ມະເຮັງຕັບອ່ອນແມ່ນໜຶ່ງໃນເນື້ອງອກທີ່ຮ້າຍແຮງທີ່ສຸດໃນໂລກ ໂດຍມີການຄາດຄະເນທີ່ບໍ່ດີ. ດັ່ງນັ້ນ, ຈຶ່ງຈຳເປັນຕ້ອງມີຮູບແບບການຄາດຄະເນທີ່ຖືກຕ້ອງເພື່ອລະບຸຄົນເຈັບທີ່ມີຄວາມສ່ຽງສູງຕໍ່ການເປັນມະເຮັງຕັບອ່ອນເພື່ອປັບປຸງການປິ່ນປົວ ແລະ ປັບປຸງການຄາດຄະເນຂອງຄົນເຈັບເຫຼົ່ານີ້.
ພວກເຮົາໄດ້ຮັບຂໍ້ມູນ RNAseq ຂອງ Cancer Genome Atlas (TCGA) ຂອງມະເຮັງຕັບອ່ອນ (PAAD) ຈາກຖານຂໍ້ມູນ Xena ຂອງ UCSC, ໄດ້ລະບຸ lncRNA ທີ່ກ່ຽວຂ້ອງກັບພູມຕ້ານທານ (irlncRNA) ຜ່ານການວິເຄາະສະຫະສຳພັນ, ແລະ ໄດ້ລະບຸຄວາມແຕກຕ່າງລະຫວ່າງ TCGA ແລະ ເນື້ອເຍື່ອມະເຮັງຕັບອ່ອນປົກກະຕິ (DEirlncRNA) ຈາກ TCGA ແລະ ການສະແດງອອກຂອງເນື້ອເຍື່ອ genotype (GTEx) ຂອງເນື້ອເຍື່ອຕັບອ່ອນ. ການວິເຄາະການຖົດຖອຍແບບ univariate ແລະ lasso ຕື່ມອີກໄດ້ຖືກປະຕິບັດເພື່ອສ້າງແບບຈຳລອງລາຍເຊັນການຄາດຄະເນ. ຫຼັງຈາກນັ້ນ, ພວກເຮົາໄດ້ຄິດໄລ່ພື້ນທີ່ພາຍໃຕ້ເສັ້ນໂຄ້ງ ແລະ ກຳນົດຄ່າ cutoff ທີ່ດີທີ່ສຸດສຳລັບການກຳນົດຄົນເຈັບທີ່ມີມະເຮັງຕັບອ່ອນທີ່ມີຄວາມສ່ຽງສູງ ແລະ ຕ່ຳ. ເພື່ອປຽບທຽບລັກສະນະທາງດ້ານຄລີນິກ, ການແຊກຊຶມຂອງເຊວພູມຕ້ານທານ, ສະພາບແວດລ້ອມຈຸລະພາກທີ່ກົດພູມຕ້ານທານ, ແລະ ການຕ້ານທານທາງເຄມີບຳບັດໃນຄົນເຈັບທີ່ມີມະເຮັງຕັບອ່ອນທີ່ມີຄວາມສ່ຽງສູງ ແລະ ຕ່ຳ.
ພວກເຮົາໄດ້ລະບຸຄູ່ DEirlncRNA 20 ຄູ່ ແລະ ຈັດກຸ່ມຄົນເຈັບຕາມຄ່າຕັດທີ່ດີທີ່ສຸດ. ພວກເຮົາໄດ້ສະແດງໃຫ້ເຫັນວ່າຮູບແບບລາຍເຊັນການຄາດຄະເນຂອງພວກເຮົາມີປະສິດທິພາບທີ່ສຳຄັນໃນການຄາດຄະເນການຄາດຄະເນຂອງຄົນເຈັບທີ່ມີ PAAD. AUC ຂອງເສັ້ນໂຄ້ງ ROC ແມ່ນ 0.905 ສຳລັບການຄາດຄະເນ 1 ປີ, 0.942 ສຳລັບການຄາດຄະເນ 2 ປີ, ແລະ 0.966 ສຳລັບການຄາດຄະເນ 3 ປີ. ຄົນເຈັບທີ່ມີຄວາມສ່ຽງສູງມີອັດຕາການລອດຊີວິດຕ່ຳກວ່າ ແລະ ລັກສະນະທາງດ້ານຄລີນິກທີ່ຮ້າຍແຮງກວ່າເກົ່າ. ພວກເຮົາຍັງໄດ້ສະແດງໃຫ້ເຫັນວ່າຄົນເຈັບທີ່ມີຄວາມສ່ຽງສູງມີພູມຕ້ານທານທີ່ຖືກກົດດັນ ແລະ ອາດຈະພັດທະນາຄວາມຕ້ານທານຕໍ່ການປິ່ນປົວດ້ວຍພູມຕ້ານທານ. ການປະເມີນຢາຕ້ານມະເຮັງເຊັ່ນ paclitaxel, sorafenib, ແລະ erlotinib ໂດຍອີງໃສ່ເຄື່ອງມືການຄາດຄະເນການຄິດໄລ່ອາດຈະເໝາະສົມສຳລັບຄົນເຈັບທີ່ມີຄວາມສ່ຽງສູງທີ່ມີ PAAD.
ໂດຍລວມແລ້ວ, ການສຶກສາຂອງພວກເຮົາໄດ້ສ້າງຮູບແບບຄວາມສ່ຽງດ້ານການຄາດຄະເນໃໝ່ໂດຍອີງໃສ່ຄູ່ irlncRNA, ເຊິ່ງສະແດງໃຫ້ເຫັນຄຸນຄ່າດ້ານການຄາດຄະເນທີ່ດີໃນຄົນເຈັບທີ່ເປັນມະເຮັງຕັບອ່ອນ. ຮູບແບບຄວາມສ່ຽງດ້ານການຄາດຄະເນຂອງພວກເຮົາອາດຈະຊ່ວຍແຍກແຍະຄົນເຈັບທີ່ເປັນ PAAD ທີ່ເໝາະສົມສຳລັບການປິ່ນປົວທາງການແພດ.
ມະເຮັງຕັບອ່ອນເປັນເນື້ອງອກຮ້າຍທີ່ມີອັດຕາການລອດຊີວິດຫ້າປີຕໍ່າ ແລະ ມີລະດັບສູງ. ໃນເວລາກວດຫາພະຍາດ, ຄົນເຈັບສ່ວນໃຫຍ່ແມ່ນຢູ່ໃນໄລຍະກ້າວໜ້າແລ້ວ. ໃນສະພາບການລະບາດຂອງພະຍາດ COVID-19, ທ່ານໝໍ ແລະ ພະຍາບານແມ່ນຢູ່ພາຍໃຕ້ຄວາມກົດດັນຢ່າງຫຼວງຫຼາຍເມື່ອປິ່ນປົວຄົນເຈັບທີ່ເປັນມະເຮັງຕັບອ່ອນ, ແລະ ຄອບຄົວຂອງຄົນເຈັບກໍ່ປະເຊີນກັບຄວາມກົດດັນຫຼາຍຢ່າງເມື່ອຕັດສິນໃຈປິ່ນປົວ [1, 2]. ເຖິງແມ່ນວ່າມີຄວາມກ້າວໜ້າຢ່າງຫຼວງຫຼາຍໃນການປິ່ນປົວ DOADs, ເຊັ່ນ: ການປິ່ນປົວດ້ວຍວິທີ neoadjuvant, ການຜ່າຕັດ, ການປິ່ນປົວດ້ວຍລັງສີ, ການປິ່ນປົວດ້ວຍທາງເຄມີ, ການປິ່ນປົວດ້ວຍໂມເລກຸນເປົ້າໝາຍ, ແລະ ຕົວຍັບຍັ້ງຈຸດກວດພູມຕ້ານທານ (ICIs), ມີພຽງແຕ່ປະມານ 9% ຂອງຄົນເຈັບເທົ່ານັ້ນທີ່ລອດຊີວິດຫ້າປີຫຼັງຈາກການກວດຫາ [3]. ], 4]. ເນື່ອງຈາກອາການໃນຕອນຕົ້ນຂອງມະເຮັງຕັບອ່ອນແມ່ນບໍ່ປົກກະຕິ, ຄົນເຈັບມັກຈະຖືກກວດພົບວ່າເປັນມະເຮັງໃນໄລຍະກ້າວໜ້າ [5]. ດັ່ງນັ້ນ, ສຳລັບຄົນເຈັບທີ່ກຳນົດໄວ້, ການປິ່ນປົວແບບຄົບຖ້ວນສ່ວນບຸກຄົນຕ້ອງຊັ່ງນໍ້າໜັກຂໍ້ດີ ແລະ ຂໍ້ເສຍຂອງທາງເລືອກໃນການປິ່ນປົວທັງໝົດ, ບໍ່ພຽງແຕ່ເພື່ອຍືດອາຍຸການຢູ່ລອດເທົ່ານັ້ນ, ແຕ່ຍັງເພື່ອປັບປຸງຄຸນນະພາບຊີວິດຂອງຄົນເຈັບ [6]. ດັ່ງນັ້ນ, ຮູບແບບການຄາດຄະເນທີ່ມີປະສິດທິພາບແມ່ນມີຄວາມຈຳເປັນເພື່ອປະເມີນການຄາດຄະເນຂອງຄົນເຈັບຢ່າງຖືກຕ້ອງ [7]. ດັ່ງນັ້ນ, ການປິ່ນປົວທີ່ເໝາະສົມສາມາດເລືອກໄດ້ເພື່ອດຸ່ນດ່ຽງການຢູ່ລອດ ແລະ ຄຸນນະພາບຊີວິດຂອງຄົນເຈັບທີ່ເປັນພະຍາດ PAAD.
