患者源性肿瘤外植体作为预测患者耐药性的"实时"临床前平台
February 7th, 2021
本文描述了在实时的、与患者相关的临床前模型系统中评估肿瘤药物反应的患者来源的外植体的生成、药物治疗和分析方法。
患者来源的外植体是一种短期方法，可提供即时药物反应数据，可以准确预测患者的预后。PD平台允许在3D环境中检查药物反应，尽可能密切地反映区域肿瘤的病理和结构特征。外植体有可能为药物的代谢和作用机制提供新的见解，并促进新的药效学生物标志物的鉴定。
在开始实验之前，用70%工业甲基化烈酒溶液清洁所有手术设备。在10厘米的培养皿中加入25毫升的新鲜培养基在冰上。使用镊子将标本转移到牙蜡表面上，并使用两个皮肤移植刀片将组织切成大约两到三立方毫米的碎片。
将外植体转移到10厘米培养皿中，并将6至9块组织放入含有10%非缓冲福尔马林溶液的1毫升管中，在室温下孵育24小时。用每孔1.5毫升新鲜培养基填充六孔板的所需孔数。并将有机培养皿放入每个孔中，使其漂浮在培养基的顶部。
将6至9个外植体放在每个插入盘上，并在5%二氧化碳培养箱中储存16小时以允许回收。第二天，将新鲜的培养基和药物加入新板的每个孔中。包括一个用于车辆控制的井。
当所有药物治疗准备就绪后，使用镊子将一个插入物转移到新的六孔板的每个孔中，在二氧化碳培养箱中孵育24至48小时。药物治疗后，将椎间盘转移到含有10%福尔马林的新六孔板中。并在每个外植体的顶部加入几滴10%福尔马林，以确保在室温下孵育24小时的固定剂完全覆盖。
第二天，将适当数量的小组织学海绵浸泡在70%工业甲基化溶液中。并将海绵放入组织学盒中。放置所有海绵后，将来自相同药物治疗条件的所有外植体转移到单个海绵上，每个外植体的药物处理侧与插入的椎间盘接触。
将另一个预浸泡的海绵放在每个外植体的顶部，并关闭盒以将外植体固定在盒中。然后将盒浸没在70%工业甲基化溶液中，然后继续进行组织学处理。扫描后，执行训练分析，并将包含训练图章的扫描件加载到相应的分析软件中。
在单模式视图中，浏览图像并选择要分析的扫描件和使用固有荧光的扫描件。在单个视图上进行固有荧光扫描，单击自发荧光选取器以在未染色的组织区域上绘制一个片段。单击编辑标记和颜色，然后在与每个荧光团关联的框中输入标记名称。
单击准备图像以允许软件从所有上传的图像中减去固有荧光的强度。单击屏幕顶部的切片组织步骤以打开组织分割训练窗口。在组织类别面板中，输入要分割的每个组织类别的名称。
单击"绘制"，以在感兴趣的组织类别中的细胞组周围绘制区域。然后切换到下一个组织类别并绘制新区域。定义所有训练区域后，使用训练组织分割器，并等待训练精度稳定下来。
可能达到接近 100% 的值 单击全部分割以分割组织。验证组织分割的质量后，单击细胞分割并选择要分割的细胞区室。要配置核分量，请使用典型的强度滑块来调整用于检测核像素的阈值。
实时反馈由预览窗口提供。要分割核像素簇，请在核成分分割面板中，选择最能描述核染色质量的按钮，然后使用滑块调整分裂灵敏度。然后单击"全部分割"以分割所有图像。
分割完所有图像后，在表型面板中，添加要检测的表型列表，并将表型的名称输入到相应的文本框中。单击编辑表型以选择特定单元格，然后在下拉菜单中选择相应的表型。完成训练选择后，单击训练分类器以评估每个表型的结果。
继续使用表型全部，保存项目并单击导出。选择批分析选项卡，然后在批处理算法或项目框中加载项目。要导出图像和表格，请选择导出选项中的所有框，单击"添加幻灯片"并加载包含先前准备的批次的图章的所有图像。
然后点击运行，开始批量分析一个图章，并在获取后导出相应的数据。对用于细胞活力标志物染色的NSCLC外植体组织的多光谱成像，允许单个细胞群的鉴定和表型，以及鉴定外植体肿瘤微环境中的肿瘤和基质成分。组织和细胞细胞活力标记物的切片的多光谱图像如图所示，可用于量化用目标药物治疗的患者来源的外植体中的细胞死亡和增殖。
例如，在该分析中，在用Nivolumab治疗的肿瘤的组织样本中，与对照处理的肿瘤样本相比，鉴定出更多数量的死亡细胞。此外，如图所示，从染色的解剖中提取空间信息的能力允许计算细胞间距离。外植体还可用于广泛的空间分析或大规模细胞术，允许以辅助分辨率同时对数百个生物标志物进行剖析，同时保留样品的3D结构。
PD可以预测免疫疗法的疗效。例如，可以区分免疫检查点抑制剂的敏感或耐药病例，并研究支持这种区别的机制。
View the full transcript and gain access to thousands of scientific videos
概述
本文描述了用于生成、药物治疗和分析源自患者的植入物的方法，用于在活体、与患者相关的临床前模型系统中评估肿瘤药物反应。源自患者的植入物提供即时的药物反应数据，可以准确预测患者的预后。
关键研究组成部分
科学领域
- 肿瘤学
- 药理学
- 临床前模型
背景
- 源自患者的植入物（PDEs）是模拟肿瘤环境的短期模型。
- PDEs允许在三维环境中检查药物反应。
- 它们可以提供有关药物代谢和作用机制的见解。
- PDEs可能有助于识别新的药效动力学生物标志物。
研究目的
- 使用源自患者的植入物评估肿瘤药物反应。
- 开发反映患者预后的临床前模型。
- 探索PDEs在药物反应预测中的潜力。
使用的方法
- 用70%的工业甲基化酒精清洁手术器械。
- 在冰上准备含有新鲜培养基的培养皿。
- 将标本转移到牙科蜡表面。
- 将组织切成约两到三立方毫米的碎片。
主要结果
- PDEs提供即时且相关的药物反应数据。
- 它们基于药物反应准确预测患者预后。
- PDEs的三维环境反映了肿瘤的病理特征。
- 识别了药物机制和潜在生物标志物的见解。
结论
- 源自患者的植入物是评估药物反应的有价值工具。
- 它们增强了对肿瘤生物学和治疗效果的理解。
- PDEs可能促进个性化医疗方法的发展。
常见问题
Executive Industry Relevance
Patient-derived tumor explants (PDEs) provide a clinically relevant preclinical platform that preserves the tumor microenvironment and intratumoral heterogeneity, directly addressing a major limitation of traditional models. This enables more predictive assessment of drug resistance and sensitivity, supporting translational continuity from discovery to patient stratification. The PDE platform enhances portfolio decision-making by generating actionable, quantitative drug response and biomarker data aligned with clinical outcomes.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Enables interrogation of therapeutic hypotheses in a human tumor context.
