്തു (ചിത്രം 3C-E).ഉയർന്ന അപകടസാധ്യതയുള്ള ഗ്രൂപ്പിലെ PAAD രോഗികളുടെ അതിജീവനം കുറഞ്ഞ അപകടസാധ്യതയുള്ള ഗ്രൂപ്പിലെ (p <0.001) രോഗികളേക്കാൾ വളരെ കുറവാണെന്ന് കപ്ലാൻ-മെയർ വിശകലനം കാണിക്കുന്നു (ചിത്രം 3F).
പ്രോഗ്നോസ്റ്റിക് റിസ്ക് മോഡലുകളുടെ സാധുത.(എ) പ്രോഗ്നോസ്റ്റിക് റിസ്ക് മോഡലിന്റെ ROC.(B) 1-, 2-, 3-വർഷ ROC പ്രോഗ്നോസ്റ്റിക് റിസ്ക് മോഡലുകൾ.(സി) പ്രോഗ്നോസ്റ്റിക് റിസ്ക് മോഡലിന്റെ ROC.ഒപ്റ്റിമൽ കട്ട് ഓഫ് പോയിന്റ് കാണിക്കുന്നു.(DE) അതിജീവന നില (D), റിസ്ക് സ്കോറുകൾ (E) എന്നിവയുടെ വിതരണം.(എഫ്) ഉയർന്നതും കുറഞ്ഞതുമായ അപകടസാധ്യതയുള്ള ഗ്രൂപ്പുകളിലെ PAAD 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.പ്രത്യേകിച്ചും, പ്രായമായ രോഗികൾക്ക് ഉയർന്ന അപകടസാധ്യതയുള്ള സ്കോറുകൾ ഉണ്ടായിരുന്നു (ചിത്രം 4 ബി).കൂടാതെ, സ്റ്റേജ് I (ചിത്രം 4C) ഉള്ള രോഗികളേക്കാൾ സ്റ്റേജ് II ഉള്ള രോഗികൾക്ക് ഉയർന്ന റിസ്ക് സ്കോറുകൾ ഉണ്ടായിരുന്നു.PAAD രോഗികളിലെ ട്യൂമർ ഗ്രേഡിനെ സംബന്ധിച്ച്, ഗ്രേഡ് 3 രോഗികൾക്ക് ഗ്രേഡ് 1, 2 രോഗികളേക്കാൾ ഉയർന്ന റിസ്ക് സ്കോറുകൾ ഉണ്ടായിരുന്നു (ചിത്രം 4D).PAAD ഉള്ള രോഗികളിൽ റിസ്‌ക് സ്‌കോറും (p <0.001) പ്രായവും (p = 0.045) സ്വതന്ത്രമായ പ്രോഗ്‌നോസ്റ്റിക് ഘടകങ്ങളാണെന്ന് ഞങ്ങൾ ഏകീകൃതവും മൾട്ടിവേരിയേറ്റ് റിഗ്രഷൻ വിശകലനങ്ങളും നടത്തുകയും തെളിയിക്കുകയും ചെയ്തു (ചിത്രം 5A-B).PAAD ഉള്ള രോഗികളുടെ 1-, 2-, 3 വർഷത്തെ അതിജീവനം പ്രവചിക്കുന്നതിൽ റിസ്ക് സ്കോർ മറ്റ് ക്ലിനിക്കൽ സ്വഭാവസവിശേഷതകളേക്കാൾ മികച്ചതാണെന്ന് ROC കർവ് തെളിയിച്ചു (ചിത്രം 5C-E).
പ്രോഗ്നോസ്റ്റിക് റിസ്ക് മോഡലുകളുടെ ക്ലിനിക്കൽ സവിശേഷതകൾ.ഹിസ്റ്റോഗ്രാം (എ) കാണിക്കുന്നത് (ബി) പ്രായം, (സി) ട്യൂമർ സ്റ്റേജ്, (ഡി) ട്യൂമർ ഗ്രേഡ്, റിസ്ക് സ്കോർ, ടിസിജിഎ-പാഡ് കോഹോർട്ടിലെ രോഗികളുടെ ലിംഗഭേദം.**p <0.01
പ്രോഗ്നോസ്റ്റിക് റിസ്ക് മോഡലുകളുടെ സ്വതന്ത്ര പ്രവചന വിശകലനം.(എബി) യൂണിവേരിയേറ്റ് (എ), മൾട്ടിവാരിയേറ്റ് (ബി) റിഗ്രഷൻ വിശകലനങ്ങൾ പ്രോഗ്നോസ്റ്റിക് റിസ്ക് മോഡലുകളുടെയും ക്ലിനിക്കൽ സ്വഭാവസവിശേഷതകളുടെയും.(CE) പ്രോഗ്‌നോസ്റ്റിക് റിസ്ക് മോഡലുകൾക്കും ക്ലിനിക്കൽ സവിശേഷതകൾക്കുമായി 1-, 2-, 3-വർഷ ROC
