Summary

Gli array di idrogel consentono una maggiore produttività per gli effetti di screening dei componenti della matrice e delle terapie nei modelli tumorali 3D

Published: June 16, 2022
doi:

Summary

Il presente protocollo descrive una piattaforma sperimentale per valutare gli effetti dei segnali meccanici e biochimici sulle risposte chemioterapiche delle cellule di glioblastoma derivate dal paziente in colture 3D matrix-mimetiche utilizzando un dispositivo di illuminazione UV su misura che facilita il fotocrosslinking ad alto rendimento di idrogel con caratteristiche meccaniche sintonizzabili.

Abstract

Le interazioni cellula-matrice mediano processi fisiologici complessi attraverso segnali biochimici, meccanici e geometrici, influenzando i cambiamenti patologici e le risposte terapeutiche. Si prevede che la contabilizzazione degli effetti della matrice nelle prime fasi della pipeline di sviluppo del farmaco aumenterà la probabilità di successo clinico di nuove terapie. Esistono strategie basate su biomateriali che ricapitolano specifici microambienti tissutali in colture cellulari 3D, ma integrarle con i metodi di coltura 2D utilizzati principalmente per lo screening dei farmaci è stata una sfida. Pertanto, il protocollo qui presentato descrive in dettaglio lo sviluppo di metodi per la coltura 3D all’interno di matrici di biomateriali miniaturizzati in un formato di piastra multi-pozzo per facilitare l’integrazione con le pipeline di screening dei farmaci esistenti e i saggi convenzionali per la vitalità cellulare. Poiché si prevede che le caratteristiche della matrice critiche per la conservazione dei fenotipi clinicamente rilevanti nelle cellule coltivate siano altamente specifiche per i tessuti e la malattia, sarà necessario lo screening combinatorio dei parametri della matrice per identificare le condizioni appropriate per applicazioni specifiche. I metodi qui descritti utilizzano un formato di coltura miniaturizzato per valutare le risposte delle cellule tumorali alla variazione ortogonale della meccanica della matrice e della presentazione del ligando. In particolare, questo studio dimostra l’uso di questa piattaforma per studiare gli effetti dei parametri della matrice sulle risposte delle cellule di glioblastoma derivate dal paziente (GBM) alla chemioterapia.

Introduction

Il costo previsto per lo sviluppo di un nuovo farmaco è aumentato costantemente negli ultimi dieci anni, con oltre $ 1 miliardo nelle stime attuali1. Parte di questa spesa è l’alto tasso di fallimento dei farmaci che entrano negli studi clinici. Circa il 12% dei farmaci candidati alla fine ottiene l’approvazione dalla Food & Drug Administration (FDA) degli Stati Uniti (USA) nel 2019. Molti farmaci falliscono nella fase I a causa della tossicità imprevista2, mentre altri che superano gli studi di sicurezza possono fallire a causa della mancanza di efficacia3. Questo logoramento dovuto alla non efficacia può essere in parte spiegato dal fatto che i modelli di cancro utilizzati durante lo sviluppo del farmaco sono notoriamente non predittivi dell’efficacia clinica4.

Le disparità funzionali tra modelli in vitro e in vivo possono essere attribuite alla rimozione delle cellule tumorali dal loro microambiente nativo, comprese le cellule non tumorali e l’ECM fisico 5,6. Comunemente, i gruppi di ricerca utilizzano matrici di coltura disponibili in commercio, come Matrigel (una matrice di membrana basale proteica derivata da sarcomi di topo) per fornire alle cellule tumorali in coltura un microambiente a matrice 3D. Rispetto alla coltura 2D, la coltura 3D nella matrice di membrana ha migliorato la rilevanza clinica dei risultati in vitro 7,8. Tuttavia, i biomateriali di coltura da tessuti decellularizzati, compresa la matrice di membrana, in genere mostrano una variabilità da lotto a lotto che può compromettere la riproducibilità9. Inoltre, le matrici derivate da tumori con origini tissutali diverse da quelle studiate potrebbero non fornire gli opportuni spunti fisiologici10. Infine, i tumori con alti gradi di eterogeneità intratumorale hanno caratteristiche microambientali che variano su una scala di dimensioni submicroniche e che la matrice di membrana non può essere sintonizzata per ricapitolare11.

