অগ্ন্যাশয়ের ক্যান্সার বিশ্বের অন্যতম মারাত্মক টিউমার, যার পরিণতি খুব একটা ভালো নয়। তাই, অগ্ন্যাশয়ের ক্যান্সারের উচ্চ ঝুঁকিতে থাকা রোগীদের শনাক্ত করে তাদের প্রয়োজন অনুযায়ী চিকিৎসা প্রদান এবং আরোগ্য লাভের সম্ভাবনা উন্নত করার জন্য একটি নির্ভুল পূর্বাভাস মডেল প্রয়োজন।
আমরা ইউসিএসসি জেনা (UCSC Xena) ডেটাবেস থেকে দ্য ক্যান্সার জিনোম অ্যাটলাস (TCGA) প্যানক্রিয়াটিক অ্যাডেনোকার্সিনোমা (PAAD) আরএনএসিক (RNAseq) ডেটা সংগ্রহ করেছি, পারস্পরিক সম্পর্ক বিশ্লেষণের মাধ্যমে ইমিউন-সম্পর্কিত এলএনসিআরএনএ (irlncRNAs) শনাক্ত করেছি এবং টিসিজিএ ও স্বাভাবিক প্যানক্রিয়াটিক অ্যাডেনোকার্সিনোমা টিস্যুর মধ্যে পার্থক্য চিহ্নিত করেছি। টিসিজিএ থেকে ডিইআইআরএলএনসিআরএনএ (DEirlncRNA) এবং প্যানক্রিয়াটিক টিস্যুর জিনোটাইপ টিস্যু এক্সপ্রেশন (GTEx) বিশ্লেষণ করা হয়েছে। প্রগনোস্টিক সিগনেচার মডেল তৈরির জন্য পরবর্তীতে ইউনিভেরিয়েট এবং ল্যাসো রিগ্রেশন বিশ্লেষণ করা হয়েছে। এরপর আমরা কার্ভের নিচের ক্ষেত্রফল (area under the curve) গণনা করেছি এবং উচ্চ- ও নিম্ন-ঝুঁকির প্যানক্রিয়াটিক অ্যাডেনোকার্সিনোমা রোগীদের শনাক্ত করার জন্য সর্বোত্তম কাটঅফ মান নির্ধারণ করেছি। উচ্চ- ও নিম্ন-ঝুঁকির প্যানক্রিয়াটিক ক্যান্সারে আক্রান্ত রোগীদের ক্লিনিক্যাল বৈশিষ্ট্য, ইমিউন কোষের অনুপ্রবেশ, ইমিউনোসাপ্রেসিভ মাইক্রোএনভায়রনমেন্ট এবং কেমোথেরাপি প্রতিরোধের তুলনা করা হয়েছে।
আমরা ২০টি DEirlncRNA জোড়া শনাক্ত করেছি এবং সর্বোত্তম কাটঅফ মান অনুযায়ী রোগীদের দলবদ্ধ করেছি। আমরা দেখিয়েছি যে, PAAD আক্রান্ত রোগীদের রোগনির্ণয়ের পূর্বাভাস প্রদানে আমাদের প্রগনোস্টিক সিগনেচার মডেলটির উল্লেখযোগ্য কার্যকারিতা রয়েছে। ১-বছর মেয়াদী পূর্বাভাসের জন্য ROC কার্ভের AUC হলো ০.৯০৫, ২-বছর মেয়াদী পূর্বাভাসের জন্য ০.৯৪২ এবং ৩-বছর মেয়াদী পূর্বাভাসের জন্য ০.৯৬৬। উচ্চ-ঝুঁকিপূর্ণ রোগীদের বেঁচে থাকার হার কম এবং ক্লিনিক্যাল বৈশিষ্ট্যগুলো আরও খারাপ ছিল। আমরা আরও দেখিয়েছি যে, উচ্চ-ঝুঁকিপূর্ণ রোগীরা ইমিউনোসাপ্রেসড হন এবং ইমিউনোথেরাপির প্রতি তাদের প্রতিরোধ ক্ষমতা তৈরি হতে পারে। কম্পিউটেশনাল প্রেডিকশন টুলের উপর ভিত্তি করে প্যাক্লিট্যাক্সেল, সোরাফেনিব এবং এরলোটিনিবের মতো ক্যান্সার-বিরোধী ওষুধের মূল্যায়ন PAAD আক্রান্ত উচ্চ-ঝুঁকিপূর্ণ রোগীদের জন্য উপযুক্ত হতে পারে।
সামগ্রিকভাবে, আমাদের গবেষণাটি জোড়া irlncRNA-এর উপর ভিত্তি করে একটি নতুন রোগনির্ণয়মূলক ঝুঁকি মডেল প্রতিষ্ঠা করেছে, যা অগ্ন্যাশয়ের ক্যান্সারে আক্রান্ত রোগীদের ক্ষেত্রে আশাব্যঞ্জক রোগনির্ণয়মূলক মান দেখিয়েছে। আমাদের এই রোগনির্ণয়মূলক ঝুঁকি মডেলটি PAAD আক্রান্ত সেইসব রোগীদের শনাক্ত করতে সাহায্য করতে পারে, যারা চিকিৎসার জন্য উপযুক্ত।
অগ্ন্যাশয়ের ক্যান্সার একটি মারাত্মক টিউমার যার পাঁচ বছরের বেঁচে থাকার হার কম এবং এটি উচ্চ গ্রেডের। রোগ নির্ণয়ের সময়, বেশিরভাগ রোগীই ইতোমধ্যে উন্নত পর্যায়ে থাকেন। কোভিড-১৯ মহামারীর প্রেক্ষাপটে, অগ্ন্যাশয়ের ক্যান্সারে আক্রান্ত রোগীদের চিকিৎসা করার সময় ডাক্তার এবং নার্সরা প্রচণ্ড চাপের মধ্যে থাকেন, এবং রোগীদের পরিবারও চিকিৎসার সিদ্ধান্ত নেওয়ার সময় একাধিক চাপের সম্মুখীন হয় [১, ২]। যদিও রোগ নির্ণয়ের পরবর্তী অ্যাডেনোকার্সিনোমার (DOADs) চিকিৎসায় ব্যাপক অগ্রগতি হয়েছে, যেমন নিওঅ্যাডজুভেন্ট থেরাপি, সার্জিক্যাল রিসেকশন, রেডিয়েশন থেরাপি, কেমোথেরাপি, টার্গেটেড মলিকুলার থেরাপি, এবং ইমিউন চেকপয়েন্ট ইনহিবিটর (ICIs), রোগ নির্ণয়ের পর মাত্র প্রায় ৯% রোগী পাঁচ বছর বেঁচে থাকেন [৩], ৪]। যেহেতু অগ্ন্যাশয়ের অ্যাডেনোকার্সিনোমার প্রাথমিক লক্ষণগুলো অস্বাভাবিক, তাই রোগীদের সাধারণত উন্নত পর্যায়ে মেটাস্টেসিসের মাধ্যমে রোগ নির্ণয় করা হয় [৫]। অতএব, একজন নির্দিষ্ট রোগীর জন্য, ব্যক্তিগতকৃত ব্যাপক চিকিৎসায় সমস্ত চিকিৎসার বিকল্পগুলির সুবিধা এবং অসুবিধাগুলি বিবেচনা করতে হবে, শুধুমাত্র বেঁচে থাকার সময়কাল বাড়ানোর জন্য নয়, বরং জীবনযাত্রার মান উন্নত করার জন্যও [৬]। তাই, একজন রোগীর রোগনির্ণয় সঠিকভাবে মূল্যায়ন করার জন্য একটি কার্যকর পূর্বাভাস মডেল প্রয়োজন [৭]। এর ফলে, পিএএডি আক্রান্ত রোগীদের জীবনরক্ষা এবং জীবনযাত্রার মানের মধ্যে ভারসাম্য রক্ষা করে উপযুক্ত চিকিৎসা নির্বাচন করা যেতে পারে।