അതിനാൽ, സമയവും അപകടസാധ്യതയുള്ള സ്‌കോറുകളും തമ്മിലുള്ള ബന്ധം ഞങ്ങൾ പരിശോധിച്ചു.PAAD രോഗികളിലെ റിസ്ക് 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 കോശങ്ങളുടെ നുഴഞ്ഞുകയറ്റത്തിലെ വ്യത്യാസവും ഞങ്ങൾ വിലയിരുത്തി, അതേ ഫലങ്ങൾ കണ്ടെത്തി (ചിത്രം 7).ഉയർന്ന അപകടസാധ്യതയുള്ള ഗ്രൂപ്പിൽ CD8+ T സെല്ലുകളുടെയും NK സെല്ലുകളുടെയും നുഴഞ്ഞുകയറ്റം കുറവായിരുന്നു.സമീപ വർഷങ്ങളിൽ, ഇമ്യൂൺ ചെക്ക്‌പോയിന്റ് ഇൻഹിബിറ്ററുകൾ (ഐസിഐ) ഖര മുഴകളുടെ ചികിത്സയിൽ വ്യാപകമായി ഉപയോഗിച്ചുവരുന്നു.എന്നിരുന്നാലും, പാൻക്രിയാറ്റിക് ക്യാൻസറിൽ ഐസിഐകളുടെ ഉപയോഗം അപൂർവ്വമായി മാത്രമേ വിജയിച്ചിട്ടുള്ളൂ.അതിനാൽ, ഉയർന്നതും കുറഞ്ഞതുമായ അപകടസാധ്യതയുള്ള ഗ്രൂപ്പുകളിലെ രോഗപ്രതിരോധ പരിശോധനാ ജീനുകളുടെ പ്രകടനത്തെ ഞങ്ങൾ വിലയിരുത്തി.അപകടസാധ്യത കുറഞ്ഞ ഗ്രൂപ്പിൽ (ചിത്രം 6B-G) CTLA-4, CD161 (KLRB1) എന്നിവ അമിതമായി പ്രകടമാക്കിയതായി ഞങ്ങൾ കണ്ടെത്തി, കുറഞ്ഞ അപകടസാധ്യതയുള്ള ഗ്രൂപ്പിലെ PAAD രോഗികൾ ICI-യോട് സംവേദനക്ഷമതയുള്ളവരായിരിക്കുമെന്ന് ഇത് സൂചിപ്പിക്കുന്നു.
പ്രോഗ്നോസ്റ്റിക് റിസ്ക് മോഡലിന്റെയും രോഗപ്രതിരോധ കോശങ്ങളുടെ നുഴഞ്ഞുകയറ്റത്തിന്റെയും പരസ്പര ബന്ധ വിശകലനം.(എ) പ്രോഗ്നോസ്റ്റിക് റിസ്ക് മോഡലും ഇമ്മ്യൂൺ സെൽ നുഴഞ്ഞുകയറ്റവും തമ്മിലുള്ള പരസ്പരബന്ധം.(BG) ഉയർന്നതും കുറഞ്ഞതുമായ അപകടസാധ്യതയുള്ള ഗ്രൂപ്പുകളിലെ ജീൻ എക്സ്പ്രഷൻ സൂചിപ്പിക്കുന്നു.(HK) ഉയർന്നതും കുറഞ്ഞതുമായ അപകടസാധ്യതയുള്ള ഗ്രൂപ്പുകളിലെ നിർദ്ദിഷ്ട ആൻറി കാൻസർ മരുന്നുകൾക്കുള്ള IC50 മൂല്യങ്ങൾ.*p <0.05, **p <0.01, ns = കാര്യമായതല്ല
TCGA-PAAD കൂട്ടുകെട്ടിലെ റിസ്ക് സ്കോറുകളും സാധാരണ കീമോതെറാപ്പി ഏജന്റുമാരും തമ്മിലുള്ള ബന്ധം ഞങ്ങൾ കൂടുതൽ വിലയിരുത്തി.പാൻക്രിയാറ്റിക് ക്യാൻസറിൽ സാധാരണയായി ഉപയോഗിക്കുന്ന ആൻറി കാൻസർ മരുന്നുകൾക്കായി ഞങ്ങൾ തിരയുകയും ഉയർന്നതും കുറഞ്ഞതുമായ റിസ്ക് ഗ്രൂപ്പുകൾക്കിടയിൽ അവയുടെ IC50 മൂല്യങ്ങളിലെ വ്യത്യാസങ്ങൾ വിശകലനം ചെയ്യുകയും ചെയ്തു.ഉയർന്ന അപകടസാധ്യതയുള്ള ഗ്രൂപ്പിൽ AZD.2281 (olaparib) ന്റെ IC50 മൂല്യം കൂടുതലാണെന്ന് ഫലങ്ങൾ കാണിക്കുന്നു, ഉയർന്ന അപകടസാധ്യതയുള്ള ഗ്രൂപ്പിലെ PAAD രോഗികൾക്ക് AZD.2281 ചികിത്സയെ പ്രതിരോധിക്കാൻ കഴിയുമെന്ന് ഇത് സൂചിപ്പിക്കുന്നു (ചിത്രം 6H).കൂടാതെ, ഉയർന്ന അപകടസാധ്യതയുള്ള ഗ്രൂപ്പിൽ paclitaxel, sorafenib, erlotinib എന്നിവയുടെ IC50 മൂല്യങ്ങൾ കുറവായിരുന്നു (ചിത്രം 6I-K).ഉയർന്ന അപകടസാധ്യതയുള്ള ഗ്രൂപ്പിൽ ഉയർന്ന IC50 മൂല്യങ്ങളുള്ള 34 കാൻസർ മരുന്നുകളും ഉയർന്ന അപകടസാധ്യതയുള്ള ഗ്രൂപ്പിൽ കുറഞ്ഞ IC50 മൂല്യങ്ങളുള്ള 34 ആൻറി കാൻസർ മരുന്നുകളും ഞങ്ങൾ തിരിച്ചറിഞ്ഞു (പട്ടിക 2).