Il glioblastoma (GBM), un tumore cerebrale uniformemente letale con un tempo di sopravvivenza mediano di circa 15 mesi, è un tumore per il quale lo sviluppo del trattamento è stato particolarmente difficile12,13. L’attuale standard di cura per GBM consiste nella resezione primaria del tumore, seguita dalla radioterapia e quindi dalla chemioterapia con temozolomide (TMZ)14. Tuttavia, più della metà dei tumori GBM clinici mostra resistenza al trattamento attraverso vari meccanismi 15,16,17. Prevedere l’efficacia di un regime di trattamento per un singolo paziente è estremamente difficile. I modelli preclinici standard utilizzati per prevedere i risultati individuali sono costituiti da cellule tumorali derivate dal paziente che si sono deformate ortotopicamente in topi immunocompromessi. Mentre gli xenotrapianti derivati dal paziente possono ricapitolare molti aspetti dei tumori GBM clinici e sono preziosi per i modelli preclinici18, sono intrinsecamente costosi, a bassa produttività, richiedono molto tempo e comportano preoccupazioni etiche19. Le colture di cellule derivate dal paziente, su superfici di plastica 2D o come sferoidi, per lo più evitano questi problemi. Mentre le cellule derivate dal paziente conservano le aberrazioni genetiche, le loro colture in 2D o come sferoidi sospesi sono state in gran parte rappresentazioni scadenti di xenotrapianti derivati dal paziente nei roditori e nei tumori originali dei pazienti20. In precedenza, noi e altri abbiamo dimostrato che le cellule GBM coltivate in un ECM 3D che imita le proprietà meccaniche e biochimiche del tessuto cerebrale possono preservare i fenotipi di resistenza ai farmaci 10,21,22,23.

Le interazioni tra l’acido ialuronico (HA), un polisaccaride abbondante nell’ECM cerebrale e sovraespresso nei tumori GBM, e il suo recettore CD44 modulano l’acquisizione della resistenza ai farmaci in vitro 21,24,25,26,27. Ad esempio, l’inclusione di HA all’interno di colture 3D morbide ha aumentato la capacità delle cellule GBM derivate dal paziente di acquisire resistenza terapeutica. Questa meccano-responsività dipendeva dal legame dell’HA ai recettori CD44 sulle cellule GBM21. Inoltre, il legame dell’integrina ai peptidi portatori di RGD, incorporato in matrici di coltura 3D, ha amplificato la chemioresistenza mediata da CD44 in modo dipendente dalla rigidità21. Oltre all’HA, l’espressione di diverse proteine ECM, molte contenenti regioni RGD, varia tra il cervello normale e i tumori GBM28. Ad esempio, uno studio ha riportato che 28 distinte proteine ECM erano sovraregolate nei tumori GBM29. All’interno di questo complesso microambiente a matrice tumorale, le cellule tumorali integrano segnali meccanici e biochimici per produrre un particolare fenotipo di resistenza, che dipende da differenze relativamente piccole (ad esempio, meno di un ordine di grandezza) nel modulo di Young o densità di peptidi leganti l’integrina 28,29,30.

Il presente protocollo caratterizza il modo in cui le cellule tumorali interpretano combinazioni uniche di segnali matriciali e identificano microambienti a matrice complessi e specifici per il paziente che promuovono la resistenza al trattamento (Figura 1A). Un metodo fotochimico per generare matrici miniaturizzate e sintonizzate con precisione per la coltura 3D fornisce un ampio spazio variabile ortogonale. Un array di LED costruito su misura, gestito da un microcontrollore, è stato incorporato per fotocrosslink idrogel all’interno di un formato di piastra a 384 pozzetti per aumentare l’automazione e la riproducibilità. L’intensità dell’esposizione è stata variata in modo variabile per alterare le proprietà micromeccaniche degli idrogel risultanti, come valutato utilizzando la microscopia a forza atomica (AFM). Mentre questo manoscritto non si concentra sulla costruzione dell’array di illuminazione stesso, uno schema elettrico (Figura 1B) e un elenco di parti (Tabella dei materiali) sono forniti come ausili per la riproduzione del dispositivo.