ການຄາດຄະເນທີ່ບໍ່ດີຂອງ PAAD ສ່ວນໃຫຍ່ແມ່ນຍ້ອນການຕ້ານທານຢາເຄມີບຳບັດ. ໃນຊຸມປີມໍ່ໆມານີ້, ຕົວຍັບຍັ້ງຈຸດກວດພູມຕ້ານທານໄດ້ຖືກນໍາໃຊ້ຢ່າງກວ້າງຂວາງໃນການປິ່ນປົວເນື້ອງອກແຂງ [8]. ຢ່າງໃດກໍຕາມ, ການໃຊ້ ICIs ໃນມະເຮັງຕັບອ່ອນບໍ່ຄ່ອຍປະສົບຜົນສໍາເລັດ [9]. ດັ່ງນັ້ນ, ມັນເປັນສິ່ງສໍາຄັນທີ່ຈະຕ້ອງລະບຸຄົນເຈັບທີ່ອາດຈະໄດ້ຮັບຜົນປະໂຫຍດຈາກການປິ່ນປົວດ້ວຍ ICI.
RNA ທີ່ບໍ່ມີລະຫັດຍາວ (lncRNA) ແມ່ນ RNA ທີ່ບໍ່ມີລະຫັດຊະນິດໜຶ່ງທີ່ມີຕົວຖອດລະຫັດຫຼາຍກວ່າ 200 ນິວຄລີໂອໄທດ໌. LncRNAs ແມ່ນແຜ່ຫຼາຍ ແລະ ປະກອບເປັນປະມານ 80% ຂອງຕົວຖອດລະຫັດຂອງມະນຸດ [10]. ວຽກງານຈຳນວນຫຼວງຫຼາຍໄດ້ສະແດງໃຫ້ເຫັນວ່າຮູບແບບການຄາດຄະເນທີ່ອີງໃສ່ lncRNA ສາມາດຄາດຄະເນການຄາດຄະເນຂອງຄົນເຈັບໄດ້ຢ່າງມີປະສິດທິພາບ [11, 12]. ຕົວຢ່າງ, lncRNAs ທີ່ກ່ຽວຂ້ອງກັບ autophagy 18 ອັນໄດ້ຖືກລະບຸວ່າສ້າງລາຍເຊັນການຄາດຄະເນໃນມະເຮັງເຕົ້ານົມ [13]. lncRNAs ທີ່ກ່ຽວຂ້ອງກັບພູມຕ້ານທານອີກຫົກອັນໄດ້ຖືກນຳໃຊ້ເພື່ອສ້າງຕັ້ງລັກສະນະການຄາດຄະເນຂອງ glioma [14].
ໃນມະເຮັງຕັບອ່ອນ, ການສຶກສາບາງຢ່າງໄດ້ສ້າງຕັ້ງລາຍເຊັນທີ່ອີງໃສ່ lncRNA ເພື່ອຄາດຄະເນການຄາດຄະເນຂອງຄົນເຈັບ. ລາຍເຊັນ 3-lncRNA ໄດ້ຖືກສ້າງຕັ້ງຂຶ້ນໃນມະເຮັງຕັບອ່ອນທີ່ມີພື້ນທີ່ພາຍໃຕ້ເສັ້ນໂຄ້ງ ROC (AUC) ພຽງແຕ່ 0.742 ແລະອັດຕາການຢູ່ລອດໂດຍລວມ (OS) 3 ປີ [15]. ນອກຈາກນັ້ນ, ຄ່າການສະແດງອອກຂອງ lncRNA ແຕກຕ່າງກັນໄປຕາມຈີໂນມທີ່ແຕກຕ່າງກັນ, ຮູບແບບຂໍ້ມູນທີ່ແຕກຕ່າງກັນ, ແລະຄົນເຈັບທີ່ແຕກຕ່າງກັນ, ແລະປະສິດທິພາບຂອງຮູບແບບການຄາດຄະເນແມ່ນບໍ່ໝັ້ນຄົງ. ດັ່ງນັ້ນ, ພວກເຮົາໃຊ້ອັລກໍຣິທຶມການສ້າງແບບຈຳລອງແບບໃໝ່, ການຈັບຄູ່ ແລະ ການເຮັດຊ້ຳ, ເພື່ອສ້າງລາຍເຊັນ lncRNA (irlncRNA) ທີ່ກ່ຽວຂ້ອງກັບພູມຕ້ານທານເພື່ອສ້າງແບບຈຳລອງການຄາດຄະເນທີ່ຖືກຕ້ອງ ແລະ ໝັ້ນຄົງຫຼາຍຂຶ້ນ [8].
ຂໍ້ມູນ RNAseq ທີ່ຖືກປັບໃຫ້ເປັນປົກກະຕິ (FPKM) ແລະ TCGA ມະເຮັງຕັບອ່ອນທາງດ້ານຄລີນິກ ແລະ ຂໍ້ມູນການສະແດງອອກຂອງເນື້ອເຍື່ອ genotype (GTEx) ໄດ້ມາຈາກຖານຂໍ້ມູນ UCSC XENA (https://xenabrowser.net/datapages/). ໄຟລ໌ GTF ໄດ້ມາຈາກຖານຂໍ້ມູນ Ensembl (http://asia.ensembl.org) ແລະ ນຳໃຊ້ເພື່ອສະກັດໂປຣໄຟລ໌ການສະແດງອອກ lncRNA ຈາກ RNAseq. ພວກເຮົາໄດ້ດາວໂຫຼດ gene ທີ່ກ່ຽວຂ້ອງກັບພູມຕ້ານທານຈາກຖານຂໍ້ມູນ ImmPort (http://www.immport.org) ແລະ ກຳນົດ lncRNA ທີ່ກ່ຽວຂ້ອງກັບພູມຕ້ານທານ (irlncRNAs) ໂດຍໃຊ້ການວິເຄາະສະຫະສຳພັນ (p < 0.001, r > 0.4). ການກຳນົດ irlncRNAs ທີ່ສະແດງອອກແຕກຕ່າງກັນ (DEirlncRNAs) ໂດຍການປະສົມ irlncRNAs ແລະ lncRNAs ທີ່ສະແດງອອກແຕກຕ່າງກັນທີ່ໄດ້ມາຈາກຖານຂໍ້ມູນ GEPIA2 (http://gepia2.cancer-pku.cn/#index) ໃນກຸ່ມ TCGA-PAAD (|logFC| > 1 ແລະ FDR) <0.05).
ວິທີການນີ້ໄດ້ຖືກລາຍງານມາກ່ອນແລ້ວ [8]. ໂດຍສະເພາະ, ພວກເຮົາສ້າງ X ເພື່ອທົດແທນ lncRNA A ແລະ lncRNA B ທີ່ຈັບຄູ່ກັນ. ເມື່ອຄ່າການສະແດງອອກຂອງ lncRNA A ສູງກວ່າຄ່າການສະແດງອອກຂອງ lncRNA B, X ຈະຖືກກຳນົດເປັນ 1, ຖ້າບໍ່ດັ່ງນັ້ນ X ຈະຖືກກຳນົດເປັນ 0. ດັ່ງນັ້ນ, ພວກເຮົາສາມາດໄດ້ຮັບມາຕຣິກສ໌ທີ່ມີຄ່າ 0 ຫຼື – 1. ແກນຕັ້ງຂອງມາຕຣິກສ໌ເປັນຕົວແທນຂອງແຕ່ລະຕົວຢ່າງ, ແລະແກນນອນເປັນຕົວແທນຂອງແຕ່ລະຄູ່ DEirlncRNA ທີ່ມີຄ່າ 0 ຫຼື 1.
