Summary

Espianti tumorali derivati dal paziente come piattaforma preclinica "live" per prevedere la resistenza ai farmaci nei pazienti

Published: February 07, 2021
doi:

Summary

Questo documento descrive i metodi per la generazione, il trattamento farmacologico e l’analisi di espianti derivati dal paziente per valutare le risposte ai farmaci tumorali in un sistema modello preclinico vivo, rilevante per il paziente.

Abstract

La comprensione della resistenza ai farmaci e lo sviluppo di nuove strategie per sensibilizzare i tumori altamente resistenti si basano sulla disponibilità di modelli preclinici adatti in grado di prevedere con precisione le risposte dei pazienti. Uno degli svantaggi dei modelli preclinici esistenti è l’incapacità di preservare contestualmente il microambiente tumorale umano (TME) e rappresentare accuratamente l’eterogeneità intratumorale, limitando così la traduzione clinica dei dati. Al contrario, rappresentando la coltura di frammenti vivi di tumori umani, la piattaforma di espianto derivato dal paziente (PDE) consente di esaminare le risposte ai farmaci in un contesto tridimensionale (3D) che rispecchia il più possibile le caratteristiche patologiche e architettoniche dei tumori originali. Precedenti rapporti con PDE hanno documentato la capacità della piattaforma di distinguere i tumori chemiosensibili da quelli chemioresistenti, ed è stato dimostrato che questa segregazione è predittiva delle risposte dei pazienti alle stesse chemioterapie. Allo stesso tempo, le PDE consentono l’opportunità di interrogare le caratteristiche molecolari, genetiche e istologiche dei tumori che predicono le risposte ai farmaci, identificando così i biomarcatori per la stratificazione del paziente e nuovi approcci interventistici per sensibilizzare i tumori resistenti. Questo documento riporta in dettaglio la metodologia PDE, dalla raccolta di campioni di pazienti fino all’analisi degli endpoint. Fornisce una descrizione dettagliata della derivazione dell’espianto e dei metodi di coltura, evidenziando le condizioni su misura per particolari tumori, se del caso. Per l’analisi degli endpoint, ci si concentra sull’immunofluorescenza multiplexata e sull’imaging multispettrale per la profilazione spaziale di biomarcatori chiave all’interno di entrambe le regioni tumorali e stromali. Combinando questi metodi, è possibile generare dati quantitativi e qualitativi sulla risposta ai farmaci che possono essere correlati a vari parametri clinicopatologici e quindi potenzialmente utilizzati per l’identificazione dei biomarcatori.

Introduction

Lo sviluppo di agenti antitumorali efficaci e sicuri richiede modelli preclinici appropriati che possano anche fornire informazioni sui meccanismi d’azione che possono facilitare l’identificazione di biomarcatori predittivi e farmacodinamici. L’eterogeneitàinter- e intratumorale1,2,3,4, 5 e la TME6,7,8,9,10, 11,12sono note per influenzare le risposte ai farmaci antitumorali e molti modelli di cancro preclinico esistenti come linee cellulari, organoidi e modelli murini non sono in grado di accogliere pienamente questi cruciali tratti somatici. Un modello “ideale” è quello che può ricapitolare le complesse interazioni spaziali di cellule maligne con cellule non maligne all’interno dei tumori e riflettere le differenze regionali all’interno dei tumori. Questo articolo si concentra sulle PDE come piattaforma emergente in grado di soddisfare molti di questi requisiti13.

Il primo esempio dell’uso di PDE umane, note anche come istocolture, risale alla fine degli anni 1980 quando Hoffman et al. generarono fette di tumori umani appena resecati e li coltivarono in una matrice di collagene14,15. Ciò ha comportato la creazione di un sistema di coltura 3D che ha preservato l’architettura dei tessuti, garantendo il mantenimento dei componenti stromali e delle interazioni cellulari all’interno della TME. Senza decostruire il tumore originale, Hoffman et al.16 hanno annunciato un nuovo approccio di ricerca traslazionale e, da questo momento, molti gruppi hanno ottimizzato diversi metodi di espianto con l’obiettivo di preservare l’integrità del tessuto e generare dati accurati sulla risposta ai farmaci17,18, 19,20,21,22,23,24 , anche se alcune differenze tra i protocolli sono evidenti. Butler et al. hanno coltivato espianti in spugne di gelatina per aiutare la diffusione di nutrienti e farmaci attraverso il campione20,21,25,mentre Majumder et al. hanno creato un ecosistema tumorale coltivando espianti su una matrice composta da proteine tumorali e stromali in presenza di siero autologo derivato dallo stesso paziente22, 23.