PAAD-এর দুর্বল পূর্বাভাসের প্রধান কারণ হলো কেমোথেরাপি ওষুধের প্রতিরোধ। সাম্প্রতিক বছরগুলিতে, ইমিউন চেকপয়েন্ট ইনহিবিটরগুলি কঠিন টিউমারের চিকিৎসায় ব্যাপকভাবে ব্যবহৃত হচ্ছে [8]। যাইহোক, অগ্ন্যাশয়ের ক্যান্সারে ICI-এর ব্যবহার খুব কমই সফল হয় [9]। অতএব, এমন রোগীদের চিহ্নিত করা গুরুত্বপূর্ণ যারা ICI থেরাপি থেকে উপকৃত হতে পারেন।
লং নন-কোডিং আরএনএ (lncRNA) হলো এক প্রকার নন-কোডিং আরএনএ যার ট্রান্সক্রিপ্ট ২০০ নিউক্লিওটাইডের বেশি। LncRNA-গুলো ব্যাপকভাবে বিস্তৃত এবং মানব ট্রান্সক্রিপ্টোমের প্রায় ৮০% গঠন করে [10]। প্রচুর গবেষণায় দেখা গেছে যে lncRNA-ভিত্তিক প্রগনোস্টিক মডেলগুলি রোগীর রোগনির্ণয় কার্যকরভাবে পূর্বাভাস দিতে পারে [11, 12]। উদাহরণস্বরূপ, স্তন ক্যান্সারে প্রগনোস্টিক সিগনেচার তৈরি করার জন্য ১৮টি অটোফাজি-সম্পর্কিত lncRNA শনাক্ত করা হয়েছে [13]। গ্লিওমার প্রগনোস্টিক বৈশিষ্ট্য প্রতিষ্ঠা করার জন্য আরও ছয়টি ইমিউন-সম্পর্কিত lncRNA ব্যবহার করা হয়েছে [14]।
অগ্ন্যাশয়ের ক্যান্সারের ক্ষেত্রে, কিছু গবেষণায় রোগীর রোগনির্ণয়ের পূর্বাভাস দেওয়ার জন্য lncRNA-ভিত্তিক সিগনেচার তৈরি করা হয়েছে। অগ্ন্যাশয়ের অ্যাডেনোকার্সিনোমাতে একটি 3-lncRNA সিগনেচার তৈরি করা হয়েছিল যার ROC কার্ভের অধীনে ক্ষেত্রফল (AUC) ছিল মাত্র 0.742 এবং সামগ্রিক বেঁচে থাকার হার (OS) ছিল 3 বছর [15]। এছাড়াও, বিভিন্ন জিনোম, বিভিন্ন ডেটা ফরম্যাট এবং বিভিন্ন রোগীর মধ্যে lncRNA এক্সপ্রেশনের মান পরিবর্তিত হয় এবং ভবিষ্যদ্বাণীমূলক মডেলের কার্যকারিতা অস্থিতিশীল। তাই, আমরা আরও নির্ভুল এবং স্থিতিশীল ভবিষ্যদ্বাণীমূলক মডেল তৈরি করার জন্য ইমিউনিটি-সম্পর্কিত lncRNA (irlncRNA) সিগনেচার তৈরি করতে একটি নতুন মডেলিং অ্যালগরিদম, পেয়ারিং এবং ইটারেশন ব্যবহার করি [8]।
নর্মালাইজড আরএনএসিক ডেটা (FPKM) এবং ক্লিনিক্যাল প্যানক্রিয়াটিক ক্যান্সার টিসিজিএ ও জিনোটাইপ টিস্যু এক্সপ্রেশন (GTEx) ডেটা ইউসিএসসি জেনা ডেটাবেস (https://xenabrowser.net/datapages/) থেকে সংগ্রহ করা হয়েছিল। জিটিএফ ফাইলগুলো এনসেম্বল ডেটাবেস (http://asia.ensembl.org) থেকে সংগ্রহ করা হয়েছিল এবং আরএনএসিক থেকে এলএনসিআরএনএ এক্সপ্রেশন প্রোফাইল বের করার জন্য ব্যবহার করা হয়েছিল। আমরা ইমপোর্ট ডেটাবেস (http://www.immport.org) থেকে ইমিউনিটি-সম্পর্কিত জিন ডাউনলোড করেছি এবং কোরিলেশন অ্যানালাইসিস (p < 0.001, r > 0.4) ব্যবহার করে ইমিউনিটি-সম্পর্কিত এলএনসিআরএনএ (irlncRNAs) শনাক্ত করেছি। টিসিজিএ-পিএএডি কোহর্টে (|logFC| > 1 এবং FDR) <0.05) জিইপিআইএ২ ডেটাবেস (http://gepia2.cancer-pku.cn/#index) থেকে প্রাপ্ত আইআরএলএনসিআরএনএ এবং ডিফারেনশিয়ালি এক্সপ্রেসড এলএনসিআরএনএ-এর মধ্যে ক্রস করে ডিফারেনশিয়ালি এক্সপ্রেসড আইআরএলএনসিআরএনএ (DEirlncRNAs) শনাক্ত করা হয়েছিল।
এই পদ্ধতিটি পূর্বে [8] এ রিপোর্ট করা হয়েছে। বিশেষত, আমরা জোড়া lncRNA A এবং lncRNA B প্রতিস্থাপন করার জন্য X তৈরি করি। যখন lncRNA A এর এক্সপ্রেশন মান lncRNA B এর এক্সপ্রেশন মানের চেয়ে বেশি হয়, তখন X কে 1 হিসাবে সংজ্ঞায়িত করা হয়, অন্যথায় X কে 0 হিসাবে সংজ্ঞায়িত করা হয়। অতএব, আমরা 0 বা –1 এর একটি ম্যাট্রিক্স পেতে পারি। ম্যাট্রিক্সের উল্লম্ব অক্ষ প্রতিটি নমুনাকে প্রতিনিধিত্ব করে, এবং অনুভূমিক অক্ষ 0 বা 1 মান সহ প্রতিটি DEirlncRNA জোড়াকে প্রতিনিধিত্ব করে।