ການວິເຄາະການຖົດຖອຍແບບ Univariate ແລະ ຕາມດ້ວຍການຖົດຖອຍແບບ Lasso ໄດ້ຖືກນໍາໃຊ້ເພື່ອກວດສອບຄູ່ DEirlncRNA ການຄາດຄະເນ. ການວິເຄາະການຖົດຖອຍແບບ lasso ໄດ້ໃຊ້ການກວດສອບຄວາມຖືກຕ້ອງຂ້າມ 10 ເທົ່າ ຊ້ຳກັນ 1000 ເທື່ອ (p < 0.05), ໂດຍມີການກະຕຸ້ນແບບສຸ່ມ 1000 ຄັ້ງຕໍ່ການແລ່ນ. ເມື່ອຄວາມຖີ່ຂອງແຕ່ລະຄູ່ DEirlncRNA ເກີນ 100 ເທື່ອໃນ 1000 ຮອບວຽນ, ຄູ່ DEirlncRNA ໄດ້ຖືກເລືອກເພື່ອສ້າງຮູບແບບຄວາມສ່ຽງດ້ານການຄາດຄະເນ. ຫຼັງຈາກນັ້ນພວກເຮົາໄດ້ໃຊ້ເສັ້ນໂຄ້ງ AUC ເພື່ອຊອກຫາຄ່າຕັດທີ່ດີທີ່ສຸດສໍາລັບການຈັດປະເພດຄົນເຈັບ PAAD ເປັນກຸ່ມທີ່ມີຄວາມສ່ຽງສູງ ແລະ ຕໍ່າ. ຄ່າ AUC ຂອງແຕ່ລະຮູບແບບຍັງໄດ້ຖືກຄິດໄລ່ ແລະ ວາງແຜນເປັນເສັ້ນໂຄ້ງ. ຖ້າເສັ້ນໂຄ້ງຮອດຈຸດສູງສຸດທີ່ຊີ້ບອກເຖິງຄ່າ AUC ສູງສຸດ, ຂະບວນການຄິດໄລ່ຈະຢຸດ ແລະ ຮູບແບບດັ່ງກ່າວຖືກພິຈາລະນາວ່າເປັນຜູ້ສະໝັກທີ່ດີທີ່ສຸດ. ຮູບແບບເສັ້ນໂຄ້ງ ROC 1, 3 ແລະ 5 ປີໄດ້ຖືກສ້າງຂຶ້ນ. ການວິເຄາະການຖົດຖອຍແບບ Univariate ແລະ ຫຼາຍຕົວແປໄດ້ຖືກນໍາໃຊ້ເພື່ອກວດສອບປະສິດທິພາບການຄາດຄະເນເອກະລາດຂອງຮູບແບບຄວາມສ່ຽງດ້ານການຄາດຄະເນ.
ໃຊ້ເຄື່ອງມືເຈັດຢ່າງເພື່ອສຶກສາອັດຕາການແຊກຊຶມຂອງຈຸລັງພູມຕ້ານທານ, ລວມທັງ XCELL, TIMER, QUANTISEQ, MCPCOUNTER, EPIC, CIBERSORT-ABS, ແລະ CIBERSORT. ຂໍ້ມູນການແຊກຊຶມຂອງຈຸລັງພູມຕ້ານທານໄດ້ຖືກດາວໂຫຼດມາຈາກຖານຂໍ້ມູນ TIMER2 (http://timer.comp-genomics.org/#tab-5817-3). ຄວາມແຕກຕ່າງໃນເນື້ອໃນຂອງຈຸລັງທີ່ແຊກຊຶມຂອງພູມຕ້ານທານລະຫວ່າງກຸ່ມທີ່ມີຄວາມສ່ຽງສູງ ແລະ ຕໍ່າຂອງຮູບແບບທີ່ສ້າງຂຶ້ນໄດ້ຖືກວິເຄາະໂດຍໃຊ້ການທົດສອບ Wilcoxon signed-rank, ຜົນໄດ້ຮັບແມ່ນສະແດງຢູ່ໃນກຣາຟຮູບສີ່ຫຼ່ຽມ. ການວິເຄາະສະຫະສຳພັນ Spearman ໄດ້ຖືກປະຕິບັດເພື່ອວິເຄາະຄວາມສຳພັນລະຫວ່າງຄ່າຄະແນນຄວາມສ່ຽງ ແລະ ຈຸລັງທີ່ແຊກຊຶມຂອງພູມຕ້ານທານ. ສຳປະສິດສະຫະສຳພັນທີ່ໄດ້ຮັບແມ່ນສະແດງເປັນ lollipop. ຂອບເຂດຄວາມສຳຄັນໄດ້ຖືກຕັ້ງໄວ້ທີ່ p < 0.05. ຂັ້ນຕອນໄດ້ຖືກປະຕິບັດໂດຍໃຊ້ແພັກເກດ R ggplot2. ເພື່ອກວດສອບຄວາມສຳພັນລະຫວ່າງຮູບແບບ ແລະ ລະດັບການສະແດງອອກຂອງ gene ທີ່ກ່ຽວຂ້ອງກັບອັດຕາການແຊກຊຶມຂອງຈຸລັງພູມຕ້ານທານ, ພວກເຮົາໄດ້ປະຕິບັດແພັກເກດ ggstatsplot ແລະ ການສະແດງພາບໄວໂອລິນ.
ເພື່ອປະເມີນຮູບແບບການປິ່ນປົວທາງດ້ານຄລີນິກສຳລັບມະເຮັງຕັບອ່ອນ, ພວກເຮົາໄດ້ຄິດໄລ່ IC50 ຂອງຢາເຄມີບຳບັດທີ່ໃຊ້ທົ່ວໄປໃນກຸ່ມ TCGA-PAAD. ຄວາມແຕກຕ່າງຂອງຄວາມເຂັ້ມຂຸ້ນຂອງຢາຍັບຍັ້ງເຄິ່ງໜຶ່ງ (IC50) ລະຫວ່າງກຸ່ມທີ່ມີຄວາມສ່ຽງສູງ ແລະ ຕ່ຳໄດ້ຖືກປຽບທຽບໂດຍໃຊ້ການທົດສອບ Wilcoxon signed-rank, ແລະຜົນໄດ້ຮັບແມ່ນສະແດງເປັນ boxplots ທີ່ສ້າງຂຶ້ນໂດຍໃຊ້ pRRophetic ແລະ ggplot2 ໃນ R. ວິທີການທັງໝົດສອດຄ່ອງກັບແນວທາງ ແລະ ມາດຕະຖານທີ່ກ່ຽວຂ້ອງ.
ຂັ້ນຕອນການເຮັດວຽກຂອງການສຶກສາຂອງພວກເຮົາແມ່ນສະແດງຢູ່ໃນຮູບທີ 1. ໂດຍການໃຊ້ການວິເຄາະສະຫະສຳພັນລະຫວ່າງ lncRNAs ແລະ ຍີນທີ່ກ່ຽວຂ້ອງກັບພູມຕ້ານທານ, ພວກເຮົາໄດ້ເລືອກ irlncRNAs 724 ທີ່ມີ p < 0.01 ແລະ r > 0.4. ຕໍ່ໄປພວກເຮົາໄດ້ວິເຄາະ lncRNAs ທີ່ສະແດງອອກແຕກຕ່າງກັນຂອງ GEPIA2 (ຮູບທີ 2A). irlncRNAs ທັງໝົດ 223 ໄດ້ຮັບການສະແດງອອກທີ່ແຕກຕ່າງກັນລະຫວ່າງມະເຮັງຕັບອ່ອນ ແລະ ເນື້ອເຍື່ອຕັບອ່ອນປົກກະຕິ (|logFC| > 1, FDR < 0.05), ຊື່ວ່າ DEirlncRNAs.
ການສ້າງແບບຈຳລອງຄວາມສ່ຽງທີ່ຄາດຄະເນໄດ້. (A) ແຜນຜັງພູເຂົາໄຟຂອງ lncRNA ທີ່ສະແດງອອກແຕກຕ່າງກັນ. (B) ການແຈກຢາຍຂອງສຳປະສິດ lasso ສຳລັບຄູ່ DEirlncRNA 20 ຄູ່. (C) ຄວາມແຕກຕ່າງຂອງຄວາມເປັນໄປໄດ້ບາງສ່ວນຂອງການແຈກຢາຍສຳປະສິດ LASSO. (D) ແຜນຜັງປ່າໄມ້ສະແດງໃຫ້ເຫັນການວິເຄາະການຖົດຖອຍ univariate ຂອງຄູ່ DEirlncRNA 20 ຄູ່.
