نماذج الاستزراع المشترك للموائع الدقيقة لتشريح الاستجابة المناعية في البيئات الدقيقة للورم في المختبر
Summary
في عصر العلاج المناعي والتنميط الجينومي أحادي الخلية ، تتطلب بيولوجيا السرطان أدوات جديدة في المختبر وحسابية للتحقيق في واجهة الورم المناعية في سياق زماني مكاني مناسب. نحن نصف بروتوكولات لاستغلال الثقافات المشتركة للسوائع الدقيقة المناعية للورم في إعدادات 2D و 3D ، متوافقة مع المراقبة الديناميكية متعددة المعلمات للوظائف الخلوية.
Abstract
تتطلب نماذج الأمراض المعقدة أدوات متطورة قادرة على تقديم رؤى ذات صلة من الناحية الفسيولوجية والمرضية وقابلة للتنفيذ ، وكشف النقاب عن عمليات غير مرئية. تثبت فحوصات الخلايا المتقدمة التي تحاكي عن كثب مشهد الجسم الحي نفسها كطرق جديدة لتصور وقياس التفاعل ثنائي الاتجاه بين الورم والمضيف الذي يؤثر على تطور السرطان. هنا نصف بروتوكولين متعددي الاستخدامات لإعادة إنشاء ثقافات مشتركة 2D و 3D يمكن التحكم فيها بدرجة عالية في الأجهزة الدقيقة ، مما يحاكي تعقيد البيئة المكروية للورم (TME) ، تحت المراقبة المناعية الطبيعية والناجمة عن العلاج. في القسم 1 ، يتم توفير إعداد تجريبي لمراقبة الحديث المتبادل بين الخلايا السرطانية الملتصقة والمجموعات المناعية العائمة ، عن طريق الفحص المجهري الساطع للفاصل الزمني. كسيناريو تطبيقي ، نقوم بتحليل آثار العلاجات المضادة للسرطان ، مثل ما يسمى بمحفزات موت الخلايا السرطانية المناعية على تجنيد وتنشيط الخلايا المناعية. في القسم 2 ، يتم تجميع البيئات الدقيقة المناعية للورم 3D في تخطيط تنافسي. تتم مراقبة التسلل المناعي التفاضلي من خلال لقطات مضان تصل إلى 72 ساعة ، لتقييم الاستراتيجيات العلاجية المركبة. في كلا الإعدادين ، يتم توضيح خطوات معالجة الصور لاستخراج عدد كبير من معلمات الخلايا المناعية (على سبيل المثال ، هجرة الخلايا المناعية وتفاعلها ، والاستجابة للعوامل العلاجية). يمكن تصميم هذه الطرق البسيطة والقوية بشكل أكبر لمحاكاة تعقيد TME الذي يشمل عدم تجانس ومرونة السرطان والأنواع الفرعية للخلايا اللحمية والمناعية ، بالإضافة إلى تفاعلاتها المتبادلة كمحركات لتطور السرطان. يمكن أن يؤدي امتثال هذه التقنيات سريعة التطور للتصوير عالي المحتوى للخلايا الحية إلى إنشاء مجموعات بيانات إعلامية كبيرة ، مما يؤدي إلى ظهور تحديات جديدة. في الواقع ، فإن مثلث “الثقافات المشتركة / الفحص المجهري / تحليل البيانات المتقدم” يحدد الطريق نحو معلمة مشكلة دقيقة قد تساعد في بروتوكولات علاجية مصممة خصيصا. نتوقع أن يؤدي التكامل المستقبلي للمناعة ضد السرطان على رقاقة مع الذكاء الاصطناعي للمعالجة عالية الإنتاجية إلى تآزر خطوة كبيرة إلى الأمام في الاستفادة من القدرات كأدوات تنبؤية وما قبل السريرية للدقة وعلم الأورام الشخصي.
Introduction
يعتمد تطور فروع الطب المختلفة كتخصصات تجريبية على القدرة على التعامل مع عدد الخلايا ووظائف الأعضاء في ظل ظروف خاضعة للرقابة1. هذه القدرة لها جذورها في توافر نماذج قابلة للقياس قادرة على تلخيص العمليات التي تحدث في أجسامنا.
في عصر العلاج المناعي والتنميط الجيني أحادي الخلية 2 ، تحتاج بيولوجيا السرطان إلى الاستفادة من النماذج الناشئة في المختبر والحسابية للتحقيق في واجهة الورم المناعية في سياق زماني مكاني مناسب 2,3.
