Rakovina slinivky je jedním z nejsmrtelnějších nádorů na světě se špatnou prognózou.Proto je zapotřebí přesný predikční model k identifikaci pacientů s vysokým rizikem rakoviny slinivky břišní, aby byla přizpůsobena léčba a zlepšila se prognóza těchto pacientů.
Získali jsme data RNAseq adenokarcinomu pankreatu (PAAD) The Cancer Genome Atlas (TCGA) z databáze UCSC Xena, identifikovali jsme imunitně související lncRNA (irlncRNA) pomocí korelační analýzy a identifikovali rozdíly mezi TCGA a normálními tkáněmi adenokarcinomu pankreatu.DEirlncRNA) z TCGA a genotypové tkáňové exprese (GTEx) pankreatické tkáně.Další jednorozměrné a laso regresní analýzy byly provedeny za účelem konstrukce prognostických modelů signatur.Poté jsme vypočítali plochu pod křivkou a určili optimální hraniční hodnotu pro identifikaci pacientů s vysoce a nízkorizikovým adenokarcinomem pankreatu.Porovnat klinické charakteristiky, infiltraci imunitních buněk, imunosupresivní mikroprostředí a rezistenci na chemoterapii u pacientů s vysoce a nízkorizikovým karcinomem pankreatu.
Identifikovali jsme 20 párů DEirlncRNA a seskupili pacienty podle optimální hraniční hodnoty.Prokázali jsme, že náš prognostický podpisový model má významnou výkonnost při predikci prognózy pacientů s PAAD.AUC křivky ROC je 0,905 pro 1letou předpověď, 0,942 pro 2letou předpověď a 0,966 pro 3letou předpověď.Pacienti s vysokým rizikem měli nižší míru přežití a horší klinické charakteristiky.Prokázali jsme také, že vysoce rizikoví pacienti jsou imunosuprimovaní a může se u nich vyvinout rezistence na imunoterapii.U vysoce rizikových pacientů s PAAD může být vhodné hodnocení protinádorových léků, jako je paklitaxel, sorafenib a erlotinib, na základě nástrojů počítačové predikce.
Celkově naše studie vytvořila nový model prognostického rizika založený na spárované irlncRNA, který ukázal slibnou prognostickou hodnotu u pacientů s rakovinou pankreatu.Náš model prognostického rizika může pomoci odlišit pacienty s PAAD, kteří jsou vhodní pro lékařskou léčbu.
Karcinom pankreatu je maligní nádor s nízkou pětiletou mírou přežití a vysokým stupněm.V době diagnózy je většina pacientů již v pokročilém stádiu.V souvislosti s epidemií COVID-19 jsou lékaři a sestry při léčbě pacientů s rakovinou slinivky pod obrovským tlakem a také rodiny pacientů čelí při rozhodování o léčbě vícenásobnému tlaku [1, 2].Přestože byly v léčbě DOAD učiněny velké pokroky, jako je neoadjuvantní terapie, chirurgická resekce, radiační terapie, chemoterapie, cílená molekulární terapie a inhibitory imunitního kontrolního bodu (ICI), pouze asi 9 % pacientů přežívá pět let po stanovení diagnózy [3 ].], 4].Vzhledem k tomu, že časné příznaky adenokarcinomu pankreatu jsou atypické, jsou u pacientů obvykle diagnostikovány metastázy v pokročilém stadiu [5].U daného pacienta proto musí individualizovaná komplexní léčba zvážit výhody a nevýhody všech léčebných možností, a to nejen k prodloužení přežití, ale i ke zlepšení kvality života [6].Pro přesné posouzení prognózy pacienta je proto nezbytný účinný predikční model [7].Lze tedy zvolit vhodnou léčbu tak, aby vyvážila přežití a kvalitu života pacientů s PAAD.
Špatná prognóza PAAD je způsobena především rezistencí na chemoterapeutika.V posledních letech se v léčbě solidních nádorů široce používají inhibitory imunitního kontrolního bodu [8].Použití ICI u karcinomu pankreatu je však zřídka úspěšné [9].Proto je důležité identifikovat pacienty, kteří mohou mít prospěch z léčby ICI.