ຕໍ່ໄປພວກເຮົາໄດ້ສ້າງແມັດທຣິກ 0 ຫຼື 1 ໂດຍການຈັບຄູ່ DEirlncRNA 223 ອັນ. ໄດ້ມີການລະບຸຄູ່ DEirlncRNA ທັງໝົດ 13,687 ຄູ່. ຫຼັງຈາກການວິເຄາະການຖົດຖອຍແບບ univariate ແລະ lasso, ໃນທີ່ສຸດກໍໄດ້ທົດສອບຄູ່ DEirlncRNA 20 ຄູ່ເພື່ອສ້າງຮູບແບບຄວາມສ່ຽງດ້ານການຄາດຄະເນ (ຮູບທີ 2B-D). ອີງຕາມຜົນຂອງການວິເຄາະການຖົດຖອຍແບບ Lasso ແລະ multiple regression, ພວກເຮົາໄດ້ຄິດໄລ່ຄະແນນຄວາມສ່ຽງສຳລັບຄົນເຈັບແຕ່ລະຄົນໃນກຸ່ມ TCGA-PAAD (ຕາຕະລາງທີ 1). ອີງຕາມຜົນຂອງການວິເຄາະການຖົດຖອຍແບບ lasso, ພວກເຮົາໄດ້ຄິດໄລ່ຄະແນນຄວາມສ່ຽງສຳລັບຄົນເຈັບແຕ່ລະຄົນໃນກຸ່ມ TCGA-PAAD. AUC ຂອງເສັ້ນໂຄ້ງ ROC ແມ່ນ 0.905 ສຳລັບການຄາດຄະເນຮູບແບບຄວາມສ່ຽງ 1 ປີ, 0.942 ສຳລັບການຄາດຄະເນ 2 ປີ, ແລະ 0.966 ສຳລັບການຄາດຄະເນ 3 ປີ (ຮູບທີ 3A-B). ພວກເຮົາໄດ້ກຳນົດຄ່າຕັດທີ່ດີທີ່ສຸດໄວ້ທີ່ 3.105, ແບ່ງຊັ້ນຄົນເຈັບກຸ່ມ TCGA-PAAD ອອກເປັນກຸ່ມທີ່ມີຄວາມສ່ຽງສູງ ແລະ ຕໍ່າ, ແລະ ວາງແຜນຜົນໄດ້ຮັບການຢູ່ລອດ ແລະ ການແຈກຢາຍຄະແນນຄວາມສ່ຽງສຳລັບຄົນເຈັບແຕ່ລະຄົນ (ຮູບທີ 3C-E). ການວິເຄາະ Kaplan-Meier ສະແດງໃຫ້ເຫັນວ່າການຢູ່ລອດຂອງຄົນເຈັບ PAAD ໃນກຸ່ມທີ່ມີຄວາມສ່ຽງສູງແມ່ນຕໍ່າກວ່າຢ່າງຫຼວງຫຼາຍກ່ວາຄົນເຈັບໃນກຸ່ມທີ່ມີຄວາມສ່ຽງຕໍ່າ (p < 0.001) (ຮູບທີ 3F).
ຄວາມຖືກຕ້ອງຂອງຮູບແບບຄວາມສ່ຽງດ້ານການຄາດຄະເນ. (A) ROC ຂອງຮູບແບບຄວາມສ່ຽງດ້ານການຄາດຄະເນ. (B) ຮູບແບບຄວາມສ່ຽງດ້ານການຄາດຄະເນ ROC 1, 2, ແລະ 3 ປີ. (C) ROC ຂອງຮູບແບບຄວາມສ່ຽງດ້ານການຄາດຄະເນ. ສະແດງໃຫ້ເຫັນຈຸດຕັດທີ່ດີທີ່ສຸດ. (DE) ການແຈກຢາຍຂອງສະຖານະການຢູ່ລອດ (D) ແລະຄະແນນຄວາມສ່ຽງ (E). (F) ການວິເຄາະ Kaplan-Meier ຂອງຄົນເຈັບ PAAD ໃນກຸ່ມທີ່ມີຄວາມສ່ຽງສູງ ແລະ ຕໍ່າ.
ພວກເຮົາໄດ້ປະເມີນຄວາມແຕກຕ່າງຂອງຄະແນນຄວາມສ່ຽງຕາມລັກສະນະທາງດ້ານຄລີນິກຕື່ມອີກ. ເສັ້ນສະແດງແບບແຖບ (ຮູບທີ 4A) ສະແດງໃຫ້ເຫັນເຖິງຄວາມສຳພັນໂດຍລວມລະຫວ່າງລັກສະນະທາງດ້ານຄລີນິກ ແລະ ຄະແນນຄວາມສ່ຽງ. ໂດຍສະເພາະ, ຄົນເຈັບທີ່ມີອາຍຸສູງກວ່າມີຄະແນນຄວາມສ່ຽງສູງກວ່າ (ຮູບທີ 4B). ນອກຈາກນັ້ນ, ຄົນເຈັບທີ່ມີໄລຍະ II ມີຄະແນນຄວາມສ່ຽງສູງກວ່າຄົນເຈັບທີ່ມີໄລຍະ I (ຮູບທີ 4C). ກ່ຽວກັບລະດັບຂອງເນື້ອງອກໃນຄົນເຈັບ PAAD, ຄົນເຈັບລະດັບ 3 ມີຄະແນນຄວາມສ່ຽງສູງກວ່າຄົນເຈັບລະດັບ 1 ແລະ 2 (ຮູບທີ 4D). ພວກເຮົາໄດ້ດຳເນີນການວິເຄາະການຖົດຖອຍແບບຕົວແປດຽວ ແລະ ຫຼາຍຕົວແປ ແລະ ສະແດງໃຫ້ເຫັນວ່າຄະແນນຄວາມສ່ຽງ (p < 0.001) ແລະ ອາຍຸ (p = 0.045) ແມ່ນປັດໄຈການຄາດຄະເນທີ່ເປັນເອກະລາດໃນຄົນເຈັບທີ່ມີ PAAD (ຮູບທີ 5A-B). ເສັ້ນໂຄ້ງ ROC ສະແດງໃຫ້ເຫັນວ່າຄະແນນຄວາມສ່ຽງແມ່ນດີກ່ວາລັກສະນະທາງດ້ານຄລີນິກອື່ນໆໃນການຄາດຄະເນການຢູ່ລອດ 1, 2 ແລະ 3 ປີຂອງຄົນເຈັບທີ່ມີ PAAD (ຮູບທີ 5C-E).
ລັກສະນະທາງດ້ານຄລີນິກຂອງຮູບແບບຄວາມສ່ຽງດ້ານການຄາດຄະເນ. ຮິສໂຕແກຣມ (A) ສະແດງໃຫ້ເຫັນ (B) ອາຍຸ, (C) ໄລຍະຂອງເນື້ອງອກ, (D) ລະດັບຂອງເນື້ອງອກ, ຄະແນນຄວາມສ່ຽງ, ແລະ ເພດຂອງຄົນເຈັບໃນກຸ່ມຄົນເຈັບ TCGA-PAAD. **p < 0.01
ການວິເຄາະການຄາດຄະເນແບບອິດສະຫຼະຂອງຮູບແບບຄວາມສ່ຽງດ້ານການຄາດຄະເນ. (AB) ການວິເຄາະການຖົດຖອຍແບບ Univariate (A) ແລະ Multivariate (B) ຂອງຮູບແບບຄວາມສ່ຽງດ້ານການຄາດຄະເນ ແລະ ລັກສະນະທາງດ້ານຄລີນິກ. (CE) ROC 1-, 2-, ແລະ 3 ປີ ສຳລັບຮູບແບບຄວາມສ່ຽງດ້ານການຄາດຄະເນ ແລະ ລັກສະນະທາງດ້ານຄລີນິກ
ດັ່ງນັ້ນ, ພວກເຮົາໄດ້ກວດສອບຄວາມສຳພັນລະຫວ່າງເວລາ ແລະ ຄະແນນຄວາມສ່ຽງ. ພວກເຮົາພົບວ່າຄະແນນຄວາມສ່ຽງໃນຄົນເຈັບທີ່ເປັນພະຍາດ PAAD ມີຄວາມສຳພັນໃນທາງກົງກັນຂ້າມກັບຈຸລັງ T CD8+ ແລະ ຈຸລັງ NK (ຮູບທີ 6A), ເຊິ່ງຊີ້ບອກເຖິງການເຮັດວຽກຂອງພູມຕ້ານທານທີ່ຖືກສະກັດກັ້ນໃນກຸ່ມທີ່ມີຄວາມສ່ຽງສູງ. ພວກເຮົາຍັງໄດ້ປະເມີນຄວາມແຕກຕ່າງໃນການແຊກຊຶມຂອງຈຸລັງພູມຕ້ານທານລະຫວ່າງກຸ່ມທີ່ມີຄວາມສ່ຽງສູງ ແລະ ຕໍ່າ ແລະ ພົບຜົນໄດ້ຮັບດຽວກັນ (ຮູບທີ 7). ມີການແຊກຊຶມໜ້ອຍລົງຂອງຈຸລັງ T CD8+ ແລະ ຈຸລັງ NK ໃນກຸ່ມທີ່ມີຄວາມສ່ຽງສູງ. ໃນຊຸມປີມໍ່ໆມານີ້, ຕົວຍັບຍັ້ງຈຸດກວດພູມຕ້ານທານ (ICIs) ໄດ້ຖືກນຳໃຊ້ຢ່າງກວ້າງຂວາງໃນການປິ່ນປົວເນື້ອງອກແຂງ. ຢ່າງໃດກໍຕາມ, ການໃຊ້ ICIs ໃນມະເຮັງຕັບອ່ອນບໍ່ຄ່ອຍປະສົບຜົນສຳເລັດ. ດັ່ງນັ້ນ, ພວກເຮົາໄດ້ປະເມີນການສະແດງອອກຂອງຍີນຈຸດກວດພູມຕ້ານທານໃນກຸ່ມທີ່ມີຄວາມສ່ຽງສູງ ແລະ ຕໍ່າ. ພວກເຮົາພົບວ່າ CTLA-4 ແລະ CD161 (KLRB1) ຖືກສະແດງອອກຫຼາຍເກີນໄປໃນກຸ່ມທີ່ມີຄວາມສ່ຽງຕໍ່າ (ຮູບທີ 6B-G), ຊີ້ບອກວ່າຄົນເຈັບທີ່ເປັນພະຍາດ PAAD ໃນກຸ່ມທີ່ມີຄວາມສ່ຽງຕໍ່າອາດຈະມີຄວາມອ່ອນໄຫວຕໍ່ ICI.