পূর্বাভাসমূলক DEirlncRNA জোড়া বাছাই করার জন্য ইউনিভেরিয়েট রিগ্রেশন অ্যানালাইসিস এবং তার পরে ল্যাসো রিগ্রেশন ব্যবহার করা হয়েছিল। ল্যাসো রিগ্রেশন অ্যানালাইসিসে ১০-ফোল্ড ক্রস-ভ্যালিডেশন ব্যবহার করা হয়েছিল, যা ১০০০ বার পুনরাবৃত্তি করা হয় (p < ০.০৫), এবং প্রতি রানে ১০০০টি র্যান্ডম স্টিমুলি ব্যবহার করা হয়। যখন ১০০০ সাইকেলে প্রতিটি DEirlncRNA জোড়ার ফ্রিকোয়েন্সি ১০০ বার অতিক্রম করে, তখন একটি পূর্বাভাসমূলক ঝুঁকি মডেল তৈরি করার জন্য DEirlncRNA জোড়াগুলো নির্বাচন করা হয়। এরপর আমরা PAAD রোগীদের উচ্চ- এবং নিম্ন-ঝুঁকির গ্রুপে শ্রেণীবদ্ধ করার জন্য সর্বোত্তম কাটঅফ মান খুঁজে বের করতে AUC কার্ভ ব্যবহার করেছি। প্রতিটি মডেলের AUC মানও গণনা করা হয়েছিল এবং একটি কার্ভ হিসাবে প্লট করা হয়েছিল। যদি কার্ভটি সর্বোচ্চ বিন্দুতে পৌঁছায়, যা সর্বোচ্চ AUC মান নির্দেশ করে, তাহলে গণনা প্রক্রিয়াটি থেমে যায় এবং মডেলটিকে সেরা প্রার্থী হিসাবে বিবেচনা করা হয়। ১-, ৩- এবং ৫-বছরের ROC কার্ভ মডেল তৈরি করা হয়েছিল। পূর্বাভাসমূলক ঝুঁকি মডেলের স্বাধীন ভবিষ্যদ্বাণীমূলক কার্যকারিতা পরীক্ষা করার জন্য ইউনিভেরিয়েট এবং মাল্টিভেরিয়েট রিগ্রেশন অ্যানালাইসিস ব্যবহার করা হয়েছিল।
ইমিউন কোষ অনুপ্রবেশের হার অধ্যয়নের জন্য XCELL, TIMER, QUANTISEQ, MCPCOUNTER, EPIC, CIBERSORT-ABS, এবং CIBERSORT সহ সাতটি টুল ব্যবহার করা হয়েছে। ইমিউন কোষ অনুপ্রবেশের ডেটা TIMER2 ডেটাবেস (http://timer.comp-genomics.org/#tab-5817-3) থেকে ডাউনলোড করা হয়েছিল। নির্মিত মডেলের উচ্চ- এবং নিম্ন-ঝুঁকি গোষ্ঠীর মধ্যে ইমিউন-অনুপ্রবেশকারী কোষের পরিমাণের পার্থক্য উইলকক্সন সাইনড-র্যাঙ্ক টেস্ট ব্যবহার করে বিশ্লেষণ করা হয়েছিল, যার ফলাফল বর্গাকার গ্রাফে দেখানো হয়েছে। ঝুঁকি স্কোর মান এবং ইমিউন-অনুপ্রবেশকারী কোষের মধ্যে সম্পর্ক বিশ্লেষণের জন্য স্পিয়ারম্যান কোরিলেশন বিশ্লেষণ করা হয়েছিল। প্রাপ্ত কোরিলেশন সহগ একটি ললিপপ হিসাবে দেখানো হয়েছে। তাৎপর্যের থ্রেশহোল্ড p < 0.05 এ সেট করা হয়েছিল। এই পদ্ধতিটি R প্যাকেজ ggplot2 ব্যবহার করে সম্পন্ন করা হয়েছিল। মডেল এবং ইমিউন কোষ অনুপ্রবেশের হারের সাথে সম্পর্কিত জিন এক্সপ্রেশন স্তরের মধ্যে সম্পর্ক পরীক্ষা করার জন্য, আমরা ggstatsplot প্যাকেজ এবং ভায়োলিন প্লট ভিজ্যুয়ালাইজেশন ব্যবহার করেছি।
অগ্ন্যাশয়ের ক্যান্সারের ক্লিনিক্যাল চিকিৎসার ধরণ মূল্যায়ন করার জন্য, আমরা TCGA-PAAD কোহর্টে সাধারণভাবে ব্যবহৃত কেমোথেরাপির ওষুধগুলোর IC50 গণনা করেছি। উচ্চ- এবং নিম্ন-ঝুঁকির গ্রুপগুলোর মধ্যে অর্ধ-প্রতিরোধক ঘনত্বের (IC50) পার্থক্য উইলকক্সন সাইনড-র্যাঙ্ক টেস্ট ব্যবহার করে তুলনা করা হয়েছে, এবং ফলাফলগুলো R-এর pRRophetic ও ggplot2 ব্যবহার করে তৈরি করা বক্সপ্লট হিসেবে দেখানো হয়েছে। সমস্ত পদ্ধতি প্রাসঙ্গিক নির্দেশিকা এবং নিয়মাবলী মেনে চলে।
আমাদের গবেষণার কার্যপ্রবাহ চিত্র ১-এ দেখানো হয়েছে। lncRNA এবং রোগ প্রতিরোধ ক্ষমতা-সম্পর্কিত জিনের মধ্যে পারস্পরিক সম্পর্ক বিশ্লেষণ ব্যবহার করে, আমরা p < 0.01 এবং r > 0.4 সহ ৭২৪টি irlncRNA নির্বাচন করেছি। এরপর আমরা GEPIA2-এর ভিন্নভাবে প্রকাশিত lncRNA-গুলো বিশ্লেষণ করেছি (চিত্র ২ক)। অগ্ন্যাশয়ের অ্যাডেনোকার্সিনোমা এবং স্বাভাবিক অগ্ন্যাশয়ের টিস্যুর মধ্যে মোট ২২৩টি irlncRNA ভিন্নভাবে প্রকাশিত হয়েছিল (|logFC| > 1, FDR < 0.05), যেগুলোকে DEirlncRNA নাম দেওয়া হয়েছে।
ভবিষ্যদ্বাণীমূলক ঝুঁকি মডেল নির্মাণ। (A) ভিন্নভাবে প্রকাশিত lncRNA-সমূহের ভলকানো প্লট। (B) ২০টি DEirlncRNA জোড়ার জন্য ল্যাসো সহগের বন্টন। (C) ল্যাসো সহগ বন্টনের আংশিক সম্ভাব্যতা ভেদাঙ্ক। (D) ২০টি DEirlncRNA জোড়ার একচলকীয় রিগ্রেশন বিশ্লেষণ প্রদর্শনকারী ফরেস্ট প্লট।
