Generierung von 3D-Tumorsphäroiden für Wirkstoffevaluierungsstudien
Summary
Dieser Artikel demonstriert eine standardisierte Methode zur Konstruktion dreidimensionaler Tumorsphäroide. Eine Strategie zur Sphäroidbeobachtung und bildbasierten Deep-Learning-Analyse unter Verwendung eines automatisierten Bildgebungssystems wird ebenfalls beschrieben.
Abstract
In den letzten Jahrzehnten wurden neben monolayerkultivierten Zellen auch dreidimensionale Tumorsphäroide als potenziell leistungsfähiges Werkzeug für die Evaluierung von Krebsmedikamenten entwickelt. Den herkömmlichen Kulturmethoden fehlt jedoch die Möglichkeit, die Tumorsphäroide auf dreidimensionaler Ebene homogen zu manipulieren. Um diese Einschränkung zu beheben, stellen wir in dieser Arbeit eine bequeme und effektive Methode zur Konstruktion von Tumorsphäroiden mittlerer Größe vor. Darüber hinaus beschreiben wir eine Methode der bildbasierten Analyse unter Verwendung einer auf künstlicher Intelligenz basierenden Analysesoftware, die die gesamte Platte scannen und Daten über dreidimensionale Sphäroide erhalten kann. Es wurden mehrere Parameter untersucht. Durch die Verwendung einer Standardmethode zur Konstruktion von Tumorsphäroiden und eines Hochdurchsatz-Bildgebungs- und Analysesystems kann die Effektivität und Genauigkeit von Arzneimitteltests, die an dreidimensionalen Sphäroiden durchgeführt werden, drastisch gesteigert werden.
Introduction
Krebs ist eine der am meisten gefürchteten Krankheiten, nicht zuletzt wegen seiner hohen Sterblichkeitsrate1. In den letzten Jahren hat sich die Möglichkeit, Krebs zu behandeln, durch die Einführung neuer Therapien erhöht 2,3,4,5. Zweidimensionale (2D) und dreidimensionale (3D) In-vitro-Modelle werden verwendet, um Krebs im Labor zu untersuchen. 2D-Modelle können jedoch nicht alle wichtigen Parameter, die auf eine Antitumorsensitivität hinweisen, sofort und genau beurteilen. Daher können sie die In-vivo-Wechselwirkungen in der Arzneimitteltherapieprüfungnicht vollständig abbilden 6.
Seit 2020 hat der globale Markt für dreidimensionale (3D) Kulturen stark zugenommen. Laut einem Bericht von NASDAQ OMX wird der globale Wert des Marktes für 3D-Zellkulturen bis Ende 2025 2,7 Milliarden US-Dollar übersteigen. Im Vergleich zu 2D-Kulturmethoden weist die 3D-Zellkultivierung vorteilhafte Eigenschaften auf, die nicht nur für Proliferation und Differenzierung, sondern auch für das Langzeitüberleben optimiert werden können 7,8. Auf diese Weise können zelluläre Mikroumgebungen in vivo simuliert werden, um eine genauere Tumorcharakterisierung sowie ein metabolisches Profiling zu erhalten, so dass genomische und Proteinveränderungen besser verstanden werden können. Aus diesem Grund sollten 3D-Testsysteme nun in die allgemeine Arzneimittelentwicklung einbezogen werden, insbesondere in solche, die sich auf das Screening und die Bewertung neuartiger Antitumormedikamente konzentrieren. Dreidimensionale Wucherungen von immortalisierten etablierten Zelllinien oder primären Zellkulturen in Sphäroidstrukturen besitzen in vivo Merkmale von Tumoren wie Hypoxie und Wirkstoffpenetration sowie Zellinteraktion, -antwort und -resistenz und können als stringentes und repräsentatives Modell für die Durchführung von In-vitro-Wirkstoff-Screenings angesehen werden9,10,11.
Diese 3D-Kulturmodelle leiden jedoch auch unter mehreren Problemen, deren Lösung einige Zeit in Anspruch nehmen kann. Zellsphäroide können unter Verwendung dieser Protokolle gebildet werden, aber sie unterscheiden sich in bestimmten Details, wie z.B. der Kulturzeit oder dem Einbetten von Gelen12, so dass diese konstruierten Zellsphäroide unter einem begrenzten Größenbereich nicht gut kontrolliert werden können. Die Größe der Sphäroide kann die Konsistenz des Viabilitätstests und der bildgebenden Analyse beeinflussen. Die Wachstumsmikroumgebungen und Wachstumsfaktoren variieren ebenfalls, was aufgrund von Unterschieden in der Differenzierung zwischen den Zellen zu unterschiedlichen Morphologien führen kann13. Es besteht nun ein offensichtlicher Bedarf an einer standardisierten, einfachen und kostengünstigen Methode zur Konstruktion aller Arten von Tumoren mit kontrollierter Größe.