ການວິເຄາະສຳພັນຂອງຮູບແບບຄວາມສ່ຽງດ້ານການຄາດຄະເນ ແລະ ການແຊກຊຶມຂອງເຊວພູມຄຸ້ມກັນ. (A) ສຳພັນລະຫວ່າງຮູບແບບຄວາມສ່ຽງດ້ານການຄາດຄະເນ ແລະ ການແຊກຊຶມຂອງເຊວພູມຄຸ້ມກັນ. (BG) ຊີ້ບອກເຖິງການສະແດງອອກຂອງ gene ໃນກຸ່ມທີ່ມີຄວາມສ່ຽງສູງ ແລະ ຕໍ່າ. (HK) ຄ່າ IC50 ສຳລັບຢາຕ້ານມະເຮັງສະເພາະໃນກຸ່ມທີ່ມີຄວາມສ່ຽງສູງ ແລະ ຕໍ່າ. *p < 0.05, **p < 0.01, ns = ບໍ່ສຳຄັນ
ພວກເຮົາໄດ້ປະເມີນຄວາມສຳພັນລະຫວ່າງຄະແນນຄວາມສ່ຽງ ແລະ ຕົວແທນເຄມີບຳບັດທົ່ວໄປໃນກຸ່ມ TCGA-PAAD. ພວກເຮົາໄດ້ຄົ້ນຫາຢາຕ້ານມະເຮັງທີ່ໃຊ້ທົ່ວໄປໃນມະເຮັງຕັບອ່ອນ ແລະ ວິເຄາະຄວາມແຕກຕ່າງໃນຄ່າ IC50 ຂອງພວກມັນລະຫວ່າງກຸ່ມທີ່ມີຄວາມສ່ຽງສູງ ແລະ ຕໍ່າ. ຜົນໄດ້ຮັບສະແດງໃຫ້ເຫັນວ່າຄ່າ IC50 ຂອງ AZD.2281 (olaparib) ແມ່ນສູງກວ່າໃນກຸ່ມທີ່ມີຄວາມສ່ຽງສູງ, ຊີ້ບອກວ່າຄົນເຈັບ PAAD ໃນກຸ່ມທີ່ມີຄວາມສ່ຽງສູງອາດຈະຕ້ານທານກັບການປິ່ນປົວດ້ວຍ AZD.2281 (ຮູບທີ 6H). ນອກຈາກນັ້ນ, ຄ່າ IC50 ຂອງ paclitaxel, sorafenib, ແລະ erlotinib ແມ່ນຕໍ່າກວ່າໃນກຸ່ມທີ່ມີຄວາມສ່ຽງສູງ (ຮູບທີ 6I-K). ພວກເຮົາຍັງໄດ້ລະບຸຢາຕ້ານມະເຮັງ 34 ຊະນິດທີ່ມີຄ່າ IC50 ສູງກວ່າໃນກຸ່ມທີ່ມີຄວາມສ່ຽງສູງ ແລະ ຢາຕ້ານມະເຮັງ 34 ຊະນິດທີ່ມີຄ່າ IC50 ຕ່ຳກວ່າໃນກຸ່ມທີ່ມີຄວາມສ່ຽງສູງ (ຕາຕະລາງທີ 2).
ບໍ່ສາມາດປະຕິເສດໄດ້ວ່າ lncRNA, mRNA, ແລະ miRNA ມີຢູ່ຢ່າງກວ້າງຂວາງ ແລະ ມີບົດບາດສຳຄັນໃນການພັດທະນາມະເຮັງ. ມີຫຼັກຖານຫຼາຍຢ່າງທີ່ສະໜັບສະໜູນບົດບາດສຳຄັນຂອງ mRNA ຫຼື miRNA ໃນການຄາດຄະເນການຢູ່ລອດໂດຍລວມໃນມະເຮັງຫຼາຍຊະນິດ. ບໍ່ຕ້ອງສົງໃສ, ຮູບແບບຄວາມສ່ຽງດ້ານການຄາດຄະເນຫຼາຍຢ່າງຍັງອີງໃສ່ lncRNA. ຕົວຢ່າງ, Luo et al. ການສຶກສາໄດ້ສະແດງໃຫ້ເຫັນວ່າ LINC01094 ມີບົດບາດສຳຄັນໃນການຂະຫຍາຍຕົວ ແລະ ການແຜ່ກະຈາຍຂອງ PC, ແລະ ການສະແດງອອກສູງຂອງ LINC01094 ຊີ້ບອກເຖິງການຢູ່ລອດທີ່ບໍ່ດີຂອງຄົນເຈັບມະເຮັງຕັບອ່ອນ [16]. ການສຶກສາທີ່ນຳສະເໜີໂດຍ Lin et al. ການສຶກສາໄດ້ສະແດງໃຫ້ເຫັນວ່າການຫຼຸດລົງຂອງ lncRNA FLVCR1-AS1 ແມ່ນກ່ຽວຂ້ອງກັບການຄາດຄະເນທີ່ບໍ່ດີໃນຄົນເຈັບມະເຮັງຕັບອ່ອນ [17]. ຢ່າງໃດກໍຕາມ, lncRNA ທີ່ກ່ຽວຂ້ອງກັບພູມຕ້ານທານແມ່ນມີການສົນທະນາໜ້ອຍກວ່າໃນແງ່ຂອງການຄາດຄະເນການຢູ່ລອດໂດຍລວມຂອງຄົນເຈັບມະເຮັງ. ເມື່ອບໍ່ດົນມານີ້, ວຽກງານຈຳນວນຫຼວງຫຼາຍໄດ້ສຸມໃສ່ການສ້າງຮູບແບບຄວາມສ່ຽງດ້ານການຄາດຄະເນເພື່ອຄາດຄະເນການຢູ່ລອດຂອງຄົນເຈັບມະເຮັງ ແລະ ດັ່ງນັ້ນຈຶ່ງປັບວິທີການປິ່ນປົວ [18, 19, 20]. ມີການຮັບຮູ້ເພີ່ມຂຶ້ນກ່ຽວກັບບົດບາດສຳຄັນຂອງການແຊກຊຶມຂອງພູມຕ້ານທານໃນການເລີ່ມຕົ້ນຂອງມະເຮັງ, ຄວາມຄືບໜ້າ, ແລະ ການຕອບສະໜອງຕໍ່ການປິ່ນປົວເຊັ່ນ: ການປິ່ນປົວດ້ວຍທາງເຄມີ. ການສຶກສາຈຳນວນຫຼາຍໄດ້ຢືນຢັນວ່າຈຸລັງພູມຕ້ານທານທີ່ແຊກຊຶມເຂົ້າເນື້ອງອກມີບົດບາດສຳຄັນໃນການຕອບສະໜອງຕໍ່ການປິ່ນປົວດ້ວຍທາງເຄມີທີ່ເປັນພິດຕໍ່ຈຸລັງ [21, 22, 23]. ສະພາບແວດລ້ອມພູມຕ້ານທານຂອງເນື້ອງອກແມ່ນປັດໄຈສຳຄັນໃນການຢູ່ລອດຂອງຄົນເຈັບທີ່ເປັນເນື້ອງອກ [24, 25]. ການປິ່ນປົວດ້ວຍພູມຕ້ານທານ, ໂດຍສະເພາະການປິ່ນປົວດ້ວຍ ICI, ຖືກນຳໃຊ້ຢ່າງກວ້າງຂວາງໃນການປິ່ນປົວເນື້ອງອກແຂງ [26]. ພັນທຸກຳທີ່ກ່ຽວຂ້ອງກັບພູມຕ້ານທານຖືກນຳໃຊ້ຢ່າງກວ້າງຂວາງເພື່ອສ້າງແບບຈຳລອງຄວາມສ່ຽງດ້ານການຄາດຄະເນ. ຕົວຢ່າງ, Su et al. ແບບຈຳລອງຄວາມສ່ຽງດ້ານການຄາດຄະເນທີ່ກ່ຽວຂ້ອງກັບພູມຕ້ານທານແມ່ນອີງໃສ່ພັນທຸກຳທີ່ເຂົ້າລະຫັດໂປຣຕີນເພື່ອຄາດຄະເນການຄາດຄະເນຂອງຄົນເຈັບທີ່ເປັນມະເຮັງຮວຍໄຂ່ [27]. ພັນທຸກຳທີ່ບໍ່ໄດ້ເຂົ້າລະຫັດເຊັ່ນ: lncRNAs ຍັງເໝາະສົມສຳລັບການສ້າງແບບຈຳລອງຄວາມສ່ຽງດ້ານການຄາດຄະເນ [28, 29, 30]. Luo et al ໄດ້ທົດສອບ lncRNAs ທີ່ກ່ຽວຂ້ອງກັບພູມຕ້ານທານສີ່ຊະນິດ ແລະ ສ້າງແບບຈຳລອງການຄາດຄະເນສຳລັບຄວາມສ່ຽງດ້ານມະເຮັງປາກມົດລູກ [31]. Khan et al. ມີການບັນທຶກການສະແດງອອກທີ່ແຕກຕ່າງກັນທັງໝົດ 32 ຢ່າງ, ແລະ ໂດຍອີງໃສ່ສິ່ງນີ້, ຮູບແບບການຄາດຄະເນທີ່ມີບັນທຶກການສະແດງອອກທີ່ສຳຄັນ 5 ຢ່າງໄດ້ຖືກສ້າງຕັ້ງຂຶ້ນ, ເຊິ່ງໄດ້ຖືກສະເໜີໃຫ້ເປັນເຄື່ອງມືທີ່ແນະນຳສູງສຳລັບການຄາດຄະເນການຖືກປະຕິເສດສ້ວຍແຫຼມທີ່ພິສູດແລ້ວວ່າໄດ້ຮັບການພິສູດດ້ວຍການກວດເນື້ອເຍື່ອຫຼັງຈາກການປ່ຽນຖ່າຍໝາກໄຂ່ຫຼັງ [32].