Questo rapporto dimostra la rapida generazione di una serie di cellule GBM coltivate in microambienti 3D unici in cui il modulo di Young (quattro livelli in un singolo ordine di grandezza) e il contenuto peptidico legante l’integrina (derivato da quattro diverse proteine ECM) sono stati variati ortogonalmente. L’approccio è stato poi utilizzato per studiare i contributi relativi della meccanica dell’idrogel e dell’impegno dell’integrina specifica dell’ECM sulla vitalità e la proliferazione delle cellule GBM derivate dal paziente mentre acquisiscono resistenza alla chemioterapia temozolomide (TMZ).

Protocol

Le linee cellulari GBM derivate dal paziente (GS122 e GS304) sono state fornite dal professor David Nathanson (nostro collaboratore), che ha sviluppato queste linee secondo un protocollo approvato dall’UCLA Institutional Review Board (IRB # 10-000655). Le cellule sono state fornite de-identificate in modo che le linee cellulari non potessero essere ricollegate ai singoli pazienti. 1. Preparazione della soluzione di idrogel Preparare la soluzione tamponata con HEPES s…

Representative Results

Le misurazioni AFM hanno confermato il controllo preciso della meccanica dell’idrogel in funzione dell’irraggiamento UV (mW/cm2) durante la fotorelazione utilizzando un array di LED personalizzato e controllato da Arduino (Figura 2A). La formulazione in idrogel utilizzata in questo protocollo può essere trovata nella Tabella 2. La spaziatura dei LED sul modello fornito corrisponde alla spaziatura per ogni altro pozzo di una piastra a 384 pozzetti, consentendo la …

Discussion

Il lavoro attuale presenta metodi per generare colture miniaturizzate 3D all’interno di HA, alterando contemporaneamente la rigidità della matrice e i peptidi disponibili per l’impegno dell’integrina. Questa tecnica consente lo studio sistematico di come i parametri della matrice influenzano i fenotipi cellulari (ad esempio, la vitalità delle cellule tumorali esposte alla chemioterapia) con una maggiore produttività. Gli approcci precedenti, incluso quello qui presentato, hanno regolato la rigidità dell’idrogel varia…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Gli autori vorrebbero ringraziare specificamente Carolyn Kim, Amelia Lao, Ryan Stoutamore e Itay Solomon per i loro contributi alle precedenti iterazioni dello schema di fotogelazione. Le linee cellulari GS122 e GS304 sono state generosamente fornite da David Nathanson. Tutte le figure sono state create con BioRender.com. Le strutture principali dell’UCLA, le risorse condivise di screening molecolare e il laboratorio di caratterizzazione nano e pico sono stati fondamentali per il lavoro. Chen Chia-Chun è stato supportato dall’UCLA Eli and Edythe Broad Center of Regenerative Medicine and Stem Cell Research Training Program. Grigor Varuzhanyan è stato supportato da un tumor cell biology training program NIH Grant (T32 CA 009056).

