Nevroendokrin neoplasma basert på multi-omics integrert analyse

De siste årene har innovasjonen av høykapasitets sekvenseringsteknologi i stor grad fremmet forståelsen av sykdomsmekanismer på molekylært nivå. Det er et udiskutabelt faktum at det er store forskjeller i prognosen for svulster med samme patologiske type og stadium klinisk. Et stort antall studier har vist at forskjellen i prognose er nært knyttet til svulstens heterogenitet. I løpet av de siste årene har individualisert presisjonsbehandling i stor grad forbedret prognosen til pasienter. Studier har vist at undergruppeklassifisering av tykktarmskreft basert på somatiske mutasjoner og signalveiaktivering i TCGA-databasen har forbedret nøyaktigheten av diagnosen og effektiviteten av behandlingen. Lehmanns team delte prøvene inn i seks typer basert på genekspresjonsprofilen til trippelnegativ brystkreft: immunmodulerende type, mesenkymal type, mesenkymal stammelignende type, androgenreseptortype og to basallignende typer. Denne typemetoden kombinerer rollen til normale matrise- og immuncelletranskripsjonsnivåer i tumormikromiljøet, og utforsker deres kliniske egenskaper og behandlingsstrategier i henhold til forskjellige undertyper. Imidlertid er ingen enkelt omics tilstrekkelig til å belyse den komplekse patogenesen til svulster. Derfor er den integrerte analysen av flere omics en utviklingstrend, som vil bidra til å klargjøre patogenesen til svulster og oppdage potensielle mål for medikamentell behandling. Den interaktive analysen av fenotypiske data og molekylære omikkdata kan ikke bare hjelpe oss med å analysere sammenhengen mellom biologiske fenotyper og molekylære fenotyper, men også tillate oss å forstå den mikroskopiske molekylære mekanismen til makrobiologiske fenotyper. For eksempel kan avbildningsfenotyper basert på CT og MR brukes til å utforske viktige proteinmarkører relatert til dem, noe som gir eksperimentelt og teoretisk grunnlag for å veilede fremtidig klinisk medikamentmålrettet terapi og forskning på legemiddelresistensmekanismer. Det som er mer interessant er at forholdet mellom molekylær klassifisering av svulster basert på molekylær omics og etablering av fenotypiske gjenkjennelsesmodeller som imaging omics også kan gjøre at fenotypiske som imaging omics blir en guide for målrettet tumorterapi. En viktig metode. Derfor, for nevroendokrine svulster med høy grad av heterogenitet, er det svært nødvendig å analysere dem fra perspektivet til flere omics. I de nåværende offentlige databasene TCGA og GEO er imidlertid de eksklusive NEN-genomikkdataene ekstremt knappe, og det er nesten ingen data som proteomikk, epiomikk, metabolomikk og imagingomikk. Derfor haster det med å utføre eksklusiv NEN multi-omics big data-analyse for omfattende og dyptgående studier av opprinnelsen og utviklingsmekanismen til nevroendokrine svulster.

Dette prosjektet har til hensikt å analysere de molekylærbiologiske egenskapene til NEN basert på multi-omics-analyse, utvikle en eksklusiv NEN multi-omics big data-plattform og utføre molekylære subtyper. Vi håper at denne studien kan finne den molekylære mekanismen og potensielle intervensjonsmål for NEN-residiv og metastaser, og gi klinikere sikre og effektive behandlingsstrategier, og dermed forbedre den terapeutiske effekten av nevroendokrine svulster.