Neuroendokriininen kasvain, joka perustuu multi-omics-integroituun analyysiin

Viime vuosina korkean suorituskyvyn sekvensointiteknologian innovaatiot ovat edistäneet suuresti tautien mekanismien ymmärtämistä molekyylitasolla. On kiistaton tosiasia, että kliinisesti saman patologisen tyypin ja vaiheen kasvainten ennusteessa on suuria eroja. Suuri määrä tutkimuksia on osoittanut, että ennusteen erot liittyvät läheisesti kasvaimen heterogeenisyyteen. Viime vuosina yksilöllinen tarkkuushoito voi parantaa merkittävästi potilaiden ennustetta. Tutkimukset ovat osoittaneet, että TCGA-tietokannan somaattisiin mutaatioihin ja signaalireitin aktivaatioon perustuva kolorektaalisyövän alaryhmäluokitus on parantanut huomattavasti diagnoosin tarkkuutta ja hoidon tehokkuutta. Lehmannin tiimi jakoi näytteet kuuteen tyyppiin kolminegatiivisen rintasyövän geenin ilmentymisprofiilin perusteella: immunomodulatorinen tyyppi, mesenkymaalinen tyyppi, mesenkymaalinen varsimainen tyyppi, androgeenireseptorityyppi ja kaksi perustyyppiä. Tämä tyypitysmenetelmä yhdistää normaalin matriisin ja immuunisolujen transkriptiotason roolin kasvaimen mikroympäristössä ja tutkii niiden kliinisiä ominaisuuksia ja hoitostrategioita eri alatyyppien mukaan. Mikään yksittäinen omiikka ei kuitenkaan riitä selvittämään kasvainten monimutkaista patogeneesiä. Siksi useiden omikkien integroitu analyysi on kehitystrendi, joka auttaa selventämään kasvainten patogeneesiä ja löytämään mahdollisia lääkehoitokohteita. Fenotyyppitiedon ja molekyylien omiikkadatan interaktiivinen analyysi ei voi vain auttaa meitä analysoimaan biologisten fenotyyppien ja molekyylifenotyyppien välistä korrelaatiota, vaan antaa meille myös mahdollisuuden ymmärtää makrobiologisten fenotyyppien mikroskooppisen molekyylimekanismin. Esimerkiksi TT- ja MRI-pohjaisten kuvantamisfenotyyppien avulla voidaan tutkia niihin liittyviä tärkeitä proteiinimarkkereita, mikä tarjoaa kokeellisen ja teoreettisen pohjan ohjata tulevaa kliinistä lääkekohdennettua hoitoa ja lääkeresistenssimekanismitutkimusta. Mielenkiintoisempaa on, että suhde kasvainten molekyyliluokittelun, joka perustuu molekyyliomiikkaan, ja fenotyyppisten tunnistusmallien, kuten kuvantamisomiikan, perustamisen välillä voi myös tehdä fenotyypeistä, kuten kuvantamisomiikka, tulla oppaaksi kohdennettuun kasvainhoitoon. Tärkeä menetelmä. Siksi neuroendokriiniset kasvaimet, joilla on korkea heterogeenisuus, on erittäin tarpeellista analysoida niitä useiden omikkien näkökulmasta. Nykyisissä julkisissa tietokannoissa TCGA ja GEO yksinomainen NEN-genomiikkatieto on kuitenkin erittäin niukkaa, eikä proteomiikkaa, epiomiikkaa, metabolomiikkaa ja kuvantamistekniikkaa ole juuri lainkaan. Siksi on kiireellistä suorittaa eksklusiivinen NEN-multiomiikka-suurdata-analyysi neuroendokriinisten kasvainten synty- ja kehitysmekanismin kattavan ja syvällisen tutkimiseksi.

Tämän projektin tarkoituksena on analysoida NEN:n molekyylibiologisia ominaisuuksia multi-omics-analyysiin perustuen, kehittää eksklusiivinen NEN-multiomiikka-big data-alusta ja toteuttaa molekyylien alatyyppejä. Toivomme, että tämä tutkimus voi löytää molekyylimekanismin ja mahdolliset interventiokohteet NEN:n uusiutumisen ja etäpesäkkeiden muodostumiselle ja tarjota kliinikoille turvallisia ja tehokkaita hoitostrategioita, mikä parantaa neuroendokriinisten kasvainten terapeuttista vaikutusta.