- Supports functional target validation by preserving tumor-stroma interactions.
- Facilitates mechanistic de-risking through direct measurement of drug effects on viable tumor tissue.
- Improves predictive confidence for advancing targets into later-stage development.
Screening & Assay Development
- Provides a validated 3D biological system for compound screening under physiologically relevant conditions.
- Enables quantitative, reproducible assessment of cell viability, proliferation, and death post-treatment.
- Supports assay standardization and scalability for high-content drug evaluation.
- Allows for multiplexed biomarker analysis to inform screening prioritization.
Translational & Preclinical Research
- Aligns preclinical drug response data with clinicopathological parameters for translational biomarker discovery.
- Enables risk-adjusted advancement decisions by predicting patient-specific drug resistance or sensitivity.
- Supports identification of novel interventional strategies to sensitize resistant tumors.
- Facilitates continuity from discovery through preclinical validation using patient-relevant models.
Pipeline & Workflow Integration
PDEs integrate into the discovery-to-preclinical continuum by providing a bridge between in vitro screening and clinical translation, supporting both lead identification and biomarker-driven patient stratification.
- Discovery Biology: Supports hypothesis testing and pathway clarification in a preserved tumor microenvironment.
- Screening: Delivers reproducible, quantitative outputs for compound evaluation in a 3D context.
- Analytics: Enables high-content measurements, including spatial profiling and cell segmentation, to compare drug effects.
- Translational Research: Aligns drug response data with clinical parameters for biomarker validation.
- Enterprise Reuse: Establishes a reusable platform for ongoing drug sensitivity and resistance studies across tumor types.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence and reduces mechanistic ambiguity in drug response assessment.
- Operational Value: Standardizes workflows for tissue processing, imaging, and quantitative analysis.
- Strategic Value: Improves go/no-go decisions and capital efficiency by linking preclinical data to patient outcomes.
- Portfolio Impact: Enables risk-adjusted prioritization and advancement of drug candidates based on clinically relevant data.
Implementation Considerations
- Requires expertise in tissue handling, histology, and advanced imaging analysis.
- Demands access to multiplexed immunofluorescence and multispectral imaging infrastructure.
- Necessitates cross-team standardization for sample processing and data interpretation.
- Adaptation may be needed for different tumor types and bespoke culture conditions.
- Short-term culture limits longitudinal studies but enables rapid drug response assessment.