البيئة المكروية للورم4 (TME) هي نسيج معقد حيث تتفاعل الخلايا السرطانية باستمرار وتتطور ديناميكيا مع المكونات الخلوية الأخرى (الخلايا المناعية واللحمية والبطانية) وغير الخلوية (المصفوفة خارج الخلية ، ECM). تحدد الطبيعة الديناميكية لهذا المشهد المعقد ما إذا كانت الخلايا المناعية تلعب دور الأصدقاء أو الأعداء للخلايا الخبيثة ، مما يؤثر بشدة على كل من تطور المرض والاستجابة للعلاج. في الوقت الحاضر ، تتقارب الجهود الكبيرة من علماء المناعة السرطانية والمعلوماتية الحيوية وخبراء بيولوجيا الأنظمة لمعالجة الأهمية السريرية لعدم تجانس السرطان 5,6 ، إما في الفضاء (أي في مناطق الورم المتميزة) والوقت (أي في مراحل تطور الورم المتميزة)5,6 ، وتوصيف السرطان والنمط الظاهري للخلايا المناعية ووظيفتها على مستوى خلية واحدة. كمثال على هذا التآزر ، يتم الآن استخدام تقنيات الرؤية الحاسوبية المتقدمة بشكل روتيني لرسم الخرائط المكانية للتسلل المناعي في العينات النسيجية 7,8.
على جبهة النماذج التجريبية ، وسد الدراسات الحيوانية والطرق التقليدية في المختبر ، والتقدم في علم الموائع الدقيقة وتقنيات الزراعة المشتركة تتيح الوصول إلى فئات مختلفة من النماذج الخلوية المهندسة الدقيقة مثل المواد العضوية والأنظمة الفسيولوجية الدقيقة9،10،11 (MPS) والأعضاء على الرقاقة12،13،14 (OOC). يشتركون في السمة المشتركة لتكبير عرض “الصورة الكبيرة” للنظم الإيكولوجية الخلوية وتوسيع الإمكانات في المختبر للتحكم في العوامل البيئية الدقيقة مع استغلال الفحص المجهريعالي المحتوى 15 ونهج معالجة الصور.
في الوقت الحاضر ، بدأت أحدث أنظمة MPS و OOC في تضمين الجوانب المناعية ، ودمج أنواع فرعية مختلفة من الخلايا المناعية في الأنسجة الموجودة والثقافات المشتركة ، وذلك لاستكشاف وقياس مجموعة متنوعة من العمليات مثل الأمراض الالتهابية ، والتئام الجروح ، والمناعة المخاطية ، والاستجابة للسموم أو المنتجات الغذائية اليومية16. تم تطوير نماذج TME-on-a-chip 10،11،12،13،14،15،16،17 ، المدمجة أيضا مع الأوعية الدقيقة القابلة للكسر18،19،20،21 ، للتحقيق في التفاعلات المعتمدة على نوع الخلية ، والاضطرابات الفيزيائية والكيميائية ، والنشاط السام للخلايا تسلل الخلايا الليمفاوية22 ، وكذلك العوامل المناعية ذات الصلةسريريا 23.
هنا ، نقدم بروتوكولات متعددة الاستخدامات ، تمتد من تحميل الخلايا في الرقائق إلى أدوات معالجة الصور ، لاستغلال الثقافات المشتركة المتقدمة للسوائع الدقيقة المناعية للورم في إعدادات 2D (القسم 1) و 3D (القسم 2)16 ، متوافقة مع المراقبة الديناميكية متعددة المعلمات24 وتصور الوظائف الخلوية. يتم تحقيق ذلك مع الحفاظ على سهولة الاستخدام والمرونة في كل من إدارة العينات وتحليل البيانات ، والاستفادة من برامج فيجي المجانية وصناديق أدواتها25,26.
تم تصميم جهاز الموائع الدقيقة ، الموصوف في القسم 1 ، لأداء الثقافات المشتركة ثنائية الأبعاد للسرطان الملتصق والخلايا المناعية العائمة. تم التحقق من صحة هذه المنصة للقياس في المختبر لسلوك الخلايا المناعية في وجود طفرات جينية27 و / أو نقص المناعة28. هنا ، نوضح خطوات تتبع الخلايا المناعية في صور المجال الساطع ذات الفاصل الزمني ، من خلال استغلال طريقة شبه تلقائية تعتمد على Trackmate (مكون إضافي تم تنفيذه في برنامج فيجي). يتيح هذا الإجراء استخراج الواصفات الحركية للهجرة المناعية 29 والاستجابة (أي أوقات التفاعل) لاستهداف الخلايا السرطانية ، المعالجة أم لا بمحفزات موت الخلايا المناعية27.