Dlouhá nekódující RNA (lncRNA) je typ nekódující RNA s transkripty >200 nukleotidů.LncRNA jsou rozšířené a tvoří asi 80 % lidského transkriptomu [10].Velké množství prací ukázalo, že prognostické modely založené na lncRNA mohou účinně předpovídat prognózu pacientů [11, 12].Například bylo identifikováno 18 lncRNA souvisejících s autofagií, které generovaly prognostické signatury u rakoviny prsu [13].Ke stanovení prognostických rysů gliomu bylo použito šest dalších imunitně podmíněných lncRNA [14].
U rakoviny slinivky břišní některé studie prokázaly signatury založené na lncRNA k předpovědi prognózy pacienta.Signatura 3-lncRNA byla stanovena u adenokarcinomu pankreatu s plochou pod křivkou ROC (AUC) pouze 0,742 a celkovým přežitím (OS) 3 roky [15].Kromě toho se hodnoty exprese lncRNA liší mezi různými genomy, různými formáty dat a různými pacienty a výkon prediktivního modelu je nestabilní.Proto používáme nový modelovací algoritmus, párování a iteraci, abychom vytvořili signatury lncRNA související s imunitou (irlncRNA), abychom vytvořili přesnější a stabilnější prediktivní model [8].
Data normalizovaného RNAseq (FPKM) a klinického TCGA karcinomu pankreatu a data exprese genotypové tkáně (GTEx) byla získána z databáze UCSC XENA ( https://xenabrowser.net/datapages/ ).Soubory GTF byly získány z databáze Ensembl (http://asia.ensembl.org) a použity k extrakci profilů exprese lncRNA z RNAseq.Stáhli jsme geny související s imunitou z databáze ImmPort (http://www.immport.org) a identifikovali jsme lncRNA související s imunitou (irlncRNAs) pomocí korelační analýzy (p < 0,001, r > 0,4).Identifikace odlišně exprimovaných irlncRNA (DEirlncRNAs) křížením irlncRNA a odlišně exprimovaných lncRNA získaných z databáze GEPIA2 (http://gepia2.cancer-pku.cn/#index) v kohortě TCGA-PAAD (|logFC| > 1 a FDR ) <0,05).
Tato metoda byla popsána již dříve [8].Konkrétně zkonstruujeme X, abychom nahradili spárované lncRNA A a lncRNA B. Když je hodnota exprese lncRNA A vyšší než hodnota exprese lncRNA B, X je definováno jako 1, jinak je X definováno jako 0. Proto můžeme získat matice 0 nebo – 1. Vertikální osa matice představuje každý vzorek a vodorovná osa představuje každý pár DEirlncRNA s hodnotou 0 nebo 1.
Ke screeningu prognostických párů DEirlncRNA byla použita jednorozměrná regresní analýza následovaná regresí laso.Regresní analýza laso používala 10násobnou křížovou validaci opakovanou 1000krát (p < 0,05), s 1000 náhodnými stimuly na běh.Když frekvence každého páru DEirlncRNA přesáhla 100krát v 1000 cyklech, byly páry DEirlncRNA vybrány pro konstrukci modelu prognostického rizika.Poté jsme použili křivku AUC k nalezení optimální hraniční hodnoty pro klasifikaci pacientů s PAAD do skupin s vysokým a nízkým rizikem.Hodnota AUC každého modelu byla také vypočtena a vynesena jako křivka.Pokud křivka dosáhne nejvyššího bodu udávajícího maximální hodnotu AUC, proces výpočtu se zastaví a model je považován za nejlepšího kandidáta.Byly zkonstruovány 1-, 3- a 5leté modely ROC křivek.Ke zkoumání nezávislé prediktivní výkonnosti modelu prognostického rizika byly použity jednorozměrné a vícerozměrné regresní analýzy.
Použijte sedm nástrojů ke studiu míry infiltrace imunitních buněk, včetně XCELL, TIMER, QUANTISEQ, MCPCOUNTER, EPIC, CIBERSORT-ABS a CIBERSORT.Údaje o infiltraci imunitních buněk byly staženy z databáze TIMER2 (http://timer.comp-genomics.org/#tab-5817-3).Rozdíl v obsahu imunoinfiltrujících buněk mezi vysoce a nízko rizikovými skupinami zkonstruovaného modelu byl analyzován pomocí Wilcoxonova testu se znaménkem, výsledky jsou uvedeny ve čtvercovém grafu.Spearmanova korelační analýza byla provedena za účelem analýzy vztahu mezi hodnotami rizikového skóre a imunitně infiltrujícími buňkami.Výsledný korelační koeficient je znázorněn jako lízátko.Práh významnosti byl stanoven na p < 0,05.Postup byl proveden pomocí R balíčku ggplot2.Abychom prozkoumali vztah mezi modelem a hladinami genové exprese související s rychlostí infiltrace imunitních buněk, provedli jsme balíček ggstatsplot a vizualizaci houslového grafu.