ຮູບແບບເຫຼົ່ານີ້ສ່ວນໃຫຍ່ແມ່ນອີງໃສ່ລະດັບການສະແດງອອກຂອງ gene, ບໍ່ວ່າຈະເປັນ gene ທີ່ເຂົ້າລະຫັດໂປຣຕີນ ຫຼື gene ທີ່ບໍ່ໄດ້ເຂົ້າລະຫັດ. ຢ່າງໃດກໍຕາມ, gene ດຽວກັນສາມາດມີຄ່າການສະແດງອອກທີ່ແຕກຕ່າງກັນໃນ genome, ຮູບແບບຂໍ້ມູນ ແລະ ໃນຄົນເຈັບທີ່ແຕກຕ່າງກັນ, ເຊິ່ງນໍາໄປສູ່ການຄາດຄະເນທີ່ບໍ່ໝັ້ນຄົງໃນຮູບແບບການຄາດຄະເນ. ໃນການສຶກສານີ້, ພວກເຮົາໄດ້ສ້າງຮູບແບບທີ່ສົມເຫດສົມຜົນດ້ວຍ lncRNA ສອງຄູ່, ໂດຍບໍ່ຂຶ້ນກັບຄ່າການສະແດງອອກທີ່ແນ່ນອນ.
ໃນການສຶກສາຄັ້ງນີ້, ພວກເຮົາໄດ້ລະບຸ irlncRNA ເປັນຄັ້ງທຳອິດຜ່ານການວິເຄາະສຳພັນກັບຍີນທີ່ກ່ຽວຂ້ອງກັບພູມຕ້ານທານ. ພວກເຮົາໄດ້ກວດສອບ DEirlncRNA 223 ໂດຍການປະສົມພັນກັບ lncRNA ທີ່ສະແດງອອກແຕກຕ່າງກັນ. ອັນທີສອງ, ພວກເຮົາໄດ້ສ້າງແມັດຕຣິກ 0 ຫຼື 1 ໂດຍອີງໃສ່ວິທີການຈັບຄູ່ DEirlncRNA ທີ່ເຜີຍແຜ່ [31]. ຫຼັງຈາກນັ້ນພວກເຮົາໄດ້ປະຕິບັດການວິເຄາະການຖົດຖອຍແບບ univariate ແລະ lasso ເພື່ອລະບຸຄູ່ DEirlncRNA ການຄາດຄະເນ ແລະ ສ້າງຮູບແບບຄວາມສ່ຽງທີ່ຄາດຄະເນ. ພວກເຮົາໄດ້ວິເຄາະຄວາມສຳພັນລະຫວ່າງຄະແນນຄວາມສ່ຽງ ແລະ ລັກສະນະທາງດ້ານຄລີນິກໃນຄົນເຈັບທີ່ມີ PAAD. ພວກເຮົາພົບວ່າຮູບແບບຄວາມສ່ຽງການຄາດຄະເນຂອງພວກເຮົາ, ໃນຖານະເປັນປັດໄຈການຄາດຄະເນເອກະລາດໃນຄົນເຈັບ PAAD, ສາມາດແຍກແຍະຄົນເຈັບລະດັບສູງຈາກຄົນເຈັບລະດັບຕໍ່າ ແລະ ຄົນເຈັບລະດັບສູງຈາກຄົນເຈັບລະດັບຕໍ່າໄດ້ຢ່າງມີປະສິດທິພາບ. ນອກຈາກນັ້ນ, ຄ່າ AUC ຂອງເສັ້ນໂຄ້ງ ROC ຂອງຮູບແບບຄວາມສ່ຽງການຄາດຄະເນແມ່ນ 0.905 ສຳລັບການຄາດຄະເນ 1 ປີ, 0.942 ສຳລັບການຄາດຄະເນ 2 ປີ, ແລະ 0.966 ສຳລັບການຄາດຄະເນ 3 ປີ.
ນັກຄົ້ນຄວ້າລາຍງານວ່າຄົນເຈັບທີ່ມີການແຊກຊຶມຂອງເຊວ CD8+ T ສູງຂຶ້ນມີຄວາມອ່ອນໄຫວຕໍ່ການປິ່ນປົວດ້ວຍ ICI ຫຼາຍຂຶ້ນ [33]. ການເພີ່ມຂຶ້ນຂອງເນື້ອໃນຂອງເຊວທີ່ເປັນພິດຕໍ່ຈຸລັງ, ເຊວ NK CD56, ເຊວ NK ແລະ ເຊວ CD8+ T ໃນສະພາບແວດລ້ອມພູມຕ້ານທານຂອງເນື້ອງອກອາດເປັນເຫດຜົນໜຶ່ງສຳລັບຜົນກະທົບຕໍ່ການສະກັດກັ້ນເນື້ອງອກ [34]. ການສຶກສາກ່ອນໜ້ານີ້ສະແດງໃຫ້ເຫັນວ່າລະດັບທີ່ສູງຂຶ້ນຂອງ CD4(+) T ແລະ CD8(+) T ທີ່ແຊກຊຶມເຂົ້າເນື້ອງອກມີຄວາມກ່ຽວຂ້ອງຢ່າງຫຼວງຫຼາຍກັບການຢູ່ລອດທີ່ຍາວນານ [35]. ການແຊກຊຶມຂອງເຊວ CD8 T ທີ່ບໍ່ດີ, ການໂຫຼດ neoantigen ຕ່ຳ, ແລະສະພາບແວດລ້ອມພູມຕ້ານທານຂອງເນື້ອງອກສູງເຮັດໃຫ້ຂາດການຕອບສະໜອງຕໍ່ການປິ່ນປົວດ້ວຍ ICI [36]. ພວກເຮົາພົບວ່າຄະແນນຄວາມສ່ຽງມີຄວາມກ່ຽວຂ້ອງທາງລົບກັບເຊວ CD8+ T ແລະເຊວ NK, ຊີ້ບອກວ່າຄົນເຈັບທີ່ມີຄະແນນຄວາມສ່ຽງສູງອາດຈະບໍ່ເໝາະສົມກັບການປິ່ນປົວດ້ວຍ ICI ແລະມີການພະຍາກອນທີ່ຮ້າຍແຮງກວ່າເກົ່າ.
