Rak wątrobowokomórkowy (HCC) jest najczęstszym pierwotnym rakiem wątroby u dorosłych i główną przyczyną zgonów związanych z nowotworami na całym świecie 1,2,3. Słaby wynik kliniczny wynika ze znacznej heterogeniczności wewnątrzguza, co prowadzi do oporności na leczenie i nawrotu4. Najnowsze badania wskazują, że różnorodność rozwojowa i plastyczność stanów komórkowych, napędzana kluczowymi programami transkrypcyjnymi, takimi jak oś FOXM1/CEBPB, przyczyniają się do oporności terapeutycznej w HCC5. Te wyniki podkreślają potrzebę zrozumienia, jak populacje komórek nowotworowych adaptują się i przechodzą między stanami pod długotrwałą presją leczenia. Jednak większość modeli przedklinicznych nie oddaje w pełni dynamicznego, ciągłego charakteru tych przejść stanów związanych z leczeniem, co ogranicza mechanistyczne badania adaptacji guza i niepowodzenia terapeutycznego.
Organoidy pochodzące od pacjentów (PDO) stanowią użyteczną platformę do tego celu, ponieważ zachowują istotne zmiany genomowe oraz heterogeniczność komórek oryginalnego guza6. Organoidy HCC mogą być utrzymywane w hodowli długoterminowej, zachowując jednocześnie kluczowe cechy tkanki7, co czyni je szczególnie odpowiednimi do badań odpowiedzi na leczenie. Ponadto badania oparte na organoidach wykazały wykonalność wykorzystania organoidów raka wątroby do testów lekowych oraz do uchwycenia różnic między pacjentami i wewnątrzguzowymi w wrażliwości terapeutycznej, co potwierdza ich wartość jako modeli przedklinicznych badań nad leczeniem i odpowiedzią 8,9. Jednak większość badań nad lekami opartymi na organoidach nadal opiera się głównie na pomiarach żywotności końcowych lub koncentruje się głównie na masowych odpowiedziach fenotypowych, dostarczając tym samym tylko ograniczone informacje o heterogenicznych odpowiedziach komórkowych i zmianach transkrypcyjnych związanych z leczeniem. Równolegle szybki rozwój strategii terapeutycznych opartych na RNA dla HCC dodatkowo podkreśla potrzebę istnienia systemów przedklinicznych, które potrafią dokładnie przewidywać i mechanistycznie rozkładać odpowiedzi leczenia z rozdzielczością pojedynczych komórek10.
Sekwencjonowanie RNA pojedynczych komórek (scRNA-seq) umożliwia wysokorozdzielczą charakterystykę składu komórkowego i stanów transkrypcji w modelach organoidalnych11. Stosowane do organoidów pobranych przed i po leczeniu, scRNA-seq może ujawnić zmiany w ekspresji genów, przesunięcia populacji komórek oraz odpowiedzi heterogeniczne, które nie są uchwycone przez testy masowe. To podejście stanowi zatem praktyczną i skuteczną strategię badania remodelowania transkrypcyjnego związanego z leczeniem w organoidach HCC. Jednak praktyczny, powtarzalny sposób pracy integrujący hodowlę organoidów HCC, leczenie farmakologiczne oraz sekwencjonowanie RNA pojedynczych komórek przed i po leczeniu pozostaje niewystarczający. Taki przepływ pracy jest najskuteczniejszy, gdy podczas ekspozycji na leki zachowana jest integralność organoidów i odzyskiwana jest wystarczająca liczba żywotnych komórek do dalszego profilowania pojedynczych komórek. Podobnie jak w przypadku innych metod narządowych, ważne ograniczenia obejmują niepełną reprezentację stromalnych, naczyniowych i immunologicznych komponentów mikrośrodowiska nowotworowego, a także potencjalne błędy selekcji podczas długotrwałej hodowli in vitro.
Opisany jest zintegrowany eksperymentalny workflow do generowania organoidów HCC, stosowania zdefiniowanego leczenia leków oraz przetwarzania próbek organoidów do sekwencjonowania RNA pojedynczych komórek przed i po leczeniu. Ten proces obejmuje przywracanie i rozszerzanie organoidów, ocenę jakości przed leczeniem, kontrolowaną ekspozycję na leki oraz sekwencjonowanie pojedynczych komórek RNA dopasowanych próbek. Podejście to zapewnia praktyczne ramy do porównywania, w rozdzielczości pojedynczej komórki, zmian związanych z leczeniem w składzie komórkowym i programach ekspresji genów w organoidach HCC.