Più recentemente, il nostro gruppo ha istituito un protocollo in base al quale gli espianti sono generati dalla frammentazione dei tumori in pezzi di dimensioni 2 – 3 mm3che vengono poi posizionati senza componenti aggiuntivi su membrane permeabili all’interfaccia aria-liquido di un sistema dicoltura 24. Nel loro insieme, questi numerosi studi hanno dimostrato che le PDE consentono la coltura di frammenti intatti e vivi di tumori umani che conservano l’architettura spaziale e l’eterogeneità regionale dei tumori originali. Negli esperimenti originali, gli espianti o le istocolture venivano solitamente sottoposti a omogeneizzazione dopo il trattamento farmacologico, dopo di che sono stati applicati vari saggi di vitalità ai campioni omogeneizzati come il saggio di risposta ai farmaci inistocoltura 20,21, il saggio MTT (3-(6) -2,5-difeniltetrazolio bromuro), il saggio della lattato deidrogenasi o il saggio a base di resazurina26,27,28 . I recenti progressi nelle tecniche di analisi degli endpoint, in particolare la patologia digitale, hanno ora ampliato il repertorio di test e saggi endpoint che possono essere eseguiti su espianti29,30. Per applicare queste nuove tecnologie, invece dell’omogeneizzazione, gli espianti vengono fissati in formalina, incorporati nella paraffina (FFPE) e quindi analizzati utilizzando tecniche di immunocolorazione, consentendo la profilazione spaziale. Esempi di questo approccio sono stati documentati per il carcinoma polmonare non a piccole cellule (NSCLC), il cancro al seno, il cancro del colon-retto e gli espianti di mesotelioma, per cui la colorazione immunoistochimica per il marcatore di proliferazione, Ki67, e il marcatore apoptotico, la poli-ADP ribosio polimerasi scissa (cPARP), è stata utilizzata per monitorare i cambiamenti nella proliferazione cellulare e la morte cellulare24,31,32,33,34.

L’immunofluorescenza multiplexata è particolarmente suscettibile per la profilazione spaziale delle risposte ai farmaci negli espianti all’endpoint35. Ad esempio, è possibile misurare la rilocalizzazione e la distribuzione spaziale di specifiche classi di cellule immunitarie, come macrofagi o cellule T, all’interno della TME dopo il trattamento farmacologico13,36,37,38,e indagare se un agente terapeutico può favorire il passaggio da “tumore freddo” a “tumore caldo”39 . Negli ultimi anni, questo gruppo si è concentrato sulla derivazione di PDE da diversi tipi di tumore (NSCLC, cancro renale, cancro al seno, cancro del colon-retto, melanoma) e sulla sperimentazione di una serie di agenti antitumorali tra cui chemioterapie, inibitori di piccole molecole e inibitori del checkpoint immunitario (ICO). I metodi di analisi degli endpoint sono stati ottimizzati per includere l’immunofluorescenza multiplexata per consentire la profilazione spaziale dei biomarcatori per la vitalità e dei biomarcatori per i diversi costituenti della TME.

Protocol

1. Raccolta dei tessuti Dopo l’intervento chirurgico, trasferire campioni di tumore umano appena resecati in un tubo contenente 25 ml di terreno di coltura fresco (il mezzo Eagle modificato di Dulbecco integrato con 4,5 g / L di glucosio e L-glutammina + 1% (v / v) siero fetale del vitello + 1% di penicillina-streptomicina) e conservato su ghiaccio. Elaborare l’espianto entro 2 ore dall’intervento chirurgico in una cappa sterile di classe II. 2. Preparazi…

Representative Results

L’imaging multispettrale di sezioni istologiche colorate con mIF consente l’identificazione e la fenotipizzazione di singole popolazioni cellulari e l’identificazione di componenti tumorali e stromali nell’espianto TME (Figura 2). L’imaging multispettrale è particolarmente utile per l’analisi di tessuti ad alta autofluorescenza intrinseca, come tessuti ad alto contenuto di collagene, in quanto consente di deconvolure il segnale di autofluorescenza da altri segnali ed escluderlo da analisi s…