CD161 ເປັນຕົວຊີ້ບອກຂອງຈຸລັງຂ້າຕາມທຳມະຊາດ (NK). ຈຸລັງ T ທີ່ຖືກປ່ຽນເປັນ CAR ຂອງ CD8+CD161+ ເປັນຕົວກາງທີ່ເພີ່ມປະສິດທິພາບຕ້ານເນື້ອງອກໃນຮ່າງກາຍໃນຮູບແບບການປູກຖ່າຍມະເຮັງຕ່ອມລູກໝາກຕັບອ່ອນ HER2+ [37]. ຕົວຍັບຍັ້ງຈຸດກວດພູມຕ້ານທານແນໃສ່ເສັ້ນທາງໂປຣຕີນທີ່ກ່ຽວຂ້ອງກັບຈຸລັງລິມໂຟໄຊທີ 4 (CTLA-4) ທີ່ເປັນພິດຕໍ່ຈຸລັງ T ແລະໂປຣຕີນຕາຍຂອງຈຸລັງທີ່ຖືກໂປຣແກຣມ 1 (PD-1)/ລີແກນຕາຍຂອງຈຸລັງທີ່ຖືກໂປຣແກຣມ 1 (PD-L1) ແລະມີທ່າແຮງທີ່ດີໃນຫຼາຍໆດ້ານ. ການສະແດງອອກຂອງ CTLA-4 ແລະ CD161 (KLRB1) ແມ່ນຕ່ຳກວ່າໃນກຸ່ມທີ່ມີຄວາມສ່ຽງສູງ, ເຊິ່ງຊີ້ບອກຕື່ມອີກວ່າຄົນເຈັບທີ່ມີຄະແນນຄວາມສ່ຽງສູງອາດຈະບໍ່ມີສິດໄດ້ຮັບການປິ່ນປົວດ້ວຍ ICI. [38]
ເພື່ອຊອກຫາທາງເລືອກໃນການປິ່ນປົວທີ່ເໝາະສົມກັບຄົນເຈັບທີ່ມີຄວາມສ່ຽງສູງ, ພວກເຮົາໄດ້ວິເຄາະຢາຕ້ານມະເຮັງຫຼາຍຊະນິດ ແລະ ພົບວ່າ paclitaxel, sorafenib, ແລະ erlotinib, ເຊິ່ງຖືກນໍາໃຊ້ຢ່າງກວ້າງຂວາງໃນຄົນເຈັບທີ່ເປັນ PAAD, ອາດຈະເໝາະສົມກັບຄົນເຈັບທີ່ມີຄວາມສ່ຽງສູງທີ່ເປັນ PAAD. [33]. Zhang ແລະ ເພື່ອນຮ່ວມງານພົບວ່າການກາຍພັນໃນເສັ້ນທາງການຕອບສະໜອງຄວາມເສຍຫາຍຂອງ DNA (DDR) ໃດໆສາມາດນໍາໄປສູ່ການພະຍາກອນທີ່ບໍ່ດີໃນຄົນເຈັບທີ່ເປັນມະເຮັງຕ່ອມລູກໝາກ [39]. ການທົດລອງມະເຮັງຕັບອ່ອນ Olaparib Ongoing (POLO) ໄດ້ສະແດງໃຫ້ເຫັນວ່າການປິ່ນປົວຮັກສາດ້ວຍ olaparib ຍືດອາຍຸການຢູ່ລອດໂດຍບໍ່ມີການກ້າວຫນ້າເມື່ອທຽບກັບ placebo ຫຼັງຈາກການປິ່ນປົວດ້ວຍທາງເຄມີແບບ platinum ຊັ້ນໜຶ່ງໃນຄົນເຈັບທີ່ເປັນມະເຮັງທໍ່ຕັບອ່ອນ adenocarcinoma ແລະ ການກາຍພັນ BRCA1/2 germline [40]. ສິ່ງນີ້ໃຫ້ຄວາມຫວັງທີ່ສໍາຄັນວ່າຜົນໄດ້ຮັບການປິ່ນປົວຈະດີຂຶ້ນຢ່າງຫຼວງຫຼາຍໃນກຸ່ມຍ່ອຍຂອງຄົນເຈັບນີ້. ໃນການສຶກສານີ້, ຄ່າ IC50 ຂອງ AZD.2281 (olaparib) ແມ່ນສູງກວ່າໃນກຸ່ມທີ່ມີຄວາມສ່ຽງສູງ, ຊີ້ບອກວ່າຄົນເຈັບ PAAD ໃນກຸ່ມທີ່ມີຄວາມສ່ຽງສູງອາດຈະຕ້ານທານກັບການປິ່ນປົວດ້ວຍ AZD.2281.
ຮູບແບບການຄາດຄະເນໃນການສຶກສາຄັ້ງນີ້ໃຫ້ຜົນໄດ້ຮັບການຄາດຄະເນທີ່ດີ, ແຕ່ພວກມັນແມ່ນອີງໃສ່ການຄາດຄະເນທາງວິເຄາະ. ວິທີການຢືນຢັນຜົນໄດ້ຮັບເຫຼົ່ານີ້ດ້ວຍຂໍ້ມູນທາງດ້ານຄລີນິກແມ່ນຄຳຖາມທີ່ສຳຄັນ. ການຖ່າຍ ultrasound ດ້ວຍເຂັມລະອຽດດ້ວຍກ້ອງສ່ອງທາງໄກ (EUS-FNA) ໄດ້ກາຍເປັນວິທີການທີ່ຂາດບໍ່ໄດ້ສຳລັບການວິນິດໄສບາດແຜຂອງຕັບອ່ອນທີ່ແຂງ ແລະ ນອກຕັບອ່ອນທີ່ມີຄວາມອ່ອນໄຫວ 85% ແລະ ຄວາມຈຳເພາະ 98% [41]. ການມາເຖິງຂອງເຂັມກວດເນື້ອເຍື່ອດ້ວຍເຂັມລະອຽດ EUS (EUS-FNB) ແມ່ນອີງໃສ່ຂໍ້ໄດ້ປຽບທີ່ຮັບຮູ້ໄດ້ຫຼາຍກວ່າ FNA, ເຊັ່ນ: ຄວາມຖືກຕ້ອງຂອງການວິນິດໄສທີ່ສູງຂຶ້ນ, ການໄດ້ຮັບຕົວຢ່າງທີ່ຮັກສາໂຄງສ້າງເນື້ອເຍື່ອ, ແລະ ດັ່ງນັ້ນຈຶ່ງສ້າງເນື້ອເຍື່ອພູມຕ້ານທານທີ່ສຳຄັນສຳລັບການວິນິດໄສບາງຢ່າງ. ການຍ້ອມສີພິເສດ [42]. ການທົບທວນຢ່າງເປັນລະບົບຂອງວັນນະຄະດີໄດ້ຢືນຢັນວ່າເຂັມ FNB (ໂດຍສະເພາະ 22G) ສະແດງໃຫ້ເຫັນເຖິງປະສິດທິພາບສູງສຸດໃນການເກັບກ່ຽວເນື້ອເຍື່ອຈາກກ້ອນຕັບອ່ອນ [43]. ທາງດ້ານຄລີນິກ, ມີພຽງແຕ່ຄົນເຈັບຈຳນວນໜ້ອຍເທົ່ານັ້ນທີ່ມີສິດໄດ້ຮັບການຜ່າຕັດແບບຮາກ, ແລະ ຄົນເຈັບສ່ວນໃຫຍ່ມີເນື້ອງອກທີ່ບໍ່ສາມາດຜ່າຕັດໄດ້ໃນເວລາວິນິດໄສເບື້ອງຕົ້ນ. ໃນການປະຕິບັດທາງດ້ານຄລີນິກ, ມີພຽງແຕ່ອັດຕາສ່ວນໜ້ອຍຂອງຄົນເຈັບເທົ່ານັ້ນທີ່ເໝາະສົມສຳລັບການຜ່າຕັດແບບຮາກຖານ ເພາະວ່າຄົນເຈັບສ່ວນໃຫຍ່ມີເນື້ອງອກທີ່ບໍ່ສາມາດຜ່າຕັດໄດ້ໃນເວລາກວດຫາພະຍາດໃນເບື້ອງຕົ້ນ. ຫຼັງຈາກການຢືນຢັນທາງດ້ານພະຍາດວິທະຍາໂດຍ EUS-FNB ແລະ ວິທີການອື່ນໆ, ການປິ່ນປົວທີ່ບໍ່ແມ່ນການຜ່າຕັດທີ່ໄດ້ມາດຕະຖານເຊັ່ນ: ການປິ່ນປົວດ້ວຍທາງເຄມີມັກຈະຖືກເລືອກ. ໂຄງການຄົ້ນຄວ້າຕໍ່ມາຂອງພວກເຮົາແມ່ນເພື່ອທົດສອບຮູບແບບການຄາດຄະເນຂອງການສຶກສານີ້ໃນກຸ່ມຄົນເຈັບທີ່ຜ່າຕັດ ແລະ ບໍ່ຜ່າຕັດຜ່ານການວິເຄາະຍ້ອນຫຼັງ.
ໂດຍລວມແລ້ວ, ການສຶກສາຂອງພວກເຮົາໄດ້ສ້າງຮູບແບບຄວາມສ່ຽງດ້ານການຄາດຄະເນໃໝ່ໂດຍອີງໃສ່ຄູ່ irlncRNA, ເຊິ່ງສະແດງໃຫ້ເຫັນຄຸນຄ່າດ້ານການຄາດຄະເນທີ່ດີໃນຄົນເຈັບທີ່ເປັນມະເຮັງຕັບອ່ອນ. ຮູບແບບຄວາມສ່ຽງດ້ານການຄາດຄະເນຂອງພວກເຮົາອາດຈະຊ່ວຍແຍກແຍະຄົນເຈັບທີ່ເປັນ PAAD ທີ່ເໝາະສົມສຳລັບການປິ່ນປົວທາງການແພດ.
ຊຸດຂໍ້ມູນທີ່ນຳໃຊ້ ແລະ ວິເຄາະໃນການສຶກສາໃນປະຈຸບັນແມ່ນມີໃຫ້ຈາກຜູ້ຂຽນທີ່ກ່ຽວຂ້ອງຕາມການຮ້ອງຂໍທີ່ສົມເຫດສົມຜົນ.
ຊຸຍ ເວນ, ກົງ ແອັກ, ຈ້ວງ ຢ. ບົດບາດຂອງການເປັນຕົວກາງໃນການເພີ່ມປະສິດທິພາບຂອງຕົນເອງໃນການຄວບຄຸມອາລົມທາງລົບໃນລະຫວ່າງການລະບາດຂອງພະຍາດໂຄວິດ-19: ການສຶກສາແບບຕັດຂວາງ. ພະຍາບານສຸຂະພາບຈິດພາຍໃນປະເທດ [ບົດຄວາມວາລະສານ]. 2021 06/01/2021;30(3):759–71.