এরপর আমরা ২২৩টি DEirlncRNA-কে জোড়া করে একটি ০ বা ১ ম্যাট্রিক্স তৈরি করি। মোট ১৩,৬৮৭টি DEirlncRNA জোড়া শনাক্ত করা হয়েছিল। ইউনিভেরিয়েট এবং ল্যাসো রিগ্রেশন বিশ্লেষণের পর, একটি প্রগনোস্টিক ঝুঁকি মডেল তৈরি করার জন্য অবশেষে ২০টি DEirlncRNA জোড়া পরীক্ষা করা হয় (চিত্র ২বি-ডি)। ল্যাসো এবং মাল্টিপল রিগ্রেশন বিশ্লেষণের ফলাফলের উপর ভিত্তি করে, আমরা TCGA-PAAD কোহর্টের প্রতিটি রোগীর জন্য একটি ঝুঁকি স্কোর গণনা করেছি (সারণি ১)। ল্যাসো রিগ্রেশন বিশ্লেষণের ফলাফলের উপর ভিত্তি করে, আমরা TCGA-PAAD কোহর্টের প্রতিটি রোগীর জন্য একটি ঝুঁকি স্কোর গণনা করেছি। ১-বছরের ঝুঁকি মডেলের পূর্বাভাসের জন্য ROC কার্ভের AUC ছিল ০.৯০৫, ২-বছরের পূর্বাভাসের জন্য ০.৯৪২ এবং ৩-বছরের পূর্বাভাসের জন্য ০.৯৬৬ (চিত্র ৩এ-বি)। আমরা ৩.১০৫-এর একটি সর্বোত্তম কাটঅফ মান নির্ধারণ করে, TCGA-PAAD কোহর্টের রোগীদের উচ্চ- এবং নিম্ন-ঝুঁকির দলে বিভক্ত করেছি এবং প্রতিটি রোগীর জন্য বেঁচে থাকার ফলাফল ও ঝুঁকি স্কোরের বিন্যাস অঙ্কন করেছি (চিত্র ৩সি-ই)। কাপলান-মেয়ার বিশ্লেষণে দেখা গেছে যে, উচ্চ-ঝুঁকির দলের PAAD রোগীদের বেঁচে থাকার হার নিম্ন-ঝুঁকির দলের রোগীদের তুলনায় উল্লেখযোগ্যভাবে কম ছিল (পি < ০.০০১) (চিত্র ৩এফ)।
পূর্বাভাসমূলক ঝুঁকি মডেলের বৈধতা। (A) পূর্বাভাসমূলক ঝুঁকি মডেলের ROC। (B) ১-, ২-, এবং ৩-বছর মেয়াদী পূর্বাভাসমূলক ঝুঁকি মডেলের ROC। (C) পূর্বাভাসমূলক ঝুঁকি মডেলের ROC। সর্বোত্তম কাট-অফ পয়েন্ট দেখানো হয়েছে। (DE) বেঁচে থাকার অবস্থা (D) এবং ঝুঁকি স্কোরের (E) বিন্যাস। (F) উচ্চ- এবং নিম্ন-ঝুঁকি গোষ্ঠীর PAAD রোগীদের কাপলান-মেয়ার বিশ্লেষণ।
আমরা ক্লিনিক্যাল বৈশিষ্ট্য অনুসারে ঝুঁকি স্কোরের পার্থক্য আরও মূল্যায়ন করেছি। স্ট্রিপ প্লট (চিত্র ৪ক) ক্লিনিক্যাল বৈশিষ্ট্য এবং ঝুঁকি স্কোরের মধ্যে সামগ্রিক সম্পর্ক দেখায়। বিশেষ করে, বয়স্ক রোগীদের ঝুঁকি স্কোর বেশি ছিল (চিত্র ৪খ)। এছাড়াও, স্টেজ I-এর রোগীদের তুলনায় স্টেজ II-এর রোগীদের ঝুঁকি স্কোর বেশি ছিল (চিত্র ৪গ)। PAAD রোগীদের টিউমার গ্রেডের ক্ষেত্রে, গ্রেড ১ এবং ২-এর রোগীদের তুলনায় গ্রেড ৩-এর রোগীদের ঝুঁকি স্কোর বেশি ছিল (চিত্র ৪ঘ)। আমরা আরও ইউনিভেরিয়েট এবং মাল্টিভেরিয়েট রিগ্রেশন বিশ্লেষণ করেছি এবং দেখিয়েছি যে PAAD রোগীদের ক্ষেত্রে ঝুঁকি স্কোর (p < 0.001) এবং বয়স (p = 0.045) স্বাধীন প্রগনোস্টিক ফ্যাক্টর ছিল (চিত্র ৫ক-খ)। ROC কার্ভ দেখিয়েছে যে PAAD রোগীদের ১-, ২-, এবং ৩-বছরের বেঁচে থাকার পূর্বাভাস দেওয়ার ক্ষেত্রে ঝুঁকি স্কোর অন্যান্য ক্লিনিক্যাল বৈশিষ্ট্যের চেয়ে উন্নত ছিল (চিত্র ৫গ-ঙ)।
পূর্বাভাসমূলক ঝুঁকি মডেলের ক্লিনিকাল বৈশিষ্ট্য। হিস্টোগ্রাম (A)-তে TCGA-PAAD কোহর্টের রোগীদের (B) বয়স, (C) টিউমার পর্যায়, (D) টিউমার গ্রেড, ঝুঁকি স্কোর এবং লিঙ্গ দেখানো হয়েছে। **p < 0.01
রোগনির্ণয়মূলক ঝুঁকি মডেলগুলির স্বাধীন ভবিষ্যদ্বাণীমূলক বিশ্লেষণ। (AB) রোগনির্ণয়মূলক ঝুঁকি মডেল এবং ক্লিনিকাল বৈশিষ্ট্যসমূহের একচলকীয় (A) এবং বহুচলকীয় (B) রিগ্রেশন বিশ্লেষণ। (CE) রোগনির্ণয়মূলক ঝুঁকি মডেল এবং ক্লিনিকাল বৈশিষ্ট্যসমূহের জন্য ১-, ২-, এবং ৩-বছরের ROC।
অতএব, আমরা সময় এবং ঝুঁকি স্কোরের মধ্যে সম্পর্ক পরীক্ষা করেছি। আমরা দেখেছি যে PAAD রোগীদের ঝুঁকি স্কোর CD8+ T কোষ এবং NK কোষের সাথে বিপরীতভাবে সম্পর্কিত ছিল (চিত্র 6A), যা উচ্চ-ঝুঁকি গোষ্ঠীতে রোগ প্রতিরোধ ক্ষমতার দমন নির্দেশ করে। আমরা উচ্চ- এবং নিম্ন-ঝুঁকি গোষ্ঠীর মধ্যে ইমিউন কোষের অনুপ্রবেশের পার্থক্যও মূল্যায়ন করেছি এবং একই ফলাফল পেয়েছি (চিত্র 7)। উচ্চ-ঝুঁকি গোষ্ঠীতে CD8+ T কোষ এবং NK কোষের অনুপ্রবেশ কম ছিল। সাম্প্রতিক বছরগুলিতে, ইমিউন চেকপয়েন্ট ইনহিবিটর (ICI) কঠিন টিউমারের চিকিৎসায় ব্যাপকভাবে ব্যবহৃত হচ্ছে। তবে, অগ্ন্যাশয়ের ক্যান্সারে ICI-এর ব্যবহার খুব কমই সফল হয়েছে। তাই, আমরা উচ্চ- এবং নিম্ন-ঝুঁকি গোষ্ঠীতে ইমিউন চেকপয়েন্ট জিনের অভিব্যক্তি মূল্যায়ন করেছি। আমরা দেখেছি যে নিম্ন-ঝুঁকি গোষ্ঠীতে CTLA-4 এবং CD161 (KLRB1) অতিরিক্তভাবে প্রকাশিত হয়েছে (চিত্র 6B-G), যা নির্দেশ করে যে নিম্ন-ঝুঁকি গোষ্ঠীর PAAD রোগীরা ICI-এর প্রতি সংবেদনশীল হতে পারে।
