Summary

Een snelle screeningsworkflow om potentiële combinatietherapie voor GBM te identificeren met behulp van patiënt-afgeleide glioomstamcellen

Published: March 28, 2021
doi:

Summary

De glioomstamcellen (GSC’s) zijn een klein deel van de kankercellen die een essentiële rol spelen bij tumorinitiatie, angiogenese en medicijnresistentie bij glioblastoom (GBM), de meest voorkomende en verwoestende primaire hersentumor. De aanwezigheid van GSC’s maakt de GBM zeer refractair voor de meeste individuele gerichte middelen, dus screeningmethoden met hoge doorvoer zijn vereist om potentiële effectieve combinatietherapieën te identificeren. Het protocol beschrijft een eenvoudige workflow om snelle screening op mogelijke combinatietherapie met synergetische interactie mogelijk te maken. De algemene stappen van deze workflow bestaan uit het vaststellen van luciferase-gelabelde GSC’s, het voorbereiden van matrigel gecoate platen, combinatiegeneesmiddelscreening, analyseren en valideren van de resultaten.

Abstract

De glioomstamcellen (GSC’s) zijn een klein deel van de kankercellen die een essentiële rol spelen bij tumorinitiatie, angiogenese en medicijnresistentie bij glioblastoom (GBM), de meest voorkomende en verwoestende primaire hersentumor. De aanwezigheid van GSC’s maakt de GBM zeer refractair voor de meeste individuele gerichte middelen, dus screeningmethoden met hoge doorvoer zijn vereist om potentiële effectieve combinatietherapieën te identificeren. Het protocol beschrijft een eenvoudige workflow om snelle screening op mogelijke combinatietherapie met synergetische interactie mogelijk te maken. De algemene stappen van deze workflow bestaan uit het vaststellen van luciferase-gelabelde GSC’s, het voorbereiden van matrigel gecoate platen, combinatiegeneesmiddelscreening, analyseren en valideren van de resultaten.

Introduction

Glioblastoom (GBM) is het meest voorkomende en agressieve type primaire hersentumor. Momenteel is de totale overleving van GBM-patiënten die een maximale behandeling kregen (een combinatie van chirurgie, chemotherapie en radiotherapie) nog steeds korter dan 15 maanden; dus nieuwe en effectieve therapieën voor GBM zijn dringend nodig.

De aanwezigheid van glioomstamcellen (GSC’s) in GBM vormt een aanzienlijke uitdaging voor de conventionele behandeling, omdat deze stamcellen een centrale rol spelen bij het behoud van tumormicro-omgeving, medicijnresistentie en tumorrecidief1. Daarom kan het richten op GSC’s een veelbelovende strategie zijn voor GBM-behandeling2. Niettemin is een groot nadeel voor de werkzaamheid van het geneesmiddel bij GBM de heterogene aard ervan, inclusief maar niet beperkt tot het verschil in genetische mutaties, gemengde subtypen, epigenetische regulatie en tumormicro-omgeving, waardoor ze zeer refractair zijn voor behandeling. Na vele mislukte klinische onderzoeken realiseerden wetenschappers en klinische onderzoekers zich dat gerichte therapie met één middel waarschijnlijk niet in staat is om de progressie van zeer heterogene kankers zoals GBM volledig te beheersen. Terwijl zorgvuldig geselecteerde medicijncombinaties zijn goedgekeurd voor hun effectiviteit door synergetisch het effect van elkaar te versterken, waardoor een veelbelovende oplossing voor GBM-behandeling wordt geboden.

Hoewel er veel manieren zijn om de geneesmiddel-geneesmiddelinteracties van een geneesmiddelcombinatie te evalueren, zoals de CI (Combination Index), HSA (Highest Single Agent) en Bliss-waarden, enz.3,4, zijn deze berekeningsmethoden meestal gebaseerd op combinaties van meerdere concentraties. Inderdaad, deze methoden kunnen een positieve beoordeling van de interactie tussen geneesmiddel en geneesmiddel bieden, maar kunnen zeer bewerkelijk zijn als ze worden toegepast bij screening met hoge doorvoer. Om het proces te vereenvoudigen, werd een screeningsworkflow ontwikkeld voor het snel identificeren van de potentiële medicijncombinaties die de groei van GSC’s remmen, afkomstig van chirurgische biopsieën van patiënt GBM. Een gevoeligheidsindex (SI) die het verschil van het verwachte gecombineerde effect en het waargenomen gecombineerde effect weergeeft, werd in deze methode geïntroduceerd om het synergetische effect van elk geneesmiddel te kwantificeren, zodat de potentiële kandidaten gemakkelijk kunnen worden geïdentificeerd door de SI-ranglijst. Ondertussen demonstreert dit protocol een voorbeeldscherm om de potentiële kandidaat (en) te identificeren die het anti-glioomeffect kunnen synergiseren met temozolomide, de eerstelijns chemotherapie voor GBM-behandeling, onder 20 kleine moleculaire remmers.