الأهم من ذلك أن هذه المعلمات ، المستخرجة من صور السلاسل الزمنية ، يمكن معالجتها باستخدام آلات رياضية متقدمة. كمثال على إمكانات هذا النهج ، نشرت مجموعاتنا مؤخرا تحليلا يعتمد على الأساليب الرياضية من العمليات العشوائية والميكانيكا الإحصائية لنمذجة خصائص الشبكة الخلوية وتقديم وصف معلمات لسلوك الخلايا المناعية (أي المشي العشوائي المتحيز أو غير المرتبط ، الحركة المنسقةللغاية أو غير المنسقة 30,31).
يعتمد إعداد 3D ، المقدم في القسم الثاني ، على بروتوكول الثقافة المشتركة لإعادة إنشاء TMEs أكثر تعقيدا من المناعة المضمنة في منطقتين هلاميتين مع مجموعات مختلفة من أنواع الخلايا والأدوية بطريقة تنافسية. هنا ، يتم وصف خطوات معالجة الصور لقياس ، في نقاط زمنية مختلفة ، تسلل الخلايا المناعية الملطخة في خلايا سرطان الجلد البشرية A375M المزروعة داخل Matrigel ، لتقييم مجموعات العوامل المضادة للأورام32. تم اختيار خط A375M ، وهو خط خلية مشتق من A375P يتميز بنمط ظاهري نقيلي للغاية لتقييم قدرتها النقيلية في وجود الخلايا المناعية32.
يمكن أن تكون النماذج الموصوفة متوافقة تماما مع مصادر الخلايا المختلفة (الفئران وخطوط الخلايا البشرية الخالدة أو الأولية ، والمواد العضوية ، والطعوم الخارجية ، وغيرها). في الدراسات الحديثة لمختبرنا ، من خلال الجمع بين الفحص المجهري للفيديو عالي المحتوى وتحليل الصور ، تم تطبيق تخطيط 3D التنافسي للتحقيق: i) استجابة مناعية مضادة للورم (السمية الخلوية بوساطة الأجسام المضادة ، ADCC) وتشريح دور الخلايا الليفية في مقاومة علاج تراستوزوماب في نماذج سرطان الثدي HER2 + على الرقاقة33 ؛ عمل الخلايا النخاعية (أي الضامة المرتبطة بالسرطان) في آليات التهرب من الورم وتجنيد الخلايا التائية34 ؛ فعالية أنظمة العلاج المناعي ، وتحديدا على أساس الخلايا المتغصنة المكيفة بالإنترفير α ون (IFN-DCs) ، المزروعة بخلايا سرطان القولون المعالجة بالعقاقير في مصفوفات الكولاجين ، وتقييم الحركة الفعالة وأحداث البلعمة اللاحقة35 ؛ iv) الهجرة الكيميائية للحمضات المشتقة من نخاع العظم نحو خلايا سرطان الجلد المعالجة أو غير المعالجةIL-33 36.
يمكن أن تكون هذه النماذج المتقدمة بمثابة نوافذ مراقبة لفهم دور النسيج المناعي في ورم خبيث للسرطان وآليات المقاومة ، ولكن هناك حاجة إلى بذل جهود لترجمة النتائج إلى العيادات ، وسد الفجوة مع البحث الأساسي37.
كسيناريو ناشئ ، فإن تسخير قوة الفحص المجهري الآلي عالي المحتوى إلى جانب استخدام أنظمة دقيقة أكثر صلة من الناحية الفسيولوجية يفتح تحديات محتملة جديدة للتعامل مع ومعالجة وتفسير مئات ، بل آلاف ، غيغابايت من البيانات متعددة المعلمات ، والتي يمكن إنشاؤها من حملة تجريبية واحدة. وهذا يعني وجود صلة مباشرة لتجارب OOC مع الذكاء الاصطناعي38،39،40،41،42 (الذكاء الاصطناعي) () – الخوارزميات القائمة على كل من التحليل الآلي المتقدم ، وتوليد الميزات التي يمكن أن تغذي بدورها في نماذج السيليكو للتفاعل المناعي للسرطان 43 ، مع تطبيقات جديدة مثيرة في الأفق ، مثل تطوير فحوصات فحص الأدوية التنبؤية 44.
يركز تدفق الجهود المتزايد باستمرار على تصميم نماذج الأمراض جنبا إلى جنب مع تحسين الاستراتيجيات لتنفيذ شاشات الاضطراب واسعة النطاق مع قراءات متعددة الخلايا أحادية الخلية. سيساعد هذا بلا شك في تطوير ، ونأمل ، التنفيذ السريري ، مصحوبا بدرجة مناسبة من توحيد الطريقة ، لنهج منهجي لعلم المناعة على رقاقة لاكتساب رؤى جديدة حول الاضطرابات المناعية وآليات نشر السرطان.