পূর্বাভাসমূলক ঝুঁকি মডেল এবং ইমিউন কোষ অনুপ্রবেশের পারস্পরিক সম্পর্ক বিশ্লেষণ। (A) পূর্বাভাসমূলক ঝুঁকি মডেল এবং ইমিউন কোষ অনুপ্রবেশের মধ্যে পারস্পরিক সম্পর্ক। (BG) উচ্চ এবং নিম্ন ঝুঁকি গোষ্ঠীতে জিনের অভিব্যক্তি নির্দেশ করে। (HK) উচ্চ এবং নিম্ন ঝুঁকি গোষ্ঠীতে নির্দিষ্ট ক্যান্সার-বিরোধী ওষুধের IC50 মান। *p < 0.05, **p < 0.01, ns = তাৎপর্যপূর্ণ নয়।
আমরা TCGA-PAAD কোহর্টে ঝুঁকি স্কোর এবং সাধারণ কেমোথেরাপি এজেন্টগুলির মধ্যে সম্পর্ক আরও মূল্যায়ন করেছি। আমরা অগ্ন্যাশয়ের ক্যান্সারে সাধারণত ব্যবহৃত ক্যান্সার-বিরোধী ওষুধগুলি অনুসন্ধান করেছি এবং উচ্চ-ঝুঁকি ও নিম্ন-ঝুঁকি গোষ্ঠীর মধ্যে তাদের IC50 মানের পার্থক্য বিশ্লেষণ করেছি। ফলাফলে দেখা গেছে যে উচ্চ-ঝুঁকি গোষ্ঠীতে AZD.2281 (ওলাপ্যারিব)-এর IC50 মান বেশি ছিল, যা ইঙ্গিত করে যে উচ্চ-ঝুঁকি গোষ্ঠীর PAAD রোগীরা AZD.2281 চিকিৎসায় প্রতিরোধী হতে পারে (চিত্র 6H)। এছাড়াও, উচ্চ-ঝুঁকি গোষ্ঠীতে প্যাক্লিট্যাক্সেল, সোরাফেনিব এবং এরলোটিনিবের IC50 মান কম ছিল (চিত্র 6I-K)। আমরা আরও উচ্চ-ঝুঁকি গোষ্ঠীতে উচ্চ IC50 মান সহ ৩৪টি ক্যান্সার-বিরোধী ওষুধ এবং নিম্ন IC50 মান সহ ৩৪টি ক্যান্সার-বিরোধী ওষুধ শনাক্ত করেছি (সারণি 2)।
এটা অস্বীকার করা যায় না যে lncRNA, mRNA, এবং miRNA ব্যাপকভাবে বিদ্যমান এবং ক্যান্সার বিকাশে একটি গুরুত্বপূর্ণ ভূমিকা পালন করে। বিভিন্ন ধরণের ক্যান্সারে সামগ্রিক বেঁচে থাকার পূর্বাভাস দেওয়ার ক্ষেত্রে mRNA বা miRNA-এর গুরুত্বপূর্ণ ভূমিকার সমর্থনে প্রচুর প্রমাণ রয়েছে। নিঃসন্দেহে, অনেক রোগনির্ণয়মূলক ঝুঁকি মডেলও lncRNA-এর উপর ভিত্তি করে তৈরি। উদাহরণস্বরূপ, লুও এট আল.-এর গবেষণায় দেখা গেছে যে LINC01094 অগ্ন্যাশয় ক্যান্সারের বিস্তার এবং মেটাস্টেসিসে একটি মূল ভূমিকা পালন করে, এবং LINC01094-এর উচ্চ প্রকাশ অগ্ন্যাশয় ক্যান্সার রোগীদের দুর্বল বেঁচে থাকার ইঙ্গিত দেয় [16]। লিন এট আল.-এর গবেষণায় দেখা গেছে যে lncRNA FLVCR1-AS1-এর ডাউনরেগুলেশন অগ্ন্যাশয় ক্যান্সার রোগীদের দুর্বল পূর্বাভাসের সাথে সম্পর্কিত [17]। যাইহোক, ক্যান্সার রোগীদের সামগ্রিক বেঁচে থাকার পূর্বাভাস দেওয়ার ক্ষেত্রে রোগ প্রতিরোধ ক্ষমতা-সম্পর্কিত lncRNA-গুলি তুলনামূলকভাবে কম আলোচিত হয়েছে। সম্প্রতি, ক্যান্সার রোগীদের বেঁচে থাকার পূর্বাভাস দেওয়ার জন্য রোগনির্ণয়মূলক ঝুঁকি মডেল তৈরি এবং সেই অনুযায়ী চিকিৎসার পদ্ধতি সামঞ্জস্য করার উপর প্রচুর কাজ করা হয়েছে [18, 19, 20]। ক্যান্সারের সূচনা, অগ্রগতি এবং কেমোথেরাপির মতো চিকিৎসার প্রতিক্রিয়ায় ইমিউন ইনফিলট্রেটের গুরুত্বপূর্ণ ভূমিকার স্বীকৃতি ক্রমশ বাড়ছে। অসংখ্য গবেষণায় নিশ্চিত করা হয়েছে যে টিউমারে অনুপ্রবেশকারী ইমিউন কোষগুলি সাইটোটক্সিক কেমোথেরাপির প্রতিক্রিয়ায় একটি গুরুত্বপূর্ণ ভূমিকা পালন করে [21, 22, 23]। টিউমার ইমিউন মাইক্রোএনভায়রনমেন্ট টিউমার রোগীদের বেঁচে থাকার ক্ষেত্রে একটি গুরুত্বপূর্ণ বিষয় [24, 25]। ইমিউনোথেরাপি, বিশেষ করে আইসিআই থেরাপি, সলিড টিউমারের চিকিৎসায় ব্যাপকভাবে ব্যবহৃত হয় [26]। ইমিউন-সম্পর্কিত জিনগুলি প্রগনোস্টিক ঝুঁকি মডেল তৈরি করতে ব্যাপকভাবে ব্যবহৃত হয়। উদাহরণস্বরূপ, সু এট আল। ইমিউন-সম্পর্কিত প্রগনোস্টিক ঝুঁকি মডেলটি প্রোটিন-কোডিং জিনের উপর ভিত্তি করে ডিম্বাশয়ের ক্যান্সার রোগীদের প্রগনোসিস ভবিষ্যদ্বাণী করার জন্য তৈরি করা হয়েছে [27]। নন-কোডিং জিন যেমন lncRNA-গুলিও প্রগনোস্টিক ঝুঁকি মডেল তৈরির জন্য উপযুক্ত [28, 29, 30]। লুও এট আল চারটি ইমিউন-সম্পর্কিত lncRNA পরীক্ষা করে সার্ভিকাল ক্যান্সারের ঝুঁকির জন্য একটি ভবিষ্যদ্বাণীমূলক মডেল তৈরি করেছেন [31]। খান এট আল। মোট 32টি ভিন্নভাবে প্রকাশিত ট্রান্সক্রিপ্ট সনাক্ত করা হয়েছিল, এবং এর উপর ভিত্তি করে, 5টি গুরুত্বপূর্ণ ট্রান্সক্রিপ্ট সহ একটি ভবিষ্যদ্বাণী মডেল স্থাপন করা হয়েছিল, যা কিডনি প্রতিস্থাপনের পরে বায়োপসি-প্রমাণিত তীব্র প্রত্যাখ্যানের পূর্বাভাস দেওয়ার জন্য একটি অত্যন্ত সুপারিশকৃত সরঞ্জাম হিসাবে প্রস্তাবিত হয়েছিল [32]।
