Her præsenterer vi en protokol for forberedelse og dyrkning af en blod-hjerne barriere metastatisk tumor mikro-miljø og derefter kvantificere sin tilstand ved hjælp af konfokale billeddannelse og kunstig intelligens (machine learning).
Hjernemetastaser er de mest dødelige kræftlæsioner; 10-30% af alle kræftformer metastaserer til hjernen, med en median overlevelse på kun ~ 5-20 måneder, afhængigt af kræfttype. For at reducere hjernen metastatisk tumor byrde, huller i grundlæggende og translationel viden skal løses. Store udfordringer omfatter en mangel på reproducerbare prækliniske modeller og tilhørende værktøjer. Tredimensionelle modeller af hjernemetastase kan give de relevante molekylære og fænotopypiske data, der bruges til at imødekomme disse behov, når de kombineres med dedikerede analyseværktøjer. Desuden, sammenlignet med murine modeller, organ-on-a-chip modeller af patient tumorceller gennemkører blod-hjerne barrieren i hjernen mikromiljø generere resultater hurtigt og er mere fortolkes med kvantitative metoder, således modtagelige for høj gennemløb test. Her beskriver og demonstrerer vi brugen af en ny 3D-mikrofluidic blodtaopni -platform (μmBBN) platform, hvor flere elementer i nichen kan dyrkes i en længere periode (flere dage), fluorescerende afbildet af konfokal mikroskopi og billederne rekonstrueret ved hjælp af en innovativ konfokal tomografiteknik; alle havde til formål at forstå udviklingen af mikro-metastase og ændringer i tumor mikro-miljø (TME) i en repeterbar og kvantitativ måde. Vi demonstrerer, hvordan man fabrikere, frø, billede, og analysere kræftceller og TME cellulære og humorelle komponenter, ved hjælp af denne platform. Desuden viser vi, hvordan kunstig intelligens (AI) bruges til at identificere de iboende fænofyrste forskelle i kræftceller, der er i stand til at passere gennem en model μmBBN og til at tildele dem et objektivt indeks over hjernens metastatiske potentiale. De datasæt, der genereres ved denne metode, kan bruges til at besvare grundlæggende og translationelle spørgsmål om metastase, effekten af terapeutiske strategier og TME’s rolle i begge.
Hjernemetastaser er de mest dødelige kræftlæsioner; 10-30% af alle kræftformer metastaserer til hjernen, med en median overlevelse på kun ~ 5-20 måneder, afhængigt af kræft type1,,2. Et hovedspørgsmål, der opstår, når man studerer kræftmetastase er, hvordan sub kloner migrere fra humoral miljø i blodbanen i et organ som hjernen3,4. Dette spørgsmål har ført til mange variationer af migration, invasion, og ekstravasation assays. Alle disse metoder deler det kritiske trin for at tælle eller måle egenskaber af celler, der flytter fra et sted til et andet som reaktion på en stimulus. De fleste migration assays let tilgængelige bruges til at studere to-dimensionelle (2D) migration af kræftceller. Disse har belyst et væld af viden; De opsummerer dog ikke in vivo-systemets tredimensionelle karakter, som andre metoder kan give5. Derfor er det nødvendigt at studere tumor mikro-miljø (TME) i tre-dimensionelle (3D) systemer, men analysen tilgange til rådighed for 3D-strukturer er begrænsede og ofte inkonsekvent.
Et af de mest populære 3D-værktøjer er et Boyden kammer, der består af en membran suspenderet i bunden af en brønd, der adskiller to forskellige regioner. Boyden introducerede analysen for at studere leukocyt chemotaxis4. De nederste regioner kan varieres efter kemi eller på andenmåde 6,7 for at få celler i den øvre region til at migrere til den nedre region. Den mest almindelige metode til at kvantificere antallet af celler, der har migreret, er at frigive cellerne fra bunden af membranen ved hjælp af en bufferløsning, lyse dem, og derefter tælle dem baseret på mængden af DNA-indhold iopløsningen 7. Denne indirekte tilgang er tilbøjelig til operatørfejl på grund af teknikvariation, og proceduren ødelægger oplysninger om kræftfæstypen og mikromiljøet. Variationer af Boyden kammer assay indebærer fiksering af migrerende celler, der forbliver på membranen, men giver kun en optælling af celler, der ikke længere er levedygtige for fortsat undersøgelse6,8,9.