ຊຸຍ ເວນ, ກົງ X, ຊຽນ X, ຈາງ ແອວ, ເຊີງ ເຈ, ດົງ ເຈ, ແລະ ອື່ນໆ. ທັດສະນະຂອງສະມາຊິກໃນຄອບຄົວກ່ຽວກັບການຕັດສິນໃຈທາງເລືອກໃນຫ້ອງ INTAC: ການທົບທວນຢ່າງເປັນລະບົບ. INT J NURS STUD [ບົດຄວາມວາລະສານ; ການທົບທວນ]. 2023 01/01/2023;137:104391.
Vincent A, Herman J, Schulich R, Hruban RH, Goggins M. ມະເຮັງຕັບອ່ອນ. Lancet. [ບົດຄວາມວາລະສານ; ການສະໜັບສະໜູນການຄົ້ນຄວ້າ, NIH, ພາຍນອກ; ການສະໜັບສະໜູນການຄົ້ນຄວ້າ, ລັດຖະບານນອກສະຫະລັດ; ການທົບທວນຄືນ]. 2011 08/13/2011;378(9791):607–20.
Ilic M, Ilic I. ລະບາດວິທະຍາຂອງມະເຮັງຕັບອ່ອນ. ວາລະສານໂລກກ່ຽວກັບພະຍາດກະເພາະອາຫານ. [ບົດຄວາມວາລະສານ, ການທົບທວນຄືນ]. 2016 11/28/2016;22(44):9694–705.
Liu X, Chen B, Chen J, Sun S. ໂນໂມແກຣມໃໝ່ທີ່ກ່ຽວຂ້ອງກັບ tp53 ສຳລັບການຄາດຄະເນການຢູ່ລອດໂດຍລວມໃນຄົນເຈັບທີ່ເປັນມະເຮັງຕັບອ່ອນ. BMC Cancer [ບົດຄວາມວາລະສານ]. 2021 31-03-2021;21(1):335.
Xian X, Zhu X, Chen Y, Huang B, Xiang W. ຜົນກະທົບຂອງການປິ່ນປົວທີ່ເນັ້ນໃສ່ວິທີແກ້ໄຂຕໍ່ຄວາມອ່ອນເພຍທີ່ກ່ຽວຂ້ອງກັບມະເຮັງໃນຄົນເຈັບມະເຮັງລຳໄສ້ໃຫຍ່ທີ່ໄດ້ຮັບການປິ່ນປົວດ້ວຍທາງເຄມີ: ການທົດລອງແບບສຸ່ມທີ່ຄວບຄຸມ. ພະຍາບານມະເຮັງ. [ບົດຄວາມວາລະສານ; ການທົດລອງແບບສຸ່ມທີ່ຄວບຄຸມ; ການສຶກສາໄດ້ຮັບການສະໜັບສະໜູນຈາກລັດຖະບານນອກສະຫະລັດ]. 2022 05/01/2022;45(3):E663–73.
Zhang Cheng, Zheng Wen, Lu Y, Shan L, Xu Dong, Pan Y, ແລະ ອື່ນໆ. ລະດັບແອນຕິເຈນ carcinoembryonic (CEA) ຫຼັງການຜ່າຕັດຄາດຄະເນຜົນໄດ້ຮັບຫຼັງຈາກການຜ່າຕັດມະເຮັງລຳໄສ້ໃຫຍ່ໃນຄົນເຈັບທີ່ມີລະດັບ CEA ກ່ອນການຜ່າຕັດປົກກະຕິ. ສູນຄົ້ນຄວ້າມະເຮັງແບບແປ. [ບົດຄວາມວາລະສານ]. 2020 01.01.2020;9(1):111–8.
ຮົງ ເວນ, ລຽງ ລີ, ກູ ຢູ, ຊິ ຈື, ຊິວ ຮວາ, ຢາງ X, ແລະ ອື່ນໆ. lncRNAs ທີ່ກ່ຽວຂ້ອງກັບພູມຕ້ານທານສ້າງລາຍເຊັນໃໝ່ ແລະ ຄາດຄະເນພູມສັນຖານພູມຕ້ານທານຂອງມະເຮັງຕັບຂອງມະນຸດ. ກົດນິວເຄຼຍໂມລ ເທີ [ບົດຄວາມວາລະສານ]. 2020 2020-12-04;22:937 – 47.
Toffey RJ, Zhu Y., Schulich RD ການປິ່ນປົວດ້ວຍພູມຕ້ານທານສຳລັບມະເຮັງຕັບອ່ອນ: ອຸປະສັກ ແລະ ການຄົ້ນພົບໃໝ່ໆ. ແພດຜ່າຕັດກະເພາະອາຫານ ແລະ ລຳໄສ້ Ann [ບົດຄວາມວາລະສານ; ການທົບທວນຄືນ]. 2018 07/01/2018;2(4):274–81.
Hull R, Mbita Z, Dlamini Z. RNA ທີ່ບໍ່ມີລະຫັດຍາວ (LncRNAs), ຈີໂນມິກຂອງເນື້ອງອກໄວຣັດ ແລະ ເຫດການຕໍ່ເຊື່ອມທີ່ຜິດປົກກະຕິ: ຜົນສະທ້ອນທາງການປິ່ນປົວ. AM J CANCER RES [ບົດຄວາມວາລະສານ; ການທົບທວນຄືນ]. 20/01/2021;11(3):866–83.
Wang J, Chen P, Zhang Y, Ding J, Yang Y, Li H. 11-ການລະບຸລາຍເຊັນ lncRNA ທີ່ກ່ຽວຂ້ອງກັບການຄາດຄະເນມະເຮັງມົດລູກ. ຜົນສຳເລັດຂອງວິທະຍາສາດ [ບົດຄວາມວາລະສານ]. 2021 2021-01-01;104(1):311977089.
Jiang S, Ren H, Liu S, Lu Z, Xu A, Qin S, ແລະ ອື່ນໆ. ການວິເຄາະທີ່ຄົບຖ້ວນຂອງຍີນການຄາດຄະເນໂປຣຕີນທີ່ຜູກມັດ RNA ແລະຢາທີ່ເໝາະສົມໃນມະເຮັງຈຸລັງໝາກໄຂ່ຫຼັງ papillary. pregen. [ບົດຄວາມວາລະສານ]. 20/01/2021;12:627508.
Li X, Chen J, Yu Q, Huang X, Liu Z, Wang X, ແລະ ອື່ນໆ. ລັກສະນະຂອງ RNA ທີ່ບໍ່ມີລະຫັດຍາວທີ່ກ່ຽວຂ້ອງກັບ autophagy ຄາດຄະເນການພະຍາກອນມະເຮັງເຕົ້ານົມ. pregen. [ບົດຄວາມວາລະສານ]. 20/01/2021;12:569318.
Zhou M, Zhang Z, Zhao X, Bao S, Cheng L, Sun J. ລາຍເຊັນ lncRNA ຫົກອັນທີ່ກ່ຽວຂ້ອງກັບພູມຕ້ານທານຊ່ວຍປັບປຸງການຄາດຄະເນໃນ glioblastoma multiforme. MOL Neurobiology. [ບົດຄວາມວາລະສານ]. 2018 01.05.2018;55(5):3684–97.
Wu B, Wang Q, Fei J, Bao Y, Wang X, Song Z, ແລະ ອື່ນໆ. ລາຍເຊັນ tri-lncRNA ແບບໃໝ່ຄາດຄະເນການຢູ່ລອດຂອງຄົນເຈັບທີ່ເປັນມະເຮັງຕັບອ່ອນ. ຕົວແທນຂອງ ONKOL. [ບົດຄວາມວາລະສານ]. 2018 12/01/2018;40(6):3427–37.
Luo C, Lin K, Hu C, Zhu X, Zhu J, Zhu Z. LINC01094 ສົ່ງເສີມການລຸກລາມຂອງມະເຮັງຕັບອ່ອນໂດຍການຄວບຄຸມການສະແດງອອກຂອງ LIN28B ແລະເສັ້ນທາງ PI3K/AKT ຜ່ານ sponged miR-577. Mol Therapeutics – ກົດນິວຄລີອິກ. 2021;26:523–35.
Lin J, Zhai X, Zou S, Xu Z, Zhang J, Jiang L, ແລະ ອື່ນໆ. ຄຳຕິຊົມໃນທາງບວກລະຫວ່າງ lncRNA FLVCR1-AS1 ແລະ KLF10 ອາດຈະຍັບຍັ້ງການລຸກລາມຂອງມະເຮັງຕັບອ່ອນຜ່ານເສັ້ນທາງ PTEN/AKT. J EXP Clin Cancer Res. 2021;40(1).
Zhou X, Liu X, Zeng X, Wu D, Liu L. ການລະບຸພັນທຸກໍາສິບສາມຊະນິດທີ່ຄາດຄະເນການຢູ່ລອດໂດຍລວມໃນມະເຮັງຕັບ. Biosci Rep [ບົດຄວາມວາລະສານ]. 2021 04/09/2021.
ເວລາໂພສ: ວັນທີ 22 ກັນຍາ 2023