Summary
A resistência aos medicamentos para a terapêutica visados é generalizada e à necessidade de identificar mecanismos de resistência - antes ou após o início clínico - é fundamental para orientar estratégias de gestão de clínicas alternativas. Aqui, apresentamos um protocolo para casal derivação de linhas resistentes a drogas in vitro com sequenciamento para agilizar a descoberta desses mecanismos.
Introduction
Caracterização molecular detalhada de genomas de tumor por tecnologias de sequenciação e robustas ferramentas analíticas melhorada dados levou à descoberta de alterações genéticas importantes em tipos específicos de cancro 1,2. Desenvolvimento de terapias específicas destinadas a essas alterações genéticas, como HER2, BCR-ABL, EGFR e ALK, melhoraram significativamente a qualidade de vida dos pacientes 1,2. No entanto, apesar da especificidade desta abordagem, a resposta clínica para a maioria das terapias individuais tem sido sub-óptima em última análise, como a resistência emerge. Recentemente, progressos significativos foram feitos na compreensão das bases moleculares de resistência à terapêutica alvejados. Curiosamente, torna-se evidente que um mecanismo importante de resistência envolve a atividade de destino / caminho persistente. Como um caso em apreço, receptor de andrógeno (AR) -directed tratamento enzalutamida de câncer de próstata leva ao enriquecimento de mutações ativadoras em si AR, mantendo outp de sinalização ARut na presença de inibidor a 3-5. Este conhecimento tem conduzido a uma campanha agressiva para 1) desenvolver antagonistas da terceira geração que pode continuar a suprimir tanto a WT e função mutante-AR em enzalutamida resistente CaP 3 e 2) identificar potenciais gânglios a jusante de sinalização de AR que pode ser alvo de intervenção terapêutica . Da mesma forma, a resistência a outras classes de inibidores tais como aquelas voltadas para EGFR, BRAF e ABL muitas vezes levar a mutações que reativam a quinase via viciante original é 1.
Com o conhecimento de que a resistência surge inevitavelmente na maioria dos pacientes, desenvolvendo abordagens para rapidamente trazer esses mecanismos à luz permitirá o desenvolvimento de terapias de acompanhamento eficazes. Uma abordagem que está sendo amplamente utilizado é o de analisar a genômica dos tumores refratários clínicos em relação aos tumores sem tratamento prévio ou sensível a para identificar enriquecimentos / depleções em lesões genéticas que podem ser passíveis de ddescoberta tapete. Apesar de sua promessa, existem duas principais passivos dessa abordagem que dificultam a descoberta rápida. Em primeiro lugar, ganhando acesso oportuno a material de tumor para interrogatório genômica pode servir como um obstáculo significativo na mudança de terapia para curar. Em segundo lugar, desconvolução da miríade de lesões genéticas na configuração resistente pode ser um desafio uma vez que os tumores podem apresentar heterogeneidade intratumoral significativa 6,7.
À luz destes desafios, tem havido um aumento da confiança na descoberta pré-clínica de mecanismos de resistência. Esta abordagem pode permitir a identificação de mecanismos de resistência proeminentes antes dos ensaios clínicos 1 que podem nortear estratégias alternativas de gestão clínica naqueles pacientes que carregam esses mecanismos, quer antes ou após o início da terapia de resistência.
Uma dessas ferramentas descoberta pré-clínica que está sendo amplamente utilizado é aplicar imparciais telas de RNAi funcionais. Para o exameple, Whittaker e colegas aplicaram uma tela de RNAi genoma escala para identificar que a perda de NF1 medeia a resistência aos inibidores da RAF e MEK através MAPK sustentada ativação da via 8. Estes resultados foram encontrados como sendo clinicamente relevante, como a perda de função mutações em NF1 foram observados em células tumorais BRAF -mutant que são intrinsecamente resistentes à inibição da RAF e em tumores de melanoma resistentes à activação Vemurafenibe 8. No entanto, apesar do sucesso desta abordagem, muitos alvos clinicamente relevantes são frequentemente não identificada, presumivelmente devido à polarização por perda de função desta abordagem.
Em contraste, uma ferramenta para a descoberta de menos parcial pré-clínico de mecanismos de resistência envolve a geração de linhas celulares resistentes após exposição prolongada ao composto de interesse juntamente com perfis genómico ou transcriptómica baseado no NGS. Esta abordagem tem sido implementada com sucesso por vários grupos para identificar espontâneavariantes de nucleótidos únicos ou recorrentes alterações de expressão que permitem a resistência 5,9,10. Por exemplo, uma mutação F876L recorrente em AR foi recentemente descoberto em clones resistentes in vitro 3-5 e em tumores de xenoenxerto in vivo 5 antes da identificação desta mutação na clínica 4. Muito recentemente, Bangue e colegas (2015) 11 utilizado ClonTracer em dois modelos clinicamente relevantes para mostrar que a maioria dos clones resistentes que surgem durante a exposição prolongada do fármaco fizessem parte de uma sub-população pré-existente que sugere que a maior parte funcionalmente relevantes mutações já são susceptíveis pré-existente que se tornam selecionado para durante a seleção de 11.
