Neoplasia neuroendocrina basada en análisis integrado multiómico

En los últimos años, la innovación de la tecnología de secuenciación de alto rendimiento ha promovido en gran medida la comprensión de los mecanismos de la enfermedad a nivel molecular. Es un hecho indiscutible que existen grandes diferencias en el pronóstico de tumores con el mismo tipo patológico y estadio clínico. Un gran número de estudios han demostrado que la diferencia en el pronóstico está íntimamente relacionada con la heterogeneidad del tumor. En los últimos años, el tratamiento de precisión individualizado puede mejorar mucho el pronóstico de los pacientes. Los estudios han demostrado que la clasificación de subgrupos de cáncer colorrectal basada en mutaciones somáticas y activación de vías de señales en la base de datos TCGA ha mejorado en gran medida la precisión del diagnóstico y la eficacia del tratamiento. El equipo de Lehmann dividió las muestras en seis tipos según el perfil de expresión génica del cáncer de mama triple negativo: tipo inmunomodulador, tipo mesenquimatoso, tipo mesenquimatoso tipo tallo, tipo receptor de andrógenos y dos tipos tipo basal. Este método de tipificación combina el papel de la matriz normal y los niveles de transcripción de células inmunitarias en el microambiente tumoral, y explora sus características clínicas y estrategias de tratamiento según diferentes subtipos. Sin embargo, ninguna ómica individual es suficiente para dilucidar la compleja patogenia de los tumores. Por lo tanto, el análisis integrado de múltiples ómicas es una tendencia de desarrollo que ayudará a aclarar la patogenia de los tumores y descubrir posibles dianas de tratamiento farmacológico. El análisis interactivo de datos fenotípicos y datos ómicos moleculares no solo puede ayudarnos a analizar la correlación entre los fenotipos biológicos y los fenotipos moleculares, sino que también nos permite comprender el mecanismo molecular microscópico de los fenotipos macrobiológicos. Por ejemplo, los fenotipos de imágenes basados ​​en tomografía computarizada y resonancia magnética se pueden utilizar para explorar importantes marcadores de proteínas relacionados con ellos, lo que proporciona una base experimental y teórica para guiar la futura investigación de mecanismos de resistencia a fármacos y terapias clínicas dirigidas a fármacos. Lo que es más interesante es que la relación entre la clasificación molecular de los tumores basada en ómicas moleculares y el establecimiento de modelos de reconocimiento fenotípico, como las ómicas de imágenes, también puede hacer que los fenotípicos, como las ómicas de imágenes, se conviertan en una guía para la terapia tumoral dirigida. Un método importante. Por tanto, para los tumores neuroendocrinos con un alto grado de heterogeneidad, es muy necesario analizarlos desde la perspectiva de la ómica múltiple. Sin embargo, en las bases de datos públicas actuales TCGA y GEO, los datos exclusivos de genómica NEN son extremadamente escasos y casi no hay datos como proteómica, epiómica, metabolómica e imaginológica. Por lo tanto, es urgente llevar a cabo un análisis de big data exclusivo de NEN multi-ómica para estudiar de manera exhaustiva y profunda la génesis y el mecanismo de desarrollo de los tumores neuroendocrinos.

Este proyecto pretende analizar las características biológicas moleculares de NEN a partir de análisis multiómicos, desarrollar una plataforma de big data exclusiva de NEN multiómicos y realizar subtipos moleculares. Esperamos que este estudio pueda encontrar el mecanismo molecular y los posibles objetivos de intervención de la recurrencia y metástasis de NEN, y brindar a los médicos estrategias de tratamiento seguras y efectivas, mejorando así el efecto terapéutico de los tumores neuroendocrinos.