Aus einer anderen Perspektive betrachtet, bleibt das Hochdurchsatz-Screening von 3D-Modellen aus verschiedenen Gründen, wie z. B. der mangelnden Einheitlichkeit in der Position, Größe und Morphologie von Tumorsphäroiden, eine Herausforderung, obwohl homogene Assays und High-Content-Bildgebungsansätze entwickelt wurden, um Morphologie, Viabilität und Wachstumsrate zu bewerten14,15,16.
In dem hier vorgestellten Protokoll listen wir jeden Schritt in der Konstruktion von 3D-Tumorsphäroiden auf und beschreiben eine Methode zur Beobachtung und Analyse von Sphäroiden unter Verwendung eines High-Content-Bildgebungssystems mit hohem Durchsatz, das unter anderem Autofokus, Auto-Imaging und Analyse umfasst. Wir zeigen, wie mit dieser Methode 3D-Tumorsphäroide einheitlicher Größe hergestellt werden können, die für die Hochdurchsatz-Bildgebung geeignet sind. Diese Sphäroide zeigen auch eine hohe Sensitivität gegenüber der Behandlung von Krebsmedikamenten, und morphologische Veränderungen in den Sphäroiden können mit Hilfe von High-Content-Bildgebung beobachtet werden. Zusammenfassend demonstrieren wir die Robustheit dieser Methodik als Mittel zur Generierung von 3D-Tumorkonstrukten für die Wirkstoffbewertung.
Protocol
Representative Results
Discussion
Die Mikroumgebung spielt eine wichtige Rolle beim Tumorwachstum. Es kann die Bereitstellung extrazellulärer Matrices, Sauerstoffgradienten, Ernährung und mechanische Interaktion beeinflussen und damit die Genexpression, Signalwege und viele Funktionen von Tumorzellen beeinflussen 19,20,21. In vielen Fällen erzeugen 2D-Zellen solche Effekte nicht oder sogar gegenteilige Effekte, was die Bewertung von medikamentösen Behandlung…
Divulgations
The authors have nothing to disclose.
Acknowledgements
Wir danken allen Mitgliedern unserer Labore für ihre kritischen Anregungen und Anregungen. Diese Forschung wurde durch das Schlüsselprojekt der Jiangsu Commission of Health (K2019030) unterstützt. Die Konzeptualisierung wurde von C.W. und Z.C. durchgeführt, die Methodik wurde von W.H. und M.L. durchgeführt, die Untersuchung wurde von W.H. und M.L. durchgeführt, die Datenkuratierung wurde von W.H., Z.Z., S.X. und M.L. durchgeführt, die ursprüngliche Entwurfserstellung wurde von Z.Z., J.Z., S.X., W.H. durchgeführt. und X.L., die Überprüfung und Redaktion wurde von Z.C. durchgeführt, die Projektverwaltung von C.W. und Z.C. und die Mittelakquise von C.W. Alle Autoren haben die veröffentlichte Version des Manuskripts gelesen und sind damit einverstanden.
Materials
| 0.5-10 μL Pipette tips | AXYGEN | T-300 | |
| 1.5 mL Boil proof microtubes | Axygen | MCT-150-C | |
| 100-1000μL Pipette tips | KIRGEN | KG1313 | |
| 15 mL Centrifuge Tube | Nest | 601052 | |
| 200 μL Pipette tips | AXYGEN | T-200-Y | |
| 3D gel | Avatarget | MA02 | |
| 48-well U bottom Plate | Avatarget | P02-48UWP | |
| 50 mL Centrifuge Tube | Nest | 602052 | |
| Alamar Blue | Thermo | DAL1100 | |
| Anti-Adherence Rinsing Solution | STEMCELL | #07010 | |
| Certified FBS | BI | 04-001-1ACS | |
| Deionized water | aladdin | W433884-500ml | |
| DMEM (Dulbecco's Modified Eagle Medium) | Gibco | 11965-092 | |
| DMSO | sigma | D2650-100ML | |
| Excel sofware | Microsoft office | ||
| Graphpad prism sofware | GraphPad software | ||
| High Content Microscope and SMART system | Avatarget | 1-I01 | |
| Image J software | National Institutes of Health | ||
| Insulin-Transferrin-Selenium-A Supplement (100X) | Gibco | 51300-044 | |
| Parafilm | Bemis | PM-996 | |
| PBS | Solarbio | P1020 | |
| Penicillin/streptomycin Sol | Gibco | 15140-122 | |
| RPMI 1640 | Gibco | 11875-093 | |
| Scientific Fluoroskan Ascent | Thermo | Fluoroskan Ascent | |
| T25 Flask | JET Biofil | TCF012050 | |
| Trypsin, 0.25% (1X) | Hyclone | SH30042.01 |
References
- Carioli, G., et al. European cancer mortality predictions for the year 2021 with focus on pancreatic and female lung cancer. Annals of Oncology. 32 (4), 478-487 (2021).