Em contraste com o perfil genômico de tumores discutido anteriormente, esta abordagem benefícios de menor heterogeneidade como clones resistentes "homogéneos" são usados para facilitar a análise de dissecção genética mais precisa do potencial de condutores. Furthermminério, excitante, para além do potencial de revelar os mecanismos de resistência, este método pode também ser aplicado para identificar os mecanismos celulares de acção e alvos de pequenas moléculas bioactivas para o qual essa informação é desconhecido 10. Dadas as vantagens claras e os múltiplos usos desta abordagem, aqui apresentamos um protocolo detalhando a implementação bem sucedida de uma tela de tais pré-clínico para maximizar o potencial para descobertas clinicamente significativas.
Protocol
1. Avaliação GI 50 para o composto (s) de interesse
- Gerar curva (s) de crescimento de linhas celulares de interesse para avaliar a densidade de sementeira apropriada. Traçar O número de células em vários pontos de tempo após a sementeira (dias 2, 4, 6 e 8) em relação ao dia 0. Isto proporcionará uma taxa de crescimento relativo da linha de células de interesse e deve ser utilizado para avaliar a densidade de sementeira inicial de tal modo que confluência não é atingido em placas de 96 poços no prazo de 7 dias.
- Uma vez que as curvas de crescimento foram determinadas, semente número adequado de células em não-transparente, claro fundo placas de 96 poços em 100 ul de meio de células para avaliar GI 50. Semente o número de células com base na linha celular utilizada e determinada em 1,1. Normalmente, sementes 3x10 3 células para linhas de células de crescimento rápido com um tempo de duplicação de ~ 24 horas, por exemplo., HCT116.
- Prepara-se uma placa de ensaio (dia-1). Para a placa de ensaio, as células semente com uma densidade desejada em 100 ul de meio de cultura In poços sombreados em azul (Figura 1). Wells em destaque na branco contêm apenas mídia.
- Prepara-se uma placa de controlo (dia-1). Para a placa de controlo, semear a mesma densidade das células como no passo 1.2.1 em 100 ul de meio de cultura em separado uma placa de 96 poços. Este "Dia 0" leitura vai ajudar na interpretação da natureza citostático / citotóxica dos compostos que está sendo analisado (Figura 2).
- No dia seguinte (dia 0), ler a placa de controle. Equilibrar reagente de viabilidade celular luminescente (substrato CellTiter-Glo misturado com tampão de acordo com as instruções do fabricante) para a TA e agitar suavemente o conteúdo por inversão para se obter uma solução homogénea. Adicionar 80 ul de reagente a 100 ul de células / mistura meios e agitar o conteúdo durante 30 min para induzir a lise celular.
- Grave luminescência com um luminómetro definida para uma exposição de 0,1-1,0 segundos e detecção de comprimento de onda de 560 nm.
- Adicionar os compostos de teste (compostosde interesse) para testar as placas (dia 0). Fazer uma diluição 1: 4 em série dos compostos em DMSO, a concentração final de 200x, para um total de 10 concentrações (diluições contendo o composto 9 e apenas um de DMSO, a placa de composto). Como um ponto de partida inicial, o objectivo para uma dose 200x menor de 0,03 mM e uma dose superior de 2.000 mM (volume final de 200 ul).
- Adicionar compostos serialmente diluídos para meio para fazer uma mistura composto-forma numa concentração final 10X (volume final de 100 ul, a placa intermediária). Armazenar a placa de composto a -20 ° C para utilização no dia 3 do ensaio. Adicionar 10 uL de mistura de composto de médio a células em triplicado de modo a que a dose mais elevada é 10 uM (por ex., As linhas B, C e D, dia 0) (Figura 1). Incubar as placas de ensaio durante 3 dias a 37 ° C. Descartar placa intermédia (s) após o uso.
- No dia 3, preparar uma mistura de composto 400 ul de meio 1x utilizando as placas de composto preparado no passo 1.4. Inverta placas de ensaio para remover mídia e seque em autotoalhas de papel claved 2-3x para remover mídia residual. Adicionar composto / meios (100 ul / poço) para poços sombreadas em azul e adicionar 100 ul de meios de perímetro poços para evitar a evaporação (Figura 1). Re-incubar as placas de ensaio a 37 ° C durante um período adicional de 3 dias.
- No dia 6, avaliar o número relativo de células viáveis através da realização de uma leitura de luminescência, tal como descrito na etapa 1.3.
- Use a leitura dia 0 para avaliar a natureza estática / tóxico de compostos. Agentes tóxicos induzir a apoptose enquanto os agentes citostáticos induzir parada do ciclo celular. Se o composto é tóxico (dia 6 leitura está abaixo de dia 0 leitura), considere a escolha de GI 50, e GI 50 x 5 concentrações para os testes de resistência. No entanto, se o composto induz a estase (igual a ou maior do que a leitura D0), considere GI 100 e 100 GI X5 para os ensaios de resistência (Figura 2).
2. Criação de drogas Resistência Assays
- Se a sagacidade de trabalhoha agente citostático, as células semente em uma confluência de 30-40% em 150 mm 2 pratos de cultura de tecidos (volume = 30 ml) para o ensaio de resistência. Se trabalhar com um agente tóxico, semear a uma confluência de 70-80%.