Materials

1.1 kOhm resistors, 6 W Digikey 35601k1ft
1.7 mL microcentrifuge tube Genesse Scientific 21-108
15 mL conical tube Fisher Scientific 14-959-70C
365 nm LED Digikey ltpl-c034uvh365
384 well plate Bio Greiner One 781090
40 µm cell strainer MTC bio C4040
4-Armed thiol terminated polyethlene glycol (20 kDa) Laysan Bio 4arm-PEG-SH-20K-1g
6 NPN BJTs Digikey 2n5550ta
80 Ohm resistors, 0.125 W Digikey erjj-6enf80r6v
8-Armed norbornene terminated polyethylene glycol (20 kDa) Jenkem Technology A7025-1
Accutase Innovative Cell Technologies AT104500  cell dissociation  reagent
AFM Probes Novascan 0.01 N/m Nominal spring constant, 2.5 µm SiO2 particle
Arduino IDE Arduino 1.8.19
Arduino Nano Makerfire Mini Nano V3.0 ATmega328P Microcontroller Board
bFGF Peprotech 100-18B 20 ng/mL
CCK8 Abcam ab228554
Centrifuge Thermoscientific sorvall legend xtr
CP100ST Gilson F148415 Pipette tips for positive displacement pipette
Cubis Semi-Micro Balance Sartorius MSA225S100DI
DMEM – F12 (50-50) Life Technologies 11330057 1x
DMSO Fisher Scientific BP231-100
DPBS Ca (-) Mg (-) Genesse Scientific 25-508
EGF Peprotech AF100-15 50 ng/mL
Ethanol, Anhydrous Fisher Scientific A405P Add DI water to dilute to 70%
Fisherbrand Class B Amber Glass threaded vials Fisher Scientific 03-339-23C
Fisherbrand Weighing Paper Fisher Scientific 09-898-12B
G21 Supplement Gemini Bio 400-160 50x
Hanks Balanced Salt Solution Thermo Fisher Scientific 14175095
HCl, ACS, 12M Sigma Aldrich S25838A Add DI water to dilute to 1 M
Heparin sodium salt from porcine intestinal mucosa Sigma Aldrich H3149-100Ku 25 µg/mL
HEPES Sigma Aldrich H7006-100G
Hot Air Gun Wagner HT1000
Integrin-binding sialoprotein (IBSP) peptide Genscript Custom Order GCGYGGGGNGEPRGDTYRAY
Lithium phenyl-2,4,6 trimethylbenzoylphosphinate (LAP) , >95% Sigma Aldrich 900889-1G
Magnetic stir plate Thermo Scientific SP194715
Microcentrifuge Thermo Scientific Sorvall legend micro 21R
Microman E single Channel Pipettor Gilson FD10004 Positive displacement pipette
Micropipette Tips Various Manufacturs Various sizes
mLine micropipette Sartorious
N-acetyl Cysteine Sigma Aldrich A7250-10G
Nanowizard 4 Bruker AFM microscope
NaOH Fisher Scientific ss255-1 Add DI water to dilute to 1 M
Normoicin Invivogen ant-nr-1 500x
Osteopontin Peptide Genscript Custom Order GCGYGTVDVPDGRGDSLAYG
Pipet Aid Drummond 4000102
Plain Microscope Slides Globe Scientific 1301
Press-To-Seal silicone Isolator, 12-4.5mm diam x 2mm deep Grace Bio Labs 664201-A Cut so that 8 individual molds are made from a single sheet
Processing Processing 3.5.4
Repeater M4 Eppendorf 4982000322
Repeater Pipette Tips Sartorious 30089430 1 mL sizes
RGD Peptide Genscript GCGYGRGDSPG
Scoth Tape
Serological Pipettes Genesse Scientific 12-102,12-104 5,10 mL Pipettes
Solder Paste Digikey 315-NC191LT15T5-ND
Solder Wire
Straight dissecting forceps VWR Scientific 82027-408
Synergy H1 Plate Reader Biotek
T-75 Cell Culture Treated Flask Genesee Scientific 25-209
Temozolomide Sigma Aldrich T2577 Typically used from 10 µM to 100 µM
Tenascin-C Peptide Genscript GCGYGRSTDLPGLKAATHYTITIR
GV
Thiolated Hyaluronic Acid (700 kDa), 6-8% modified Lifecore Biomedical HA700K5
VWR Spinbar, Flea Micro VWR 58948-375

