Summary

Un Tessuto 3D combinata Engineered<em> In Vitro</em> /<em> In Silico</em> Polmone tumore per predire l'efficacia della droga in specifici Sfondi mutazionali

Published: April 06, 2016
doi:

Summary

We present a three-dimensional (3D) lung cancer model based on a biological collagen scaffold to study sensitivity towards non-small-cell-lung-cancer-(NSCLC)-targeted therapies. We demonstrate different read-out techniques to determine the proliferation index, apoptosis and epithelial-mesenchymal transition (EMT) status. Collected data are integrated into an in silico model for prediction of drug sensitivity.

Abstract

Nel presente studio, abbiamo combinato un 3D polmone modello in vitro tumore con un modello in silico per ottimizzare le previsioni di risposta ai farmaci sulla base di uno specifico background mutazionale. Il modello è generato su un ponteggio suina decellularized che riproduce le caratteristiche tessuto-specifici per quanto riguarda la composizione della matrice extracellulare e l'architettura tra cui la membrana basale. Abbiamo standardizzato un protocollo che permette la generazione di tessuto tumorale artificiale entro 14 giorni di cui tre giorni di trattamento farmacologico. Il nostro articolo fornisce diversi descrizioni dettagliate di 3D lettura le tecniche di screening, come la determinazione del indice di proliferazione Ki67 colorazione, l'apoptosi da surnatanti da M30-ELISA e la valutazione dei epiteliale di transizione mesenchimale (EMT), che sono strumenti utili per valutare l'efficacia delle composti terapeutici. Abbiamo potuto dimostrare rispetto alla cultura 2D una riduzione della proliferazione nel nostro modello di tumore in 3D che è relatcato alla situazione clinica. Nonostante questa proliferazione più bassa, il modello previsto EGFR risposte farmacologiche -targeted correttamente in base allo stato biomarker come dimostra il confronto delle linee cellulari di carcinoma del polmone HCC827 (EGFR -mutated, KRAS wild-type) e A549 (EGFR wild-type, KRAS – mutato) trattati con il gefitinib inibitore della tirosin-chinasi (TKI). Per studiare le risposte farmacologiche di cellule tumorali più avanzate, abbiamo indotto EMT da un trattamento a lungo termine con TGF-beta-1 come valutato dal vimentina / immunofluorescenza pan-citocheratina. Un flusso-bioreattore è stato impiegato per regolare la cultura a condizioni fisiologiche, che ha migliorato la generazione dei tessuti. Inoltre, mostriamo l'integrazione di risposta ai farmaci in seguito al trattamento con Gefitinib o TGF-beta-1 stimolazione – apoptosi, indice di proliferazione e EMT – in un valore booleano nel modello di silico. Inoltre, spieghiamo le risposte come farmaco di cellule tumorali con uno specifico background mutazionale e conteggioerstrategies contro la resistenza possono essere previsti. Siamo sicuri che il nostro 3D nell'approccio vitro in particolare con la sua espansione in silico fornisce un valore aggiunto per il test anti-droga preclinica in condizioni più realistiche che in coltura cellulare 2D.

Introduction

L'industria farmaceutica sta affrontando alti tassi di attrito fino al 95% nel campo del trattamento del cancro in fase clinica causando costi enormi 1-5. Una ragione di questo deficit è il fatto che attualmente efficacia di potenziali nuovi composti è valutata in screening su larga scala su colture cellulari 2D su linee cellulari di cancro o in modelli animali. I modelli animali hanno una maggiore complessità, ma ci sono differenze cruciali tra i topi e gli uomini 6,7. Negli ultimi dieci anni, modelli di cancro 3D utilizzando diversi approcci sono stati generati per colmare il divario tra la cultura 2D delle linee di cellule di cancro e di un complesso 6,8,9 vivo del tumore. L'impatto ambientale 3D sulla differenziazione cellulare e anche sul segnale è stato dimostrato in diversi studi anni fa (ad es., Da Mina Bissell) 10,11. Oggi, molti modelli di coltura cellulare 3D sono disponibili, come le culture sferoide, idrogeli o chip microfluidica 12-16. Anche se These modelli migliorano la complessità rispetto ai sistemi di coltura convenzionale 2D, la maggior parte essi mancano di un microambiente tessuto che è noto per avere effetti tumorali di supporto e anche gli impatti efficacia del farmaco.