Abychom vyhodnotili klinické vzorce léčby rakoviny slinivky břišní, vypočítali jsme IC50 běžně používaných chemoterapeutických léků v kohortě TCGA-PAAD.Rozdíly v polovičních inhibičních koncentracích (IC50) mezi skupinami s vysokým a nízkým rizikem byly porovnány pomocí Wilcoxonova testu se znaménkem a výsledky jsou uvedeny jako boxploty vytvořené pomocí pRRophetic a ggplot2 v R. Všechny metody jsou v souladu s příslušnými pokyny a normami.
Pracovní postup naší studie je znázorněn na obrázku 1. Pomocí korelační analýzy mezi lncRNA a geny souvisejícími s imunitou jsme vybrali 724 irlncRNA s p < 0,01 a r > 0,4.Dále jsme analyzovali odlišně exprimované lncRNA GEPIA2 (obrázek 2A).Celkem 223 irlncRNA bylo odlišně exprimováno mezi pankreatickým adenokarcinomem a normální pankreatickou tkání (|logFC| > 1, FDR < 0,05), nazývané DEirlncRNA.
Konstrukce prediktivních modelů rizik.(A) Vulkánový graf rozdílně exprimovaných lncRNA.(B) Distribuce koeficientů lasa pro 20 párů DEirlncRNA.(C) Částečný rozptyl pravděpodobnosti rozdělení koeficientů LASSO.(D) Lesní graf ukazující jednorozměrnou regresní analýzu 20 párů DEirlncRNA.
Dále jsme vytvořili matici 0 nebo 1 spárováním 223 DEirlncRNA.Celkem bylo identifikováno 13 687 DEirlncRNA párů.Po jednorozměrné a laso regresní analýze bylo nakonec testováno 20 párů DEirlncRNA pro konstrukci modelu prognostického rizika (obrázek 2B-D).Na základě výsledků laso a vícenásobné regresní analýzy jsme vypočítali rizikové skóre pro každého pacienta v kohortě TCGA-PAAD (tabulka 1).Na základě výsledků laso regresní analýzy jsme vypočítali rizikové skóre pro každého pacienta v kohortě TCGA-PAAD.AUC křivky ROC byla 0,905 pro predikci 1letého modelu rizika, 0,942 pro 2letou předpověď a 0,966 pro 3letou předpověď (obrázek 3A-B).Nastavili jsme optimální hraniční hodnotu 3,105, rozvrstvili jsme pacienty v kohortě TCGA-PAAD do skupin s vysokým a nízkým rizikem a vynesli jsme výsledky přežití a distribuci skóre rizika pro každého pacienta (obrázek 3C-E).Kaplan-Meierova analýza ukázala, že přežití pacientů s PAAD ve skupině s vysokým rizikem bylo významně nižší než přežití pacientů ve skupině s nízkým rizikem (p < 0,001) (obrázek 3F).
Validita modelů prognostického rizika.(A) ROC modelu prognostického rizika.(B) 1-, 2- a 3leté modely prognostického rizika ROC.(C) ROC modelu prognostického rizika.Ukazuje optimální hraniční bod.(DE) Rozdělení stavu přežití (D) a skóre rizika (E).(F) Kaplan-Meierova analýza pacientů s PAAD ve skupinách s vysokým a nízkým rizikem.
Dále jsme hodnotili rozdíly ve skóre rizika podle klinických charakteristik.Proužkový graf (obrázek 4A) ukazuje celkový vztah mezi klinickými charakteristikami a skóre rizika.Zejména starší pacienti měli vyšší skóre rizika (obrázek 4B).Navíc pacienti ve stádiu II měli vyšší rizikové skóre než pacienti ve stádiu I (obrázek 4C).Pokud jde o stupeň nádoru u pacientů s PAAD, pacienti stupně 3 měli vyšší skóre rizika než pacienti stupně 1 a 2 (obrázek 4D).Dále jsme provedli jednorozměrné a vícerozměrné regresní analýzy a prokázali, že rizikové skóre (p < 0,001) a věk (p = 0,045) byly nezávislými prognostickými faktory u pacientů s PAAD (obrázek 5A-B).Křivka ROC prokázala, že skóre rizika bylo lepší než jiné klinické charakteristiky při predikci 1-, 2- a 3letého přežití pacientů s PAAD (obrázek 5C-E).