Discussion

Questo documento descrive i metodi per la generazione, il trattamento farmacologico e l’analisi delle PDE ed evidenzia i vantaggi della piattaforma come sistema modello preclinico. La coltivazione ex vivo di un tumore appena resecato, che non comporta la sua decostruzione, consente la ritenzione dell’architettura tumorale13,24 e, quindi, le interazioni spaziali dei componenti cellulari nella TME e l’eterogeneità intratumorale. Questo metodo dimostra come, utiliz…

Offenlegungen

The authors have nothing to disclose.

Acknowledgements

Ringraziamo i chirurghi e i patologi degli ospedali universitari di Leicester NHS Trust per aver fornito tessuto tumorale resecato chirurgicamente. Ringraziamo anche la struttura di istologia all’interno di Core Biotechnology Services per l’aiuto con la lavorazione dei tessuti e il sezionamento dei blocchi di tessuto FFPE e Kees Straatman per il supporto con l’uso di Vectra Polaris. Questa ricerca è stata sostenuta e finanziata dal Consorzio Explant composto da quattro partner: l’Università di Leicester, l’Unità di Tossicologia MRC, i Laboratori di Scoperta Terapeutica di Cancer Research UK e LifeArc. Un ulteriore supporto è stato fornito dal CRUK-NIHR Leicester Experimental Cancer Medicine Centre (C10604/A25151). Il finanziamento per GM, CD e NA è stato fornito dal Breast Cancer Now’s Catalyst Programme (2017NOVPCC1066), supportato da finanziamenti di Pfizer.

Materials

Acetic acid Sigma 320099 Staining reagent
Antibody Diluent / Block, 1x Perkin Elmer ARD1001EA Antibody diluent/blocking buffer
Barnstead NANOpure Diamond Barnstead Ultra Pure (UP) H2O machine
Citric Acid Monohydrate Sigma-Aldrich C7129 Reagent for citrate buffer
Costar Multiple Well Cell Culture Plates Corning Incorporated 3516 6 multiwell plate
DAPI Dilactate Life Technologies D3571
100 x 17 mm Dish, Nunclon Delta ThermoFisher Scientific 150350 100 mm diameter dish for tissue culture
DMEM (1x) Dubelcco's Modified Eagle Medium + 4.5 g/L D-Glucose + 110 mg/mL Sodium Pyruvate Gibco (Life Technologies) 10569-010 Tissue culture medium (500 mL)
DPX mountant VWR 360294H Mounting medium
DPX mountant Merck 6522 Mounting medium
Ethylenediaminetetraacetic acid (EDTA) Sigma-Aldrich 3609 Reagent for TE buffer
Eosin CellPath RBC-0100-00A Staining reagent
Foetal Bovine Serum Gibco 10500-064 For use in tissue culture medium
37% Formaldehyde Fisher (Acros) 119690010 10% Formalin
iGenix, microwave oven IG2095 iGenix IG2095 Microwave used for antigen retreival
