Neuroendokrine Neoplasie basierend auf integrierter Multi-Omics-Analyse

In den letzten Jahren hat die Innovation der Hochdurchsatz-Sequenzierungstechnologie das Verständnis von Krankheitsmechanismen auf molekularer Ebene stark vorangetrieben. Es ist eine unbestreitbare Tatsache, dass es große Unterschiede in der Prognose von Tumoren mit dem gleichen pathologischen Typ und klinischen Stadium gibt. Zahlreiche Studien belegen, dass der Unterschied in der Prognose eng mit der Heterogenität des Tumors zusammenhängt. In den letzten Jahren konnte durch eine individualisierte Präzisionsbehandlung die Prognose der Patienten stark verbessert werden. Studien haben gezeigt, dass die Subgruppenklassifizierung von Darmkrebs basierend auf somatischen Mutationen und Signalwegaktivierung in der TCGA-Datenbank die Genauigkeit der Diagnose und die Wirksamkeit der Behandlung erheblich verbessert hat. Lehmanns Team teilte die Proben basierend auf dem Genexpressionsprofil von dreifach negativem Brustkrebs in sechs Typen ein: immunmodulatorischer Typ, mesenchymaler Typ, mesenchymaler stammähnlicher Typ, Androgenrezeptortyp und zwei basalähnliche Typen. Diese Typisierungsmethode kombiniert die Rolle der normalen Matrix und der Transkriptionsniveaus von Immunzellen in der Tumormikroumgebung und untersucht ihre klinischen Eigenschaften und Behandlungsstrategien nach verschiedenen Subtypen. Allerdings reicht kein einzelnes Omics aus, um die komplexe Pathogenese von Tumoren aufzuklären. Daher ist die integrierte Analyse multipler Omics ein Entwicklungstrend, der helfen wird, die Pathogenese von Tumoren aufzuklären und potenzielle Angriffspunkte für die medikamentöse Behandlung zu entdecken. Die interaktive Analyse phänotypischer Daten und Molekular-Omics-Daten kann uns nicht nur helfen, die Korrelation zwischen biologischen Phänotypen und molekularen Phänotypen zu analysieren, sondern ermöglicht uns auch, den mikroskopischen molekularen Mechanismus makrobiologischer Phänotypen zu verstehen. Beispielsweise können bildgebende Phänotypen auf der Grundlage von CT und MRT verwendet werden, um wichtige Proteinmarker in Bezug auf sie zu untersuchen, was eine experimentelle und theoretische Grundlage für die zukünftige klinische zielgerichtete Therapie und die Erforschung von Arzneimittelresistenzmechanismen bietet. Interessanter ist, dass die Beziehung zwischen der molekularen Klassifikation von Tumoren auf der Grundlage von molekularen Omics und der Etablierung von phänotypischen Erkennungsmodellen wie bildgebenden Omics auch Phänotypen wie bildgebende Omics zu einem Leitfaden für eine gezielte Tumortherapie machen kann. Eine wichtige Methode. Daher ist es für neuroendokrine Tumoren mit einem hohen Grad an Heterogenität sehr notwendig, sie aus der Perspektive multipler Omiks zu analysieren. In den aktuellen öffentlichen Datenbanken TCGA und GEO sind die exklusiven NEN-Genomikdaten jedoch äußerst knapp, und es gibt fast keine Daten wie Proteomics, Epiomics, Metabolomics und Imagingomics. Daher ist es dringend erforderlich, eine exklusive NEN-Multi-Omics-Big-Data-Analyse durchzuführen, um die Genese und den Entwicklungsmechanismus von neuroendokrinen Tumoren umfassend und eingehend zu untersuchen.

Dieses Projekt beabsichtigt, die molekularbiologischen Eigenschaften von NEN basierend auf Multi-Omics-Analysen zu analysieren, eine exklusive NEN-Multi-Omics-Big-Data-Plattform zu entwickeln und molekulare Subtypen durchzuführen. Wir hoffen, dass diese Studie den molekularen Mechanismus und potenzielle Interventionsziele von NEN-Rezidiven und -Metastasen finden und Klinikern sichere und wirksame Behandlungsstrategien bieten kann, wodurch die therapeutische Wirkung von neuroendokrinen Tumoren verbessert wird.