എൽഎൻസിആർഎൻഎ, എംആർഎൻഎ, മൈആർഎൻഎ എന്നിവ വ്യാപകമായി നിലവിലുണ്ടെന്നും കാൻസർ വികസനത്തിൽ നിർണായക പങ്കുവഹിക്കുന്നുവെന്നും നിഷേധിക്കാനാവില്ല.പല തരത്തിലുള്ള ക്യാൻസറുകളിലും മൊത്തത്തിലുള്ള അതിജീവനം പ്രവചിക്കുന്നതിൽ mRNA അല്ലെങ്കിൽ miRNA യുടെ പ്രധാന പങ്കിനെ പിന്തുണയ്ക്കുന്ന ധാരാളം തെളിവുകൾ ഉണ്ട്.സംശയമില്ല, പല പ്രോഗ്നോസ്റ്റിക് റിസ്ക് മോഡലുകളും lncRNA-കളെ അടിസ്ഥാനമാക്കിയുള്ളതാണ്.ഉദാഹരണത്തിന്, Luo et al.പിസി വ്യാപനത്തിലും മെറ്റാസ്റ്റാസിസിലും LINC01094 ഒരു പ്രധാന പങ്ക് വഹിക്കുന്നുണ്ടെന്ന് പഠനങ്ങൾ തെളിയിച്ചിട്ടുണ്ട്, കൂടാതെ LINC01094 ന്റെ ഉയർന്ന പ്രകടനമാണ് പാൻക്രിയാറ്റിക് ക്യാൻസർ രോഗികളുടെ മോശം നിലനിൽപ്പ് സൂചിപ്പിക്കുന്നത് [16].ലിൻ തുടങ്ങിയവർ അവതരിപ്പിച്ച പഠനം.lncRNA FLVCR1-AS1 കുറയ്ക്കുന്നത് പാൻക്രിയാറ്റിക് ക്യാൻസർ രോഗികളിൽ മോശം രോഗനിർണയവുമായി ബന്ധപ്പെട്ടിരിക്കുന്നുവെന്ന് പഠനങ്ങൾ തെളിയിച്ചിട്ടുണ്ട് [17].എന്നിരുന്നാലും, കാൻസർ രോഗികളുടെ മൊത്തത്തിലുള്ള അതിജീവനം പ്രവചിക്കുന്ന കാര്യത്തിൽ പ്രതിരോധശേഷിയുമായി ബന്ധപ്പെട്ട lncRNA കൾ താരതമ്യേന കുറവാണ്.അടുത്തിടെ, കാൻസർ രോഗികളുടെ അതിജീവനം പ്രവചിക്കുന്നതിനും അതുവഴി ചികിത്സാ രീതികൾ ക്രമീകരിക്കുന്നതിനുമുള്ള പ്രോഗ്നോസ്റ്റിക് റിസ്ക് മോഡലുകൾ നിർമ്മിക്കുന്നതിൽ വലിയ തോതിലുള്ള പ്രവർത്തനങ്ങൾ ശ്രദ്ധ കേന്ദ്രീകരിച്ചു [18, 19, 20].കാൻസർ ആരംഭം, പുരോഗതി, കീമോതെറാപ്പി പോലുള്ള ചികിത്സകളോടുള്ള പ്രതികരണം എന്നിവയിൽ രോഗപ്രതിരോധ കുത്തിവയ്പ്പുകളുടെ പ്രധാന പങ്കിനെക്കുറിച്ച് വർദ്ധിച്ചുവരുന്ന അംഗീകാരമുണ്ട്.സൈറ്റോടോക്സിക് കീമോതെറാപ്പിയുടെ പ്രതികരണത്തിൽ ട്യൂമർ നുഴഞ്ഞുകയറുന്ന രോഗപ്രതിരോധ കോശങ്ങൾ നിർണായക പങ്ക് വഹിക്കുന്നുണ്ടെന്ന് നിരവധി പഠനങ്ങൾ സ്ഥിരീകരിച്ചിട്ടുണ്ട് [21, 22, 23].ട്യൂമർ ഇമ്മ്യൂൺ മൈക്രോ എൻവയോൺമെന്റ് ട്യൂമർ രോഗികളുടെ നിലനിൽപ്പിന് ഒരു പ്രധാന ഘടകമാണ് [24, 25].ഇമ്മ്യൂണോതെറാപ്പി, പ്രത്യേകിച്ച് ഐസിഐ തെറാപ്പി, സോളിഡ് ട്യൂമറുകളുടെ ചികിത്സയിൽ വ്യാപകമായി ഉപയോഗിക്കുന്നു [26].രോഗപ്രതിരോധവുമായി ബന്ധപ്പെട്ട ജീനുകൾ പ്രോഗ്നോസ്റ്റിക് റിസ്ക് മോഡലുകൾ നിർമ്മിക്കാൻ വ്യാപകമായി ഉപയോഗിക്കുന്നു.ഉദാഹരണത്തിന്, Su et al.അണ്ഡാശയ ക്യാൻസർ രോഗികളുടെ രോഗനിർണയം പ്രവചിക്കാൻ പ്രോട്ടീൻ-കോഡിംഗ് ജീനുകളെ അടിസ്ഥാനമാക്കിയുള്ളതാണ് രോഗപ്രതിരോധ സംബന്ധിയായ പ്രോഗ്നോസ്റ്റിക് റിസ്ക് മോഡൽ [27].lncRNAകൾ പോലുള്ള നോൺ-കോഡിംഗ് ജീനുകളും പ്രോഗ്നോസ്റ്റിക് റിസ്ക് മോഡലുകൾ നിർമ്മിക്കുന്നതിന് അനുയോജ്യമാണ് [28, 29, 30].Luo et al നാല് രോഗപ്രതിരോധ സംബന്ധിയായ lncRNA-കൾ പരീക്ഷിക്കുകയും സെർവിക്കൽ ക്യാൻസർ സാധ്യതയെ കുറിച്ച് ഒരു പ്രവചന മാതൃക നിർമ്മിക്കുകയും ചെയ്തു [31].ഖാൻ തുടങ്ങിയവർ.വ്യത്യസ്‌തമായി പ്രകടിപ്പിക്കപ്പെട്ട മൊത്തം 32 ട്രാൻസ്‌ക്രിപ്‌റ്റുകൾ തിരിച്ചറിഞ്ഞു, ഇതിനെ അടിസ്ഥാനമാക്കി, 5 സുപ്രധാന ട്രാൻസ്‌ക്രിപ്‌റ്റുകളുള്ള ഒരു പ്രവചന മാതൃക സ്ഥാപിച്ചു, ഇത് വൃക്ക മാറ്റിവയ്ക്കലിനുശേഷം ബയോപ്‌സി തെളിയിക്കപ്പെട്ട നിശിത തിരസ്‌കരണം പ്രവചിക്കുന്നതിനുള്ള ഉയർന്ന ശുപാർശിത ഉപകരണമായി നിർദ്ദേശിക്കപ്പെട്ടു [32].
