in vitro腫瘍微小環境における免疫応答を解剖するためのマイクロ流体共培養モデル
Summary
免疫療法と単一細胞ゲノムプロファイリングの時代において、がん生物学は、適切な時空間コンテキストで腫瘍と免疫のインターフェースを研究するための新しいin vitroおよび計算ツールを必要としています。2Dおよび3D設定での腫瘍免疫マイクロ流体共培養を活用するためのプロトコルについて説明し、細胞機能の動的マルチパラメトリックモニタリングと互換性があります。
Abstract
複雑な疾患モデルには、生理学的および病理学的に関連する実用的な洞察を提供し、他の方法では目に見えないプロセスを明らかにすることができる最先端のツールが必要です。in vivoの風景を厳密に模倣した高度な細胞アッセイは、がんの進行に影響を与える双方向の腫瘍と宿主の相互作用を視覚化および測定するための新しい方法としての地位を確立しています。ここでは、自然および治療誘発性の免疫監視下で、腫瘍微小環境(TME)の複雑さを模倣して、マイクロデバイスで高度に制御可能な2Dおよび3D共培養を再現するための2つの汎用性の高いプロトコルについて説明します。セクション1では、明視野タイムラプス顕微鏡によって、接着性腫瘍細胞と浮遊免疫集団との間のクロストークを監視するための実験設定が提供されます。応用シナリオとして、免疫原性がん細胞死誘導剤などの抗がん治療が免疫細胞の動員と活性化に及ぼす影響を解析します。セクション2では、3D腫瘍免疫微小環境が競争力のあるレイアウトで組み立てられています。免疫浸潤の違いは、組み合わせ治療戦略を評価するために、最大72時間の蛍光スナップショットによって監視されます。両方の設定において、多数の免疫細胞パラメータ(例えば、免疫細胞の移動および相互作用、治療薬への応答)を抽出するための画像処理ステップが図示される。これらのシンプルで強力な方法は、がん、間質細胞、免疫細胞のサブタイプの不均一性と可塑性、およびがん進化のドライバーとしてのそれらの相互相互作用を含むTMEの複雑さをシミュレートするようにさらに調整できます。これらの急速に進化する技術を生細胞ハイコンテントイメージングに準拠させることは、大規模な有益なデータセットの生成につながり、新たな課題をもたらす可能性があります。実際、「共培養/顕微鏡/高度なデータ分析」という三角形は、オーダーメイドの治療プロトコルを支援する可能性のある正確な問題パラメータ化への道筋を設定します。将来的には、がん免疫オンチップと人工知能を統合してハイスループット処理を行うことで、精密でパーソナライズされた腫瘍学のための予測および前臨床ツールとしての能力を活用する上で大きな一歩が相乗効果を発揮できると期待しています。
Introduction
実験分野としての医学のさまざまな分野の進化は、制御された条件下で細胞集団と臓器機能を操作する能力に依存してきました1。そのような能力は、私たちの体で起こっているプロセスを再現できる測定可能なモデルの可用性にルーツがあります。
免疫療法と単一細胞ゲノムプロファイリングの時代2において、がん生物学は、適切な時空間コンテキストで腫瘍と免疫のインターフェースを研究するために、新しいin vitroおよび計算モデルを利用する必要があります2,3。
腫瘍微小環境4(TME)は、がん細胞が継続的に相互作用し、他の細胞(免疫細胞、間質細胞、内皮細胞)および非細胞(細胞外マトリックス、ECM)成分と動的に共進化する複雑な組織です。この複雑な状況の動的な性質は、免疫細胞が悪性細胞の味方または敵として果たすかどうかを決定し、したがって、疾患の進行と治療への反応の両方に強く影響します。今日、腫瘍免疫学者、バイオインフォマティシャン、およびシステム生物学の専門家による多大な努力が集まって、空間(すなわち、異なる腫瘍領域)および時間(すなわち、異なる腫瘍進行段階)5,6のいずれかにおける癌の不均一性の臨床的意義5,6に対処し、単一細胞レベルで癌および免疫細胞の表現型および機能を特徴付けるために収束しています。この相乗効果の一例として、高度なコンピュータビジョン技術が、組織学的試料における免疫浸潤物の空間マッピングのために現在日常的に使用されている7、8。
