Artykuł metodologiczny

Modele przedkliniczne i metody obrazowania mikrośrodowiska guza w przerzutach

DOI:

10.3791/64933

17 marca 2023

W tym artykule

Artykuł redakcyjny

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Kolekcja ta przedstawia systemy wykraczające poza tradycyjne metody eksperymentalne badań nad rakiem do badania mikrośrodowiska guza, elementu niezbędnego do wzrostu guza i przerzutów. Takie systemy są trójwymiarowe, obejmują obrazowanie o dużej głębokości i wysokiej rozdzielczości (często w czasie, co wymaga złożonych narzędzi do analizy obrazowania) i wykorzystują tkankę pochodzącą od pacjenta i/lub wykorzystują syntetyczne lub pozbawione komórek rusztowania.

W przypadku chorób o niezaspokojonych potrzebach klinicznych, takich jak rak trzustki, jelita grubego i mózgu, w których zdolność do translatacji mysich modeli syngenicznych lub ksenoprzeszczepów jest niska, niezbędne jest utworzenie i rozbudowa biobanków. Bürtin i wsp.1 dostarczają przewodnika na temat tego, w jaki sposób to osiągają, w tym ekspansji materiału dawcy do ksenoprzeszczepów pobranych od pacjentów (PDX), tworząc w ten sposób żywy biobank, który dokładnie podsumowuje histologię i przebieg choroby pacjentów. Dzięki ciągłej optymalizacji protokołu oraz ścisłej współpracy i komunikacji z personelem chirurgicznym, autorzy zgłaszają wskaźniki wzrostu wynoszące 63% dla PDX jelita grubego i 48% dla PDX trzustki. Postęp ten nie jest przydatny jako wskaźnik zastępczy między testem a leczeniem dla indywidualnych pacjentów pilnie potrzebujących opcji leczenia, wyłącznie ze względu na długi okres czasu wymagany do ustanowienia modelu. Niemniej jednak przydatne jest lepsze zrozumienie biologii guza i pomoc przyszłym pacjentom o podobnych cechach guza. Ponadto Tew i wsp.2 opisują tworzenie i stosowanie przerzutowych PDX ośrodkowego układu nerwowego (OUN), podkreślając znaczenie drogi inokulacji tkanek dla pomyślnego wzrostu i celów badawczych.

Alternatywnie do modeli PDX, hodowle ex vivo plastrów guza pochodzące od pacjentów zapewniają potencjalnie szybszy i bardziej ekonomiczny system, z natywną matrycą i architekturą - zarówno wielokomórkową, jak i heterotypową - które można wykorzystać do testowania odpowiedzi na leki. Braun i wsp.3 prezentują swoje organotypowe kultury plastrów (OTSC) dla pierwotnych guzów trzustki i przerzutów. Przedstawiają one metodę tworzenia i monitorowania ksenoprzeszczepów, w tym: produkcję urządzenia wspomagającego obrazowanie na żywo wycinka ex vivo ; zbieranie plastrów guza; hodowla plastrów i wzrost ex vivo ; oraz obrazowanie i analiza obrazu. W innym przykładzie, Ciraku i wsp.4 zapewniają kompleksową metodę badania przerzutów do mózgu i ich leczenia poprzez zastosowanie ex vivo przerzutowych wycinków guza mózgu.

Tkanka przylegająca do guza i macierz zewnątrzkomórkowa są również kluczem do pełnego zrozumienia przerzutów. Jelinek i wsp.5 dostarczają PDX do badania wpływu fibroblastów związanych z rakiem na wzrost guza, wykorzystując fibroblasty skórne pochodzące od pacjenta do jednoczesnego wstrzykiwania z ludzkimi liniami komórkowymi czerniaka. Mayorca-Guiliani i wsp.6 opisują metodę decelularyzacji serca i płuc myszy oraz generowania nienaruszonego rusztowania, które można wykorzystać do wysiewu komórek, a co ważniejsze, do zrozumienia lokalizacji/topologii i składu macierzy zewnątrzkomórkowej (ECM) tych narządów. Płuca są szczególnie częstym miejscem przerzutów w przypadku kilku typów nowotworów. Metoda ta może być również wykorzystana do generowania innych rusztowań ECM. Kolagen jest jednym z głównych składników ECM, a zmiany topologiczne w kolagenie fibrylarnym są związane z postępem choroby. Liu i wsp.7 zapewniają narzędzie do analizy obrazów o otwartym kodzie źródłowym do ilościowego określania organizacji kolagenu fibrylarnego na podstawie wysokowymiarowych obrazów tomografii konfokalnej o wysokiej rozdzielczości. Jednym z istotnych elementów ECM jest jego zdolność adaptacji do czynników zewnętrznych, takich jak ciśnienie. ECM przyjmuje różne właściwości biofizyczne w odpowiedzi na te czynniki zewnętrzne, które mogą wpływać na wzrost guza. Korzystając z żeli kolagenowych i fibrynogenowych, Calitz i wsp.8 wprowadzają biomimetyczny model raka wątroby, który naśladuje jego dostrajalność ECM w środowisku 3D. Autorzy stworzyli warunki eksperymentalne, które podsumowują właściwości biofizyczne zwłóknienionej i marskowej wątroby, a także raka wątrobowokomórkowego (HCC) w celu zbadania interakcji guz-zrąb w HCC. Stworzone modele biomimetyczne (obejmujące szeroki zakres sztywności) wykazują bardziej reprezentatywne odpowiedzi zabiegowe w porównaniu z hodowlami 2D.