References

  1. Scannell, J. W., Blanckley, A., Boldon, H., Warrington, B. Diagnosing the decline in pharmaceutical R&D efficiency. Nature Reviews Drug Discovery. 11 (3), 191-200 (2012).
  2. Waring, M. J., et al. An analysis of the attrition of drug candidates from four major pharmaceutical companies. Nature Reviews Drug Discovery. 14 (7), 475-486 (2015).
  3. Khozin, S., Liu, K., Jarow, J. P., Pazdur, R. Why do oncology drugs fail to gain US regulatory approval. Nature Reviews Drug Discovery. 14 (7), 450-451 (2015).
  4. Booth, B., Ma, P., Glassman, R. Oncology’s trials. Market indicators. Nature Reviews Drug Discovery. 2 (8), 609-610 (2003).
  5. Da Ros, M., et al. Glioblastoma chemoresistance: The double play by microenvironment and blood-brain barrier. International Journal of Molecular Sciences. 19 (10), 2879 (2018).
  6. Broekman, M. L., et al. Multidimensional communication in the microenvirons of glioblastoma. Nature Reviews Neurology. 14 (8), 482-495 (2018).
  7. Grundy, T. J., et al. Differential response of patient-derived primary glioblastoma cells to environmental stiffness. Scientific Reports. 6 (1), 1-10 (2016).
  8. Gomez-Roman, N., Stevenson, K., Gilmour, L., Hamilton, G., Chalmers, A. J. A novel 3D human glioblastoma cell culture system for modeling drug and radiation responses. Neuro-Oncology. 19 (2), 229-241 (2017).
  9. Simoni, R. D., et al. Basement membrane complexes with biological activity. Biochemistry. 25 (2), 312-318 (2002).
  10. Xiao, W., et al. Brain-mimetic 3D culture platforms allow investigation of cooperative effects of extracellular matrix features on therapeutic resistance in glioblastoma. Cancer Research. 78 (5), 1358-1370 (2018).
  11. Aisenbrey, E. A., Murphy, W. L. Synthetic alternatives to Matrigel. Nature Reviews Materials. 5 (7), 539-551 (2020).
  12. Spinelli, C., et al. Molecular subtypes and differentiation programmes of glioma stem cells as determinants of extracellular vesicle profiles and endothelial cell-stimulating activities. Journal of Extracellular Vesicles. 7 (1), 1490144 (2018).
  13. Ostrom, Q. T., Cioffi, G., Waite, K., Kruchko, C., Barnholtz-Sloan, J. S. CBTRUS statistical report: Primary brain and other central nervous system tumors diagnosed in the United States in 2014-2018. Neuro-Oncology. 23, (2021).
  14. Stupp, R., et al. Radiotherapy plus concomitant and adjuvant temozolomide for glioblastoma. New England Journal of Medicine. 352 (10), 987-996 (2005).
  15. Brennan, C. W., et al. The somatic genomic landscape of glioblastoma. Cell. 155 (2), 462-477 (2013).
  16. Tomczak, K., Czerwińska, P., Wiznerowicz, M. The Cancer Genome Atlas (TCGA): An immeasurable source of knowledge. Contemporary oncology. 19, 68-77 (2015).
  17. Lee, S. Y. Temozolomide resistance in glioblastoma multiforme. Genes and Diseases. 3 (3), 198-210 (2016).
  18. Joo, K. M., et al. Patient-specific orthotopic glioblastoma xenograft models recapitulate the histopathology and biology of human glioblastomas in situ. Cell Reports. 3 (1), 260-273 (2013).
  19. Levy, N. The use of animal as models: Ethical considerations. International Journal of Stroke. 7 (5), 440-442 (2012).
  20. Phon, B. W. S., Kamarudin, M. N. A., Bhuvanendran, S., Radhakrishnan, A. K. Transitioning preclinical glioblastoma models to clinical settings with biomarkers identified in 3D cell-based models: A systematic scoping review. Biomedicine & Pharmacotherapy. 145, 112396 (2022).
  21. Xiao, W., et al. Bioengineered scaffolds for 3D culture demonstrate extracellular matrix-mediated mechanisms of chemotherapy resistance in glioblastoma. Matrix Biology. 85-86, 128-146 (2020).
  22. Brancato, V., Oliveira, J. M., Correlo, V. M., Reis, R. L., Kundu, S. C. Could 3D models of cancer enhance drug screening. Biomaterials. 232, 119744 (2020).
  23. Xu, X., Farach-Carson, M. C., Jia, X. Three-dimensional in vitro tumor models for cancer research and drug evaluation. Biotechnology Advances. 32 (7), 1256-1268 (2014).
