Néoplasme neuroendocrinien basé sur l'analyse intégrée multi-omique

Ces dernières années, l'innovation de la technologie de séquençage à haut débit a grandement favorisé la compréhension des mécanismes de la maladie au niveau moléculaire. C'est un fait incontestable qu'il existe de grandes différences dans le pronostic des tumeurs avec le même type pathologique et le même stade clinique. Un grand nombre d'études ont prouvé que la différence de pronostic est étroitement liée à l'hétérogénéité de la tumeur. Au cours des dernières années, un traitement de précision individualisé peut grandement améliorer le pronostic des patients. Des études ont montré que la classification en sous-groupes du cancer colorectal basée sur les mutations somatiques et l'activation de la voie du signal dans la base de données TCGA a considérablement amélioré la précision du diagnostic et l'efficacité du traitement. L'équipe de Lehmann a divisé les échantillons en six types en fonction du profil d'expression génique du cancer du sein triple négatif : type immunomodulateur, type mésenchymateux, type de type tige mésenchymateuse, type de récepteur aux androgènes et deux types de type basal. Cette méthode de typage combine le rôle de la matrice normale et des niveaux de transcription des cellules immunitaires dans le microenvironnement tumoral, et explore leurs caractéristiques cliniques et leurs stratégies de traitement selon différents sous-types. Cependant, aucun omique seul n'est suffisant pour élucider la pathogenèse complexe des tumeurs. Par conséquent, l'analyse intégrée de multiples omiques est une tendance de développement, qui aidera à clarifier la pathogenèse des tumeurs et à découvrir des cibles potentielles de traitement médicamenteux. L'analyse interactive des données phénotypiques et des données d'omiques moléculaires peut non seulement nous aider à analyser la corrélation entre les phénotypes biologiques et les phénotypes moléculaires, mais aussi nous permettre de comprendre le mécanisme moléculaire microscopique des phénotypes macrobiologiques. Par exemple, les phénotypes d'imagerie basés sur la tomodensitométrie et l'IRM peuvent être utilisés pour explorer d'importants marqueurs protéiques qui leur sont liés, ce qui fournit une base expérimentale et théorique pour guider les futures thérapies cliniques ciblées sur les médicaments et la recherche sur les mécanismes de résistance aux médicaments. Ce qui est plus intéressant, c'est que la relation entre la classification moléculaire des tumeurs basée sur l'omique moléculaire et l'établissement de modèles de reconnaissance phénotypique tels que l'imagerie omique peut également faire des phénotypes tels que l'imagerie omique un guide pour la thérapie ciblée des tumeurs. Une méthode importante. Par conséquent, pour les tumeurs neuroendocrines à haut degré d'hétérogénéité, il est très nécessaire de les analyser du point de vue des omiques multiples. Cependant, dans les bases de données publiques actuelles TCGA et GEO, les données génomiques exclusives du NEN sont extrêmement rares et il n'y a presque pas de données telles que la protéomique, l'épiomique, la métabolomique et l'imagerie. Par conséquent, il est urgent d'effectuer une analyse exclusive des mégadonnées multi-omiques NEN pour étudier de manière complète et approfondie la genèse et le mécanisme de développement des tumeurs neuroendocrines.

Ce projet vise à analyser les caractéristiques biologiques moléculaires du NEN sur la base d'une analyse multi-omique, à développer une plate-forme exclusive de mégadonnées multi-omiques NEN et à réaliser des sous-types moléculaires. Nous espérons que cette étude pourra trouver le mécanisme moléculaire et les cibles d'intervention potentielles de la récidive et des métastases du NEN, et fournir aux cliniciens des stratégies de traitement sûres et efficaces, améliorant ainsi l'effet thérapeutique des tumeurs neuroendocrines.