Neoplasia neuroendocrina basata sull'analisi integrata multi-omica

Negli ultimi anni, l'innovazione della tecnologia di sequenziamento ad alto rendimento ha notevolmente promosso la comprensione dei meccanismi della malattia a livello molecolare. È un fatto indiscutibile che esistono grandi differenze nella prognosi dei tumori con lo stesso tipo patologico e lo stesso stadio clinico. Un gran numero di studi ha dimostrato che la differenza nella prognosi è strettamente correlata all'eterogeneità del tumore. Negli ultimi anni, il trattamento di precisione individualizzato può migliorare notevolmente la prognosi dei pazienti. Gli studi hanno dimostrato che la classificazione dei sottogruppi del cancro del colon-retto basata su mutazioni somatiche e attivazione del percorso del segnale nel database TCGA ha notevolmente migliorato l'accuratezza della diagnosi e l'efficacia del trattamento. Il team di Lehmann ha diviso i campioni in sei tipi in base al profilo di espressione genica del carcinoma mammario triplo negativo: tipo immunomodulatore, tipo mesenchimale, tipo mesenchimale simile a stelo, tipo di recettore degli androgeni e due tipi di tipo basale. Questo metodo di tipizzazione combina il ruolo della matrice normale e dei livelli di trascrizione delle cellule immunitarie nel microambiente tumorale ed esplora le loro caratteristiche cliniche e strategie di trattamento in base a diversi sottotipi. Tuttavia, nessuna singola omica è sufficiente per chiarire la complessa patogenesi dei tumori. Pertanto, l'analisi integrata di più omiche è una tendenza di sviluppo, che aiuterà a chiarire la patogenesi dei tumori e scoprire potenziali bersagli di trattamento farmacologico. L'analisi interattiva dei dati fenotipici e dei dati omici molecolari può non solo aiutarci ad analizzare la correlazione tra fenotipi biologici e fenotipi molecolari, ma anche permetterci di comprendere il meccanismo molecolare microscopico dei fenotipi macrobiologici. Ad esempio, i fenotipi di imaging basati su CT e MRI possono essere utilizzati per esplorare importanti marcatori proteici ad essi correlati, che forniscono basi sperimentali e teoriche per guidare la futura terapia clinica mirata ai farmaci e la ricerca sui meccanismi di resistenza ai farmaci. La cosa più interessante è che la relazione tra la classificazione molecolare dei tumori basata sull'omica molecolare e l'istituzione di modelli di riconoscimento fenotipico come l'omica per immagini può anche far sì che fenotipici come l'omica per immagini diventino una guida per la terapia tumorale mirata. Un metodo importante. Pertanto, per i tumori neuroendocrini con un alto grado di eterogeneità, è molto necessario analizzarli dal punto di vista delle omiche multiple. Tuttavia, negli attuali database pubblici TCGA e GEO, i dati esclusivi di genomica NEN sono estremamente scarsi e non ci sono quasi dati come proteomica, epiomica, metabolomica e imagingomica. Pertanto, è urgente eseguire un'analisi di big data multi-omics esclusiva NEN per studiare in modo completo e approfondito la genesi e il meccanismo di sviluppo dei tumori neuroendocrini.

Questo progetto intende analizzare le caratteristiche biologiche molecolari di NEN sulla base dell'analisi multi-omica, sviluppare un'esclusiva piattaforma di big data multi-omica NEN ed eseguire sottotipi molecolari. Ci auguriamo che questo studio possa trovare il meccanismo molecolare e i potenziali obiettivi di intervento della recidiva e delle metastasi di NEN e fornire ai medici strategie di trattamento sicure ed efficaci, migliorando così l'effetto terapeutico dei tumori neuroendocrini.