Neuroendokrin neoplazma Multi-omics integrált elemzés alapján

Az elmúlt években a nagy áteresztőképességű szekvenálási technológia innovációja nagyban elősegítette a betegségmechanizmusok molekuláris szintű megértését. Vitathatatlan tény, hogy a klinikailag azonos patológiás típusú és stádiumú daganatok prognózisában nagy különbségek vannak. Számos tanulmány igazolta, hogy a prognózisbeli különbség szorosan összefügg a daganat heterogenitásával. Az elmúlt néhány évben az egyénre szabott precíziós kezelés nagymértékben javíthatja a betegek prognózisát. Tanulmányok kimutatták, hogy a vastagbélrák szomatikus mutációk és szignálút aktiválás alapján történő alcsoportos osztályozása a TCGA adatbázisban nagymértékben javította a diagnózis pontosságát és a kezelés hatékonyságát. Lehmann csapata a mintákat hat típusra osztotta a hármas negatív emlőrák génexpressziós profilja alapján: immunmodulátor típusú, mezenchimális típus, mezenchimális szár-szerű típus, androgén receptor típusú és két bazális típusú típus. Ez a tipizálási módszer egyesíti a normál mátrix és az immunsejtek transzkripciós szintjének szerepét a tumor mikrokörnyezetében, és feltárja ezek klinikai jellemzőit és kezelési stratégiáit különböző altípusok szerint. Azonban egyetlen ómikus sem elegendő a daganatok összetett patogenezisének tisztázásához. Ezért a többszörös omika integrált elemzése olyan fejlődési irány, amely segít tisztázni a daganatok patogenezisét és feltárni a lehetséges gyógyszeres kezelési célpontokat. A fenotípusos adatok és a molekuláris omikai adatok interaktív elemzése nemcsak a biológiai fenotípusok és a molekuláris fenotípusok közötti összefüggések elemzésében segíthet, hanem lehetővé teszi a makrobiológiai fenotípusok mikroszkopikus molekuláris mechanizmusának megértését is. A CT-n és MRI-n alapuló képalkotó fenotípusok például felhasználhatók a velük kapcsolatos fontos fehérjemarkerek feltárására, ami kísérleti és elméleti alapot ad a jövőbeni klinikai gyógyszer-célzott terápia és gyógyszerrezisztencia-mechanizmus kutatásának iránymutatásához. Ami még érdekesebb, hogy a daganatok molekuláris omika alapján történő molekuláris osztályozása és a fenotípusos felismerési modellek, például a képalkotó omika létrehozása közötti kapcsolat az olyan fenotípusokat, mint a képalkotó omika, a célzott tumorterápia útmutatójává is teheti. Fontos módszer. Ezért a nagyfokú heterogenitású neuroendokrin daganatok esetében nagyon szükséges a többszörös omika szemszögéből történő elemzésük. A jelenlegi nyilvános adatbázisokban (TCGA és GEO) azonban az exkluzív NEN genomikai adatok rendkívül szűkösek, és szinte nincsenek olyan adatok, mint a proteomika, epiomika, metabolomika és képalkotás. Ezért sürgősen exkluzív NEN multi-omics big data elemzést kell végezni a neuroendokrin daganatok genezisének és fejlődési mechanizmusának átfogó és mélyreható tanulmányozása érdekében.

A projekt célja a NEN molekuláris biológiai jellemzőinek multi-omics elemzésen alapuló elemzése, exkluzív NEN multi-omics big data platform kifejlesztése, valamint molekuláris altípusok kivitelezése. Reméljük, hogy ez a tanulmány megtalálja az NEN kiújulásának és metasztázisának molekuláris mechanizmusát és lehetséges beavatkozási célpontjait, és biztonságos és hatékony kezelési stratégiákat kínál a klinikusok számára, ezáltal javítva a neuroendokrin daganatok terápiás hatását.