Klinické charakteristiky modelů prognostického rizika.Histogram (A) ukazuje (B) věk, (C) stadium nádoru, (D) stupeň nádoru, skóre rizika a pohlaví pacientů v kohortě TCGA-PAAD.**p < 0,01
Nezávislá prediktivní analýza modelů prognostického rizika.(AB) Jednorozměrné (A) a vícerozměrné (B) regresní analýzy modelů prognostického rizika a klinických charakteristik.(CE) 1-, 2- a 3leté ROC pro modely prognostického rizika a klinické charakteristiky
Proto jsme zkoumali vztah mezi časem a skóre rizika.Zjistili jsme, že rizikové skóre u pacientů s PAAD nepřímo korelovalo s CD8+ T buňkami a NK buňkami (obrázek 6A), což ukazuje na potlačenou imunitní funkci ve vysoce rizikové skupině.Také jsme hodnotili rozdíl v infiltraci imunitních buněk mezi vysoce a nízko rizikovými skupinami a našli jsme stejné výsledky (obrázek 7).Ve vysoce rizikové skupině byla menší infiltrace CD8+ T buněk a NK buněk.V posledních letech se v léčbě solidních nádorů široce používají inhibitory imunitního kontrolního bodu (ICI).Použití ICI u rakoviny slinivky břišní však bylo jen zřídka úspěšné.Proto jsme hodnotili expresi imunitních kontrolních genů ve skupinách s vysokým a nízkým rizikem.Zjistili jsme, že CTLA-4 a CD161 (KLRB1) byly nadměrně exprimovány ve skupině s nízkým rizikem (obrázek 6B-G), což naznačuje, že pacienti s PAAD ve skupině s nízkým rizikem mohou být citliví na ICI.
Korelační analýza modelu prognostického rizika a infiltrace imunitních buněk.(A) Korelace mezi modelem prognostického rizika a infiltrací imunitních buněk.(BG) Označuje genovou expresi ve skupinách s vysokým a nízkým rizikem.(HK) hodnoty IC50 pro specifická protinádorová léčiva ve vysoce a nízkorizikových skupinách.*p < 0,05, **p < 0,01, ns = nevýznamné
Dále jsme hodnotili souvislost mezi rizikovým skóre a běžnými chemoterapeutickými látkami v kohortě TCGA-PAAD.Hledali jsme běžně používaná protinádorová léčiva u rakoviny slinivky a analyzovali rozdíly v jejich hodnotách IC50 mezi vysoce a nízkorizikovými skupinami.Výsledky ukázaly, že hodnota IC50 AZD.2281 (olaparib) byla vyšší ve vysoce rizikové skupině, což ukazuje, že pacienti s PAAD ve vysoce rizikové skupině mohou být rezistentní na léčbu AZD.2281 (obrázek 6H).Kromě toho byly hodnoty IC50 paclitaxelu, sorafenibu a erlotinibu nižší ve vysoce rizikové skupině (obrázek 6I-K).Dále jsme identifikovali 34 protinádorových léků s vyššími hodnotami IC50 ve vysoce rizikové skupině a 34 protinádorových léků s nižšími hodnotami IC50 ve vysoce rizikové skupině (tabulka 2).