- Katti, A., Diaz, B. J., Caragine, C. M., Sanjana, N. E., Dow, L. E. CRISPR in cancer biology and therapy. Nature Reviews Cancer. 22 (5), 259-279 (2022).
- Abrantes, R., Duarte, H. O., Gomes, C., Walchili, S., Reis, C. A. CAR-Ts: New perspectives in cancer therapy. FEBS Letter. 596 (4), 403-416 (2022).
- Shokooohi, A., et al. Effect of targeted therapy and immunotherapy on advanced nonsmall-cell lung cancer outcomes in the real world. Cancer Medicine. 11 (1), 86-93 (2022).
- Chen, K., Zhang, Y., Qian, L., Wang, P. Emerging strategies to target RAS signaling in human cancer therapy. Journal of Hematology & Oncology. 14 (1), 116 (2021).
- Pinto, B., Henriques, A. C., Silva, P. M. A., Bousbaa, H. Three-dimensional spheroids as in vitro preclinical models for cancer research. Pharmaceutics. 12 (12), 1186 (2020).
- Jensen, C., Teng, Y. Is it time to start transitioning from 2D to 3D cell culture. Frontiers in Molecular Biosciences. 7, 33 (2020).
- Qin, Y., Hu, X., Fan, W., Yan, J. A stretchable scaffold with electrochemical sensing for 3D culture, mechanical loading, and real-time monitoring of cells. Advanced Science. 8 (13), 2003738 (2021).
- Wartenberg, M., et al. Regulation of the multidrug resistance transporter P-glycoprotein in multicellular tumor spheroids by hypoxia-inducible factor (HIF-1) ad reactive oxygen species. FASEB Journal. 17 (3), 503-505 (2003).
- Minchinton, A. I., Tannock, I. F. Drug penetration in solid tumours. Nature Reviews Cancer. 6 (8), 583-592 (2006).
- Baker, B. M., Chen, C. S. Deconstructing the third dimension: How 3D culture microenvironments alter cellular cues. Journal of Cell Science. 125 (13), 3015-3024 (2012).
- Brüningk, S. C., Rivens, I., Box, C., Oelfke, U., Ter Haar, G. 3D tumour spheroids for the prediction of the effects of radiation and hyperthermia treatments. Scientific Reports. 10, 1653 (2020).
- Graves, E. E., Maity, A., Thu Le, Q. The tumor microenvironment in non-small-cell lung cancer. Seminars in Radiation Oncology. 20 (3), 156-163 (2010).
- Kunz-Schughart, L. A., Frreyer, J. P., Ebner, R. The use of 3-D cultures for high-throughput screening: The multicellular spheroid model. Journal of Biomolecular Screening. 9 (4), 273-285 (2004).
- Carragher, N., et al. Concerns, challenges and promises of high-content analysis of 3D cellular models. Nature Review Drug Discovery. 17 (8), 606 (2018).
- Huang, Y., et al. Longitudinal morphological and physiological monitoring of three-dimensional tumor spheroids using optical coherence tomography. Journal of Visualized Experiments. (144), e59020 (2019).
- Yazdanfar, S., et al. Simple and robust image-baed autofocusing for digital microscopy. Optics Express. 16 (12), 8670-8677 (2008).
- Chen, Z., et al. Automated evaluation of tumor spheroid behavior in 3D culture using deep learning-based recognition. Biomaterials. 22 (272), 120770 (2021).
- Boucherit, N., Gorvel, L., Olive, D. 3D tumor models and their use for the testing of immunotherapies. Frontiers in Immunology. 11, 603640 (2020).
- Anastasiou, D., et al. Microenvironment factors shaping the cancer metabolism landscape. British Journal of Cancer. 116 (3), 277-286 (2017).
- Zhou, H., et al. Functions and clinical significance of mechanical tumor microenvironment: Cancer cell sensing, mechanobiology and metastasis. Cancer Communications. 43 (5), 374-400 (2022).
- Zhu, G. G., et al. Targeting KRAS cancers: From druggable therapy to druggable resistance. Molecular Cancer. 21 (1), 159 (2022).
- Ando, Y., Mariano, C., Shen, K. Engineered in vitro tumor models for cell-based immunotherapy. Acta Biomaterialia. 132, 345-359 (2021).
- Timmins, N. E., Dietmair, S., Nielsen, L. K. Hanging-drop multicellular spheroids as a model of tumor angiogenesis. Angiogenesis. 7 (2), 97-103 (2004).
- Costa, E. C., et al. 3D tumor spheroids: An overview on the tools and techniques used for their analysis. Biotechnology Advances. 34 (8), 1427-1441 (2016).
- Sant, S., Johnston, P. A. The production of 3D tumor spheroids for cancer drug discovery. Drug Discovery Today. Technologies. 23, 27-36 (2017).
- Zanoni, M., et al. 3D tumor spheroid models for in vitro therapeutic screening: A systematic approach to enhance the biological relevance of data obtained. Scientific Reports. 6, 19103 (2016).
