Her presenterer vi en protokoll for å forberede og kultivere en blod hjernebarriere metastatisk tumor mikro-miljø og deretter kvantifisere sin tilstand ved hjelp av konfokal avbildning og kunstig intelligens (maskinlæring).
Hjernemetastaser er de mest dødelige kreftlesjonene; 10-30% av alle kreftformer metastaserer til hjernen, med en median overlevelse på bare ~ 5-20 måneder, avhengig av krefttypen. For å redusere hjernens metastatiske tumorbyrde må hull i grunnleggende og translasjonell kunnskap tas opp. Store utfordringer inkluderer en mangel på reproduserbare prekliniske modeller og tilhørende verktøy. Tredimensjonale modeller av hjernemetastase kan gi de relevante molekylære og fenotypiske dataene som brukes til å møte disse behovene når de kombineres med dedikerte analyseverktøy. Videre, sammenlignet med murine modeller, organ-on-a-chip modeller av pasient tumorceller traversering blod hjernebarrieren inn i hjernen mikromiljø generere resultater raskt og er mer tolkes med kvantitative metoder, og dermed mottagelig for høy gjennomstrømning testing. Her beskriver og demonstrerer vi bruken av en ny 3D mikrofluidisk blod hjerne nisje (μmBBN) plattform hvor flere elementer av nisje kan dyrkes i en lengre periode (flere dager), fluorescerende avbildet av konfokal mikroskopi, og bildene rekonstruert ved hjelp av en innovativ konfokaltomografi teknikk; alle hadde som mål å forstå utviklingen av mikrometastase og endringer i tumormikromiljøet (TME) på en repeterbar og kvantitativ måte. Vi demonstrerer hvordan vi kan dikte, frø, bilde og analysere kreftcellene og TME cellulære og humorale komponenter, ved hjelp av denne plattformen. Videre viser vi hvordan kunstig intelligens (AI) brukes til å identifisere de iboende fenotypiske forskjellene i kreftceller som er i stand til transitt gjennom en modell μmBBN og for å tildele dem en objektiv indeks av hjernenmetastatisk potensial. Datasettene som genereres av denne metoden, kan brukes til å svare på grunnleggende og translasjonelle spørsmål om metastase, effekten av terapeutiske strategier og TME-ens rolle i begge.
Hjernemetastaser er de mest dødelige kreftlesjonene; 10-30% av alle kreftformer metastaserer til hjernen, med en median overlevelse på bare ~ 5-20 måneder, avhengig av kreft type1,2. Et hovedspørsmål som oppstår når man studerer kreftmetastase er hvordan subkloner migrerer fra blodets humorale miljø til et organ som hjernen3,4. Dette spørsmålet har ført til mange variasjoner av migrasjon, invasjon og ekstravasasjonsanalyser. Alle disse metodene deler det kritiske trinnet for å telle eller måle egenskaper for celler som beveger seg fra ett sted til et annet som svar på en stimulans. De fleste migrasjonsanalyser som er lett tilgjengelige, brukes til å studere todimensjonal (2D) migrering av kreftceller. Disse har belyst et vell av kunnskap; Imidlertid rekafulerer de ikke den tredimensjonale naturen til in vivo-systemet som andre metoder kan gi5. Derfor er det nødvendig å studere tumormikromiljøet (TME) i tredimensjonale (3D) systemer, men analysetilnærmingene som er tilgjengelige for 3D-strukturer er begrensede og ofte inkonsekvente.
Et av de mest populære 3D-verktøyene er et Boyden-kammer som består av en membran suspendert på bunnen av en brønn, som skiller to forskjellige regioner. Boyden introduserte analysen for å studere leukocytt chemotaxis4. De nederste områdene kan varieres av kjemi eller andremidler 6,7 for å indusere celler i det øvre området for å migrere til det nedre området. Den vanligste tilnærmingen til å kvantifisere antall celler som har migrert er å frigjøre cellene fra bunnen av membranen ved hjelp av en bufferløsning, lyse dem, og deretter telle dem basert på mengden DNA-innhold i løsningen7. Denne indirekte tilnærmingen er utsatt for operatørfeil på grunn av teknikkvariabilitet, og prosedyren ødelegger informasjon om kreftfenotypen og mikromiljøet. Variasjoner av Boyden kammeranalyse innebærer fiksering av trekkceller som forblir på membranen, men gir bare et antall celler som ikke lenger er levedyktige for fortsatt studie6,8,9.
På grunn av begrensninger av Boyden kammeret og veksten av innovasjoner i mikrofluidisk samfunnet, migrasjon analyse chips har blitt utviklet som observerer bevegelsen av celler som svar på en stimulans i en retning i stedet fortre 10,11,12. Disse overføringsanalysene legger til rette for kontroll over faktorer som flyt eller enkeltcelleseparasjon13,14 som muliggjør bedre tolkning av resultatene; Imidlertid mister deres 2D-format uunngåelig noe dynamisk informasjon. Nyere studier har fokusert på ekstravasasjon (det vil vil vil at bevegelsen av celler fra sirkulasjon til et vev, for eksempel blodhjernebarrieren) i et 3D-miljø14,15. Den ekstravasasjonsavstanden i vev og sonderingsatferd som oppstår ved cellulær barriere/membran er mer raffinert enn målinger som er hentet ved hjelp av enten Boyden-kammeret eller en 2D mikrofluidisk migrasjonsenhet16. Dermed er enheter som muliggjør passende bildebehandling og analyse av 3D-ekstravasasjon avgjørende for å fange opp disse sofistikerte målingene, men mangler i litteraturen.