Industrial methylated spirit (IMS) Genta Medical 199050 99% Industrial Denatured Alcohol (IDA)
InForm Advanced Image Analysis Software Akoya Biosciences InForm
Leica ASP3000 Tissue Processor Leica Biosystems Automated Vacuum Tissue Processor
Leica Arcadia H and C Leica Biosystems Embedding wax bath
Leica RM2125RT Leica Biosystems Rotary microtome
Leica ST4040 Linear Stainer Leica Biosystems H&E stainer
Mayer's Haematoxylin Sigma GHS132-1L Staining reagent
Millicell Cell Culture Inserts, 30 mm, hydrophilic PTFE, 0.4 µm Merck Milipore PICMORG50 Organotypic culture insert disc
Novolink Polymer Detection System Leica Biosystems RE7150-K DAB staining kit
OPAL 480 Akoya Biosciences FP1500001KT Fluorophore with Dimethyl Sulfoxide (DMSO) diluent
OPAL 520 Akoya Biosciences FP1487001KT Fluorophore with Dimethyl Sulfoxide (DMSO) diluent
OPAL 570 Akoya Biosciences FP1488001KT Fluorophore with Dimethyl Sulfoxide (DMSO) diluent
OPAL 620 Akoya Biosciences FP1495001KT Fluorophore with Dimethyl Sulfoxide (DMSO) diluent
OPAL 650 Akoya Biosciences FP1496001KT Fluorophore with Dimethyl Sulfoxide (DMSO) diluent
OPAL 690 Akoya Biosciences FP1497001KT Fluorophore with Dimethyl Sulfoxide (DMSO) diluent
OPAL 780 / OPAL TSA-DIG Reagent Akoya Biosciences FP1501001KT Fluorophore with Dimethyl Sulfoxide (DMSO) diluent and TSA-DIG reagent
Opal Polymer HRP Ms Plus Rb, 1x Perkin Elmer ARH1001EA HRP polymer
Penicillin/streptomycin solution Fisher Scientific 11548876 For use in tissue culture medium
PhenoChart Whole Slide Contextual Viewer Akoya Biosciences PhenoChart Viewer software for scanned images
Phosphate Buffered Saline Tablets Thermo Scientific Oxoid BR0014G PBS
1x Plus Amplification Diluent Perkin Elmer FP1498 Fluorophore diluent
Prolong Diamond Antifade Mountant Invitrogen P36961 Mounting medium
Slide Carrier Perkin Elmer To load slides into Slide Carrier Hotel for scanning with Vectra Polaris
Sodium Chloride Fisher Scientific S/3160/63 10% Formalin
Sodium Hydroxide pellets Fisher Scientific S/4920/53 Reagent for citrate buffer
Tenatex Toughened Wax – Pink (500 g) KEMDENT 1-601 Dental wax surface
Thermo Scientific Shandon Sequenza Slide Rack for Immunostaining Center Fisher Scientific 10098889 Holder for slides and slide clips
Thermo Scientific Shandon Plastic Coverplates Fisher Scientific 11927774 Slide clips
Tris(hydroxymethyl)aminomethane (Tris) Sigma-Aldrich 252859 Reagent for TE buffer
VectaShield Vecta Laboratories H-1000-10 Mounting medium
Vectra Polaris Slide Scanner Perkin Elmer Vectra Polaris Slide scanner
Xylene Genta Medical XYL050 De-waxing agent

