Neoplasia Neuroendócrina Baseada em Análise Integrada Multiômica

Nos últimos anos, a inovação da tecnologia de sequenciamento de alto rendimento promoveu muito a compreensão dos mecanismos da doença no nível molecular. É fato indiscutível que existem grandes diferenças no prognóstico de tumores com o mesmo tipo patológico e estágio clínico. Um grande número de estudos provou que a diferença no prognóstico está intimamente relacionada à heterogeneidade do tumor. Nos últimos anos, o tratamento de precisão individualizado pode melhorar muito o prognóstico dos pacientes. Estudos demonstraram que a classificação de subgrupo de câncer colorretal com base em mutações somáticas e ativação de vias de sinalização no banco de dados TCGA melhorou muito a precisão do diagnóstico e a eficácia do tratamento. A equipe de Lehmann dividiu as amostras em seis tipos com base no perfil de expressão gênica do câncer de mama triplo negativo: tipo imunomodulador, tipo mesenquimal, tipo mesenquimal tipo haste, tipo receptor de andrógeno e dois tipos basais. Este método de tipagem combina o papel da matriz normal e os níveis de transcrição das células imunes no microambiente do tumor e explora suas características clínicas e estratégias de tratamento de acordo com diferentes subtipos. No entanto, nenhum único ômico é suficiente para elucidar a complexa patogênese dos tumores. Portanto, a análise integrada de múltiplas ômicas é uma tendência de desenvolvimento, que ajudará a esclarecer a patogênese dos tumores e descobrir potenciais alvos de tratamento medicamentoso. A análise interativa de dados fenotípicos e dados ômicos moleculares pode não apenas nos ajudar a analisar a correlação entre fenótipos biológicos e fenótipos moleculares, mas também nos permite entender o mecanismo molecular microscópico de fenótipos macrobiológicos. Por exemplo, fenótipos de imagem baseados em CT e MRI podem ser usados ​​para explorar importantes marcadores de proteínas relacionados a eles, o que fornece base experimental e teórica para orientar futuras terapias clínicas direcionadas a drogas e pesquisa de mecanismos de resistência a drogas. O mais interessante é que a relação entre a classificação molecular de tumores com base em ômica molecular e o estabelecimento de modelos de reconhecimento fenotípico, como ômicas de imagem, também pode fazer com que fenotípicos, como ômicas de imagem, se tornem um guia para a terapia tumoral direcionada. Um método importante. Portanto, para tumores neuroendócrinos com alto grau de heterogeneidade, é muito necessário analisá-los sob a perspectiva de múltiplas ômicas. No entanto, nos atuais bancos de dados públicos TCGA e GEO, os dados genômicos exclusivos do NEN são extremamente escassos e quase não há dados como proteômica, epiômica, metabolômica e imageômica. Portanto, é urgente realizar análise de big data multi-ômica exclusiva do NEN para estudar de forma abrangente e aprofundada a gênese e o mecanismo de desenvolvimento dos tumores neuroendócrinos.

Este projeto pretende analisar as características biológicas moleculares do NEN com base na análise multi-ômica, desenvolver uma plataforma exclusiva de big data multi-ômica NEN e realizar subtipos moleculares. Esperamos que este estudo possa encontrar o mecanismo molecular e potenciais alvos de intervenção da recorrência e metástase da NEN e fornecer aos médicos estratégias de tratamento seguras e eficazes, melhorando assim o efeito terapêutico dos tumores neuroendócrinos.