এই মডেলগুলোর বেশিরভাগই প্রোটিন-কোডিং জিন বা নন-কোডিং জিনের এক্সপ্রেশন লেভেলের উপর ভিত্তি করে তৈরি। তবে, একই জিনের এক্সপ্রেশন মান বিভিন্ন জিনোম, ডেটা ফরম্যাট এবং বিভিন্ন রোগীর ক্ষেত্রে ভিন্ন হতে পারে, যা ভবিষ্যদ্বাণীমূলক মডেলগুলোতে অস্থিতিশীল অনুমানের জন্ম দেয়। এই গবেষণায়, আমরা lncRNA-এর দুটি জোড়া ব্যবহার করে একটি যুক্তিসঙ্গত মডেল তৈরি করেছি, যা তাদের সঠিক এক্সপ্রেশন মানের উপর নির্ভরশীল নয়।
এই গবেষণায়, আমরা রোগ প্রতিরোধ ক্ষমতা-সম্পর্কিত জিনের সাথে পারস্পরিক সম্পর্ক বিশ্লেষণের মাধ্যমে প্রথমবারের মতো irlncRNA শনাক্ত করেছি। আমরা ডিফারেনশিয়ালি এক্সপ্রেসড lncRNA-এর সাথে হাইব্রিডাইজেশনের মাধ্যমে 223টি DEirlncRNA স্ক্রিন করেছি। দ্বিতীয়ত, আমরা প্রকাশিত DEirlncRNA পেয়ারিং পদ্ধতি [31]-এর উপর ভিত্তি করে একটি 0-or-1 ম্যাট্রিক্স তৈরি করেছি। এরপর আমরা প্রগনোস্টিক DEirlncRNA জোড়া শনাক্ত করতে এবং একটি ভবিষ্যদ্বাণীমূলক ঝুঁকি মডেল তৈরি করতে ইউনিভেরিয়েট এবং ল্যাসো রিগ্রেশন বিশ্লেষণ করেছি। আমরা PAAD রোগীদের মধ্যে ঝুঁকি স্কোর এবং ক্লিনিকাল বৈশিষ্ট্যের মধ্যে সম্পর্ক আরও বিশ্লেষণ করেছি। আমরা দেখেছি যে আমাদের প্রগনোস্টিক ঝুঁকি মডেলটি, PAAD রোগীদের মধ্যে একটি স্বাধীন প্রগনোস্টিক ফ্যাক্টর হিসাবে, উচ্চ-গ্রেডের রোগীদের নিম্ন-গ্রেডের রোগীদের থেকে এবং উচ্চ-গ্রেডের রোগীদের নিম্ন-গ্রেডের রোগীদের থেকে কার্যকরভাবে আলাদা করতে পারে। এছাড়াও, প্রগনোস্টিক ঝুঁকি মডেলের ROC কার্ভের AUC মান ছিল 1-বছরের পূর্বাভাসের জন্য 0.905, 2-বছরের পূর্বাভাসের জন্য 0.942 এবং 3-বছরের পূর্বাভাসের জন্য 0.966।
গবেষকরা রিপোর্ট করেছেন যে উচ্চতর CD8+ T কোষ অনুপ্রবেশ সহ রোগীরা ICI চিকিৎসার প্রতি বেশি সংবেদনশীল ছিলেন [33]। টিউমার ইমিউন মাইক্রোএনভায়রনমেন্টে সাইটোটক্সিক কোষ, CD56 NK কোষ, NK কোষ এবং CD8+ T কোষের পরিমাণ বৃদ্ধি টিউমার দমনকারী প্রভাবের অন্যতম কারণ হতে পারে [34]। পূর্ববর্তী গবেষণায় দেখা গেছে যে টিউমার-অনুপ্রবেশকারী CD4(+) T এবং CD8(+) T কোষের উচ্চ মাত্রা উল্লেখযোগ্যভাবে দীর্ঘতর বেঁচে থাকার সাথে সম্পর্কিত ছিল [35]। দুর্বল CD8 T কোষ অনুপ্রবেশ, কম নিওঅ্যান্টিজেন লোড এবং একটি অত্যন্ত ইমিউনোসাপ্রেসিভ টিউমার মাইক্রোএনভায়রনমেন্ট ICI থেরাপির প্রতি প্রতিক্রিয়ার অভাব ঘটায় [36]। আমরা দেখেছি যে ঝুঁকি স্কোর CD8+ T কোষ এবং NK কোষের সাথে নেতিবাচকভাবে সম্পর্কিত ছিল, যা ইঙ্গিত করে যে উচ্চ ঝুঁকি স্কোরযুক্ত রোগীরা ICI চিকিৎসার জন্য উপযুক্ত নাও হতে পারে এবং তাদের পূর্বাভাস খারাপ হতে পারে।
CD161 হল ন্যাচারাল কিলার (NK) কোষের একটি মার্কার। CD8+CD161+ CAR-ট্রান্সডিউসড T কোষ HER2+ প্যানক্রিয়াটিক ডাক্টাল অ্যাডেনোকার্সিনোমা জেনোগ্রাফ্ট মডেলে উন্নত ইন ভিভো অ্যান্টিটিউমার কার্যকারিতা মধ্যস্থতা করে [37]। ইমিউন চেকপয়েন্ট ইনহিবিটরগুলি সাইটোটক্সিক টি লিম্ফোসাইট অ্যাসোসিয়েটেড প্রোটিন 4 (CTLA-4) এবং প্রোগ্রামড সেল ডেথ প্রোটিন 1 (PD-1)/প্রোগ্রামড সেল ডেথ লিগ্যান্ড 1 (PD-L1) পথগুলিকে লক্ষ্য করে এবং অনেক ক্ষেত্রে এর ব্যাপক সম্ভাবনা রয়েছে। উচ্চ-ঝুঁকির গোষ্ঠীতে CTLA-4 এবং CD161 (KLRB1) এর প্রকাশ কম, যা আরও ইঙ্গিত দেয় যে উচ্চ-ঝুঁকির স্কোরযুক্ত রোগীরা ICI চিকিৎসার জন্য যোগ্য নাও হতে পারে। [38]
উচ্চ-ঝুঁকিপূর্ণ রোগীদের জন্য উপযুক্ত চিকিৎসার বিকল্প খুঁজে বের করার জন্য, আমরা বিভিন্ন ক্যান্সার-বিরোধী ওষুধ বিশ্লেষণ করেছি এবং দেখেছি যে প্যাকলিট্যাক্সেল, সোরাফেনিব এবং এরলোটিনিব, যা PAAD রোগীদের মধ্যে ব্যাপকভাবে ব্যবহৃত হয়, উচ্চ-ঝুঁকিপূর্ণ PAAD রোগীদের জন্য উপযুক্ত হতে পারে। [33]। ঝাং এবং তার সহকর্মীরা দেখেছেন যে যেকোনো ডিএনএ ড্যামেজ রেসপন্স (DDR) পথের মিউটেশন প্রোস্টেট ক্যান্সার রোগীদের ক্ষেত্রে খারাপ পরিণতির কারণ হতে পারে [39]। প্যানক্রিয়াটিক ক্যান্সার ওলাপ্যারিব অনগোয়িং (POLO) ট্রায়াল দেখিয়েছে যে প্যানক্রিয়াটিক ডাক্টাল অ্যাডেনোকার্সিনোমা এবং জার্মলাইন BRCA1/2 মিউটেশনযুক্ত রোগীদের ক্ষেত্রে প্রথম সারির প্ল্যাটিনাম-ভিত্তিক কেমোথেরাপির পরে ওলাপ্যারিব দিয়ে রক্ষণাবেক্ষণমূলক চিকিৎসা প্লেসিবোর তুলনায় রোগমুক্ত বেঁচে থাকার সময়কাল দীর্ঘায়িত করেছে [40]। এটি এই রোগীদের উপগোষ্ঠীতে চিকিৎসার ফলাফল উল্লেখযোগ্যভাবে উন্নত হবে বলে যথেষ্ট আশাবাদ জোগায়। এই গবেষণায়, উচ্চ-ঝুঁকিপূর্ণ গোষ্ঠীতে AZD.2281 (ওলাপ্যারিব)-এর IC50 মান বেশি ছিল, যা ইঙ্গিত করে যে উচ্চ-ঝুঁকিপূর্ণ গোষ্ঠীর PAAD রোগীরা AZD.2281 দিয়ে চিকিৎসার প্রতি প্রতিরোধী হতে পারে।