- Para linhas de células que abrigam um mecanismo de reparação de emparelhamentos incorrectos intacta (MMR), incubar as células do passo 2.1 O / N a 37 ° C com o agente cancerígeno de N-etil-N-nitrosoureia (ENU). Tratar as células com 30 ul de uma solução de estoque de 50 mg / ml ENU (concentração final 50 ug / ml) para aumentar a instabilidade do genoma. Para linhas de células que possuem um defeito MMR (Tabelas 2 e 3), o tratamento com ENU ou outras substâncias cancerígenas pode não ser necessário.
- Para outras linhas celulares, determinar MMR-deficiência por critérios NCI usando microsatélites instabilidade 12, ou com base na caracterização publicada utilizando ensaios de instabilidade de microssatélites ou perfil genômico / epigenômico de genes MMR 13-15.
- Células trata-se com o composto de teste (s) deinteresse na concentração determinada no passo 1.8. Para os compostos altamente tóxicos que causam a morte celular num ensaio de viabilidade de três dias típico 10, começar com um tratamento de dose baixa (ou seja, GI 50) e progressivamente aumentar a concentração (múltiplos de GI 50) de composto até cada 2-3 semanas robusta resistência é observada. Reabastecer de mídia e agravar a cada 3 d.
- Uma vez que a selecção foi iniciada, mudança media / composto misturar a cada 3-4 dias até clones resistentes emergem. Resistência, por definição, surge quando as células tratadas mostram um maior crescimento / viabilidade durante o tratamento da droga em relação ao tratamento agudo de células de controlo tratadas com DMSO.
3. isolamento de clones de uma única célula
- Examine cultura prato usando microscopia de contraste de fase (ampliação de 40x) para clusters de células viáveis.
- Clones satisfatórios de interrogação no fundo do prato com uma caneta de marcação. Escolha clones que são de tamanho médio (colônias maiores podemoriginários de várias células) e bem isolado a partir de outras colónias. Escolha clones usando uma das duas abordagens descritas no passo 3.3.
- Método 1: Utilizando um pipetador (Figura 3)
- Remova a mídia de crescimento e enxágüe com 1x PBS para remover quaisquer células flutuantes.
- Use marcas pretas como guia para 'colheita' clones com ponta de pipeta (anexado a pipeta, p200 de preferência).
- Clones de transferência para placas de 48 poços com 200 ul de meio fresco (com uma concentração metade composto para permitir a recuperação óptima de células).
- Permitir que as células recuperar durante 2-3 dias antes de adicionar 200 mL de mídia fresco / concentração composto ideal.
- Continuar a mudar media / composto a cada 3-4 dias e continuar a expandir clones.
- Abordagem 2: Usando clonagem de discos (Figura 3)
- Marque clones como descrito no passo 3.2.
- Colocar 3 milímetros discos de clonagem em uma placa de 10 cm de cultura de tecidos contendo 5 ml de 0,25% trypsin-EDTA durante 2 min.
- Aspirar media de prato contendo clones resistentes e sobrepor clones com tripsina embebido discos de clonagem utilizando fórceps estéreis descartáveis.
- Deixar durante 1-2 min, dependendo da facilidade com que os clones levantar as placas, num banho a 37 ° C incubadora.
- Pegue clonagem discos usando uma pinça estéril e transferir para placas de 48 poços com 200 ul media frescos e metade concentração do composto.
- Pipeta-se para baixo e ligeiramente para desalojar as células a partir de discos de clonagem e incubar O / N a 37 ° C (deixar em discos de clonagem de poços).
- Na manhã seguinte, remova os discos de clonagem a partir de placas de 48 poços e encher os poços com 200 ul fresco media / composto (concentração do composto de metade ideal).
- Três dias mais tarde, reabastecer de mídia com a concentração ideal do composto.
- Continuar a mudar o media / composto a cada 3-4 dias e continuar a expandir clones.
4. Avaliação Grau de Resistance de Isolado Clones
- Uma vez que 10-20 colónias são expandidos, geram IG 50 curvas, tal como descrito no passo 1 para avaliar o grau de resistência.
- Sempre incluir populações de controlo tratados com DMSO durante o processo de seleção. É muito provável que o espectro de resistência vai ser grande (alguns mostrando parcial enquanto outros mostrando resistência completa). Recolha algumas clones de cada uma destas classes como o mecanismo de resistência pode variar entre os dois grupos.
Sequenciamento 5. Próxima geração
- Girar 2 milhões de células (controlo) e os clones resistentes (500 xg durante 5 min) em 15 ml de frascos cónicos para ambos ADNg e recolha de RNA (por conseguinte, 2 x 2 milhões).
- Lavar duas vezes com PBS 1x e congelar em aglomerados -80 ° C até estar pronto para o isolamento.
- Use um kit de extração comercial para isolar RNA ou gDNA de acordo com o protocolo do fabricante.
- Enviar amostras para sequenciamento de última geraçãousando o protocolo do fornecedor 10.
6. Bioinformática análise de amostras (whole-exome sequenciação)
- Preprocess sequência de dados de acordo com a melhor prática DNA-seq gasoduto 16.