Protocol
Representative Results
Discussion
تحاول الطرق الموصوفة تصميم نهج عام لتلخيص ، بدرجة تعقيد قابلة للتعديل ، جانبين مهمين في مجال علم المناعة السرطاني ، والذي يمكن أن يستفيد من اعتماد نماذج أكثر صلة في المختبر. الأول ينطوي على جانب عدد الخلايا السرطانية ، حيث قد تؤدي معالجة خصائص الخلية المفردة إلى وصف أفضل لعدم التجانس والأ?…
Disclosures
The authors have nothing to disclose.
Materials
| Cell culture materials | |||
| 50 mL tubes | Corning-Sigma Aldrich, St. Louis, MO | CLS430828 | centrifuge tubes |
| 5-aza-2'-deoxycytidine DAC | Millipore-Sigma; St. Louis, MO | A3656 | DNA-hypomethylating agent |
| 6-well plates | Corning-Sigma Aldrich, St. Louis, MO | CLS3506 | culture dishes |
| 75 cm2 cell culture treated flask | Corning, New York, NY | 430641U | culture flasks |
| A365M | American Type Culture Collection (ATCC), Manassas, VA | CVCL_B222 |
human melanoma cell line |
| Doxorubicin hydrochloride | Millipore-Sigma; St. Louis, MO | D1515 | anthracycline antibiotic |
| Dulbecco's Modified Eagle Medium DMEM | EuroClone Spa, Milan, Italy | ECM0728L | Culture medium for SK-MEL-28 cells |
| Dulbecco's Phosphate Buffer Saline w/o Calcium w/o Magnesium | EuroClone Spa, Milan, Italy | ECB4004L | saline buffer solution |
| Fetal Bovine Serum | EuroClone Spa, Milan, Italy | ECS0180L | ancillary for cell culture |
| Ficoll | GE-Heathcare | 17-1440-02 | separation of mononuclear cells from human blood. |
| hemocytometer | Neubauer | Cell counter | |
| Heparinized vials | Thermo Fisher Scientific Inc., Waltham, MA | Vials for venous blood collection | |
| interferon alpha-2b | Millipore-Sigma; St. Louis, MO | SRP4595 | recombinant human cytokine |
| L-Glutamine 100X | EuroClone Spa, Milan, Italy | ECB3000D | ancillary for cell culture |
| Liquid nitrogen | |||
| Lympholyte cell separation media | Cedarlane Labs, Burlington, Canada | Separation of lymphocytes by density gradient centrifugation | |
| Lymphoprep | Axis-Shield PoC AS, Oslo, Norway | ||
| Matrigel | Corning, New York, NY | 354230 | growth factor reduced basement membrane matrix |
| MDA-MB-231 | American Type Culture Collection (ATCC), Manassas, VA | HTB-26 | human breast cancer cell line |
| Penicillin/ Streptomycin 100X | EuroClone Spa, Milan, Italy | ECB3001D | ancillary for cell culture |
| Pipet aid | Drummond Scientific Co., Broomall, PA | 4-000-201 | Liquid handling |
| PKH26 Red Fluorescent cell linker | Millipore-Sigma; St. Louis, MO | PKH26GL | red fluorescent cell dye |
| PKH67 Green fluorescent cell linker | Millipore-Sigma; St. Louis, MO | PKH67GL | green fluorescent cell dye |
| RPMI-1640 | EuroClone Spa, Milan, Italy | ECM2001L | Culture medium for MDA-MB-231 cells |
| serological pipettes (2 mL, 5 mL, 10 mL, 25 mL, 50 mL) | Corning- Millipore-Sigma; St. Louis, MO | CLS4486; CLS4487; CLS4488; CLS4489; CLS4490 | Liquid handling |
| sterile tips (1-10 μL, 10-20 μL, 20-200 μL, 1000 μL) | EuroClone Spa, Milan, Italy | ECTD00010; ECTD00020; ECTD00200; ECTD01005 | tips for micropipette |
| Timer | |||
| Trypan Blue solution | Thermo Fisher Scientific Inc., Waltham, MA | 15250061 | cell stain to assess cell viability |
| Trypsin | EuroClone Spa, Milan, Italy | ECM0920D | dissociation reagent for adherent cells |
| Cell culture equipment | |||
| EVOS-FL fluorescence microscope | Thermo Fisher Scientific Inc., Waltham, MA | Fluorescent microscope for living cells | |
| Humified cell culture incubator | Thermo Fisher Scientific Inc., Waltham, MA | 311 Forma Direct Heat COIncubator; TC 230 | Incubation of cell cultures at 37 °C, 5% CO2 |
| Juli Microscope | Nanoentek | ||
| Laboratory refrigerator (4 °C) | FDM | ||
| Laboratory Safety Cabinet (Class II) | Steril VBH 72 MP | Laminar flow hood | |
| Optical microscope | Zeiss | ||