Uavhengig av migrasjonsanalyser er robuste bildeteknikker utviklet for magnetisk resonansavbildning (MR) og tomografi som er i stand til å identifisere og nøyaktig rekonstruere vev i 3D-rom17,,18. Disse teknikkene skaffe bilder i z-stabler og segment deler av bildet basert på egenskapene til vevet og deretter konvertere segmenterte bilder til tredimensjonale masker19,,20,,21. Dette gjør det mulig for leger å visualisere i 3D individuelle organer, bein og fartøy for å hjelpe til med kirurgisk planlegging eller hjelp til diagnostisering av kreft eller hjertesykdom22,23. Her vil vi vise at disse tilnærmingene kan tilpasses for bruk på mikroskopiske prøver og 3D-ekstravasasjonsenheter.
For dette formål utviklet vi den innovative confocal tomografiteknikken, presentert her, som gir fleksibilitet til å studere ekstravasasjon av tumorceller over en membran ved å tilpasse eksisterende tomografiverktøy. Denne tilnærmingen gjør det mulig å studere hele spekteret av kreftcelleatferd når de samhandler med en cellulær barriere, for eksempel et endotelcellelag. Kreftceller viser sondering atferd; noen kan invadere, men forbli nær membranen, mens andre krysser barrieren lett. Denne teknikken er i stand til å gi informasjon om fenotypen av cellen i alle dimensjoner24. Ved hjelp av denne tilnærmingen til å studere TME er både relativt billig, lett å tolke og reproduserbar, sammenlignet med mer komplekse in vivo murine modeller. Den presenterte metodikken bør gi et sterkt grunnlag for studiet av mange typer svulster og mikromiljøer ved å tilpasse stromalregionen.
Vi beskriver og demonstrerer bruken av en 3D mikrofluidisk blod hjerne nisje (μmBBN) plattform (Figur 1) hvor kritiske elementer av barrieren og nisje (hjernen mikrovaskulære endotelceller og astrocytter) kan dyrkes i en lengre periode (ca. 9 dager), fluorescerende avbildet av konfokal mikroskopi, og bildene rekonstruert ved hjelp av vår confocal tomografi teknikk (Figur 2); alle hadde som mål å forstå utviklingen av mikrometastase og endringer i tumormikromiljøet på en repeterbar og kvantitativ måte. Blod hjernebarrieren grensesnitt med hjernen nisje består av hjernen mikrovaskulære endotelceller som er styrket av kjellermembran, astrocytt føtter, og pericytes25. Vi fokuserte selektivt på astrocytten og endotelkomponentene gitt deres betydning i dannelsen og reguleringen av blodhjernebarrieren. Vi demonstrerer hvordan vi kan fremstille, frø, bilde og analysere kreftceller og tumor mikro-miljø cellulære og humorale komponenter, ved hjelp av denne plattformen. Til slutt viser vi hvordan maskinlæring kan brukes til å identifisere de iboende fenotypiske forskjellene i kreftceller som er i stand til transitt gjennom en modell μmBBN og å tildele dem en objektiv indeks av hjernens metastatiskepotensial 24. Datasettene som genereres av denne metoden, kan brukes til å svare på grunnleggende og translasjonelle spørsmål om metastase, terapeutiske strategier og TME-rollen i begge.
Vi har utviklet og presentert en ny metode som tilpasser verktøy som ofte benyttes i kliniske bildeanalyser for måling av ekstravasasjon og migrering av kreftceller gjennom en endotelbarriere til hjernevev. Vi utgjør denne tilnærmingen kan være nyttig for både in vivo og in vitro målinger; vi har vist sin bruk på et 3D mikrofluidisk system rekafilaterende hjernevaskulatur. Kreftcellemålinger, inkludert avstandsavsatt, prosent ekstravasert av volum, sfærisitet og volum kvantifiseres ved hjelp av denne teknikken….
The authors have nothing to disclose.
Vi takker Steeg Lab, ved National Cancer Institute for sjenerøs donasjon av MDA-MB-231-BR-GFP celler. Konfokal mikroskopi ble utført ved University of Michigan Biointerfaces Institute (BI). Flow cytometri ble utført ved University of Michigan Flow Cytometry Core. Virale vektorer ble opprettet av University of Michigan Vector Core. Vi takker også Kelley Kidwell for veiledning i statistisk analyse av disse dataene.
Finansiering:
C.R.O. ble delvis støttet av en NIH T-32 Training Fellowship (T32CA009676) og 1R21CA245597-01. T.M.W. ble delvis støttet av 1R21CA245597-01 og National Center for Advancing Translational Sciences of the National Institutes of Health under Award Number UL1TR002240. Støtte til materialer og karakterisering ble gitt av National Cancer Institute of the National Institutes of Health under prisnummer 1R21CA245597-01, P30CA046592, 5T32CA009676-23, CA196018, AI116482, METAvivor Foundation og Breast Cancer Research Foundation. Innholdet er utelukkende forfatternes ansvar og representerer ikke nødvendigvis de offisielle synspunktene til National Institutes of Health
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 |