Per risolvere questo problema, abbiamo generato un modello di tumore 3D basata su una impalcatura biologica chiamato SISmuc (piccolo intestino-sottomucosa + mucosa) che è derivato da un digiuno suina decellularized. In tal modo, l'architettura dei tessuti e importanti componenti della ECM come diversi collageni nonché la struttura membrana basale sono conservati 17. Questa caratteristica unica è fondamentale per la generazione modello di tumore di carcinomi che derivano da epiteli e costituiscono circa l'80% dei tumori solidi. Inoltre, il tasso di proliferazione nel nostro modello di tumore tissutale è ridotta rispetto ai tassi artificialmente elevati raggiunti nella cultura 2D. Come proliferazione è un parametro importante per valutare l'efficacia dei farmaci, droga test è abilitato nel nostro modello più similecondizioni per in vivo Tumori 17.

Al fine di valutare il potenziale del nostro modello per prevedere biomarcatore-dipendente efficacia dei farmaci correttamente, i dati qui presenti per due diverse linee di cellule di cancro al polmone che si differenziano per il loro stato di EGFR -biomarker. Questo stato mutazionale ha iniziato ad essere determinato di routine in pazienti con NSCLC. Trattamenti mirati con TKIs come l'EGFR, inibitore della gefitinib contro i tumori recanti un attivando mutazione dell'EGFR mostrano risultati superiori rispetto a quelli con la chemioterapia a base di platino 18-21.

Abbiamo stabilito diverse tecniche di read-out che sono rilevanti per la valutazione dell'efficacia composto. Inoltre, dopo il TGF-beta-1 stimolazione siamo in grado di indagare le azioni composti nelle cellule tumorali che hanno iniziato il processo di EMT, che è pensato per essere un passo importante nella trasformazione maligna 22,23 e che è collegato a resistan di drogace 24.

Il modello di tumore 3D consentire il monitoraggio delle risposte specifiche delle celle a trattamenti mirati, la chemioterapia, o combinazioni di farmaci con buoni contrasti. Per migliorare ulteriormente e velocizzare droga screening e ad incontrare resistenza, è completato da una simulazione in silico. Sulla base di alcuni esperimenti, la risposta tumorale può essere previsto in silico per quanto riguarda il risultato per una gamma completa di farmaci e loro combinazioni.

Protocol

1. bidimensionale (2D) Cell Culture Commercialmente ottenere linea di cellule tumorali HCC827 (DSMZ). Cultura della linea di cellule di adenocarcinoma polmonare HCC827 (EGFR mutato, KRAS wild-type) in RPMI-1640 integrato con 20% FCS. Cambiare media ogni 2 – 3 giorni. Dividere le cellule due volte a settimana. Le cellule sono utilizzati fino a raggiungere passaggio 20. Commercialmente ottenere tumore linea cellulare A549 (DSMZ). Cultura del carcinoma del polmone linea cellulare A549…

Representative Results

Sulla base del ponteggio SISmuc (Figura 2A a C), abbiamo stabilito un protocollo operativo standardizzato per la generazione, la stimolazione e il trattamento di un sistema di test tumorale 3D (Figura 2D). Questo modello permette la determinazione dell'indice di proliferazione e la quantificazione dell'apoptosi usando M30-ELISA come mostrato in Figura 1 e Figura 3, rispettivamente. Figura 3 mostr…

Discussion

Abbiamo stabilito un combinato in vitro / in sistema di prova del tumore silico per le previsioni di trattamento biomarker-guidata. Il modello in vitro valuta diversi aspetti importanti azioni composti come cambiamenti di proliferazione delle cellule tumorali e apoptosi su una determinata sfondo mutazionale che possono anche essere simulati in silico 17. Qui, vi presentiamo il protocollo standardizzato per la generazione di modello di tumore 3D e test composti compresa la q…

Declarações

The authors have nothing to disclose.