| Refrigerable centrifuge | Beckman Coulter | ||
| Thermostatic bath | |||
| Microfabrication materials | |||
| 3-Aminopropyl)triethoxysilane (Aptes) | Sigma Aldrich | A3648 | silanizing agent for bonding PDMS to plastic coverslip |
| Chromium quartz masks / 4"x4", HRC / No AZ | MB W&A, Germany | optical masks for photolithography | |
| Glass coverslip, D 263 M Schott glass, (170 ± 5 µm) | Ibidi, Germany | 10812 | |
| Hydrogen Peroxide solution 30% | Carlo Erba Reagents | 412081 | reagents for piranha solution |
| Methyl isobutyl ketone | Carlo Erba Reagents | 461945 | PMMA e-beam resist developer |
| Microscope Glass Slides (Pack of 50 slides) 76.2 mm x 25.4 mm | Sail Brand | 7101 | substrates for bonding chips |
| Miltex Biopsy Punch with Plunger, ID 1.0mm | Tedpella | dermal biopsy punches for chip reservoirs | |
| PMMA 950 kDa | Allresist,Germany | AR-P. 679.04 | Positive electronic resists for patterning optical masks |
| Polymer untreated coverslips | Ibidi, Germany | 10813 | substrates for bonding chips |
| Prime CZ-Si Wafer, 4”, (100), Boron Doped | Gambetti Xenologia Srl, Italy | 30255 | |
| Propan-2-ol | Carlo Erba Reagents | 415238 | |
| Propylene glycol monomethyl ether acetate (PGMEA) | Sigma Aldrich | 484431-4L | SU-8 resists developer |
| SU-8 3005 | Micro resist technology,Germany | C1.02.003-0001 | Negative Photoresists |
| SU-8 3050 | Micro resist technology,Germany | C1.02.003-0005 | Negative Photoresists |
| Suite of Biopunch, ID 4.0 mm, 6.0 mm, 8.0 mm | Tedpella | 15111-40, 15111-60, 15111-80 | dermal biopsy punches for chip reservoirs |
| Sulfuric acid 96% | Carlo Erba Reagents | 410381 | reagents for piranha solution |
| SYLGARD 184 Silicone Elastomer Kit | Dowsil, Dow Corning | 11-3184-01 | Silicone Elastomer (PDMS) |
| Trimethylchlorosilane (TMCS) | Sigma Aldrich | 92360-100ML | silanizing agent for SU-8 patterned masters |
| Microfabrication equipment | |||
| 100 kV e-beam litography | Raith-Vistec EBPG 5HR | ||
| hotplate | |||
| Optical litography system | EV-420 double-face contact mask-aligner | ||
| Reactive Ion Etching system | Oxford plasmalab 80 plus system | ||
| Vacuum dessicator |
References
- Abbas, A. K., L, A. H., P, S. . Cellular and Molecular Immunology, Ninth Edition. , (2018).
- Eisenstein, M. Cellular censuses to guide cancer care. Nature. , (2019).
- Cancer Cell. Models for Immuno-oncology Research. Cancer Cell. , (2020).
- Zhang, Z., et al. Morphology-based prediction of cancer cell migration using an artificial neural network and a random decision forest. Integrative biology quantitative biosciences from nano to macro. 10 (12), 758-767 (2018).
- Dagogo-Jack, I., Shaw, A. T. Tumour heterogeneity and resistance to cancer therapies. Nature Reviews Clinical Oncology. 15 (2), 81-94 (2018).
- Milo, I., et al. The immune system profoundly restricts intratumor genetic heterogeneity. Science Immunology. 3 (29), (2018).
- Mlecnik, B., et al. The tumor microenvironment and Immunoscore are critical determinants of dissemination to distant metastasis. Science Translational Medicine. , (2016).
- Sbarrato, T., et al. 34th Annual Meeting & Pre-Conference Programs of the Society for Immunotherapy of Cancer (SITC 2019): part 1. Journal for ImmunoTherapy of Cancer. 7, 282 (2019).
- Miller, C. P., Shin, W., Ahn, E. H., Kim, H. J., Kim, D. -. H. Engineering Microphysiological Immune System Responses on Chips. Trends in Biotechnology. 38 (8), 857-872 (2020).
- Ma, C., Harris, J., Morales, R. -. T. T., Chen, W. Microfluidics for Immuno-oncology. Nanotechnology and Microfluidics. , 149-176 (2020).
- Mengus, C., et al. In vitro Modeling of Tumor-Immune System Interaction. ACS Biomaterials Science & Engineering. 4 (2), 314-323 (2018).