Referenzen

  1. Gerlinger, M., et al. Intratumor heterogeneity and branched evolution revealed by multiregion sequencing. The New England Journal of Medicine. 366 (10), 883-892 (2012).
  2. Jamal-Hanjani, M., et al. Tracking the evolution of non-small-cell lung cancer. The New England Journal of Medicine. 376 (22), 2109-2121 (2017).
  3. McGranahan, N., Swanton, C. Biological and therapeutic impact of intratumor heterogeneity in cancer evolution. Cancer Cell. 27 (1), 15-26 (2015).
  4. Casey, T., et al. Molecular signatures suggest a major role for stromal cells in development of invasive breast cancer. Breast Cancer Research and Treatment. 114 (1), 47-62 (2009).
  5. Gerdes, M. J., et al. Emerging understanding of multiscale tumor heterogeneity. Frontiers in Oncology. 4, 366 (2014).
  6. Komohara, Y., Takeya, M. CAFs and TAMs: maestros of the tumour microenvironment. The Journal of Pathology. 241 (3), 313-315 (2017).
  7. Miyake, M., et al. CXCL1-mediated interaction of cancer cells with tumor-associated macrophages and cancer-associated fibroblasts promotes tumor progression in human bladder cancer. Neoplasia. 18 (10), 636-646 (2016).
  8. Hisamitsu, S., et al. Interaction between cancer cells and cancer-associated fibroblasts after cisplatin treatment promotes cancer cell regrowth. Human Cell. 32 (4), 453-464 (2019).
  9. Witz, I. P. The tumor microenvironment: the making of a paradigm. Cancer Microenvironment. 2, 9-17 (2009).
  10. Fu, X. T., et al. Tumor-associated macrophages modulate resistance to oxaliplatin via inducing autophagy in hepatocellular carcinoma. Cancer Cell International. 19, 71 (2019).
  11. Chen, D., Zhang, X. Tipping tumor microenvironment against drug resistance. Journal of Oncology Translational Research. 1 (1), 106 (2015).
  12. Roma-Rodrigues, C., Mendes, R., Baptista, P. V., Fernandes, A. R. Targeting tumor microenvironment for cancer therapy. International Journal of Molecular Sciences. 20 (4), 840 (2019).
  13. Powley, I. R., et al. Patient-derived explants (PDEs) as a powerful preclinical platform for anti-cancer drug and biomarker discovery. British Journal of Cancer. 122 (6), 735-744 (2020).
  14. Freeman, A. E., Hoffman, R. M. In vivo-like growth of human tumors in vitro. Proceedings of the National Academy of Sciences of United States of America. 83 (8), 2694-2698 (1986).
  15. Vescio, R., et al. A. al. In vivo-like drug responses of human tumors growing in three-dimensional gel-supported primary culture. Proceedings of the National Academy of Sciences of United States of America. 84 (14), 5029-5033 (1987).
  16. Hoffman, R. M. 3D Sponge-matrix histoculture: an overview. Methods in Molecular Biology. 1760, 11-17 (2018).
  17. Vescio, R. A., Connors, K. M., Kubota, T., Hoffman, R. M. Correlation of histology and drug response of human tumors grown in native-state three-dimensional histoculture and in nude mice. Proceedings of the National Academy of Sciences of United States of America. 88 (12), 5163-5166 (1991).
  18. Furukawa, T., Kubota, T., Hoffman, R. M. Clinical applications of the histoculture drug response assay. Clinical Cancer Research. 1 (3), 305-311 (1995).
  19. Centenera, M. M., Raj, G. V., Knudsen, K. E., Tilley, W. D., Butler, L. M. Ex vivo culture of human prostate tissue and drug development. Nature Reviews Urology. 10 (8), 483-487 (2013).
  20. Centenera, M. M., et al. Evidence for efficacy of new Hsp90 inhibitors revealed by ex vivo culture of human prostate tumors. Clinical Cancer Research. 18 (13), 3562-3570 (2012).
  21. Dean, J. L., et al. Therapeutic response to CDK4/6 inhibition in breast cancer defined by ex vivo analyses of human tumors. Cell Cycle. 11 (14), 2756-2761 (2012).
  22. Majumder, B., et al. Predicting clinical response to anticancer drugs using an ex vivo platform that captures tumour heterogeneity. Nature Communications. 6, 6169 (2015).
  23. Goldman, A., et al. Temporally sequenced anticancer drugs overcome adaptive resistance by targeting a vulnerable chemotherapy-induced phenotypic transition. Nature Communications. 6, 6139 (2015).
  24. Karekla, E., et al. Ex vivo explant cultures of non-small cell lung carcinoma enable evaluation of primary tumor responses to anticancer therapy. Krebsforschung. 77 (8), 2029-2039 (2017).
  25. Ricciardelli, C., et al. Novel ex vivo ovarian cancer tissue explant assay for prediction of chemosensitivity and response to novel therapeutics. Cancer Letters. 421, 51-58 (2018).
  26. Yoshimasu, T., et al. Histoculture drug response assay (HDRA) guided induction concurrent chemoradiotherapy for mediastinal node-positive non-small cell lung cancer. Gan To Kagaku Ryoho. Cancer and chemotherapy. 30 (2), 231-235 (2003).