Nelze popřít, že lncRNA, mRNA a miRNA široce existují a hrají klíčovou roli ve vývoji rakoviny.Existuje dostatek důkazů podporujících důležitou roli mRNA nebo miRNA při predikci celkového přežití u několika typů rakoviny.Mnoho modelů prognostického rizika je nepochybně také založeno na lncRNA.Například Luo a kol.Studie ukázaly, že LINC01094 hraje klíčovou roli v proliferaci a metastázování PC a vysoká exprese LINC01094 ukazuje na špatné přežití pacientů s karcinomem pankreatu [16].Studie prezentovaná Linem a kol.Studie ukázaly, že downregulace lncRNA FLVCR1-AS1 je spojena se špatnou prognózou u pacientů s rakovinou pankreatu [17].Avšak lncRNA související s imunitou jsou relativně méně diskutovány z hlediska predikce celkového přežití pacientů s rakovinou.V poslední době se velké množství práce soustřeďuje na sestavení prognostických rizikových modelů pro predikci přežití onkologických pacientů, a tím úpravu léčebných metod [18, 19, 20].Stále více se uznává důležitá úloha imunitních infiltrátů při iniciaci, progresi a odpovědi na léčbu, jako je chemoterapie.Četné studie potvrdily, že imunitní buňky infiltrující nádor hrají kritickou roli v odpovědi na cytotoxickou chemoterapii [21, 22, 23].Nádorové imunitní mikroprostředí je důležitým faktorem přežití pacientů s nádorem [24, 25].Imunoterapie, zejména terapie ICI, je široce používána v léčbě solidních nádorů [26].Imunitní geny se široce používají ke konstrukci modelů prognostického rizika.Například Su et al.Model prognostického rizika souvisejícího s imunitou je založen na genech kódujících proteiny k predikci prognózy pacientek s rakovinou vaječníků [27].Nekódující geny jako lncRNA jsou také vhodné pro konstrukci modelů prognostického rizika [28, 29, 30].Luo et al testovali čtyři imunitně související lncRNA a vytvořili prediktivní model pro riziko rakoviny děložního čípku [31].Khan a kol.Celkem bylo identifikováno 32 odlišně exprimovaných transkriptů a na základě toho byl vytvořen predikční model s 5 významnými transkripty, který byl navržen jako vysoce doporučený nástroj pro predikci biopsií prokázané akutní rejekce po transplantaci ledviny [32].
Většina těchto modelů je založena na úrovních genové exprese, buď genů kódujících protein nebo genů nekódujících.Stejný gen však může mít různé hodnoty exprese v různých genomech, formátech dat a u různých pacientů, což vede k nestabilním odhadům v prediktivních modelech.V této studii jsme postavili rozumný model se dvěma páry lncRNA, nezávisle na přesných hodnotách exprese.
V této studii jsme poprvé identifikovali irlncRNA pomocí korelační analýzy s geny souvisejícími s imunitou.Testovali jsme 223 DEirlncRNA hybridizací s odlišně exprimovanými lncRNA.Za druhé jsme zkonstruovali matici 0 nebo 1 na základě publikované metody párování DEirlncRNA [31].Poté jsme provedli jednorozměrné a laso regresní analýzy, abychom identifikovali prognostické páry DEirlncRNA a vytvořili prediktivní model rizika.Dále jsme analyzovali souvislost mezi rizikovým skóre a klinickými charakteristikami u pacientů s PAAD.Zjistili jsme, že náš model prognostického rizika, jako nezávislý prognostický faktor u pacientů s PAAD, může účinně odlišit pacienty s vysokým grade od pacientů s nízkým grade a pacienty s vysokým grade od pacientů s nízkým grade.Navíc hodnoty AUC křivky ROC modelu prognostického rizika byly 0,905 pro 1letou prognózu, 0,942 pro 2letou prognózu a 0,966 pro 3letou prognózu.
Výzkumníci uvedli, že pacienti s vyšší infiltrací CD8+ T lymfocytů byli citlivější na léčbu ICI [33].Zvýšení obsahu cytotoxických buněk, CD56 NK buněk, NK buněk a CD8+ T buněk v nádorovém imunitním mikroprostředí může být jednou z příčin nádorově supresivního efektu [34].Předchozí studie ukázaly, že vyšší hladiny tumor-infiltrujících CD4(+) T a CD8(+) T byly významně spojeny s delším přežitím [35].Špatná infiltrace CD8 T lymfocytů, nízká zátěž neoantigeny a vysoce imunosupresivní mikroprostředí nádoru vedou k nedostatečné odpovědi na terapii ICI [36].Zjistili jsme, že rizikové skóre negativně korelovalo s CD8+ T buňkami a NK buňkami, což naznačuje, že pacienti s vysokým rizikovým skóre nemusí být vhodní pro léčbu ICI a mají horší prognózu.