På grund af begrænsninger i Boyden kammer og væksten af innovationer i mikrofluidic samfund, migration assay chips er blevet udviklet som observerer bevægelse af celler som reaktion på en stimulus i én retning i stedet fortre 10,11,12. Disse migrationsanalyser letter kontrollen over faktorer som flow eller enkeltcelleseparation13,14, der muliggør en bedre fortolkning af resultaterne., men deres 2D-format uundgåeligt mister nogle dynamiske oplysninger. Nylige undersøgelser har fokuseret på ekstravasation (dvs. flytning af celler fra omsætning til et væv, såsom blod-hjerne barrieren) i et 3D-miljø14,,15. Ekstravasationen afstand til væv og sondering adfærd, der opstår på den cellulære barriere / membran er mere raffineret end målinger udledes ved hjælp af enten Boyden kammer eller en 2D microfluidic migration enhed16. Således er enheder, der muliggør passende billedbehandling og analyse af 3D-ekstravasation, afgørende for at fange disse avancerede målinger, men mangler i litteraturen.
Uafhængigt af migrationsanalyser er der udviklet robuste billeddannelsesteknikker til mri-billeddannelse (magnetic resonans imaging) og tomografi, der er i stand til at identificere og nøjagtigt rekonstruere væv i 3D-rum17,18. Disse teknikker erhverve billeder i z-stakke og segment dele af billedet baseret på egenskaberne af vævet og derefter konvertere de opdelte billeder i tre-dimensionelle masker19,20,21. Dette gør det muligt for læger at visualisere i 3D individuelle organer, knogler og fartøjer til støtte i kirurgisk planlægning eller støtte i diagnosticering af kræft ellerhjertesygdomme 22,23. Her vil vi vise, at disse tilgange kan tilpasses til brug på mikroskopiske prøver og 3D-udstyrsenheder.
Til dette formål udviklede vi den innovative konfokale tomografi teknik, præsenteret heri, som giver fleksibilitet til at studere ekstravasation af tumorceller på tværs af en membran ved at tilpasse eksisterende tomografi værktøjer. Denne fremgangsmåde gør det muligt at studere den fulde vifte af kræft celle adfærd, som de interagerer med en cellulær barriere, såsom en endotel cellelag. Kræftceller udviser sondering adfærd; nogle kan invadere, men forblive tæt på membranen, mens andre krydser barrieren let. Denne teknik er i stand til at give oplysninger om fænotype af cellen i alle dimensioner24. Ved hjælp af denne tilgang til at studere TME er både relativt billigt, let at fortolke, og reproducerbare, sammenlignet med mere komplekse in vivo murine modeller. Den præsenterede metode bør give et stærkt grundlag for studiet af mange typer af tumorer og mikro-miljøer ved at tilpasse den stromale region.
Vi beskriver og demonstrerer brugen af en 3D-mikrofluidic blodtaopni -platform (μmBBN) platform (figur1), hvor kritiske elementer i barrieren og nichen (hjernemikalieotolære endotelceller og astrocytter) kan dyrkes i en længere periode (ca. op til 9 dage), fluorescerende afbildet af konkorkal mikroskopi og billederne rekonstrueret ved hjælp af vores konfokale tomografiteknik (figur 2); alle havde til formål at forstå udviklingen af mikro-metastase og ændringer i tumor mikro-miljø i en repeterbar og kvantitativ måde. Blod-hjerne barrieren interface med hjernen niche er sammensat af hjernen mikrovaskulære endotelceller, der er styrket af kælderen membran, astrocyte fødder, og pericytes25. Vi fokuserede selektivt på astrocyt- og endotelkomponenterne i betragtning af deres betydning i dannelsen og reguleringen af blod-hjernebarrieren. Vi demonstrerer, hvordan man fabrikere, frø, billede, og analysere kræftceller og tumor mikro-miljø cellulære og humorelle komponenter, ved hjælp af denne platform. Endelig viser vi, hvordan machine learning kan bruges til at identificere de iboende fænofyrste forskelle i kræftceller, der er i stand til transit gennem en model μmBBN og til at tildele dem et objektivt indeks af hjernen metastatisk potentiale24. De datasæt, der genereres ved denne metode, kan bruges til at besvare grundlæggende og translationelle spørgsmål om metastase, terapeutiske strategier og TME’s rolle i begge.
Vi har udviklet og præsenteret en ny metode, der tilpasser værktøjer, der ofte anvendes i kliniske billedanalyser til måling af ekstravasation og migration af kræftceller gennem en endotelbarriere til hjernevæv. Vi udgør denne fremgangsmåde kan være nyttig for både in vivo og in vitro målinger; vi har vist sin anvendelse på en 3D microfluidic system recapitulating hjernen vaskulatur. Kræft celle målinger, herunder afstand ekstravaseret, procent ekstravaseret af volumen, sfæriskhed, og volumen er kvantifice…
The authors have nothing to disclose.