  27. Pirnia, F., et al. Ex vivo assessment of chemotherapy-induced apoptosis and associated molecular changes in patient tumor samples. Anticancer Research. 26, 1765-1772 (2006).
  28. Maund, S. L., Nolley, R., Peehl, D. M. Optimization and comprehensive characterization of a faithful tissue culture model of the benign and malignant human prostate. Laboratory Investigation. 94 (2), 208-221 (2014).
  29. Vasaturo, A., Galon, J. Multiplexed immunohistochemistry for immune cell phenotyping, quantification and spatial distribution in situ. Methods in Enzymology. 635, 51-66 (2020).
  30. Fuhrman, K., et al. Molecularly guided digital spatial profiling for multiplexed analysis of gene expression with spatial and single cell resolution. Journal of Biomolecular Techniques. 31, 14-15 (2020).
  31. Twiddy, D., et al. A TRAIL-R1-specific ligand in combination with doxorubicin selectively targets primary breast tumour cells for apoptosis. Breast Cancer Research. 12 (1), 58 (2010).
  32. Cai, H., et al. Cancer chemoprevention: Evidence of a nonlinear dose response for the protective effects of resveratrol in humans and mice. Science Translational Medicine. 7 (298), (2015).
  33. Busacca, S., et al. Resistance to HSP90 inhibition involving loss of MCL1 addiction. Oncogene. 35 (12), 1483-1492 (2016).
  34. Kolluri, K. K., et al. Loss of functional BAP1 augments sensitivity to TRAIL in cancer cells. Elife. 7, 30224 (2018).
  35. Toki, M. I., et al. High-plex predictive marker discovery for melanoma immunotherapy-treated patients using digital spatial profiling. Clinical Cancer Research. 25 (18), 5503-5512 (2019).
  36. Parra, E. R., et al. Validation of multiplex immunofluorescence panels using multispectral microscopy for immune-profiling of formalin-fixed and paraffin-embedded human tumor tissues. Scientific Reports. 7 (1), 13380 (2017).
  37. Park, I. J., et al. Prediction of radio-responsiveness with immune-profiling in patients with rectal cancer. Oncotarget. 8 (45), 79793-79802 (2017).
  38. Mezheyeuski, A., et al. Multispectral imaging for quantitative and compartment-specific immune infiltrates reveals distinct immune profiles that classify lung cancer patients. The Journal of Pathology. 244 (4), 421-431 (2018).
  39. Kather, J. N., et al. Topography of cancer-associated immune cells in human solid tumors. Elife. 7, 36967 (2018).
  40. Zollinger, D. R., Lingle, S. E., Sorg, K., Beechem, J. M., Merritt, C. R. GeoMx™ RNA assay: high multiplex, digital, spatial analysis of RNA in FFPE tissue. Methods in Molecular Biology. 2148, 331-345 (2020).
  41. Zugazagoitia, J., et al. Biomarkers associated with beneficial PD-1 checkpoint blockade in non-small cell lung cancer (NSCLC) identified using high-plex digital spatial profiling. Clinical Cancer Research. 26 (16), 4360-4368 (2020).
  42. Allo, B., Lou, X., Bouzekri, A., Ornatsky, O. Clickable and high-sensitivity metal-containing tags for mass cytometry. Bioconjugate Chemistry. 29 (6), 2028-2038 (2018).
  43. Gerdtsson, E., et al. Multiplex protein detection on circulating tumor cells from liquid biopsies using imaging mass cytometry. Convergent Science Physical Oncology. 4 (1), 015002 (2018).
  44. Reck, M., et al. Pembrolizumab versus chemotherapy for PD-L1-positive non-small-cell lung cancer. The New England Journal of Medicine. 375 (19), 1823-1833 (2016).
  45. Le, D. T., et al. KEYNOTE-164: Phase 2 study of pembrolizumab for patients with previously treated, microsatellite instability-high advanced colorectal carcinoma. Journal of Clinical Oncology. 34, 3631 (2016).
  46. Diaz, L. A., et al. KEYNOTE-177: Randomized phase III study of pembrolizumab versus investigator-choice chemotherapy for mismatch repair-deficient or microsatellite instability-high metastatic colorectal carcinoma. Journal of Clinical Oncology. 35, 815 (2017).
  47. Long, G. V., et al. Impact of baseline serum lactate dehydrogenase concentration on the efficacy of pembrolizumab and ipilimumab in patients with advanced melanoma: data from KEYNOTE-006. European Journal of Cancer. 72, 122-123 (2017).
  48. Voong, K. R., Feliciano, J., Becker, D., Levy, B. Beyond PD-L1 testing-emerging biomarkers for immunotherapy in non-small cell lung cancer. Annals of Translational Medicine. 5 (18), 376 (2017).
check_url/de/62130?article_type=t

Play Video

Diesen Artikel zitieren
Viticchié, G., Powley, I., Demetriou, C., Cooper, J., Butterworth, M., Patel, M., Abid, N., Miles, G., Howells, L., Pringle, H., MacFarlane, M., Pritchard, C. Patient-Derived Tumor Explants As a “Live” Preclinical Platform for Predicting Drug Resistance in Patients. J. Vis. Exp. (168), e62130, doi:10.3791/62130 (2021).

View Video