- Mapear todas as leituras para fazer referência GRCh37 genoma humano utilizando BWA 17. Converter descompactados alinhamentos SAM formatadas para o formato BAM comprimido com Samtools 18. Classificar alinhamentos por coordenar com Samtools. Adicionar grupos de leitura usando Picard. (Para BWA específico, Samtools e Picard comanda, consulte Suplementar Text 1, linhas 1-4)
- Mark todas as duplicatas lê usando os MarkDuplicates comando da ferramenta Picard definido 19. Índice este arquivo com Samtools. (Texto Suplementar 1, linhas 5-6)
- Para minimizar bases não correspondentes em todos os lê, lê realinhar localmente em regiões que abrigam pequenas inserções ou exclusões usando uma realigner indel 20. (Texto Suplementar 1, linhas 7-8)
- Para melhorar ainda mais o Accuracy da chamada variante, os escores de qualidade de base empírica recalibrar usando uma ferramenta de recalibração índice de qualidade base. A ferramenta de calibração da qualidade de base deve não só o índice de qualidade inicial correto, mas também ter em conta covariation de vários recursos, incluindo leitura de grupo, ciclo da máquina, posição de base, e contexto dinucleotide (bases atuais anteriores +). Gerar BAM recalibrado com PrintReads Picard. (Para comandos específicos para esta etapa, consulte Suplementar Text 1, linhas 9-10)
- Repita os passos 6.1.1 através 6.1.4 (Texto Suplementar 1, linhas 1-10) para cada amostra sequenciada.
- Identificar a variação de nucleotídeo único (SNV) em cada clone usando uma variante emparelhado chamando tool19, 21-23. Para cada clone sequenciado, variante emparelhado executar chamando usando o clone parental como o combinado "normal". (Recurso Text 1, linha 11)
- Filtro recorrentes, variantes de alta qualidade e se preparar para anotação com uma ferramenta de anotação variante 24. Deprioritize variants não é comum a todos os clones resistentes. (Veja R roteiro em Suplementar Text 2)
- Anotar variantes com uma ferramenta de anotação 25, 26. Muitas ferramentas de anotação variante tenho um aplicativo web que acompanha permitindo que os dados sejam enviados e processados por um servidor remoto.
- Use uma ferramenta de previsão do impacto funcional 27-29 de priorizar as variantes previstas de ter alto impacto funcional. Como anotação variante, várias ferramentas estão disponíveis para a previsão do impacto funcional através de uma interface web.
Representative Results
Para maximizar o potencial para a descoberta de controladores funcionais chave de resistência, selecionar clones de células únicas de expansão, o teste fenotípico e seqüenciamento. Como ilustrado na Figura 4A, as células HCT116 tratados durante um período prolongado com o composto citotóxico # 1 levou ao surgimento espontâneo de clones resistentes que continuaram a crescer durante o tratamento (círculos pretos tracejadas). Estes clones foram colhidos usando uma abordagem # destacadas na Figura 3 e, posteriormente, expandidos para análise fenotípica. Como mostrado na Figura 4B, os clones resistentes a todos os 1-3 apresentaram uma resistência significativa ao composto n ° 1 e a sua estreita composto análogo # 2 (maior viabilidade / crescimento), ao passo que todos os clones mostrou sensibilidade a um composto citotóxico VELCADE não relacionado. Após a confirmação da resistência fenotípica, gDNA foi isolado e submetido à análise de sequenciação de todo-exome. Ferramentas de bioinformática foram aplicadas para reduzir em no dessas variantes estruturais quesão: 1) recorrente e 2) têm o potencial de impacto funcional (Figura 5A). Variantes estruturais que conheci estes dois critérios foram confirmados por uma ferramenta de seqüenciamento independente. Tal como ilustrado na Figura 5B, uma mutação sem sentido heterozigótica que foi identificado utilizando-exome toda a sequenciação foi confirmada utilizando o método de sequenciação de Sanger (painel superior, sequência WT; painel inferior, sequência mutante). Após confirmação da sequência, a linha celular parental originalmente utilizado para o ensaio de resistência foi geneticamente manipulada para expressar o ADNc mutante para confirmar funcionalmente o papel da mutação. Tal como ilustrado na Figura 6, enquanto que a sobre-expressão de cDNA falhou o WT para conferir resistência, a expressão do ADNc mutante conferida significativamente a resistência fenotípica forçado para o composto # 1, confirmando o papel funcional desta variação estrutural, como um condutor de resistência. Todos os reagentes utilizados para esta experiência são apresentadas na Tabela 1 trong>.
Figura 1. Disposição de placas de ensaio e de controlo. Sombra azul, poços de tratamento de compostos. Sombra branca, único meio. Os compostos são diluídos em série 1: 4 e são administradas em triplicado (BD) ou, por exemplo. 2 compostos podem ser aplicados por placa.
Figura 2. Curvas de viabilidade representativos. Linha ponteada representa Vermelho do eixo x dia 0 leitura. Indica o aumento das doses do composto para a direita e o eixo dos y representa a viabilidade relativa aos poços de controlo de DMSO. GI = 100 dose utilizada para atingir 100% de inibição de crescimento; IG 50 = dose utilizada para reduzir a viabilidade de 50% de controlo de DMSO.
_upload / 52879 / 52879fig3.jpg "/>
Figura 3. Duas abordagens para escolher clones resistentes para a expansão. Aproxime-se 1- uso pipeta de pegar e transferir clones bem definidas para placas de 48 poços. Abordagem 2- uso de tripsina-embebido discos de clonagem para levantar clones e transferidos para placas de 48 poços.