ഈ മോഡലുകളിൽ ഭൂരിഭാഗവും പ്രോട്ടീൻ-കോഡിംഗ് ജീനുകൾ അല്ലെങ്കിൽ നോൺ-കോഡിംഗ് ജീനുകൾ എന്നിവയെ അടിസ്ഥാനമാക്കിയുള്ളതാണ്.എന്നിരുന്നാലും, ഒരേ ജീനിന് വ്യത്യസ്‌ത ജീനോമുകളിലും ഡാറ്റാ ഫോർമാറ്റുകളിലും വ്യത്യസ്‌ത രോഗികളിലും വ്യത്യസ്‌ത എക്‌സ്‌പ്രഷൻ മൂല്യങ്ങൾ ഉണ്ടായിരിക്കാം, ഇത് പ്രവചന മാതൃകകളിൽ അസ്ഥിരമായ കണക്കുകൂട്ടലുകളിലേക്ക് നയിക്കുന്നു.ഈ പഠനത്തിൽ, കൃത്യമായ എക്സ്പ്രഷൻ മൂല്യങ്ങളിൽ നിന്ന് വ്യത്യസ്തമായി രണ്ട് ജോഡി lncRNA-കൾ ഉള്ള ഒരു ന്യായമായ മാതൃക ഞങ്ങൾ നിർമ്മിച്ചു.
ഈ പഠനത്തിൽ, പ്രതിരോധശേഷിയുമായി ബന്ധപ്പെട്ട ജീനുകളുമായുള്ള പരസ്പര ബന്ധ വിശകലനത്തിലൂടെ ഞങ്ങൾ ആദ്യമായി irlncRNA തിരിച്ചറിഞ്ഞു.വ്യത്യസ്‌തമായി പ്രകടിപ്പിക്കുന്ന lncRNA-കൾ ഉപയോഗിച്ച് ഹൈബ്രിഡൈസേഷൻ വഴി ഞങ്ങൾ 223 DEirlncRNA-കൾ സ്‌ക്രീൻ ചെയ്‌തു.രണ്ടാമതായി, പ്രസിദ്ധീകരിച്ച DEirlncRNA ജോടിയാക്കൽ രീതി [31] അടിസ്ഥാനമാക്കി ഞങ്ങൾ ഒരു 0-or-1 മാട്രിക്സ് നിർമ്മിച്ചു.പ്രോഗ്‌നോസ്റ്റിക് DEirlncRNA ജോഡികളെ തിരിച്ചറിയുന്നതിനും ഒരു പ്രവചനാത്മക റിസ്ക് മോഡൽ നിർമ്മിക്കുന്നതിനും ഞങ്ങൾ ഏകീകൃതവും ലാസോ റിഗ്രഷൻ വിശകലനങ്ങളും നടത്തി.PAAD ഉള്ള രോഗികളിൽ റിസ്ക് സ്കോറുകളും ക്ലിനിക്കൽ സവിശേഷതകളും തമ്മിലുള്ള ബന്ധം ഞങ്ങൾ കൂടുതൽ വിശകലനം ചെയ്തു.PAAD രോഗികളിൽ ഒരു സ്വതന്ത്ര പ്രോഗ്നോസ്റ്റിക് ഘടകം എന്ന നിലയിൽ ഞങ്ങളുടെ പ്രോഗ്നോസ്റ്റിക് റിസ്ക് മോഡലിന് ഉയർന്ന ഗ്രേഡ് രോഗികളെ താഴ്ന്ന ഗ്രേഡ് രോഗികളിൽ നിന്നും ഉയർന്ന ഗ്രേഡ് രോഗികളിൽ നിന്ന് താഴ്ന്ന ഗ്രേഡ് രോഗികളിൽ നിന്നും ഫലപ്രദമായി വേർതിരിക്കാൻ കഴിയുമെന്ന് ഞങ്ങൾ കണ്ടെത്തി.കൂടാതെ, പ്രോഗ്നോസ്റ്റിക് റിസ്ക് മോഡലിന്റെ ROC വക്രത്തിന്റെ AUC മൂല്യങ്ങൾ 1 വർഷത്തെ പ്രവചനത്തിന് 0.905, 2 വർഷത്തെ പ്രവചനത്തിന് 0.942, 3 വർഷത്തെ പ്രവചനത്തിന് 0.966 എന്നിങ്ങനെയായിരുന്നു.