Acknowledgements

Questa ricerca è stata sponsorizzata dal Centro Interdisciplinare per la Ricerca Clinica (IZKF, concessione BD247) dell'Ospedale dell'Università di Wuerzburg e il programma Bayern Fit (concesso a Heike Walles).

Materials

Bioreactors Chair of Tissue Engineering and Regenerative Medicine, Würzburg (GER) Bioreactor setup
BioVoxxel Toolbox (ImageJ / Fiji) Jan Brocher, Thorsten Wagner, https://github.com/biovoxxel/BioVoxxel_Toolbox
Cell crowns Chair of Tissue Engineering and Regenerative Medicine, Würzburg (GER) for static 3D culture
CellDesigner http://www.celldesigner.org/ This software was used for drawing the network.
citrate buffer stock solution (10x) in house production 42 g/l Citric acid monohydrate, 17.,6 g/l Sodium hydroxide pellets in deionized water, pH 6,.0, stored at RT. 
citrate buffer working solution in house production 10 % Citrate buffer stock solution in demineralized water, stored at RT.
Citric acid monohydrate VWR, Darmstadt (GER) 1002441000 used for the citrate buffer
Cover slips VWR, Darmstadt (GER) 631-1339
DAPI Fluoromount-GTM SouthernBiotech, Birmingham (USA) SBA-0100-20
Databases such as KEGG, HPRD and QIAGEN (Genes & Pathways) http://www.genome.jp/kegg/pathway.html; http://www.hprd.org/; https://www.qiagen.com/de/geneglobe/ Different known literature databases were used for generating the network topology.
Female Luer Lug Style Tee Mednet, Münster (GER) FTLT-1 Bioreactor setup
Female Luer Thread Style with 5/16" Hex to 1/4-28 UNF Thread Mednet, Münster (GER) SFTLL-J1A  Bioreactor setup
Fetal calf serum Bio&SELL, Feucht (GER) FCS.ADD.0500 not heat-inactivated
Gefitinib Absource Diagnostics GmbH, München (GER) S1025-100 mg 100 mM stock solution with DMSO
Glas flask (Schott, GER) provided with glas hose connection Weckert, Kitzingen (GER) custom made
Histofix 4 % (Paraformaldehyd) Carl Roth, Karlsruhe (GER) P087.1
Hose coupling Mednet, Münster (GER) CC-9 Bioreactor setup
Incubator for bioreactors Chair of Tissue Engineering and Regenerative Medicine, Würzburg (GER) Bioreactor setup
M30 CytoDeathTM ELISA Peviva, Bromma (SWE) 10900
Male Luer Integral Lock Ring Mednet, Münster (GER) MTLL230-J1A Bioreactor setup
Moisture chamber custom made
Mouse anti Pan-Cytokeratin Sigma-Aldrich, Munich (GER)   C2562-2ML Clone C-11+PCK-26+CY-90+KS-1A3+M20+A53-B/A2, used 1/100 for immunofluorescence
Needlefree Swabable Valve Female Luer Mednet, Münster (GER) NVFMLLPC Bioreactor setup, for sampling, gamma-sterilized
O-Ring MVQ 10 red 37*3 mm Arcus Dichtelemente, Seevetal (GER) 21444 O-ring large, Bioreactor setup
O-Ring MVQ 70 red 27*2.5 mm Arcus Dichtelemente, Seevetal (GER) 19170 O-ring small, Bioreactor setup
PAP pen Dako, Hamburg (GER) S002
Paraffin Carl Roth, Karlsruhe (GER) 6642.6
Peristaltic pump Ismatec, Wertheim-Mondfeld (GER) Bioreactor setup
Phosphate Buffered Saline Sigma-Aldrich, Munich (GER)   D8537-6x500ml
Pump tubing cassette Ismatec, Wertheim (GER) IS 3710 Bioreactor setup
Rabbit anti Ki67 Abcam, Cambridge (UK) ab16667 Clone SP6, used for 1/100 for IF
Rabbit anti Vimentin Abcam, Cambridge (UK) ab92547 used 1/100 for IF
RPMI-1640 medium Life technologies, Darmstadt (GER) 61870-044 warm in 37°C waterbath before use
Silicone tube Carl Roth GmbH, Karlsruhe (GER) HC66.1 Bioreactor setup
Sodium Hydroxide Sigma-Aldrich, München (GER) 30620-1KG-R used for the citrate buffer
SQUAD http://sbos.eu/docu/docu/SQUAD/doku.php.htm This software was used for performing the semiquantitative simulations.
Sterile air filter, pore size 0.2 µm Sartorius Stedium Biotech, Göttlingen (GER) 16596-HYK Bioreactor setup
Syringe Luer Lok 5ml BD Biosciences, Heidelberg (GER) 309649 for bioreactor sampling
Tissue culture test plates: 6-,      12-, 24-, 96- well TPP Techno Plastic Products AG, Trasadingen (GER) 92006, 92012, 92024, 92048 
Transforming growth factor-beta 1 (TGF-β1) with carrier Cell Signaling, Frankfurt (GER) 8915LC stock solution in sterile citrate buffer pH 3.0
Triton X-100 Sigma-Aldrich, München (GER) X100-1L
Tween-20 Sigma-Aldrich, München (GER) P7949-500ml for washing buffer of immunofluorescent staining