Inne heterotypowe podejścia do naśladowania przerzutów obejmują hodowle organoidów, systemy kohodowli narządów na chipach i/lub mikroprzepływowe systemy kohodowli, które ewoluują w złożone systemy, aby dostosować się do kokultury komórek odpornościowych i nowotworowych o bardzo różnych potrzebach w zakresie warunków hodowli. Chakrabarti i wsp.9 prezentują system organoidów, który obejmuje komórki T i mieloidalne, a także autologiczne komórki raka żołądka pochodzenia ludzkiego w kokulturze organoidów i komórek odpornościowych, która służy jako model przedkliniczny do przewidywania skuteczności terapii celowanej. De Ninno i wsp.10 opisują podobną koncepcję z wykorzystaniem mikroprzepływowych systemów kohodowli kompatybilnych z pomiarami dynamicznymi i wieloparametrycznymi. Wytwarzanie, wysiewanie, obrazowanie i analiza komórek nowotworowych i mikrośrodowiska tkankowego (TME) nowej mikroprzepływowej niszy 3D krew i mózg (μmBBN) opisano przez Olivera i wsp.11. Autorzy pokazują wykorzystanie sztucznej inteligencji do identyfikacji różnic fenotypowych komórek nowotworowych, które są w stanie przekroczyć barierę krew-mózg, i przypisania tym komórkom obiektywnego potencjału przerzutowego do mózgu. Można to wykorzystać do udzielenia odpowiedzi na podstawowe i translacyjne pytania dotyczące przerzutów, skuteczności terapeutycznej i roli TME w obu.

Wspólnie, autorzy współtworzący tę kolekcję dostarczają TME i dziedzinie przerzutów szereg innowacyjnych, gotowych do użycia metod, aby odpowiedzieć na kluczowe pytania, na które monotypowe hodowle 2D in vitro nie są w stanie odpowiedzieć. Ostatecznie, szerokie zastosowanie tych metod poprawi naszą wiedzę na temat ekosystemów nowotworowych, a tym samym pomoże w opracowaniu terapii celowanych TME przeciwko chorobie przerzutowej, schorzeniu, które pozostaje wyzwaniem w leczeniu i ma duży wpływ na przeżycie i jakość życia pacjentów.

Oświadczenia

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Wydawca nie ujawnia żadnych informacji.

Podziękowania

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Redaktor chciałby podziękować wszystkim autorom za ich doskonałe zgłoszenia.

Bibliografia

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Bürtin, F., et al. Creation and maintenance of a living biobank - how we do it. Journal of Visualized Experiments. (170), e62065(2021).
  2. Tew, B. Y., Salhia, B. The establishment and utilization of patient derived xenograft models of central nervous system metastasis. Journal of Visualized Experiments. (171), e62264(2021).
  3. Braun, R., et al. Organotypic slice cultures as preclinical models of tumor microenvironment in primary pancreatic cancer and metastasis. Journal of Visualized Experiments. (172), e62541(2021).
  4. Ciraku, L., et al. An ex vivo brain slice model to study and target breast cancer brain metastatic tumor growth. Journal of Visualized Experiments. (175), e62617(2021).
  5. Jelinek, D., et al. A mouse model to investigate the role of cancer-associated fibroblasts in tumor growth. Journal of Visualized Experiments. (166), e61883(2020).
  6. Mayorca-Guiliani, A. E., et al. Decellularization of the murine cardiopulmonary complex. Journal of Visualized Experiments. (171), e61854(2021).
  7. Liu, Y., Eliceiri, K. W. Quantifying fibrillar collagen organization with curvelet transform-based tools. Journal of Visualized Experiments. (165), e61931(2020).
  8. Calitz, C., et al. A biomimetic model for liver cancer to study tumor-stroma interactions in a 3D environment with tunable bio-physical properties. Journal of Visualized Experiments. (162), e61606(2020).
  9. Chakrabarti, J., Koh, V., So, J. B. Y., Yong, W. P., Zavros, Y. A preclinical human-derived autologous gastric cancer organoid/immune cell co-culture model to predict the efficacy of targeted therapies. Journal of Visualized Experiments. (173), e61443(2021).
  10. De Ninno, A., et al. Microfluidic co-culture models for dissecting the immune response in in vitro tumor microenvironments. Journal of Visualized Experiments. (170), e61895(2021).
  11. Oliver, C. R., Westerhof, T. M., Castro, M. G., Merajver, S. D. Quantifying the brain metastatic tumor micro-environment using an organ-on-a chip 3D model, machine learning, and confocal tomography. Journal of Visualized Experiments. (162), e61654(2020).

Przedruki i uprawnienia

Poproś o pozwolenie na ponowne wykorzystanie tekstu lub ilustracji tego artykułu JoVE

Poproś o pozwolenie

Tagi

Preclinical ModelsImaging ModalitiesTumor MicroenvironmentMetastasisCancer ResearchCancer BiologyExperimental ModelsImaging TechniquesMetastatic Disease

Powiązane artykuły