Protocol

GBM-monster werd verkregen van een patiënt tijdens een routineoperatie na het verkrijgen van volledig geïnformeerde toestemming door de ethische commissie voor menselijk onderzoek van het First Affiliated Hospital van de Nanjing Medical University. 1. Isolatie en cultuur van patiënt-afgeleide GSC’s Plaats vers chirurgisch gereseceerd glioblastoomweefsel in een centrifugebuis van 15 ml gevuld met steriel PBS en bewaar het weefsel op ijs tot verdere operatie. Gehakt het GB…

Representative Results

De XG387-cellen vormden neurosferen in het kweekmedium beschreven in tabel 1 in een ultralage aanhechting 6-well kweekplaat of een niet-gecoate plaat5 (figuur 1A). Eerst werd een test uitgevoerd om te controleren of de bio-luminescentie-intensiteit van XG387-Luc-cellen evenredig was met het celnummer. Zoals te zien is in figuur 1B,nam de bio-luminescentie-intensiteit evenredig toe met de celdichtheid en resulteerde in een…

Discussion

In de huidige studie werd een protocol beschreven dat kan worden toegepast om potentiële combinatietherapie voor GBM te identificeren met behulp van patiënt-afgeleide GSC’s. In tegenstelling tot het standaard synergie/additiviteitsmetrische model zoals Loewe, BLISS of HSA-methoden, werd een eenvoudige en snelle workflow gebruikt waarbij een medicijnpaar niet op een volledige factoriële manier in meerdere concentraties moet worden gecombineerd als de traditionele methoden. In deze workflow werd SI (sensitivity index) g…

Offenlegungen

The authors have nothing to disclose.

Acknowledgements

We bedanken de National Natural Science Foundation of China (81672962), de Jiangsu Provincial Innovation Team Program Foundation en de Joint Key Project Foundation van Southeast University en Nanjing Medical University voor hun steun.

Materials

B-27 Gibco 17504-044 50X
EGF Gibco PHG0313 20 ng/ml
FGF Gibco PHG0263 20 ng/ml
Gluta Max Gibco 35050061 100X
Neurobasal Gibco 21103049 1X
Penicillin-Streptomycin HyClone SV30010 P: 10,000 units/ml     S:  10,000 ug/ml
Sodium Pyruvate Gibco 2088876 100 mM
Table 1. The formulation of GSC complete culture medium.  
ABT-737 MCE Selective and BH3 mimetic Bcl-2, Bcl-xL and Bcl-w inhibitor
Adavosertib (MK-1775) MCE Wee1 inhibitor
Axitinib MCE Multi-targeted tyrosine kinase inhibitor
AZD5991 MCE Mcl-1 inhibitor
A 83-01 MCE Potent inhibitor of TGF-β type I receptor ALK5 kinase
CGP57380 Selleck Potent MNK1 inhibitor
Dactolisib (BEZ235) Selleck Dual ATP-competitive PI3K and mTOR inhibitor
Dasatinib MCE Dual Bcr-Abl and Src family tyrosine kinase inhibitor
Erlotinib MCE EGFR tyrosine kinase inhibitor
Gefitinib MCE EGFR tyrosine kinase inhibitor
Linifanib MCE Multi-target inhibitor of VEGFR and PDGFR family
Masitinib MCE Inhibitor of c-Kit
ML141 Selleck Non-competitive inhibitor of Cdc42 GTPase 
OSI-930 MCE Multi-target inhibitor of Kit, KDR and CSF-1R 
Palbociclib MCE Selective CDK4 and CDK6 inhibitor
SB 202190 MCE Selective p38 MAP kinase inhibitor
Sepantronium bromide (YM-155) MCE Survivin inhibitor
TCS 359 Selleck Potent FLT3 inhibitor
UMI-77 MCE Selective Mcl-1 inhibitor
4-Hydroxytamoxifen(Afimoxifene) Selleck Selective estrogen receptor (ER) modulator
Table 2. The information of 20 targeted agents used in the test screen. All of these are target selective small molecular inhibitors. The provider, name, and targets were given in the table.

Referenzen

  1. Lathia, J. D., Mack, S. C., Mulkearns-Hubert, E. E., Valentim, C. L., Rich, J. N. Cancer stem cells in glioblastoma. Genes & Development. 29 (12), 1203-1217 (2015).
  2. Binello, E., Germano, I. M. Targeting glioma stem cells: a novel framework for brain tumors. Cancer Science. 102 (11), 1958-1966 (2011).
  3. Mathews Griner, L. A., et al. High-throughput combinatorial screening identifies drugs that cooperate with ibrutinib to kill activated B-cell-like diffuse large B-cell lymphoma cells. Proceedings of the National Academy of Sciences of the United States of America. 111 (6), 2349-2354 (2014).
  4. Di Veroli, G. Y., et al. Combenefit: an interactive platform for the analysis and visualization of drug combinations. Bioinformatics. 32 (18), 2866-2868 (2016).
  5. Shi, Y., et al. Ibrutinib inactivates BMX-STAT3 in glioma stem cells to impair malignant growth and radioresistance. Science Translational Medicine. 10 (443), 1-13 (2018).
  6. Tan, X., et al. Systematic identification of synergistic drug pairs targeting HIV. Nature Biotechnology. 30 (11), 1125-1130 (2012).
  7. Jansen, V. M., et al. Kinome-wide RNA interference screen reveals a role for PDK1 in acquired resistance to CDK4/6 inhibition in ER-positive breast cancer. Krebsforschung. 77 (9), 2488-2499 (2017).
  8. Malyutina, A., et al. Drug combination sensitivity scoring facilitates the discovery of synergistic and efficacious drug combinations in cancer. PLoS Computational Biology. 15 (5), 1006752 (2019).
  9. He, L., et al. Methods for High-throughput drug combination screening and synergy scoring. Cancer Systems Biology. 1711, 351-398 (2018).
  10. Chen, C., et al. Targeting the synthetic vulnerability of PTEN-deficient glioblastoma cells with MCL1 inhibitors. Molecular Cancer Therapeutics. 19 (10), 2001-2011 (2020).
check_url/de/62312?article_type=t

Play Video

Diesen Artikel zitieren
Hu, Z., Zhou, T., Wu, F., Lin, F. A Rapid Screening Workflow to Identify Potential Combination Therapy for GBM using Patient-Derived Glioma Stem Cells. J. Vis. Exp. (169), e62312, doi:10.3791/62312 (2021).

View Video