ഉയർന്ന CD8+ T സെൽ നുഴഞ്ഞുകയറ്റം ഉള്ള രോഗികൾ 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 അടിച്ചമർത്തൽ ഫലത്തിന്റെ ഒരു കാരണമായിരിക്കാം [34].ട്യൂമർ നുഴഞ്ഞുകയറുന്ന സിഡി 4 (+) ടി, സിഡി 8 (+) ടി എന്നിവയുടെ ഉയർന്ന അളവുകൾ ദീർഘകാല നിലനിൽപ്പുമായി കാര്യമായി ബന്ധപ്പെട്ടിരിക്കുന്നുവെന്ന് മുൻ പഠനങ്ങൾ കാണിക്കുന്നു [35].മോശം CD8 T സെൽ നുഴഞ്ഞുകയറ്റം, കുറഞ്ഞ നിയോആന്റിജൻ ലോഡ്, ഉയർന്ന പ്രതിരോധശേഷിയുള്ള ട്യൂമർ മൈക്രോ എൻവയോൺമെന്റ് എന്നിവ ICI തെറാപ്പിയോടുള്ള പ്രതികരണത്തിന്റെ അഭാവത്തിലേക്ക് നയിക്കുന്നു [36].റിസ്ക് സ്കോർ CD8+ T സെല്ലുകളുമായും NK സെല്ലുകളുമായും പ്രതികൂലമായി ബന്ധപ്പെട്ടിരിക്കുന്നുവെന്ന് ഞങ്ങൾ കണ്ടെത്തി, ഉയർന്ന അപകടസാധ്യതയുള്ള സ്കോറുകളുള്ള രോഗികൾക്ക് ICI ചികിത്സയ്ക്ക് അനുയോജ്യമല്ലെന്നും മോശമായ രോഗനിർണയം ഉണ്ടെന്നും സൂചിപ്പിക്കുന്നു.
CD161 എന്നത് പ്രകൃതിദത്ത കൊലയാളി (NK) കോശങ്ങളുടെ അടയാളമാണ്.CD8+CD161+ CAR-ട്രാൻസ്‌ഡ്യൂസ്‌ഡ് T കോശങ്ങൾ HER2+ പാൻക്രിയാറ്റിക് ഡക്‌ടൽ അഡെനോകാർസിനോമ സെനോഗ്രാഫ്റ്റ് മോഡലുകളിൽ വിവോ ആന്റിട്യൂമർ കാര്യക്ഷമത വർദ്ധിപ്പിക്കുന്നു [37].ഇമ്യൂൺ ചെക്ക്‌പോയിന്റ് ഇൻഹിബിറ്ററുകൾ സൈറ്റോടോക്സിക് ടി ലിംഫോസൈറ്റ് അനുബന്ധ പ്രോട്ടീൻ 4 (CTLA-4), പ്രോഗ്രാം ചെയ്ത സെൽ ഡെത്ത് പ്രോട്ടീൻ 1 (PD-1)/പ്രോഗ്രാംഡ് സെൽ ഡെത്ത് ലിഗാൻഡ് 1 (PD-L1) പാതകൾ എന്നിവ ലക്ഷ്യമിടുന്നു, കൂടാതെ പല മേഖലകളിലും വലിയ സാധ്യതകളുമുണ്ട്.ഉയർന്ന അപകടസാധ്യതയുള്ള ഗ്രൂപ്പുകളിൽ CTLA-4, CD161 (KLRB1) എന്നിവയുടെ പ്രകടനങ്ങൾ കുറവാണ്, ഉയർന്ന അപകടസാധ്യതയുള്ള സ്കോറുകളുള്ള രോഗികൾക്ക് ഐസിഐ ചികിത്സയ്ക്ക് അർഹതയുണ്ടാകില്ലെന്നാണ് ഇത് സൂചിപ്പിക്കുന്നത്.[38]
ഉയർന്ന അപകടസാധ്യതയുള്ള രോഗികൾക്ക് അനുയോജ്യമായ ചികിത്സാ ഓപ്ഷനുകൾ കണ്ടെത്താൻ, ഞങ്ങൾ വിവിധ കാൻസർ മരുന്നുകൾ വിശകലനം ചെയ്യുകയും PAAD ഉള്ള രോഗികളിൽ വ്യാപകമായി ഉപയോഗിക്കുന്ന paclitaxel, sorafenib, erlotinib എന്നിവ PAAD ഉള്ള ഉയർന്ന അപകടസാധ്യതയുള്ള രോഗികൾക്ക് അനുയോജ്യമാകുമെന്ന് കണ്ടെത്തി.[33].ഏതെങ്കിലും ഡിഎൻഎ കേടുപാട് പ്രതികരണത്തിന്റെ (ഡിഡിആർ) പാത്ത്‌വേയിലെ മ്യൂട്ടേഷനുകൾ പ്രോസ്റ്റേറ്റ് കാൻസർ രോഗികളിൽ മോശമായ രോഗനിർണയത്തിന് കാരണമാകുമെന്ന് ഷാങ് മറ്റുള്ളവരും കണ്ടെത്തി [39].