- Van Den Berg, A., Mummery, C. L., Passier, R., Van der Meer, A. D. Personalised organs-on-chips: functional testing for precision medicine. Lab on a Chip. , (2019).
- Ingber, D. E. Reverse Engineering Human Pathophysiology with Organs-on-Chips. Cell. , (2016).
- Huh, D., et al. Microfabrication of human organs-on-chips. Nature Protocols. , (2013).
- Mazzarda, F., et al. Organ-on-chip model shows that ATP release through connexin hemichannels drives spontaneous Ca2+ signaling in non-sensory cells of the greater epithelial ridge in the developing cochlea. Lab Chip. , (2020).
- Mencattini, A., et al. High-throughput analysis of cell-cell crosstalk in ad hoc designed microfluidic chips for oncoimmunology applications. Methods in Enzymology. 632, 479-502 (2020).
- Maharjan, S., Cecen, B., Zhang, Y. S. 3D Immunocompetent Organ-on-a-Chip Models. Small Methods. , 2000235 (2020).
- Phan, D. T. T., et al. A vascularized and perfused organ-on-a-chip platform for large-scale drug screening applications. Lab on a Chip. , (2017).
- Jeon, J. S., Zervantonakis, I. K., Chung, S., Kamm, R. D., Charest, J. L. In vitro Model of Tumor Cell Extravasation. PLoS ONE. , (2013).
- Jeon, J. S., et al. Human 3D vascularized organotypic microfluidic assays to study breast cancer cell extravasation. Proceedings of the National Academy of Sciences of the United States of America. , (2015).
- Chen, M. B., Whisler, J. A., Fröse, J., Yu, C., Shin, Y., Kamm, R. D. On-chip human microvasculature assay for visualization and quantification of tumor cell extravasation dynamics. Nature Protocols. , (2017).
- Sade-Feldman, M., et al. Defining T Cell States Associated with Response to Checkpoint Immunotherapy in Melanoma. Cell. , (2018).
- Di Modugno, F., Colosi, C., Trono, P., Antonacci, G., Ruocco, G., Nisticò, P. 3D models in the new era of immune oncology: Focus on T cells, CAF and ECM. Journal of Experimental and Clinical Cancer Research. , (2019).
- Svensson, C. -. M., Medyukhina, A., Belyaev, I., Al-Zaben, N., Figge, M. T. Untangling cell tracks: Quantifying cell migration by time lapse image data analysis. Cytometry. Part A : the journal of the International Society for Analytical Cytology. 93 (3), 357-370 (2018).
- Arena, E. T., Rueden, C. T., Hiner, M. C., Wang, S., Yuan, M., Eliceiri, K. W. Quantitating the cell: turning images into numbers with ImageJ. Wiley interdisciplinary reviews. Developmental biology. 6 (2), (2017).
- Schindelin, J., et al. Fiji: An open-source platform for biological-image analysis. Nature Methods. , (2012).
- Vacchelli, E., et al. Chemotherapy-induced antitumor immunity requires formyl peptide receptor 1. Science. 350 (6263), 972-978 (2015).
- Businaro, L., et al. Cross talk between cancer and immune cells: exploring complex dynamics in a microfluidic environment. Lab on a Chip. 13 (2), 229-239 (2013).
- Beltman, J. B., Marée, A. F. M., de Boer, R. J. Analysing immune cell migration. Nature Reviews Immunology. 9 (11), 789-798 (2009).
- Agliari, E., et al. Cancer-driven dynamics of immune cells in a microfluidic environment. Scientific Reports. 4 (1), 6639 (2014).
- Biselli, E., et al. Organs on chip approach: a tool to evaluate cancer -immune cells interactions. Scientific Reports. 7 (1), 12737 (2017).
- Lucarini, V., et al. Combining Type I Interferons and 5-Aza-2′-Deoxycitidine to Improve Anti-Tumor Response against Melanoma. Journal of Investigative Dermatology. 137 (1), 159-169 (2017).
- Nguyen, M., et al. Dissecting Effects of Anti-cancer Drugs and Cancer-Associated Fibroblasts by On-Chip Reconstitution of Immunocompetent Tumor Microenvironments. Cell Reports. 25 (13), 3884-3893 (2018).
- Racioppi, L., et al. CaMKK2 in myeloid cells is a key regulator of the immune-suppressive microenvironment in breast cancer. Nature Communications. 10 (1), 2450 (2019).
- Parlato, S., et al. 3D Microfluidic model for evaluating immunotherapy efficacy by tracking dendritic cell behaviour toward tumor cells. Scientific Reports. 7 (1), 1093 (2017).