Referências

  1. Bhattacharjee, Y. Biomedicine Pharma firms push for sharing of cancer trial data. Science. 338, 29 (2012).
  2. Kola, I., Landis, J. Can the pharmaceutical industry reduce attrition rates?. Nat Rev Drug Discov. 3, 711-715 (2004).
  3. Arrowsmith, J. Trial watch: Phase II failures: 2008-2010. Nat Rev Drug Discov. 10, 328-329 (2011).
  4. Arrowsmith, J. Trial watch: phase III and submission failures: 2007-2010. Nat Rev Drug Discov. 10, 87 (2011).
  5. Arrowsmith, J., Miller, P. Trial watch: phase II and phase III attrition rates 2011-2012. Nat Rev Drug Discov. 12, 569 (2013).
  6. Pampaloni, F., Reynaud, E. G., Stelzer, E. H. The third dimension bridges the gap between cell culture and live tissue. Nat Rev Mol Cell Biol. 8, 839-845 (2007).
  7. Hartung, T. Toxicology for the twenty-first century. Nature. 460, 208-212 (2009).
  8. Stratmann, A. T., Dandekar, G., Nietzer, S. L. Three-dimensional in vitro tumor Models as an Alternative for Animal Models in Preclinical Studies. Pharm Ind. 75, 485-489 (2013).
  9. Stratmann, A. T., Dandekar, G., Nietzer, S. L. Three-dimensional in vitro tumor Models as an Alternative for Animal Models in Preclinical Studies. Pharm Ind. 75, 675-680 (2013).
  10. Gudjonsson, T., Ronnov-Jessen, L., Villadsen, R., Bissell, M. J., Petersen, O. W. To create the correct microenvironment: three-dimensional heterotypic collagen assays for human breast epithelial morphogenesis and neoplasia. Methods. 30, 247-255 (2003).
  11. Weaver, V. M., Fischer, A. H., Peterson, O. W., Bissell, M. J. The importance of the microenvironment in breast cancer progression: recapitulation of mammary tumorigenesis using a unique human mammary epithelial cell model and a three-dimensional culture assay. Biochem Cell Biol. 74, 833-851 (1996).
  12. Antoni, D., Burckel, H., Josset, E., Noel, G. Three-dimensional cell culture: a breakthrough in vivo. Int J Mol Sci. 16, 5517-5527 (2015).
  13. Kim, J., Tanner, K. Recapitulating the Tumor Ecosystem Along the Metastatic Cascade Using 3D Culture Models. Front Oncol. 5, 170 (2015).
  14. Worthington, P., Pochan, D. J., Langhans, S. A. Peptide Hydrogels – Versatile Matrices for 3D Cell Culture in Cancer Medicine. Front Oncol. 5, 92 (2015).
  15. Tanner, K., Gottesman, M. M. Beyond 3D culture models of cancer. Sci Transl Med. 7, 283ps9 (2015).
  16. Stadler, M., et al. Increased complexity in carcinomas: Analyzing and modeling the interaction of human cancer cells with their microenvironment. Semin Cancer Biol. , (2015).
  17. Stratmann, A. T., et al. Establishment of a human 3D lung cancer model based on a biological tissue matrix combined with a Boolean in silico model. Mol Oncol. 8, 351-365 (2014).
  18. Mok, T. S., et al. Gefitinib or carboplatin-paclitaxel in pulmonary adenocarcinoma. N Engl J Med. 361, 947-957 (2009).