CD161 je marker přirozených zabíječských (NK) buněk.CD8+CD161+ CAR-transdukované T buňky zprostředkovávají zvýšenou in vivo protinádorovou účinnost v modelech xenoimplantátu HER2+ pankreatického duktálního adenokarcinomu [37].Inhibitory imunitního kontrolního bodu se zaměřují na dráhy proteinu 4 asociovaného s cytotoxickými T lymfocyty (CTLA-4) a proteinu programované buněčné smrti 1 (PD-1)/ligandu 1 programované buněčné smrti (PD-L1) a mají velký potenciál v mnoha oblastech.Exprese CTLA-4 a CD161 (KLRB1) je nižší ve vysoce rizikových skupinách, což dále naznačuje, že pacienti s vysokým rizikovým skóre nemusí být způsobilí pro léčbu ICI.[38]
Abychom našli možnosti léčby vhodné pro vysoce rizikové pacienty, analyzovali jsme různé protinádorové léky a zjistili jsme, že paklitaxel, sorafenib a erlotinib, které jsou široce používány u pacientů s PAAD, mohou být vhodné pro vysoce rizikové pacienty s PAAD.[33].Zhang et al zjistili, že mutace v jakékoli dráze reakce na poškození DNA (DDR) mohou vést ke špatné prognóze u pacientů s rakovinou prostaty [39].Studie Pancreatic Cancer Olaparib Ongoing (POLO) ukázala, že udržovací léčba olaparibem prodloužila přežití bez progrese ve srovnání s placebem po chemoterapii první linie na bázi platiny u pacientů s pankreatickým duktálním adenokarcinomem a zárodečnými mutacemi BRCA1/2 [40].To poskytuje významný optimismus, že výsledky léčby se u této podskupiny pacientů výrazně zlepší.V této studii byla hodnota IC50 AZD.2281 (olaparib) vyšší ve vysoce rizikové skupině, což naznačuje, že pacienti s PAAD ve vysoce rizikové skupině mohou být rezistentní na léčbu AZD.2281.
Prognostické modely v této studii poskytují dobré předpovědní výsledky, ale jsou založeny na analytických předpovědích.Důležitou otázkou je, jak potvrdit tyto výsledky klinickými údaji.Endoskopická tenkojehlová aspirační ultrasonografie (EUS-FNA) se stala nepostradatelnou metodou pro diagnostiku solidních a extrapankreatických pankreatických lézí se senzitivitou 85 % a specificitou 98 % [41].Nástup jehel EUS pro biopsii tenkou jehlou (EUS-FNB) je založen především na vnímaných výhodách oproti FNA, jako je vyšší diagnostická přesnost, získávání vzorků, které zachovávají histologickou strukturu, a tedy vytváření imunitní tkáně, která je pro určité diagnózy kritická.speciální barvení [42].Systematický přehled literatury potvrdil, že FNB jehly (zejména 22G) vykazují nejvyšší účinnost při odběru tkáně z pankreatických mas [43].Klinicky je pouze malý počet pacientů způsobilých k radikální operaci a většina pacientů má v době prvotní diagnózy inoperabilní nádory.V klinické praxi je pouze malá část pacientů vhodná k radikální operaci, protože většina pacientů má v době prvotní diagnózy inoperabilní nádory.Po patologickém potvrzení EUS-FNB a dalšími metodami se obvykle volí standardizovaná nechirurgická léčba jako je chemoterapie.Naším následným výzkumným programem je otestovat prognostický model této studie u chirurgických a nechirurgických kohort prostřednictvím retrospektivní analýzy.
Celkově naše studie vytvořila nový model prognostického rizika založený na spárované irlncRNA, který ukázal slibnou prognostickou hodnotu u pacientů s rakovinou pankreatu.Náš model prognostického rizika může pomoci odlišit pacienty s PAAD, kteří jsou vhodní pro lékařskou léčbu.
Soubory dat použité a analyzované v této studii jsou na rozumné vyžádání k dispozici od odpovídajícího autora.
Sui Wen, Gong X, Zhuang Y. Zprostředkující role sebeúčinnosti v emoční regulaci negativních emocí během pandemie COVID-19: průřezová studie.Int J Ment Health Nurs [článek v časopise].2021 06.01.2021;30(3):759–71.
Sui Wen, Gong X, Qiao X, Zhang L, Cheng J, Dong J a kol.Názory rodinných příslušníků na alternativní rozhodování na jednotkách intenzivní péče: systematický přehled.INT J NURS STUD [článek v časopise;Posouzení].2023 01.01.2023;137:104391.
Vincent A, Herman J, Schulich R, Hruban RH, Goggins M. Rakovina slinivky břišní.Lanceta.[Novinový článek;podpora výzkumu, NIH, extramurální;podpora výzkumu, vláda mimo USA;Posouzení].2011 13. 8. 2011;378(9791):607–20.