പാൻക്രിയാറ്റിക് ക്യാൻസർ ഓലപാരിബ് ഓൺഗോയിംഗ് (POLO) ട്രയൽ, പാൻക്രിയാറ്റിക് ഡക്റ്റൽ അഡിനോകാർസിനോമയും ജെർംലൈൻ ബിആർസിഎ1/2 മ്യൂട്ടേഷനുകളും ഉള്ള രോഗികളിൽ ഫസ്റ്റ്-ലൈൻ പ്ലാറ്റിനം അധിഷ്ഠിത കീമോതെറാപ്പിക്ക് ശേഷമുള്ള പ്ലാസിബോയുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ ഒലപാരിബ് നീണ്ടുനിൽക്കുന്ന പുരോഗതി-രഹിത അതിജീവനം കാണിക്കുന്നു [40].രോഗികളുടെ ഈ ഉപഗ്രൂപ്പിൽ ചികിത്സാ ഫലങ്ങൾ ഗണ്യമായി മെച്ചപ്പെടുമെന്ന കാര്യമായ ശുഭാപ്തിവിശ്വാസം ഇത് നൽകുന്നു.ഈ പഠനത്തിൽ, ഉയർന്ന അപകടസാധ്യതയുള്ള ഗ്രൂപ്പിൽ AZD.2281 (olaparib) ന്റെ IC50 മൂല്യം കൂടുതലാണ്, ഉയർന്ന അപകടസാധ്യതയുള്ള ഗ്രൂപ്പിലെ PAAD രോഗികൾക്ക് AZD.2281 ചികിത്സയെ പ്രതിരോധിക്കാൻ കഴിയുമെന്ന് ഇത് 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.എൻഡോസ്കോപ്പിക് ഫൈൻ നീഡിൽ ആസ്പിറേഷൻ അൾട്രാസോണോഗ്രാഫി (EUS-FNA) 85% സെൻസിറ്റിവിറ്റിയും 98% സ്പെസിഫിറ്റിയുമുള്ള സോളിഡ്, എക്സ്ട്രാ പാൻക്രിയാറ്റിക് പാൻക്രിയാറ്റിക് നിഖേദ് നിർണ്ണയിക്കുന്നതിനുള്ള ഒരു ഒഴിച്ചുകൂടാനാവാത്ത രീതിയായി മാറിയിരിക്കുന്നു [41].EUS ഫൈൻ-നീഡിൽ ബയോപ്‌സി (EUS-FNB) സൂചികളുടെ ആവിർഭാവം പ്രധാനമായും FNA-യെക്കാൾ ഉയർന്ന ഡയഗ്നോസ്റ്റിക് കൃത്യത, ഹിസ്റ്റോളജിക്കൽ ഘടനയെ സംരക്ഷിക്കുന്ന സാമ്പിളുകൾ നേടൽ, അങ്ങനെ ചില രോഗനിർണ്ണയങ്ങൾക്ക് നിർണായകമായ പ്രതിരോധ ടിഷ്യു ഉൽപ്പാദിപ്പിക്കൽ തുടങ്ങിയ ഗുണങ്ങളെ അടിസ്ഥാനമാക്കിയുള്ളതാണ്.പ്രത്യേക സ്റ്റെയിനിംഗ് [42].പാൻക്രിയാറ്റിക് പിണ്ഡത്തിൽ നിന്ന് ടിഷ്യു ശേഖരിക്കുന്നതിൽ FNB സൂചികൾ (പ്രത്യേകിച്ച് 22G) ഏറ്റവും ഉയർന്ന ദക്ഷത പ്രകടമാക്കുന്നുവെന്ന് സാഹിത്യത്തിന്റെ ഒരു ചിട്ടയായ അവലോകനം സ്ഥിരീകരിച്ചു [43].ക്ലിനിക്കൽ, വളരെ കുറച്ച് രോഗികൾക്ക് മാത്രമേ റാഡിക്കൽ സർജറിക്ക് അർഹതയുള്ളൂ, പ്രാഥമിക രോഗനിർണ്ണയ സമയത്ത് മിക്ക രോഗികൾക്കും പ്രവർത്തനരഹിതമായ മുഴകൾ ഉണ്ട്.ക്ലിനിക്കൽ പ്രാക്ടീസിൽ, രോഗികളിൽ ഒരു ചെറിയ അനുപാതം മാത്രമേ റാഡിക്കൽ സർജറിക്ക് അനുയോജ്യമാകൂ, കാരണം പ്രാഥമിക രോഗനിർണയ സമയത്ത് മിക്ക രോഗികൾക്കും പ്രവർത്തനരഹിതമായ മുഴകൾ ഉണ്ട്.EUS-FNB-യും മറ്റ് രീതികളും വഴി രോഗനിർണയം നടത്തിയ ശേഷം, കീമോതെറാപ്പി പോലെയുള്ള സ്റ്റാൻഡേർഡ് നോൺ-സർജിക്കൽ ചികിത്സ സാധാരണയായി തിരഞ്ഞെടുക്കപ്പെടുന്നു.ഞങ്ങളുടെ തുടർന്നുള്ള ഗവേഷണ പരിപാടി ഒരു മുൻകാല വിശകലനത്തിലൂടെ ഈ പഠനത്തിന്റെ പ്രോഗ്നോസ്റ്റിക് മോഡൽ സർജിക്കൽ, നോൺസർജിക്കൽ കൂട്ടുകെട്ടുകളിൽ പരീക്ഷിക്കുക എന്നതാണ്.