Figura 4. Confirmação da resistência obtida em relação aos clones HCT116 para o composto # 1 in vitro. (A) o composto # 1 HCT116 clones resistentes surgiu na sequência contínua selecção de três semanas. (B) A viabilidade dos clones de controlo e resistentes foi testada após 72 horas de tratamento com vários compostos. Composto # 2 é um análogo próximo do composto # 1. Velcade foi utilizado como um agente de controlo citotóxico. Os dados são apresentados como média + desvio padrão de três réplicas biológicas.
Figura 5. Identificação de uma mutação única ou recorrente (variantes de um único nucleótido, SNVS) no gene A em composto # 1 HCT116 clones resistentes. Fluxo (A) de trabalho para identificar SNVS presente em todos os clones resistentes e previsto para ter um impacto funcional alta por MutationAssessor. (B) A confirmação da mutação no gene A por Sanger Sequencing.
Figura 6. Re-expressão do gene mutado Uma resistência conferida ao composto # 1 in vitro. Viabilidade das linhas celulares HCT-116 modificadas foi testada após 72 horas de tratamento com o composto # 1. Linhas celulares mutantes HCT116-WT ou são estavelmente expressando cDNAs WT ou mutantes de gene A, respectivamente. Os dados são apresentados como média + desvio padrão OF três réplicas biológicas.
| Nome Amostra | Aminoácido | Tecido primário | Zigosidade | |
| C-33-A | p.E768fs * 44 | cerviz | Heterozigotos | |
| C-33-A | p.S860 * | cerviz | Heterozigotos | |
| CML-T1 | P.? | haematopoietic_and_lymphoid_tissue | Homozygous | |
| CP66-MEL | p.C822F | pele | Heterozigotos | |
| CTV-1 | p.0? | haematopoietic_and_lymphoid_tissue | Homozygous | |
| EFO-27 | p.Q130fs * 2 | ovário | Heterozigotos | |
| EFO-27 | P.? | ovário | Heterozigotos | |
| p.E467K | mama | Heterozigotos | ||
| J-RT3-T3-5 | p.R711 * | haematopoietic_and_lymphoid_tissue | Homozygous | |
| LNCaP | P.? | próstata | Homozygous | |
| LoVo | P.? | intestino grosso | Homozygous | |
| MOLT-13 | p.R711 * | haematopoietic_and_lymphoid_tissue | Homozygous | |
| NALM-6 | P.? | haematopoietic_and_lymphoid_tissue | Homozygous | |
| NCI-H630 | p.R680 * | intestino grosso | Heterozigotos | |
| Skut-1 | p.L787fs * 11 | endométrio | Homozygous | |
| Skut-1B | pL787fs * 11 | endométrio | Homozygous | |
| SUP-T1 | P.? | haematopoietic_and_lymphoid_tissue | Homozygous | |
Tabela 1. MSH2 Linhas Celulares -mutated. A linha celular (nome da amostra), substituição de aminoácidos, a linhagem de origem e a zigosidade são indicados.
| Nome Amostra | Aminoácido | Tecido primário | Zigosidade | |
| CCRF-CEM | p.R100 * | haematopoietic_and_lymphoid_tissue | Heterozigotos | |
| CCRF-CEM | P.? | haematopoietic_and_lymphoid_tissue | Heterozigotos | |
| CW-2 | p.Y130fs * 6 | intestino grosso | Homozygous | |
| DU-145 | P.? próstata | Homozygous | ||
| GR-ST | P.? | haematopoietic_and_lymphoid_tissue | Homozygous | |
| HCT-116 | p.S252 * | intestino grosso | Homozygous | |
| IGROV-1 | p.S505fs * 3 | ovário | Homozygous | |
| MN-60 | P.? | haematopoietic_and_lymphoid_tissue | Homozygous | |
| NCI-SNU-1 | p.R226 * | estômago | Homozygous | |
| P30-OHK | P.? | haematopoietic_and_lymphoid_tissue | Homozygous | |
| PR-Mel | P.? | pele | Homozygous | |
| REH | P.? | haematopoietic_and_lymphoid_tissue Homozygous | ||
| SK-OV-3 | p.0? | ovário | Homozygous | |
| SNU-1544 | p.S2L | intestino grosso | Heterozigotos | |
| SNU-1746 | p.E523K | intestino grosso | Homozygous | |
| SNU-324 | p.C233R | pâncreas | Heterozigotos | |
| SNU-324 | p.V384D | pâncreas | Heterozigotos | |
| SNU-478 | p.V384D | pâncreas | Heterozigotos | |
Tabela 2. Linhas Celulares -mutated MLH1. A linha celular (nome da amostra), substituição de aminoácidos, a linhagem de origem e a zigosidade são indicados.