  24. Xiao, W., Ehsanipour, A., Sohrabi, A., Seidlits, S. K. Hyaluronic-acid based hydrogels for 3-dimensional culture of patient-derived Glioblastoma Cells. Journal of Visualized Experiments: JoVE. (138), e58176 (2018).
  25. Preston, M. Digestion products of the PH20 hyaluronidase inhibit remyelination. Annals of Neurology. 73 (2), 266-280 (2013).
  26. Kim, Y., Kumar, S. CD44-mediated adhesion to hyaluronic acid contributes to mechanosensing and invasive motility. Molecular Cancer Research. 12 (10), 1416-1429 (2014).
  27. Pibuel, M. A., Poodts, D., Díaz, M., Hajos, S. E., Lompardía, S. L. The scrambled story between hyaluronan and glioblastoma. The Journal of Biological Chemistry. 296, 100549 (2021).
  28. Xiao, W., Sohrabi, A., Seidlits, S. K. Integrating the glioblastoma microenvironment into engineered experimental models. Future Science OA. 3 (3), (2017).
  29. Trombetta-Lima, M., et al. Extracellular matrix proteome remodeling in human glioblastoma and medulloblastoma. Journal of Proteome Research. 20 (10), 4693-4707 (2021).
  30. Schregel, K., et al. Characterization of glioblastoma in an orthotopic mouse model with magnetic resonance elastography. NMR in Biomedicine. 31 (10), 3840 (2018).
  31. Xiao, W., Ehsanipour, A., Sohrabi, A., Seidlits, S. K. Hyaluronic-acid based hydrogels for 3-dimensional culture of patient-derived glioblastoma cells. Journal of Visualized Experiments: JoVE. (138), e58176 (2018).
  32. Guz, N., Dokukin, M., Kalaparthi, V., Sokolov, I. If cell mechanics can be described by elastic modulus: Study of different models and probes used in indentation experiments. Biophysical Journal. 107 (3), 564-575 (2014).
  33. Sneddon, I. N. The relation between load and penetration in the axisymmetric boussinesq problem for a punch of arbitrary profile. International Journal of Engineering Science. 3 (1), 47-57 (1965).
  34. Soofi, S. S., Last, J. A., Liliensiek, S. J., Nealey, P. F., Murphy, C. J. The elastic modulus of MatrigelTM as determined by atomic force microscopy. Journal of Structural Biology. 167 (3), 216-219 (2009).
  35. Mayerhöfer, T. G., Popp, J. Beer’s law – Why absorbance depends (almost) linearly on concentration. Chemphyschem: A European Journal of Chemical Physics and Physical Chemistry. 20 (4), 511-515 (2019).
  36. Puth, M. T., Neuhäuser, M., Ruxton, G. D. On the variety of methods for calculating confidence intervals by bootstrapping. Journal of Animal Ecology. 84 (4), 892-897 (2015).
  37. Lavrentieva, A. Gradient hydrogels. Advances in Biochemical Engineering/Biotechnology. 178, 227-251 (2020).
  38. Zhu, D., Trinh, P., Li, J., Grant, G. A., Yang, F. Gradient hydrogels for screening stiffness effects on patient-derived glioblastoma xenograft cellfates in 3D. Journal of Biomedical Materials Research. Part A. 109 (6), 1027-1035 (2021).
  39. da Hora, C. C., Schweiger, M. W., Wurdinger, T., Tannous, B. A. Patient-derived glioma models: From patients to dish to animals. Cells. 8 (10), 1177 (2019).
  40. Li, W., et al. Characterization and transplantation of enteric neural crest cells from human induced pluripotent stem cells. Molecular Psychiatry. 23 (3), 499-508 (2018).
  41. Scaringi, C., Minniti, G., Caporello, P., Enrici, R. M. Integrin inhibitor cilengitide for the treatment of glioblastoma: A brief overview of current clinical results. Anticancer Research. 32 (10), 4213-4224 (2012).
check_url/63791?article_type=t

Play Video

Cite This Article
Liang, J., Sohrabi, A., Epperson, M., Rad, L. M., Tamura, K., Sathialingam, M., Skandakumar, T., Lue, P., Huang, J., Popoli, J., Yackly, A., Bick, M., Wang, Z. Z., Chen, C., Varuzhanyan, G., Damoiseaux, R., Seidlits, S. K. Hydrogel Arrays Enable Increased Throughput for Screening Effects of Matrix Components and Therapeutics in 3D Tumor Models. J. Vis. Exp. (184), e63791, doi:10.3791/63791 (2022).

View Video