മൊത്തത്തിൽ, ഞങ്ങളുടെ പഠനം ജോടിയാക്കിയ irlncRNA അടിസ്ഥാനമാക്കി ഒരു പുതിയ പ്രോഗ്നോസ്റ്റിക് റിസ്ക് മോഡൽ സ്ഥാപിച്ചു, ഇത് പാൻക്രിയാറ്റിക് ക്യാൻസർ രോഗികളിൽ വാഗ്ദാനപരമായ മൂല്യം കാണിച്ചു.വൈദ്യചികിത്സയ്ക്ക് അനുയോജ്യമായ PAAD ഉള്ള രോഗികളെ വേർതിരിച്ചറിയാൻ ഞങ്ങളുടെ പ്രോഗ്നോസ്റ്റിക് റിസ്ക് മോഡൽ സഹായിച്ചേക്കാം.
നിലവിലെ പഠനത്തിൽ ഉപയോഗിക്കുന്നതും വിശകലനം ചെയ്തതുമായ ഡാറ്റാസെറ്റുകൾ ന്യായമായ അഭ്യർത്ഥന പ്രകാരം ബന്ധപ്പെട്ട രചയിതാവിൽ നിന്ന് ലഭ്യമാണ്.
Sui Wen, Gong X, Zhuang Y. COVID-19 പാൻഡെമിക് സമയത്ത് നെഗറ്റീവ് വികാരങ്ങളുടെ വൈകാരിക നിയന്ത്രണത്തിൽ സ്വയം-പ്രാപ്‌തതയുടെ മധ്യസ്ഥ പങ്ക്: ഒരു ക്രോസ്-സെക്ഷണൽ പഠനം.ഇന്റർ ജെ മെന്റ് ഹെൽത്ത് നഴ്‌സ് [ജേണൽ ലേഖനം].2021 06/01/2021;30(3):759–71.
Sui Wen, Gong X, Qiao X, Zhang L, Cheng J, Dong J, et al.തീവ്രപരിചരണ വിഭാഗങ്ങളിലെ ബദൽ തീരുമാനമെടുക്കുന്നതിനെക്കുറിച്ചുള്ള കുടുംബാംഗങ്ങളുടെ വീക്ഷണങ്ങൾ: ഒരു ചിട്ടയായ അവലോകനം.INT J NURS STUD [മാഗസിൻ ലേഖനം;അവലോകനം].2023 01/01/2023;137:104391.
വിൻസെന്റ് എ, ഹെർമൻ ജെ, ഷൂലിച്ച് ആർ, ഹ്രുബൻ ആർഎച്ച്, ഗോഗിൻസ് എം. പാൻക്രിയാറ്റിക് കാൻസർ.ലാൻസെറ്റ്.[ജേണൽ ലേഖനം;ഗവേഷണ പിന്തുണ, എൻഐഎച്ച്, എക്സ്ട്രാമുറൽ;ഗവേഷണ പിന്തുണ, യുഎസിനു പുറത്തുള്ള സർക്കാർ;അവലോകനം].2011 08/13/2011;378(9791):607–20.
Ilic M, Ilic I. പാൻക്രിയാറ്റിക് ക്യാൻസറിന്റെ എപ്പിഡെമിയോളജി.വേൾഡ് ജേണൽ ഓഫ് ഗ്യാസ്ട്രോഎൻട്രോളജി.[ജേണൽ ലേഖനം, അവലോകനം].2016 11/28/2016;22(44):9694–705.
Liu X, Chen B, Chen J, Sun S. പാൻക്രിയാറ്റിക് ക്യാൻസർ രോഗികളിൽ മൊത്തത്തിലുള്ള അതിജീവനം പ്രവചിക്കുന്നതിനുള്ള ഒരു പുതിയ tp53-അനുബന്ധ നോമോഗ്രാം.BMC കാൻസർ [ജേണൽ ലേഖനം].2021 31-03-2021;21(1):335.
Xian X, Zhu X, Chen Y, Huang B, Xiang W. കീമോതെറാപ്പി സ്വീകരിക്കുന്ന വൻകുടൽ കാൻസർ രോഗികളിൽ ക്യാൻസറുമായി ബന്ധപ്പെട്ട ക്ഷീണത്തിന് പരിഹാരം-കേന്ദ്രീകൃത തെറാപ്പിയുടെ പ്രഭാവം: ഒരു ക്രമരഹിതമായ നിയന്ത്രിത പരീക്ഷണം.കാൻസർ നഴ്സ്.[ജേണൽ ലേഖനം;ക്രമരഹിതമായ നിയന്ത്രിത ട്രയൽ;യുണൈറ്റഡ് സ്റ്റേറ്റ്സിന് പുറത്തുള്ള ഒരു സർക്കാർ ഈ പഠനത്തെ പിന്തുണയ്ക്കുന്നു].2022 05/01/2022;45(3):E663–73.
Zhang Cheng, Zheng Wen, Lu Y, Shan L, Xu Dong, Pan Y, et al.ശസ്ത്രക്രിയയ്ക്കു മുമ്പുള്ള സാധാരണ CEA ലെവലുകളുള്ള രോഗികളിൽ വൻകുടൽ കാൻസർ നീക്കം ചെയ്തതിന് ശേഷമുള്ള ശസ്ത്രക്രിയാനന്തര കാർസിനോംബ്രിയോണിക് ആന്റിജൻ (സിഇഎ) അളവ് പ്രവചിക്കുന്നു.വിവർത്തന കാൻസർ ഗവേഷണ കേന്ദ്രം.[ജേണൽ ലേഖനം].2020 01.01.2020;9(1):111–8.