実験モデルの最前線では、動物実験と従来のin vitro法を橋渡しし、マイクロフルイディクスと共培養技術の進歩により、オルガノイド、マイクロ生理学的システム9,10,11(MPS)、臓器オンチップ12,13,14などのさまざまなクラスのマイクロエンジニアリング細胞モデルにアクセスできます。 (OOC)。彼らは、細胞生態系の「全体像」のビューを拡大し、ハイコンテント顕微鏡15と画像処理アプローチを活用しながら、微小環境要因を制御するin vitroの可能性を拡大するという共通の特徴を共有しています。
今日、最先端のMPSおよびOOCシステムは、炎症性疾患、創傷治癒、粘膜免疫、毒素や日常の食品への反応などのさまざまなプロセスを調査および測定するために、既存の組織および共培養に免疫細胞のさまざまなサブタイプを組み込む免疫学的側面を含み始めています16。TMEオンチップモデル10、11、12、13、14、15、16、17は、灌流性マイクロ血管18、19、20、21とも統合されており、細胞型依存性相互作用、物理的および化学的摂動、および細胞毒性活性を調べるために開発されました。浸潤リンパ球22、ならびに臨床的に関連する免疫調節剤23。
ここでは、チップへの細胞のロードから画像処理ツールに至るまで、2D(セクション1)および3D(セクション2)設定16での高度な腫瘍免疫マイクロ流体共培養を活用するための汎用性の高いプロトコルを提供し、細胞機能の動的マルチパラメトリック24モニタリングおよび視覚化と互換性があります。これは、フィジーのフリーウェアソフトウェアとそのツールボックス25,26を利用して、サンプル管理とデータ分析の両方で使いやすさと柔軟性を維持しながら達成されます。
セクション1で説明したマイクロ流体デバイスは、付着性癌と浮遊免疫細胞の2D共培養を実行するように設計されています。このプラットフォームは、遺伝子変異27 および/または免疫不全28の存在下での免疫細胞の挙動のin vitro測定のために検証されました。ここでは、Trackmate(フィジーのソフトウェアに実装されているプラグイン)に基づく半自動方式を利用して、タイムラプス明視野画像で免疫細胞を追跡する手順を説明します。この手順は、免疫原性細胞死誘導因子 27 で処理されたか否かを標的とする癌細胞に対する免疫遊走29および応答(すなわち、相互作用時間)の運動学的記述子の抽出を可能にする。
重要なことに、時系列画像から抽出されたこれらのパラメータは、高度な数学機械で処理できます。このアプローチの可能性の例として、私たちのグループは最近、確率過程と統計力学からの数学的方法に基づく分析を発表し、細胞ネットワークの特性をモデル化し、免疫細胞の挙動のパラメータ化された説明を提供します(すなわち、偏ったまたは無相関のランダムウォーク、高度にまたは協調していない運動30,31)。
2番目のセクションで提供される3D設定は、共培養プロトコルに基づいており、細胞タイプと薬物の異なる組み合わせで2つのゲル領域に埋め込まれたより複雑な免疫適格TMEを競合的に再現します。ここでは、画像処理ステップは、異なる時点で、マトリゲル内で培養されたヒトA375Mメラノーマ細胞における染色免疫細胞の浸潤を測定し、抗腫瘍剤組合せ32を評価するために説明する。A375M株は、高度に転移性の表現型を特徴とするA375P由来細胞株であり、免疫細胞の存在下でのそれらの転移能を評価するために選択された32。
記載されたモデルは、異なる細胞源(マウスおよびヒト不死化または初代細胞株、オルガノイド、異種移植片など)に完全に準拠することができる。私たちの研究室の最近の研究では、ハイコンテントビデオ顕微鏡と画像分析を組み合わせることにより、競合する3Dレイアウトを適用して調査しました:i)抗腫瘍(抗体依存性細胞媒介性細胞傷害、ADCC)免疫応答と解剖HER2+ 乳がんオンチップモデル33;ii)腫瘍回避およびT細胞の動員のメカニズムにおける骨髄系細胞(すなわち、癌関連マクロファージ)の作用34;iii)コラーゲンマトリックス中の薬物処理された結腸癌細胞とともに培養されたインターフェロンα馴化樹状細胞(IFN-DC)に基づく免疫療法レジームの有効性、および効率的な運動とその後の食作用イベントを評価する35;iv)IL−33処置または未処置のメラノーマ細胞36に向かう骨髄由来好酸球の走化性遊走。