এই গবেষণার পূর্বাভাস মডেলগুলি ভাল পূর্বাভাস ফলাফল দেয়, তবে সেগুলি বিশ্লেষণাত্মক পূর্বাভাসের উপর ভিত্তি করে তৈরি। ক্লিনিকাল ডেটা দিয়ে এই ফলাফলগুলি কীভাবে নিশ্চিত করা যায় তা একটি গুরুত্বপূর্ণ প্রশ্ন। এন্ডোস্কোপিক ফাইন নিডল অ্যাসপিরেশন আলট্রাসোনোগ্রাফি (EUS-FNA) কঠিন এবং অগ্ন্যাশয়ের বাইরের ক্ষত নির্ণয়ের জন্য একটি অপরিহার্য পদ্ধতি হয়ে উঠেছে, যার সংবেদনশীলতা ৮৫% এবং নির্দিষ্টতা ৯৮% [41]। EUS ফাইন-নিডল বায়োপসি (EUS-FNB) নিডলের আবির্ভাব মূলত FNA-এর তুলনায় অনুভূত সুবিধার উপর ভিত্তি করে, যেমন উচ্চতর ডায়াগনস্টিক নির্ভুলতা, হিস্টোলজিক্যাল কাঠামো সংরক্ষণ করে এমন নমুনা সংগ্রহ করা, এবং এইভাবে ইমিউন টিস্যু তৈরি করা যা নির্দিষ্ট রোগ নির্ণয়ের জন্য গুরুত্বপূর্ণ। বিশেষ স্টেইনিং [42]। সাহিত্যের একটি পদ্ধতিগত পর্যালোচনা নিশ্চিত করেছে যে FNB নিডল (বিশেষ করে 22G) অগ্ন্যাশয়ের পিণ্ড থেকে টিস্যু সংগ্রহে সর্বোচ্চ দক্ষতা প্রদর্শন করে [43]। চিকিৎসাগতভাবে, শুধুমাত্র অল্প সংখ্যক রোগী র্যাডিক্যাল সার্জারির জন্য যোগ্য, এবং প্রাথমিক রোগ নির্ণয়ের সময় বেশিরভাগ রোগীর অস্ত্রোপচার-অযোগ্য টিউমার থাকে। চিকিৎসাক্ষেত্রে, খুব অল্প সংখ্যক রোগীই র্যাডিক্যাল সার্জারির জন্য উপযুক্ত হন, কারণ প্রাথমিক রোগ নির্ণয়ের সময় বেশিরভাগ রোগীর টিউমার অস্ত্রোপচার-অযোগ্য থাকে। EUS-FNB এবং অন্যান্য পদ্ধতির মাধ্যমে প্যাথলজিক্যাল নিশ্চিতকরণের পর, সাধারণত কেমোথেরাপির মতো প্রমিত অস্ত্রোপচার-বহির্ভূত চিকিৎসা বেছে নেওয়া হয়। আমাদের পরবর্তী গবেষণা কর্মসূচি হলো একটি রেট্রোস্পেক্টিভ বিশ্লেষণের মাধ্যমে অস্ত্রোপচারকৃত এবং অস্ত্রোপচার-বহির্ভূত রোগীদের দলে এই গবেষণার প্রগনোস্টিক মডেলটি পরীক্ষা করা।
সামগ্রিকভাবে, আমাদের গবেষণাটি জোড়া irlncRNA-এর উপর ভিত্তি করে একটি নতুন রোগনির্ণয়মূলক ঝুঁকি মডেল প্রতিষ্ঠা করেছে, যা অগ্ন্যাশয়ের ক্যান্সারে আক্রান্ত রোগীদের ক্ষেত্রে আশাব্যঞ্জক রোগনির্ণয়মূলক মান দেখিয়েছে। আমাদের এই রোগনির্ণয়মূলক ঝুঁকি মডেলটি PAAD আক্রান্ত সেইসব রোগীদের শনাক্ত করতে সাহায্য করতে পারে, যারা চিকিৎসার জন্য উপযুক্ত।
বর্তমান গবেষণায় ব্যবহৃত ও বিশ্লেষিত ডেটাসেটগুলো যুক্তিসঙ্গত অনুরোধের ভিত্তিতে সংশ্লিষ্ট লেখকের কাছ থেকে পাওয়া যাবে।
সুই ওয়েন, গং এক্স, ঝুয়াং ওয়াই। কোভিড-১৯ মহামারীর সময় নেতিবাচক আবেগের আবেগীয় নিয়ন্ত্রণে আত্ম-কার্যকারিতার মধ্যস্থতাকারী ভূমিকা: একটি ক্রস-সেকশনাল গবেষণা। ইন্ট জে মেন্ট হেলথ নার্স [জার্নাল আর্টিকেল]। ২০২১ ০৬/০১/২০২১;৩০(৩):৭৫৯–৭১।
সুই ওয়েন, গং এক্স, কিয়াও এক্স, ঝাং এল, চেং জে, ডং জে, প্রমুখ। ইনটেনসিভ কেয়ার ইউনিটে বিকল্প সিদ্ধান্ত গ্রহণ বিষয়ে পরিবারের সদস্যদের মতামত: একটি পদ্ধতিগত পর্যালোচনা। INT J NURS STUD [ম্যাগাজিন প্রবন্ধ; পর্যালোচনা]। ২০২৩ ০১/০১/২০২৩;১৩৭:১০৪৩৯১।
ভিনসেন্ট এ, হারম্যান জে, শুলিখ আর, হ্রুবান আরএইচ, গগিন্স এম। অগ্ন্যাশয়ের ক্যান্সার। ল্যানসেট। [জার্নাল প্রবন্ধ; গবেষণা সহায়তা, এনআইএইচ, বহিরাগত; গবেষণা সহায়তা, মার্কিন যুক্তরাষ্ট্রের বাইরের সরকার; পর্যালোচনা]। 2011 08/13/2011;378(9791):607–20।
ইলিক এম, ইলিক আই। অগ্ন্যাশয়ের ক্যান্সারের মহামারীবিদ্যা। ওয়ার্ল্ড জার্নাল অফ গ্যাস্ট্রোএন্টারোলজি। [জার্নাল প্রবন্ধ, পর্যালোচনা]। 2016 11/28/2016;22(44):9694–705।
লিউ এক্স, চেন বি, চেন জে, সান এস। অগ্ন্যাশয়ের ক্যান্সারে আক্রান্ত রোগীদের সামগ্রিক বেঁচে থাকার পূর্বাভাস দেওয়ার জন্য একটি নতুন tp53-সম্পর্কিত নোমোগ্রাম। বিএমসি ক্যান্সার [জার্নাল নিবন্ধ]। 2021 31-03-2021;21(1):335।
