У больных с метастазами в печень от первичных колоректального рака (КПР) характеризуются неблагоприятным прогнозом. Уровень 5-летней выживаемости для первичных неметастатическим CRC (этапы I - III) оценивается в 75 - 88% 3,4, в то время как у пациентов с метастазами в печени (стадия IV) имеют 5-летняя выживаемость составляет всего 8 - 12% 5 , 6. Тем не менее, у пациентов с метастазами представляют собой разнородную группу, представляя с различным числом метастазов и рецидивов разное время. Клинические наблюдения показывают , что количество метастазов (которое может быть пропорционально колонизируя способности или частоты колонизации) и размер любого отдельного метастаз (пропорциональной локальной скорости роста) являются независимыми прогностическими факторами 1,7. Другими словами, успех метастатических клонов колонизаторов печени зависит от двух основных свойств: их способность расти и их способность распространять и выживать в микросреде печени.
Дизайниз успешных клинических моделей с возможностью захвата и количественной оценки свойств метастатических клонов может существенно улучшить наше понимание печени метастаз биологии и обеспечить эффективный инструмент для разработки потенциальных терапевтических подходов. Модели экспериментальной метастазов в печени были ранее сообщалось 8,9, но ни один из них предоставил возможность количественно фиксировать и описывать свойства отдельных метастатических клонов , как в естественных условиях и бывших естественных условиях.
Здесь мы представляем новую, современную модель метастаз печени, которая включает генерацию опухолевых клонов с различной эффективностью колонизация печени и ростовые свойства. Мы использовали сочетание двойного мечения раковых клеток с люциферазы и tdTomato флуоресцентного белка с поколением моноклональных клеточных линий, которые имеют внутренние различия в метастатической способности. В этой экспериментальной модели, данные показывают, что развитиеметастазы в печень могут быть описаны в терминах частоты колонизацию и время удвоения (Td), что согласуется с клиническими наблюдениями. Количественный характер этой модели делает его легко оптимизируется для открытия новых лекарств и диагностических целей.