  19. Maemondo, M., et al. Gefitinib or chemotherapy for non-small-cell lung cancer with mutated EGFR. N Engl J Med. 362, 2380-2388 (2010).
  20. Rosell, R., et al. Erlotinib versus standard chemotherapy as first-line treatment for European patients with advanced EGFR mutation-positive non-small-cell lung cancer (EURTAC): a multicentre, open-label, randomised phase 3 trial. Lancet Oncol. 13, 239-246 (2012).
  21. Sequist, L. V., et al. Phase III study of afatinib or cisplatin plus pemetrexed in patients with metastatic lung adenocarcinoma with EGFR mutations. J Clin Oncol. 31, 3327-3334 (2013).
  22. Lee, J. M., Dedhar, S., Kalluri, R., Thompson, E. W. The epithelial-mesenchymal transition: new insights in signaling, development, and disease. J Cell Biol. 172, 973-981 (2006).
  23. Wells, A., Yates, C., Shepard, C. R. E-cadherin as an indicator of mesenchymal to epithelial reverting transitions during the metastatic seeding of disseminated carcinomas. Clin Exp Metastasis. 25, 621-628 (2008).
  24. Janne, P. A., et al. AZD9291 in EGFR inhibitor-resistant non-small-cell lung cancer. N Engl J Med. 372, 1689-1699 (2015).
  25. Moll, C., et al. Tissue engineering of a human 3D in vitro tumor test system. J Vis Exp. , (2013).
  26. Funahashi, A., et al. CellDesigner 3.5: A Versatile Modeling Tool for Biochemical Networks. Proceedings of the IEEE. 96, 1254-1265 (2008).
  27. . . Auto Threshold(ImageJ)v.v1.15. , (2013).
  28. . . BioVoxxel Toolbox (ImageJ / Fiji). , (2015).
  29. Buettner, R., Wolf, J., Thomas, R. K. Lessons learned from lung cancer genomics: the emerging concept of individualized diagnostics and treatment. J Clin Oncol. 31, 1858-1865 (2013).
  30. Engelman, J. A., et al. MET amplification leads to gefitinib resistance in lung cancer by activating ERBB3 signaling. Science. 316, 1039-1043 (2007).
  31. Mukohara, T., et al. Differential effects of gefitinib and cetuximab on non-small-cell lung cancers bearing epidermal growth factor receptor mutations. J Natl Cancer Inst. 97, 1185-1194 (2005).
  32. Noro, R., et al. Gefitinib (IRESSA) sensitive lung cancer cell lines show phosphorylation of Akt without ligand stimulation. BMC Cancer. 6, 277 (2006).
  33. Gill, B. J., et al. A synthetic matrix with independently tunable biochemistry and mechanical properties to study epithelial morphogenesis and EMT in a lung adenocarcinoma model. Cancer Res. 72, 6013-6023 (2012).
check_url/pt/53885?article_type=t

Play Video

Citar este artigo
Göttlich, C., Müller, L. C., Kunz, M., Schmitt, F., Walles, H., Walles, T., Dandekar, T., Dandekar, G., Nietzer, S. L. A Combined 3D Tissue Engineered In Vitro/In Silico Lung Tumor Model for Predicting Drug Effectiveness in Specific Mutational Backgrounds. J. Vis. Exp. (110), e53885, doi:10.3791/53885 (2016).

View Video