জিয়ান এক্স, ঝু এক্স, চেন ওয়াই, হুয়াং বি, জিয়াং ডব্লিউ। কেমোথেরাপি গ্রহণকারী কোলোরেক্টাল ক্যান্সার রোগীদের ক্যান্সার-সম্পর্কিত ক্লান্তির উপর সলিউশন-ফোকাসড থেরাপির প্রভাব: একটি র্যান্ডমাইজড কন্ট্রোলড ট্রায়াল। ক্যান্সার নার্স। [জার্নাল আর্টিকেল; র্যান্ডমাইজড কন্ট্রোলড ট্রায়াল; গবেষণাটি মার্কিন যুক্তরাষ্ট্রের বাইরের একটি সরকার দ্বারা সমর্থিত]। ২০২২ ০৫/০১/২০২২;৪৫(৩):E৬৬৩–৭৩।
ঝাং চেং, ঝেং ওয়েন, লু ওয়াই, শান এল, জু ডং, প্যান ওয়াই, প্রমুখ। স্বাভাবিক প্রাক-অস্ত্রোপচার সিইএ স্তরযুক্ত রোগীদের ক্ষেত্রে অস্ত্রোপচার-পরবর্তী কার্সিনোএমব্রায়োনিক অ্যান্টিজেন (সিইএ) স্তর কোলোরেক্টাল ক্যান্সার রিসেকশনের পরবর্তী ফলাফলের পূর্বাভাস দেয়। সেন্টার ফর ট্রান্সলেশনাল ক্যান্সার রিসার্চ। [জার্নাল প্রবন্ধ]। 2020 01.01.2020;9(1):111–8।
হং ওয়েন, লিয়াং লি, গু ইউ, কি জি, কিউ হুয়া, ইয়াং এক্স, প্রমুখ। রোগ প্রতিরোধ ক্ষমতা-সম্পর্কিত lncRNA-সমূহ নতুন বৈশিষ্ট্য তৈরি করে এবং মানব হেপাটোসেলুলার কার্সিনোমার রোগ প্রতিরোধ ব্যবস্থার চিত্র সম্পর্কে পূর্বাভাস দেয়। মলিকিউলার থেরাপি নিউক্লিক অ্যাসিডস [জার্নাল প্রবন্ধ]। ২০২০-১২-০৪;২২:৯৩৭ – ৪৭।
টফি আরজে, ঝু ওয়াই., শুলিখ আরডি অগ্ন্যাশয়ের ক্যান্সারের জন্য ইমিউনোথেরাপি: প্রতিবন্ধকতা এবং যুগান্তকারী সাফল্য। অ্যান গ্যাস্ট্রোইনটেস্টাইনাল সার্জন [জার্নাল আর্টিকেল; পর্যালোচনা]। 2018 07/01/2018;2(4):274–81।
হাল আর, এমবিটা জেড, ড্লামিনি জেড। দীর্ঘ নন-কোডিং আরএনএ (LncRNAs), ভাইরাল টিউমার জিনোমিক্স এবং অস্বাভাবিক স্প্লাইসিং ঘটনা: চিকিৎসাগত প্রভাব। এএম জে ক্যান্সার রেস [জার্নাল নিবন্ধ; পর্যালোচনা]। 2021 01/20/2021;11(3):866–83।
ওয়াং জে, চেন পি, ঝাং ওয়াই, ডিং জে, ইয়াং ওয়াই, লি এইচ। ১১-এন্ডোমেট্রিয়াল ক্যান্সারের পূর্বাভাসের সাথে সম্পর্কিত lncRNA সিগনেচার সনাক্তকরণ। অ্যাচিভমেন্টস অফ সায়েন্স [ম্যাগাজিন নিবন্ধ]। ২০২১ ২০২১-০১-০১;১০৪(১):৩১১৯৭৭০৮৯।
জিয়াং এস, রেন এইচ, লিউ এস, লু জেড, জু এ, কিন এস, প্রমুখ। প্যাপিলারি সেল রেনাল সেল কার্সিনোমায় আরএনএ-বাইন্ডিং প্রোটিন প্রগনোস্টিক জিন এবং ড্রাগ ক্যান্ডিডেটের ব্যাপক বিশ্লেষণ। প্রিজেন। [জার্নাল আর্টিকেল]। ২০/০১/২০২১;১২:৬২৭৫০৮।
লি এক্স, চেন জে, ইউ কিউ, হুয়াং এক্স, লিউ জেড, ওয়াং এক্স, প্রমুখ। অটোফাজি-সম্পর্কিত দীর্ঘ নন-কোডিং আরএনএ-এর বৈশিষ্ট্য স্তন ক্যান্সারের পূর্বাভাস দেয়। প্রিজেন। [জার্নাল প্রবন্ধ]। ২০/০১/২০২১;১২:৫৬৯৩১৮।
Zhou M, Zhang Z, Zhao X, Bao S, Cheng L, Sun J. ইমিউন-সম্পর্কিত ছয়টি lncRNA সিগনেচার গ্লিওব্লাস্টোমা মাল্টিফর্মের পূর্বাভাস উন্নত করে। MOL নিউরোবায়োলজি। [জার্নাল আর্টিকেল]। 2018 01.05.2018;55(5):3684–97।
উ বি, ওয়াং কিউ, ফেই জে, বাও ওয়াই, ওয়াং এক্স, সং জেড, প্রমুখ। একটি নতুন ট্রাই-এলএনসিআরএনএ সিগনেচার অগ্ন্যাশয়ের ক্যান্সারে আক্রান্ত রোগীদের বেঁচে থাকার পূর্বাভাস দেয়। রিপ্রেজেন্টেটিভস অফ অনকল। [জার্নাল আর্টিকেল]। 2018 12/01/2018;40(6):3427–37।
লুও সি, লিন কে, হু সি, ঝু এক্স, ঝু জে, ঝু জেড। LINC01094 স্পঞ্জড miR-577-এর মাধ্যমে LIN28B এক্সপ্রেশন এবং PI3K/AKT পথ নিয়ন্ত্রণ করে অগ্ন্যাশয়ের ক্যান্সারের অগ্রগতি ত্বরান্বিত করে। মলিকিউলার থেরাপিউটিক্স – নিউক্লিক অ্যাসিডস। ২০২১;২৬:৫২৩–৩৫।
লিন জে, ঝাই এক্স, ঝু এস, জু জেড, ঝাং জে, জিয়াং এল, প্রমুখ। lncRNA FLVCR1-AS1 এবং KLF10 এর মধ্যে ইতিবাচক প্রতিক্রিয়া PTEN/AKT পথের মাধ্যমে অগ্ন্যাশয়ের ক্যান্সারের অগ্রগতিকে বাধা দিতে পারে। জে এক্সপি ক্লিন ক্যান্সার রেস। 2021;40(1)।
ঝু এক্স, লিউ এক্স, জেং এক্স, উ ডি, লিউ এল। হেপাটোসেলুলার কার্সিনোমায় সামগ্রিক জীবনকাল পূর্বাভাসকারী তেরোটি জিন শনাক্তকরণ। বায়োসাইন্স রিপোর্ট [জার্নাল প্রবন্ধ]। ২০২১ ০৪/০৯/২০২১।
পোস্ট করার সময়: ২২-সেপ্টেম্বর-২০২৩