Discussion
Seleção de linha (s) celular: Caracterização do estado genético e instabilidade genômica
Sem dúvida, o factor mais importante na descoberta de mecanismos de resistência com sucesso clinicamente relevantes é a seleção inicial da linha celular. Dois factores devem ser considerados. Em primeiro lugar, o objectivo de seleccionar a linha de células (s) da mesma linhagem / subtipo abrigar os traços genéticos que definem a doença (por exemplo., BRAF V600E em melanoma). Interrogatório de dados transcriptomic e mutação publicamente disponíveis para ambas as linhas de células 30-32 e tumores primários / metástase para uma variedade de indicações 33,34 facilitará o processo de seleção. Embora a identificação de linhas celulares com alterações genéticas clinicamente relevantes é ideal, em alguns casos, isto pode não ser possível devido à falta de linhas celulares disponíveis ou viável devido a factores tais como a dificuldade e duração do processo de triagem.
35. Com base no banco de dados cósmicos, várias linhas celulares candidatas existir com deficiência de um dos dois genes MMR frequentemente mutados MSH2, MLH1 ou (Tabelas 2 e 3). Alternativamente, se as linhas celulares de interesse, não existem defeitos de rolamento na MMR, o tratamento agudo com mutagénios químicos ou físicos ADN reactivo, tal como o agente de alquilação N-etil-N -nitrosourea (ENU) pode ser usado para aumentar a instabilidade do genoma. Apesar de ambas as abordagens podem significativamente de sHorten o tempo para atingir os clones resistentes e seguimento de sequenciação, ensaio funcional rigorosas deve ser realizada em genes candidatos como um maior número de não-funcional, mutações de passageiros é provável que surjam. SNVS pode ser posto ordenou para maximizar as chances de identificação de mutações funcionalmente relevantes. Em primeiro lugar, escolha dessas mutações que são recorrentes em clones independentes vai aumentar a probabilidade de estas mutações são drivers de resistência. No caso mutações recorrentes não são identificados, concentrando-se em SNVS que se encaixam no mecanismo de acção do fármaco (por exemplo, o alvo da droga ou um efector a jusante do conhecido fármaco alvo) pode ser significativa. Em última análise, o padrão-ouro é sempre a avaliação experimental da atividade de resistência concessão dos SNVS candidatos por expressão cDNA ectópica em células parentais sensíveis à droga.
DNA vs RNA seqüenciamento
Uma vez que os clones resistentes foram gerados, ADN e / ou ARNpode ser sequenciado de acordo com a necessidade. A sequenciação de ADN, quer exome ou todo o seqüenciamento do genoma, permitirá a identificação de germinativas e somáticas variantes, tais como SNPs, indels e número do exemplar variantes. Considerando que o mais exome seqüenciamento custo-friendly centra-se na geração lê a partir de regiões codificantes conhecidos, todo o seqüenciamento do genoma irá gerar dados de seqüenciamento de todo o genoma que possam facilitar a identificação de mutações em elementos não-codificantes, como potenciadores ou miRNAs 36. No entanto, uma vez que a expressão do gene de dados não é calibrada durante a sequenciação de ADN, é difícil prever qual a mutação (ões) é provável que seja um condutor funcional. A este respeito, a sequenciação de ARN, ainda mais dispendiosos, oferece esta vantagem. O facto de que a mutação de chamada é realizada apenas em espécies de ARN expressas aumenta a probabilidade de que a mutação de interesse pode ser um condutor funcional. Além de permitir uma pesquisa mais focada de mutações para testes funcionais de seguimento, RNA sequenciamento tambémoferece a vantagem adicional de ser capaz de identificar alterações no gene expressão, splicing alternativo e novas espécies de RNA quiméricos, incluindo fusões de genes que podem também servir como motoristas potentes de resistência.
Pipeline de Bioinformática
Comandos de exemplo são fornecidos para fins de ilustração, mas uma documentação mais detalhada e tutoriais estão disponíveis a partir do Broad Institute 16 e devem ser lidas cuidadosamente antes de começar a análise NGS. Os comandos a seguir são projetados para um ambiente UNIX shell em um sistema no qual todas as ferramentas e dados de referência ter sido pré-instalado. Estes comandos também assumir FASTQ arquivos contendo seqüência emparelhados-end lê a partir de duas amostras, com o nome "parental" e "resistentes", foram recebidas do fornecedor e colocado no diretório "data". Na maioria dos casos, esses comandos devem ser adaptadas ou optimizados para uma aplicação específica usando arg de linha de comando adicionaldo- (por exemplo, acrescentando "-t 8" para o comando BWA permite o funcionamento de vários segmentos por 8 núcleos de CPU). Grupos de leitura (que atribuem alinhamentos de amostras biológicas), muitas vezes deve ser adicionado a arquivos BAM, mesmo se houver apenas uma amostra por arquivo bam, a fim de cumprir com os requisitos de formato de arquivo para certas ferramentas. Leia parâmetros do grupo RGID, RGSM, RGPL, RGPU, e RGLB podem ser strings arbitrárias descrevendo o nome da amostra, plataforma de sequenciamento e estratégia biblioteca.
