Le cancer est l’une des maladies les plus redoutées par les êtres humains, notamment en raison de son taux de mortalité élevé1. Au cours des dernières années, la possibilité de traiter le cancer a augmenté à mesure que de nouvelles thérapies ont été introduites 2,3,4,5. Des modèles in vitro bidimensionnels (2D) et tridimensionnels (3D) sont utilisés pour étudier le cancer en laboratoire. Cependant, les modèles 2D ne peuvent pas évaluer immédiatement et avec précision tous les paramètres importants qui indiquent une sensibilité antitumorale; Par conséquent, ils ne représentent pas pleinement les interactions in vivo dans les essais de pharmacothérapie6.
Depuis 2020, le marché mondial de la culture tridimensionnelle (3D) a été considérablement stimulé. Selon un rapport du NASDAQ OMX, la valeur mondiale du marché de la culture cellulaire 3D dépassera 2,7 milliards de dollars d’ici la fin de 2025. Par rapport aux méthodes de culture 2D, la culture cellulaire 3D présente des propriétés avantageuses, qui peuvent être optimisées non seulement pour la prolifération et la différenciation, mais aussi pour la survie à long terme 7,8. Par de tels moyens, les microenvironnements cellulaires in vivo peuvent être simulés pour obtenir une caractérisation plus précise de la tumeur, ainsi qu’un profilage métabolique, afin que les altérations génomiques et protéiques puissent être mieux comprises. Pour cette raison, les systèmes de test 3D devraient maintenant être inclus dans les opérations de développement de médicaments traditionnelles, en particulier celles axées sur le dépistage et l’évaluation de nouveaux médicaments antitumoraux. Les croissances tridimensionnelles de lignées cellulaires établies immortalisées ou de cultures cellulaires primaires dans des structures sphéroïdes possèdent des caractéristiques in vivo de tumeurs telles que l’hypoxie et la pénétration de médicaments, ainsi que l’interaction, la réponse et la résistance cellulaires, et peuvent être considérées comme un modèle rigoureux et représentatif pour effectuer un dépistage in vitro de médicaments 9,10,11.
Cependant, ces modèles de culture 3D souffrent également de plusieurs problèmes qui peuvent prendre un certain temps à résoudre. Les sphéroïdes cellulaires peuvent être formés à l’aide de ces protocoles, mais ils diffèrent par certains détails, tels que le temps de culture ou l’incorporation de gels12, de sorte que ces sphéroïdes cellulaires construits ne peuvent pas être bien contrôlés dans une plage de taille restreinte. La taille des sphéroïdes peut influencer la cohérence du test de viabilité et de l’analyse d’imagerie. Les microenvironnements de croissance et les facteurs de croissance varient également, ce qui peut conduire à des morphologies différentes en raison des différences de différenciation entre les cellules13. Il existe maintenant un besoin évident d’une méthode standard, simple et rentable pour construire tous les types de tumeurs avec des tailles contrôlées.
D’un autre point de vue, bien que des tests homogènes et des approches d’imagerie à haut contenu aient été développés pour évaluer la morphologie, la viabilité et le taux de croissance, le criblage à haut débit des modèles 3D reste un défi pour diverses raisons rapportées dans la littérature, telles que le manque d’uniformité dans la position, la taille et la morphologie des sphéroïdes tumoraux14,15,16.
Dans le protocole présenté ici, nous énumérons chaque étape de la construction de sphéroïdes tumoraux 3D et décrivons une méthode d’observation et d’analyse des sphéroïdes à l’aide d’un système d’imagerie à haut débit et à contenu élevé qui implique l’autofocus, l’auto-imagerie et l’analyse, entre autres caractéristiques avantageuses. Nous montrons comment cette méthode peut produire des sphéroïdes tumoraux 3D de taille uniforme qui conviennent à l’imagerie à haut débit. Ces sphéroïdes démontrent également une grande sensibilité au traitement médicamenteux du cancer, et les changements morphologiques dans les sphéroïdes peuvent être surveillés à l’aide d’une imagerie à haut contenu. En résumé, nous démontrons la robustesse de cette méthodologie comme moyen de générer des constructions tumorales 3D à des fins d’évaluation de médicaments.