Vi takker Steeg Lab, på National Cancer Institute for den generøse donation af MDA-MB-231-BR-GFP celler. Konfokal mikroskopi blev udført på University of Michigan Biointerfaces Institute (BI). Flow cytometri blev udført på University of Michigan Flow Cytometri Core. Virale vektorer blev skabt af University of Michigan Vector Core. Vi takker også Kelley Kidwell for vejledning i statistisk analyse af disse data.
Finansiering:
C.R.O. blev delvist støttet af et NIH T-32 Training Fellowship (T32CA009676) og 1R21CA245597-01. T.M.W. blev delvist støttet af 1R21CA245597-01 og National Center for Advancing Translational Sciences fra National Institutes of Health under Award Number UL1TR002240. Finansiering af materialer og karakterisering blev leveret af National Cancer Institutes of National Institutes of Health under tildeling nummer 1R21CA245597-01, P30CA046592, 5T32CA009676-23, CA196018, AI116482, METAvivor Foundation, og Breast Cancer Research Foundation. Indholdet er udelukkende ophavsmændenes ansvar og repræsenterer ikke nødvendigvis de officielle synspunkter fra de nationale sundhedsinstitutter
0.25% Trypsin-EDTA with phenol red | Thermo Fisher Scientific | 25200056 | |
1.5 mm biopsy punch with plunger | Integra LifeSciences Corporation | 33-31A-P/25 | |
10x MEM | Thermo Fisher Scientific | 11430030 | |
150 mm petri dishes | Fisher Scientific | FB0875714 | |
1x DPBS, without Ca and Mg | Thermo Fisher Scientific | 14190144 | |
200uL pipette tip | Fisher Scientific | 02-707-411 | |
4 inch silicon wafer | University Wafer | 452 | |
48 mm wide packing tape | Fisher Scientific | 19-072-097 | |
50 x 75 mm glass slide | Fisher Scientific | 12-550C | |
A1 confocal microscope | Nikon | ||
acetone | Fisher Scientific | A9-20 | |
antibiotic/antimycotic (penicillin/streptomycin/amphotericin) | Gibco | 15240062 | |
box cutter blade | Fisher Scientific | NC1721575 | |
dissection scissors | Fisher Scientific | 08-951-5 | |
DMEM with 4.5 g/L glucose | Thermo Fisher Scientific | 11960-044 | |
double sided tape | Fisher Scientific | NC0879005 | |
EGM-2 | Lonza | CC-3162 | |
Fetal Bovine Serum, Heat inactivated | Corning | MT35011CV | |
Fiji software | ImageJ | ||
glass vial | Fisher Scientific | 03-341-25D | |
glutamax | Thermo Fisher Scientific | 35050061 | |
hCMEC/D3 | EMD Millipore | SCC066 | |
Jupyter notebook | Anaconda | ||
L-glutamine | Thermo Fisher Scientific | 25030081 | |
Matrigel – growth factor reduced with phenol red | Corning | CB-40230A | |
MDA-MB-231 | ATCC | HTB-26 | |
MDA-MB-231-BR-GFP | Dr. Patricia Steeg, NIH | ||
N-2 growth supplement | Thermo Fisher Scientific | 17502048 | |
normal human astrocytes (NHA) | Lonza | CC-2565 | |
Orange software | University of Ljubljana | ||
Pasteur pipette | Fisher Scientific | 13-711-9AM | |
Photolithography masks | Photosciences Incorporated | ||
pLL3.7-dsRed | University of Michigan Vector Core | ||
pLL-EV-GFP | University of Michigan Vector Core | ||
pLOX-TERT-iresTK | Addgene | 12245 | |
pMD2.G | Addgene | 12259 | |
polycarbonate membrane, 5um pore size | Millipore | TMTP04700 | |
psPAX2 | Addgene | 12260 | |
PureCol, 3 mg/mL | Advanced Biomatrix | 5005 | Type I bovine collagen |
sodium bicarbonate | Thermo Fisher Scientific | 25080094 | |
sodium pyruvate | Thermo Fisher Scientific | 11360070 | |
Solo cup | Fisher Scientific | NC1416545 | |
SU-8 2075 | MicroChem Corporation | Y111074 0500L1GL | |
SU8 developer | MicroChem Corporation | Y020100 4000L1PE | |
Sylgard 184 | Ellsworth Adhesive Company | NC0162601 | |
Toluene | Sigma-Aldrich | 179965-1L | |
Tricholoro perfluoro octyl silane | Sigma-Aldrich | 448931-10G |