これらの高度なモデルは、がんの転移と耐性メカニズムにおける免疫コンテクスチャーの役割を理解するための観察ウィンドウとして役立つ可能性がありますが、調査結果を臨床に変換し、基礎研究とのギャップを埋めるための努力が必要です37。
新たなシナリオとして、自動化されたハイコンテント顕微鏡の力と、より生理学的に関連性のあるマイクロシステムの使用を組み合わせることで、1つの実験キャンペーンから生成できる数百、さらには数千ギガバイトのマルチパラメトリックデータの処理、処理、解釈に新たな潜在的な課題が生じています。これは、OOC実験と人工知能38,39,40,41,42(AI)ベースのアルゴリズムとの直接的なリンクを意味し、高度な自動分析と、癌と免疫の相互作用のインシリコモデルを順番にフィードできる機能の生成43、予測薬物スクリーニングアッセイの開発などのエキサイティングな新しいアプリケーション44。
拡大し続ける取り組みの流れは、疾患モデルの設計と、単一細胞マルチオミクス読み出しを備えた大規模な摂動スクリーンを実装するための戦略の最適化に焦点を当てています。これは間違いなく、免疫疾患と癌の播種メカニズムに関する新しい洞察を得るための体系的な腫瘍免疫学オンチップアプローチの開発と、できれば適切な程度の方法の標準化を伴う臨床実装に役立つでしょう。
Protocol
1. 接着細胞と浮遊細胞の2D共培養のためのチップ設計 注:2D共培養レイアウト(図1A-C)は、2セットのマイクロチャネルアレイ(500 x 12 x 10 μm 3、L×W×H)によって相互接続された3つのチャンバー(高さ100 μm)によって特徴付けられます。中間チャンバーは、負荷ステップ2.5の間に腫瘍部位にオー…
Representative Results
腫瘍免疫浸潤は、宿主抗腫瘍応答のパラメータである。腫瘍は、浸潤白血球の組成、密度、位置、および機能状態において不均一であり、癌細胞との相互作用は、疾患の経過および治療への反応を予測するための臨床的関連情報の根底にある可能性があります。この意味で、マイクロ流体技術は、腫瘍の免疫コンテクスチャーを探索し、抗がん療法に対する反応を監視するための補完的で特?…
Discussion
記載された方法は、より関連性の高いin vitroモデルの採用から利益を得ることができる腫瘍免疫学の分野における2つの重要な側面を、調節可能な程度の複雑さで再現するための一般的なアプローチを設計しようとする。1つ目は腫瘍細胞集団側に関するもので、単一細胞の特徴に取り組むことで、治療に対する耐性、転移に対するプロペンション、幹細胞、分化グレードなど、不均一性と相関…
Declarações
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 |
Referências
- 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).
Citar este artigo
De Ninno, A., Bertani, F. R., Gerardino, A., Schiavoni, G., Musella, M., Galassi, C., Mattei, F., Sistigu, A., Businaro, L. Microfluidic Co-Culture Models for Dissecting the Immune Response in in vitro Tumor Microenvironments. J. Vis. Exp. (170), e61895, doi:10.3791/61895 (2021).