- Andreone, S., et al. IL-33 Promotes CD11b/CD18-Mediated Adhesion of Eosinophils to Cancer Cells and Synapse-Polarized Degranulation Leading to Tumor Cell Killing. Cancers. 11 (11), 1664 (2019).
- Bray, L. J., Hutmacher, D. W., Bock, N. Addressing Patient Specificity in the Engineering of Tumor Models. Frontiers in Bioengineering and Biotechnology. 7, 217 (2019).
- Fetah, K. L., et al. Cancer Modeling-on-a-Chip with Future Artificial Intelligence Integration. Small. 15 (50), 1901985 (2019).
- Jabbari, P., Rezaei, N. Artificial intelligence and immunotherapy. Expert Review of Clinical Immunology. 15 (7), 689-691 (2019).
- Mak, K. -. K., Pichika, M. R. Artificial intelligence in drug development: present status and future prospects. Drug Discovery Today. 24 (3), 773-780 (2019).
- Mencattini, A., et al. Discovering the hidden messages within cell trajectories using a deep learning approach for in vitro evaluation of cancer drug treatments. Scientific Reports. , (2020).
- Isozaki, A., et al. AI on a chip. Lab Chip. , (2020).
- Makaryan, S. Z., Cess, C. G., Finley, S. D. Modeling immune cell behavior across scales in cancer. Wiley Interdisciplinary Reviews: Systems Biology and Medicine. , (2020).
- Mak, K. K., Pichika, M. R. Artificial intelligence in drug development: present status and future prospects. Drug Discovery Today. , (2019).
- Masuzzo, P., Van Troys, M., Ampe, C., Martens, L. Taking Aim at Moving Targets in Computational Cell Migration. Trends in Cell Biology. 26 (2), 88-110 (2016).
- Meijering, E., Dzyubachyk, O., Smal, I. Chapter nine – Methods for Cell and Particle Tracking. Imaging and Spectroscopic Analysis of Living Cells. 504, 183-200 (2012).
- Riedhammer, C., Halbritter, D., Weissert, R. Peripheral blood mononuclear cells: Isolation, freezing, thawing, and culture. Methods in Molecular Biology. , (2015).
- Harris, J., et al. Fabrication of a microfluidic device for the compartmentalization of neuron soma and axons. Journal of Visualized Experiments. , (2007).
- Shin, Y., et al. Microfluidic assay for simultaneous culture of multiple cell types on surfaces or within hydrogels. Nature Protocols. , (2012).
- Park, J. W., Vahidi, B., Taylor, A. M., Rhee, S. W., Jeon, N. L. Microfluidic culture platform for neuroscience research. Nature Protocols. , (2006).
- Gjorevski, N., et al. Neutrophilic infiltration in organ-on-a-chip model of tissue inflammation. Lab on a Chip. , (2020).
- Jenkins, R. W., et al. Ex vivo profiling of PD-1 blockade using organotypic tumor spheroids. Cancer Discovery. , (2018).
- Comes, M. C., et al. The influence of spatial and temporal resolutions on the analysis of cell-cell interaction: a systematic study for time-lapse microscopy applications. Scientific Reports. 9 (1), 6789 (2019).
- Tinevez, J. -. Y., et al. TrackMate: An open and extensible platform for single-particle tracking. Methods. 115, 80-90 (2017).
- Ulman, V., et al. An objective comparison of cell-tracking algorithms. Nature Methods. , (2017).
- Tinevez, J. -. Y., Herbert, S. . The NEMO Dots Assembly: Single-Particle Tracking and Analysis BT – Bioimage Data Analysis Workflows. , 67-96 (2020).
- Jacquemet, G., Hamidi, H., Ivaska, J. Filopodia quantification using filoquant. Methods in Molecular Biology. , (2019).
- Caldas, P., Radler, P., Sommer, C., Loose, M. Computational analysis of filament polymerization dynamics in cytoskeletal networks. Methods in Cell Biology. , (2020).
- Chalfoun, J., Majurski, M., Peskin, A., Breen, C., Bajcsy, P., Brady, M. Empirical gradient threshold technique for automated segmentation across image modalities and cell lines. Journal of Microscopy. 260 (1), 86-99 (2015).
- Huang, C. P., et al. Engineering microscale cellular niches for three-dimensional multicellular co-cultures. Lab on a Chip. , (2009).
- Farahat, W. A., et al. Ensemble analysis of angiogenic growth in three-dimensional microfluidic cell cultures. PLoS ONE. , (2012).
- Zengel, P., Nguyen-Hoang, A., Schildhammer, C., Zantl, R., Kahl, V., Horn, E. μ-Slide Chemotaxis: A new chamber for long-term chemotaxis studies. BMC Cell Biology. , (2011).