ഹോങ് വെൻ, ലിയാങ് ലി, ഗു യു, ക്വി സി, ക്യു ഹുവ, യാങ് എക്സ്, തുടങ്ങിയവർ.ഇമ്മ്യൂണുമായി ബന്ധപ്പെട്ട lncRNA-കൾ പുതിയ സിഗ്നേച്ചറുകൾ സൃഷ്ടിക്കുകയും ഹ്യൂമൻ ഹെപ്പറ്റോസെല്ലുലാർ കാർസിനോമയുടെ രോഗപ്രതിരോധ ലാൻഡ്സ്കേപ്പ് പ്രവചിക്കുകയും ചെയ്യുന്നു.മോൾ തെർ ന്യൂക്ലിക് ആസിഡുകൾ [ജേണൽ ലേഖനം].2020 2020-12-04;22:937 - 47.
Toffey RJ, Zhu Y., Schulich RD പാൻക്രിയാറ്റിക് ക്യാൻസറിനുള്ള ഇമ്മ്യൂണോതെറാപ്പി: തടസ്സങ്ങളും മുന്നേറ്റങ്ങളും.ആൻ ഗ്യാസ്ട്രോഇന്റസ്റ്റൈനൽ സർജൻ [ജേണൽ ലേഖനം;അവലോകനം].2018 07/01/2018;2(4):274–81.
Hull R, Mbita Z, Dlamini Z. ലോംഗ് നോൺ-കോഡിംഗ് ആർഎൻഎകൾ (LncRNAs), വൈറൽ ട്യൂമർ ജനിതകശാസ്ത്രം, വ്യതിചലിക്കുന്ന സ്പ്ലിസിംഗ് ഇവന്റുകൾ: ചികിത്സാ പ്രത്യാഘാതങ്ങൾ.AM J CANCER RES [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 lncRNA ഒപ്പുകളുടെ തിരിച്ചറിയൽ.ശാസ്ത്രത്തിന്റെ നേട്ടങ്ങൾ [മാഗസിൻ ലേഖനം].2021 2021-01-01;104(1):311977089.
Jiang S, Ren H, Liu S, Lu Z, Xu A, Qin S, et al.പാപ്പില്ലറി സെൽ റീനൽ സെൽ കാർസിനോമയിലെ ആർഎൻഎ-ബൈൻഡിംഗ് പ്രോട്ടീൻ പ്രോഗ്നോസ്റ്റിക് ജീനുകളുടെയും മയക്കുമരുന്ന് കാൻഡിഡേറ്റുകളുടെയും സമഗ്രമായ വിശകലനം.ഗർഭധാരണം.[ജേണൽ ലേഖനം].2021 01/20/2021;12:627508.
Li X, Chen J, Yu Q, Huang X, Liu Z, Wang X, et al.ഓട്ടോഫാഗിയുമായി ബന്ധപ്പെട്ട നീണ്ട നോൺ-കോഡിംഗ് ആർഎൻഎയുടെ സവിശേഷതകൾ സ്തനാർബുദ രോഗനിർണയം പ്രവചിക്കുന്നു.ഗർഭധാരണം.[ജേണൽ ലേഖനം].2021 01/20/2021;12:569318.
Zhou M, Zhang Z, Zhao X, Bao S, Cheng L, Sun J. ഇമ്മ്യൂണുമായി ബന്ധപ്പെട്ട ആറ് lncRNA സിഗ്നേച്ചർ ഗ്ലിയോബ്ലാസ്റ്റോമ മൾട്ടിഫോമിൽ രോഗനിർണയം മെച്ചപ്പെടുത്തുന്നു.MOL ന്യൂറോബയോളജി.[ജേണൽ ലേഖനം].2018 01.05.2018;55(5):3684–97.
Wu B, Wang Q, Fei J, Bao Y, Wang X, Song Z, et al.ഒരു നോവൽ tri-lncRNA സിഗ്നേച്ചർ പാൻക്രിയാറ്റിക് ക്യാൻസർ രോഗികളുടെ അതിജീവനം പ്രവചിക്കുന്നു.ഓങ്കോളിന്റെ പ്രതിനിധികൾ.[ജേണൽ ലേഖനം].2018 12/01/2018;40(6):3427–37.
Luo C, Lin K, Hu C, Zhu X, Zhu J, Zhu Z. LINC01094, LIN28B എക്‌സ്‌പ്രഷനും സ്‌പോഞ്ച്ഡ് miR-577 വഴിയുള്ള PI3K/AKT പാതയും നിയന്ത്രിക്കുന്നതിലൂടെ പാൻക്രിയാറ്റിക് ക്യാൻസർ പുരോഗതിയെ പ്രോത്സാഹിപ്പിക്കുന്നു.മോൾ തെറാപ്പിറ്റിക്സ് - ന്യൂക്ലിക് ആസിഡുകൾ.2021;26:523–35.
Lin J, Zhai X, Zou S, Xu Z, Zhang J, Jiang L, et al.lncRNA FLVCR1-AS1, KLF10 എന്നിവയ്‌ക്കിടയിലുള്ള പോസിറ്റീവ് ഫീഡ്‌ബാക്ക് PTEN/AKT പാതയിലൂടെയുള്ള പാൻക്രിയാറ്റിക് ക്യാൻസർ പുരോഗതിയെ തടഞ്ഞേക്കാം.ജെ എക്സ്പി ക്ലിൻ കാൻസർ റെസ്.2021;40(1).
Zhou X, Liu X, Zeng X, Wu D, Liu L. ഹെപ്പറ്റോസെല്ലുലാർ കാർസിനോമയിലെ മൊത്തത്തിലുള്ള അതിജീവനം പ്രവചിക്കുന്ന പതിമൂന്ന് ജീനുകളുടെ ഐഡന്റിഫിക്കേഷൻ.ബയോസ്കി പ്രതിനിധി [ജേണൽ ലേഖനം].2021 04/09/2021.