Neuro-endocrien neoplasma op basis van multi-omics geïntegreerde analyse

In de afgelopen jaren heeft de innovatie van high-throughput sequencing-technologie het begrip van ziektemechanismen op moleculair niveau enorm bevorderd. Het is een onbetwistbaar feit dat er grote verschillen zijn in de prognose van tumoren met hetzelfde pathologische type en klinisch stadium. Een groot aantal studies heeft aangetoond dat het verschil in prognose nauw verband houdt met de heterogeniteit van de tumor. In de afgelopen jaren kan geïndividualiseerde precisiebehandeling de prognose van patiënten aanzienlijk verbeteren. Studies hebben aangetoond dat subgroepclassificatie van colorectale kanker op basis van somatische mutaties en activering van signaalroutes in de TCGA-database de nauwkeurigheid van de diagnose en de effectiviteit van de behandeling aanzienlijk heeft verbeterd. Het team van Lehmann verdeelde de monsters in zes typen op basis van het genexpressieprofiel van triple-negatieve borstkanker: immunomodulerend type, mesenchymaal type, mesenchymaal stamachtig type, androgeenreceptortype en twee basaalachtige typen. Deze typeringsmethode combineert de rol van normale matrix- en immuunceltranscriptieniveaus in de micro-omgeving van de tumor en onderzoekt hun klinische kenmerken en behandelingsstrategieën volgens verschillende subtypes. Geen enkele omics is echter voldoende om de complexe pathogenese van tumoren op te helderen. Daarom is de geïntegreerde analyse van meerdere omics een ontwikkelingstrend, die zal helpen de pathogenese van tumoren te verduidelijken en potentiële medicamenteuze behandelingsdoelen te ontdekken. De interactieve analyse van fenotypische gegevens en moleculaire omics-gegevens kan ons niet alleen helpen de correlatie tussen biologische fenotypes en moleculaire fenotypes te analyseren, maar stelt ons ook in staat het microscopische moleculaire mechanisme van macrobiologische fenotypes te begrijpen. Beeldvormende fenotypes op basis van CT en MRI kunnen bijvoorbeeld worden gebruikt om belangrijke eiwitmarkers te verkennen die daarmee verband houden, wat een experimentele en theoretische basis vormt voor het begeleiden van toekomstige klinische geneesmiddelengerichte therapie en onderzoek naar geneesmiddelenresistentiemechanismen. Wat interessanter is, is dat de relatie tussen moleculaire classificatie van tumoren op basis van moleculaire omics en het opzetten van fenotypische herkenningsmodellen zoals imaging omics er ook voor kan zorgen dat fenotypics zoals imaging omics een leidraad worden voor gerichte tumortherapie. Een belangrijke methode. Daarom is het voor neuro-endocriene tumoren met een hoge mate van heterogeniteit zeer noodzakelijk om ze te analyseren vanuit het perspectief van meerdere omics. In de huidige openbare databases TCGA en GEO zijn de exclusieve NEN-genomics-gegevens echter uiterst schaars en zijn er bijna geen gegevens zoals proteomics, epiomics, metabolomics en imagingomics. Daarom is het dringend noodzakelijk om exclusieve NEN multi-omics big data-analyse uit te voeren om het ontstaans- en ontwikkelingsmechanisme van neuro-endocriene tumoren uitgebreid en diepgaand te bestuderen.

Dit project heeft tot doel de moleculair biologische kenmerken van NEN te analyseren op basis van multi-omics analyse, een exclusief NEN multi-omics big data platform te ontwikkelen en moleculaire subtypes uit te voeren. We hopen dat deze studie het moleculaire mechanisme en mogelijke interventiedoelen van NEN-recidief en metastase kan vinden, en clinici veilige en effectieve behandelstrategieën kan bieden, waardoor het therapeutische effect van neuro-endocriene tumoren wordt verbeterd.