In vitro vs ensaios in vivo
Apesar de vários mecanismos de resistência identificados por seleção in vitro foram verificados para ser clinicamente relevante, existe uma possibilidade de que os mecanismos não podem servir como mecanismos relevantes ou predominantes de resistência clínica. Uma razão para isto pode incluir um papel essencial para o micro-ambiente na condução resistência à terapia, um componente que é desprovida no protocolo experimental / d configuraçãoiscussed até agora. De facto, vários estudos têm demonstrado que os agentes anti-cancro que são capazes de matar células tumorais são alteráveis quando as células tumorais são cultivadas na presença de células estromais que implica mecanismos inatos de resistência conferida pelo estroma 37,38. Para identificar esses mecanismos de resistência adquirida induzida pelo estroma, pode-se considerar a realização in vitro de co-cultura ou em ensaios de resistência do tumor in vivo. Uma vez que o ensaio anterior é bastante complexo, muitos têm recorrido a geração de xenoenxertos de tumores resistentes aos medicamentos para tratar o papel potencial do estroma na resistência ao avanço. Tais estudos revelaram ambos os únicos 5 e 39 idênticas mecanismos de resistência relativa à selecção in vitro, o que implica que o estroma podem de facto, desempenhar um papel no último. No entanto, é preciso estar atento ao período de tempo que pode demorar para gerar tais tumores resistentes e da complexidade do acompanhamento genômica análise complexitie-s por causa da heterogeneidade molecular e celular intra-tumoral.
A identificação do alvo
Além de revelar os mecanismos de resistência a drogas, esta abordagem baseia-perfilamento genómico NGS também pode ser aplicado para identificar alvos celulares de sondas químicas. Historicamente, vários métodos imparciais têm sido usados para identificar os mecanismos celulares de ação e metas de produtos químicos de baixo peso molecular com atividades biológicas, incluindo a purificação por afinidade, juntamente com a proteômica quantitativa, métodos genómicas de levedura, triagem RNAi, e inferência computacional abordagens 40. Como uma extensão para a elucidação dos mecanismos de resistência a drogas usando perfil genômico ou transcriptomic baseado em NGS de populações de células fenotipicamente resistentes, identificação de variações exclusivas recorrentes de nucleotídeo único (SNVS) ou alterações de expressão que permitem resistência pode oferecer insights sobre alvos celulares funcionais dos compostos. To baseia-se na ideia de que um subconjunto de mecanismos de resistência observado pode envolver mutações recorrentes em genes que codificam as proteínas alvos directos da molécula pequena. Recentemente, vários relatórios validou a utilidade da abordagem, particularmente através da combinação com outras abordagens, incluindo em grande escala de células de cancro A linha de perfil de sensibilidade, para revelar os alvos celulares de pequena molécula sonda 9,10.
Disclosures
Taxas de publicação do presente artigo são pagos pelo H3 Biomedicina.
Materials
| Name | Company | Catalog Number | Comments |
| 48-well plates | Fisher Scientific | 07-200-86 | Expanding clones |
| 96-well plates | Fisher Scientific | 07-200-588 | Generating GI50 curves |
| CellTiter-Glo | Promega | G7572 | Viability testing |
| Cloning discs (3 mm) | Sigma | Z374431 | Picking clones |
| Sterile forceps | Unomedical | DF8088S | Picking clones |
| RNeasy Plus RNA extraction kit | Qiagen | 74134 | Isolating RNA |
| Blood and Tissue DNeasy extraction kit | Qiagen | 69581 | Isolating gDNA |
| GATK | The Broad Institute | Indel realigner | |
| MuTect | The Broad Institute | Paired variant calling tool | |
| Oncotator | The Broad Institute | Variant annotation tool | |
| MutationAccessor | The Broad Institute | Functional impact prediction tool |
References
- Sellers, W. R. A blueprint for advancing genetics-based cancer therapy. Cell. 147 (1), 26-31 (2011).
- Housman, G., et al. Drug resistance in cancer: an overview. Cancers (Basel). 6 (3), 1769-1792 (2014).
- Balbas, M. D., et al. Overcoming mutation-based resistance to antiandrogens with rational drug design. Elife. 2, e00499 (2013).
- Joseph, J. D., et al. A clinically relevant androgen receptor mutation confers resistance to second-generation antiandrogens enzalutamide and ARN-509. Cancer Discov. 3 (9), 1020-1029 (2013).
- Korpal, M., et al. An F876L mutation in androgen receptor confers genetic and phenotypic resistance to MDV3100 (enzalutamide). Cancer Discov. 3 (9), 1030-1043 (2013).
- Lawrence, M. S., et al. Mutational heterogeneity in cancer and the search for new cancer-associated genes. Nature. 499 (7457), 214-218 (2013).
- Gerlinger, M., et al. Intratumor heterogeneity and branched evolution revealed by multiregion sequencing. N Engl J Med. 366 (10), 883-892 (2012).
- Whittaker, S. R., et al. A genome-scale RNA interference screen implicates NF1 loss in resistance to RAF inhibition. Cancer Discov. 3 (3), 350-362 (2013).
- Wacker, S. A., Houghtaling, B. R., Elemento, O., Kapoor, T. M. Using transcriptome sequencing to identify mechanisms of drug action and resistance. Nat Chem Biol. 8 (3), 235-237 (2012).
- Adams, D. J., et al. NAMPT Is the Cellular Target of STF-31-Like Small-Molecule Probes. ACS Chem Biol. 9 (10), 2247-2254 (2014).
- Bhang, H. E., et al. Studying clonal dynamics in response to cancer therapy using high-complexity barcoding. Nat Med. 21 (5), 440-448 (2015).
