非小細胞肺癌(NSCLC)腦轉移患者具有存活率低和發病率高的特點。雖然腫瘤腦轉移(BM)的診斷技術和治療策略不斷進步,但由于大腦本身具有不同于其他器官的獨特特征,使得BM-NSCLC細胞與腦腫瘤微環境(BTME)之間的微妙聯系仍有待研究。星形膠質細胞和腦特異性內皮細胞(BECS)是BTME的兩個主要組成部分,BM-NSCLC與兩種類型的BTME細胞相互作用,會影響BM-NSCLC的惡性轉移,以及耐藥性的增加。
鑒于此,為更好的了解BM-NSCLC與BTME之間微妙的關系,韓國國家癌癥中心的Lee團隊基于星形膠質細胞、BECS和患者來源的BM-NSCLC細胞構建了一種3D微流控裝置,該裝置為闡明潛在抗癌藥物的分子靶點和針對轉移的癌細胞與BTME之間的相互影響提供了一種工具。
為了模擬BM-NSCLC與BTME之間的微妙的作用關系,研究人員選用患者來源的腫瘤細胞(BM-ADC,BM-Sqcc)、星形膠質細胞和BECS設計了一種微流控裝置,以達到共培養三種細胞的目的。該裝置具有四個單元,每個單元具有四個培養基通道(通道#1和#3)和三個水凝膠通道(通道#2和#4)。其中BM-ADC或BM-SqCC引入通道#4,星形膠質細胞引入通道#2,BECS培養在通道#1中。在單獨培養BM-NSCLC細胞(BTME-)或與星形膠質細胞和BECS(BTME+)共培養的條件下,保持BM-NSCLC細胞的干性,并通過CD44與CD133證實。共培養7天后,發現BM-NSCLC細胞活力增強。
圖1 非小細胞肺癌細胞的腦轉移生態位示意圖及微流控裝置
研究人員為更好分析三種細胞之間的相互影響,開發了一種獨特的細胞和培養基收集方法,可以選擇性地收集各種細胞與培養基。首先收集通道#3的培養基進行細胞因子分析,然后收集通道#1的BECS細胞,接著再分別收集通道#4中的BM-NSCLC細胞和通道#2中的星形膠質細胞。為了只獲取通道#4中的BM-NSCLC細胞,首先將膠原酶注射到通道#3中,并控制膠原酶的流動方向,使其僅能將通道#4中水凝膠分解,最后收集通道#2中的星形膠質細胞,該方法的成功率約為80%。
圖2 微流控裝置中分離提取培養基和細胞的步驟
通過對培養基中三種與患者組的生存率降低有關的細胞因子分析發現,在BTME+狀態下,三種細胞因子,即絲蛋白E1(Serpin E1)、白介素8(IL-8)和分泌型磷蛋白1(SPP-1)均增加,Luminex分析證實了這一點。且由于BM-NSCLC細胞的消耗,所有BTME-病例的SPP-1濃度均低于正常對照(神經基礎培養液培養)。對Serpin E1的分子擴散進行模擬,發現其從BTME擴散到了BM-NSCLC細胞(通道#4),并且BTME細胞分泌的IL-8也在12h內擴散到了BM-NSCLC細胞(通道#4)。與Transwell模型對比發現,微流控裝置中細胞因子的濃度是Transwell模型中的10倍。
圖3 微流控裝置中細胞因子水平
研究人員分別對有無BTME的BM-NSCLC細胞、有無BM-NSCLC細胞的BECS細胞和有無BM-NSCLC細胞的星形膠質細胞進行基因分析。發現BTME+BM-NSNLC細胞上調與免疫反應相關的基本分子、激活腫瘤壞死因子信號通路(TNF)和NF-kB轉錄因子活性等,進一步證實了之前的研究結論,即BTME促進BM。
圖4 TME中腫瘤細胞轉錄圖譜
研究人員接下來測試了FDA批準的6種臨床藥物(包括Afatinib、PKI587、Palbociclib、Ceritinib、Dasatinib和Trametinib)治療BTME-和BTME+BM-NSCLC細胞的效果。根據Cancer SCAN基于5095個臨床樣本預測了6種藥物的使用效果。將預測結果與微流控裝置和Transwell中有無BTME的BM-NSCLC細胞的藥物篩選結果進行了比較,發現BTME-BM-ADC細胞對Afatinib和PKI587敏感,對Ceritinib、Dasatinib和Trametinib耐藥,與預測相反的是對Palbociclib耐藥,并且BTME+BM-ADC細胞對Afatinib和PKI587也耐藥。根據Cancer SCAN預測結果顯示BM-SqCC的遺傳性狀可能是野生的,且對于BM-SqCC細胞,BTME對細胞存活率有明顯的增強作用。然而在Transwell中,培養的BM-NSCLC細胞在篩查結果和預測結果之間也顯示出良好的相關性,在Transwell中與BTME共培養時沒有觀察到顯著的藥物反應變化。
圖5 基于微流控裝置進行藥物篩選
總之,研究人員基于患者來源的腫瘤細胞、星形膠質細胞和BECS構建了一種能夠模擬BM-NSCLC復雜BTME的3D微流控裝置,并開發一種可以單獨收集各種細胞和培養基的方法,以便進行更深入的分子研究。該模型為精準治療和臨床前評估針對轉移和耐藥腫瘤的全新治療方案提供了一種潛在的藥物篩選模型。
-
3D
+關注
關注
9文章
2883瀏覽量
107593 -
細胞
+關注
關注
0文章
66瀏覽量
18346 -
微流控
+關注
關注
16文章
530瀏覽量
18903
發布評論請先 登錄
相關推薦
評論