Ilič M, Ilič I. Epidemiologie rakoviny slinivky břišní.World Journal of Gastroenterology.[Článek v časopise, recenze].2016 28. 11. 2016;22(44):9694–705.
Liu X, Chen B, Chen J, Sun S. Nový nomogram související s tp53 pro predikci celkového přežití u pacientů s rakovinou pankreatu.BMC Cancer [článek v časopise].2021 31-03-2021;21(1):335.
Xian X, Zhu X, Chen Y, Huang B, Xiang W. Vliv terapie zaměřené na řešení na únavu související s rakovinou u pacientů s kolorektálním karcinomem, kteří dostávají chemoterapii: randomizovaná kontrolovaná studie.Onkologická sestra.[Novinový článek;randomizovaná kontrolovaná studie;studie je podporována vládou mimo Spojené státy].2022 5. 1. 2022;45(3):E663–73.
Zhang Cheng, Zheng Wen, Lu Y, Shan L, Xu Dong, Pan Y a kol.Pooperační hladiny karcinoembryonálního antigenu (CEA) predikují výsledek po resekci kolorektálního karcinomu u pacientů s normálními předoperačními hladinami CEA.Centrum pro translační výzkum rakoviny.[Novinový článek].2020 01.01.2020;9(1):111–8.
Hong Wen, Liang Li, Gu Yu, Qi Zi, Qiu Hua, Yang X a kol.Imunitní lncRNA vytvářejí nové podpisy a předpovídají imunitní krajinu lidského hepatocelulárního karcinomu.Mol Ther Nukleové kyseliny [Článek v časopise].2020 2020-12-04;22:937 – 47.
Toffey RJ, Zhu Y., Schulich RD Imunoterapie pro rakovinu pankreatu: bariéry a průlomy.Ann Gastrointestinal Surgeon [Článek v časopise;Posouzení].2018 07.01.2018;2(4):274–81.
Hull R, Mbita Z, Dlamini Z. Dlouhé nekódující RNA (LncRNA), genomika virových nádorů a aberantní sestřihové události: terapeutické důsledky.AM J CANCER RES [článek v časopise;Posouzení].2021 20.01.2021;11(3):866–83.
Wang J, Chen P, Zhang Y, Ding J, Yang Y, Li H. 11-Identifikace lncRNA signatur spojených s prognózou karcinomu endometria.Úspěchy vědy [článek v časopise].2021 2021-01-01;104(1):311977089.
Jiang S, Ren H, Liu S, Lu Z, Xu A, Qin S, a kol.Komplexní analýza prognostických genů pro RNA-vazebný protein a kandidátů na léky u karcinomu ledviny z papilárních buněk.pregen.[Novinový článek].2021 20.01.2021;12:627508.
Li X, Chen J, Yu Q, Huang X, Liu Z, Wang X, a kol.Charakteristiky dlouhé nekódující RNA související s autofagií předpovídají prognózu rakoviny prsu.pregen.[Novinový článek].2021 20.01.2021;12:569318.
Zhou M, Zhang Z, Zhao X, Bao S, Cheng L, Sun J. Signatura šesti lncRNA souvisejících s imunitou zlepšuje prognózu u glioblastoma multiforme.MOL neurobiologie.[Novinový článek].2018 01.05.2018;55(5):3684–97.
Wu B, Wang Q, Fei J, Bao Y, Wang X, Song Z a kol.Nový podpis tri-lncRNA předpovídá přežití pacientů s rakovinou pankreatu.ZÁSTUPCI ONKOL.[Novinový článek].2018 12. 1. 2018;40(6):3427–37.
Luo C, Lin K, Hu C, Zhu X, Zhu J, Zhu Z. LINC01094 podporuje progresi rakoviny pankreatu regulací exprese LIN28B a dráhy PI3K/AKT prostřednictvím houbovité miR-577.Mol Therapeutics – Nukleové kyseliny.2021;26:523–35.
Lin J, Zhai X, Zou S, Xu Z, Zhang J, Jiang L a kol.Pozitivní zpětná vazba mezi lncRNA FLVCR1-AS1 a KLF10 může inhibovat progresi rakoviny pankreatu cestou PTEN/AKT.J EXP Clin Cancer Res.2021; 40(1).
Zhou X, Liu X, Zeng X, Wu D, Liu L. Identifikace třinácti genů predikujících celkové přežití u hepatocelulárního karcinomu.Biosci Rep [článek v časopise].2021 04.09.2021.
Čas odeslání: 22. září 2023