- Boland, C. R., et al. A National Cancer Institute Workshop on Microsatellite Instability for cancer detection and familial predisposition: development of international criteria for the determination of microsatellite instability in colorectal cancer. Cancer Res. 58 (22), 5248-5257 (1998).
- Heinen, C. D., Richardson, D., White, R., Groden, J. Microsatellite instability in colorectal adenocarcinoma cell lines that have full-length adenomatous polyposis coli protein. Cancer Res. 55 (21), 4797-4799 (1995).
- Yamada, N. A., Castro, A., Farber, R. A. Variation in the extent of microsatellite instability in human cell lines with defects in different mismatch repair genes. Mutagenesis. 18 (3), 277-282 (2003).
- Ahmed, D., et al. Epigenetic and genetic features of 24 colon cancer cell lines. Oncogenesis. 2, e71 (2013).
- GATK. , The Broad Institute. Cambridge, Massachusetts, USA. Available from: https://www.broadinstitute.org/gatk/guide (2015).
- Li, H., Durbin, R. Fast and accurate long-read alignment with Burrows-Wheeler transform. Bioinformatics. 26 (5), 589-595 (2010).
- Li, H., et al. The Sequence Alignment/Map format and SAMtools. Bioinformatics. 25 (16), 2078-2079 (2009).
- Picard. , The Broad Institute. Cambridge, Massachusetts, USA. Available from: http://broadinstitute.github.io/picard (2015).
- McKenna, A., et al. The Genome Analysis Toolkit: a MapReduce framework for analyzing next-generation DNA sequencing data. Genome Res. 20 (9), 1297-1303 (2010).
- Cibulskis, K., et al. Sensitive detection of somatic point mutations in impure and heterogeneous cancer samples. Nat Biotechnol. 31 (3), 213-219 (2013).
- Larson, D. E., et al. SomaticSniper: identification of somatic point mutations in whole genome sequencing data. Bioinformatics. 28 (3), 311-317 (2012).
- Koboldt, D. C., et al. VarScan 2: somatic mutation and copy number alteration discovery in cancer by exome sequencing. Genome Res. 22 (3), 568-576 (2012).
- Oncotator. , The Broad Institute. Cambridge, Massachusetts, USA. Available from: https://www.broadinstitute.org/oncotator (2015).
- Wang, K., Li, M., Hakonarson, H. ANNOVAR: functional annotation of genetic variants from high-throughput sequencing data. Nucleic Acids Res. 38 (16), e164 (2010).
- Cingolani, P., et al. A program for annotating and predicting the effects of single nucleotide polymorphisms, SnpEff: SNPs in the genome of Drosophila melanogaster strain w1118; iso-2; iso-3. Fly. 6 (2), 80-92 (2012).
- Reva, B., Antipin, Y., Sander, C. Predicting the functional impact of protein mutations: application to cancer genomics. Nucleic Acids Res. 39 (17), (2011).
- Ng, P. C., Henikoff, S. SIFT: Predicting amino acid changes that affect protein function. Nucleic Acids Res. 31 (13), 3812-3814 (2003).
- Adzhubei, I., Jordan, D. M., Sunyaev, S. R. Predicting functional effect of human missense mutations using PolyPhen-2. Curr Protoc Hum Genet. Chapter 7, Unit 7.20 (2013).
- Barretina, J., et al. The Cancer Cell Line Encyclopedia enables predictive modelling of anticancer drug sensitivity. Nature. 483 (7391), 603-607 (2012).
- Abaan, O. D., et al. The exomes of the NCI-60 panel: a genomic resource for cancer biology and systems pharmacology. Cancer Res. 73 (14), 4372-4382 (2013).
- Forbes, S., et al. Cosmic 2005. Br J Cancer. 94 (2), 318-322 (2006).
- Shah, S. P., et al. The clonal and mutational evolution spectrum of primary triple-negative breast cancers. Nature. 486 (7403), 395-399 (2012).
- Behjati, S., et al. Recurrent PTPRB and PLCG1 mutations in angiosarcoma. Nat Genet. 46 (4), 376-379 (2014).
- de las Alas, M. M., Aebi, S., Fink, D., Howell, S. B., Los, G. Loss of DNA mismatch repair: effects on the rate of mutation to drug resistance. J Natl Cancer Inst. 89 (20), 1537-1541 (1997).
- Kotani, A., et al. A novel mutation in the miR-128b gene reduces miRNA processing and leads to glucocorticoid resistance of MLL-AF4 acute lymphocytic leukemia cells. Cell Cycle. 9 (6), 1037-1042 (2010).
- Straussman, R., et al. Tumour micro-environment elicits innate resistance to RAF inhibitors through HGF secretion. Nature. 487 (7408), 500-504 (2012).
- Yang, X., Sexauer, A., Levis, M. Bone marrow stroma-mediated resistance to FLT3 inhibitors in FLT3-ITD AML is mediated by persistent activation of extracellular regulated kinase. Br J Haematol. 164 (1), 61-72 (2014).
- Arora, V. K., et al. Glucocorticoid receptor confers resistance to antiandrogens by bypassing androgen receptor blockade. Cell. 155 (6), 1309-1322 (2013).
- Schenone, M., Dancik, V., Wagner, B. K., Clemons, P. A. Target identification and mechanism of action in chemical biology and drug discovery. Nat Chem Biol. 9 (4), 232-240 (2013).