- Henke, E., Nandigama, R., Ergün, S. Extracellular Matrix in the Tumor Microenvironment and Its Impact on Cancer Therapy. Frontiers in Molecular Biosciences. , (2020).
- Wirtz, D., Konstantopoulos, K., Searson, P. C. The physics of cancer: The role of physical interactions and mechanical forces in metastasis. Nature Reviews. , (2011).
- Northcott, J. M., Dean, I. S., Mouw, J. K., Weaver, V. M. Feeling stress: The mechanics of cancer progression and aggression. Frontiers in Cell and Developmental Biology. , (2018).
- Wan, L., Neumann, C. A., LeDuc, P. R. Tumor-on-a-chip for integrating a 3D tumor microenvironment: chemical and mechanical factors. Lab Chip. 20 (5), 873-888 (2020).
- Braun, E., Bretti, G., Natalini, R. Mass-preserving approximation of a chemotaxis multi-domain transmission model for microfluidic chips. ArXiv. , (2020).
- Mahlbacher, G. E., Reihmer, K. C., Frieboes, H. B. Mathematical modeling of tumor-immune cell interactions. Journal of Theoretical Biology. , (2019).
- Magidson, V., Khodjakov, A. Circumventing photodamage in live-cell microscopy. Methods in Cell Biology. , (2013).
- Jensen, E. C. Use of Fluorescent Probes: Their Effect on Cell Biology and Limitations. Anatomical Record. , (2012).
- Skylaki, S., Hilsenbeck, O., Schroeder, T. Challenges in long-term imaging and quantification of single-cell dynamics. Nature Biotechnology. , (2016).
- Abbitt, K. B., Rainger, G. E., Nash, G. B. Effects of fluorescent dyes on selectin and integrin-mediated stages of adhesion and migration of flowing leukocytes. Journal of Immunological Methods. , (2000).
- Smith, E., et al. Phototoxicity and fluorotoxicity combine to alter the behavior of neutrophils in fluorescence microscopy based flow adhesion assays. Microscopy Research and Technique. , (2006).
- Suman, R., et al. Label-free imaging to study phenotypic behavioural traits of cells in complex co-cultures. Scientific Reports. , (2016).
- Brent, R., Boucheron, L. Deep learning to predict microscope images. Nature Methods. , (2018).
- Christiansen, E. M., et al. In Silico Labeling: Predicting Fluorescent Labels in Unlabeled Images. Cell. , (2018).
- Waibel, D. J. E., Tiemann, U., Lupperger, V., Semb, H., Marr, C. In-silico staining from bright-field and fluorescent images using deep learning. Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics). , (2019).
- Ounkomol, C., Seshamani, S., Maleckar, M. M., Collman, F., Johnson, G. R. Label-free prediction of three-dimensional fluorescence images from transmitted-light microscopy. Nature Methods. , (2018).
- Diehl, M. I., Wolf, S. P., Bindokas, V. P., Schreiber, H. Automated cell cluster analysis provides insight into multi-cell-type interactions between immune cells and their targets. Experimental Cell Research. 393 (2), 112014 (2020).
- Chen, H., Engkvist, O., Wang, Y., Olivecrona, M., Blaschke, T. The rise of deep learning in drug discovery. Drug Discovery Today. , (2018).
- Angermueller, C., Pärnamaa, T., Parts, L., Stegle, O. Deep learning for computational biology. Molecular Systems Biology. , (2016).
- Moen, E., Bannon, D., Kudo, T., Graf, W., Covert, M., Van Valen, D. Deep learning for cellular image analysis. Nature Methods. , (2019).
- Bock, C., Farlik, M., Sheffield, N. C. Multi-Omics of Single Cells: Strategies and Applications. Trends in Biotechnology. , (2016).
- Lin, A., et al. 3D cell culture models and organ-on-a-chip: Meet separation science and mass spectrometry. Electrophoresis. , (2020).
- Ingber, D. E. Developmentally inspired human ‘organs on chips.’. Development. , (2018).
- Low, L. A., Mummery, C., Berridge, B. R., Austin, C. P., Tagle, D. A. Organs-on-chips: into the next decade. Nature Reviews Drug Discovery. , (2020).
- Mangul, S., et al. Systematic benchmarking of omics computational tools. Nature Communications. , (2019).
- Burek, P., Scherf, N., Herre, H. Ontology patterns for the representation of quality changes of cells in time. Journal of Biomedical Semantics. 10 (1), 16 (2019).
- Benam, K. H., et al. Small airway-on-a-chip enables analysis of human lung inflammation and drug responses in vitro. Nature Methods. , (2016).
- Horning, S. J. A new cancer ecosystem. Science. , (2017).
