Denne protokollen beskriver en semi-automatisert metode for middels til høy gjennomstrømning organoid narkotika screenings og mikroskop-agnostisk, automatisert bildeanalyse programvare for å kvantifisere og visualisere multiparametriske, single-organoid narkotika responser for å fange intratumor heterogenitet.
Pasientavledede tumororganoider (PDTOer) holder stort løfte om preklinisk og translasjonell forskning og forutsier pasientbehandlingsresponsen fra ex vivo-legemiddelscreeninger . Imidlertid fanger nåværende adenosintrifosfat (ATP) -baserte legemiddelscreeningsanalyser ikke kompleksiteten til en legemiddelrespons (cytostatisk eller cytotoksisk) og intratumor heterogenitet som har vist seg å bli beholdt i PDTOer på grunn av en bulkavlesning. Live-cell imaging er et kraftig verktøy for å overvinne dette problemet og visualisere narkotikaresponser mer grundig. Imidlertid er bildeanalyseprogramvare ofte ikke tilpasset tredimensjonaliteten til PDTOer, krever fluorescerende levedyktighetsfarger, eller er ikke kompatibel med et 384-brønns mikroplateformat. Dette papiret beskriver en halvautomatisk metodikk for å så, behandle og avbilde PDTOer i et format med høy gjennomstrømning, 384 brønner ved hjelp av konvensjonelle, bredfelte, levende cellebildesystemer. I tillegg utviklet vi programvare for levedyktighetsmarkørfri bildeanalyse for å kvantifisere veksthastighetsbaserte legemiddelresponsmålinger som forbedrer reproduserbarheten og korrigerer veksthastighetsvariasjoner mellom forskjellige PDTO-linjer. Ved å bruke den normaliserte legemiddelresponsmetrikken, som scorer legemiddelrespons basert på vekstraten normalisert til en positiv og negativ kontrolltilstand, og et fluorescerende celledødsfargestoff, kan cytotoksiske og cytostatiske legemiddelresponser lett skilles, noe som forbedrer klassifiseringen av respondere og ikke-respondere dypt. I tillegg kan heterogenitet av legemiddelrespons kvantifiseres fra enkeltorganoid legemiddelresponsanalyse for å identifisere potensielle, resistente kloner. Til syvende og sist tar denne metoden sikte på å forbedre prediksjonen av klinisk terapirespons ved å fange en multiparametrisk legemiddelresponssignatur, som inkluderer kinetisk vekstarrest og celledødskvantifisering.
I de senere år har in vitro kreftmedisinforskning, narkotikascreening og grunnleggende forskning gått over fra bruk av tradisjonelle todimensjonale (2D) kreftmodeller med udødelige cellelinjer til mer fysiologisk relevante tredimensjonale (3D) kreftmodeller. Dette har ansporet adopsjonen av tumorsfæroider med etablerte kreftcellelinjer, som gjenskaper mer komplekse celle-til-celle-interaksjoner og strukturer som er tilstede i solide svulster. For tiden er pasientavledede tumororganoider (PDTOer) den mest avanserte og fysiologisk relevante 3D-kreftmodellen som er tilgjengelig for in vitro kreftforskning, da de gir ytterligere fordeler i forhold til tumorsfæroider, nemlig heterogeniteten som finnes hos kreftpasienter1. PDTOer er etablert fra tumorvev som stammer fra kreftpasienter, og beholder derfor både tumorfenotypen og genotypen. Som sådan blir PDTOer uvurderlige for grunnleggende og translasjonell kreftforskning og har potensial til å forbedre presisjonsonkologi2.
Til tross for deres lovende potensial, er disse sofistikerte 3D in vitro kreftmodellene ofte underutnyttet på grunn av mangel på avanserte analysemetoder. Den mest brukte analysen bestemmer antall levedyktige celler i PDTO via kvantifisering av intracellulær ATP3. Disse analysene er normalt enkelttidspunkter, bulkanalyser, og overser dermed kritiske tidsavhengige svar og forsømmer klonale svar. Spesielt er evnen til å overvåke veksten av PDTOer (vekstrate) og deres respons på spesifikke terapier av høy interesse 4,5. Den normaliserte legemiddelresponsen (NDR), som scorer legemiddelrespons basert på vekstraten normalisert til en positiv (ctrl +) og negativ kontroll (ctrl-) tilstand, har også nylig blitt rapportert å være en avgjørende beregning for evaluering av kreftmedisinfølsomhet med cellebasert screening, selv om dette hovedsakelig ble gjort for 2D-cellelinjer6. Derfor er det behov for mer sofistikerte analysemetoder for å dra full nytte av disse mer klinisk representative og komplekse 3D-kreftmodellene. Mikroskopi regnes som en kraftig tilnærming for å studere kompleksiteten til disse organoidmodellene7.
Dette papiret beskriver en metode for overvåking av kinetiske legemiddelresponser i 3D-kreftmodeller, ved bruk av konvensjonelle vidvinkelmikroskoper og levende celleavbildningssystemer. Tilpasninger ble gjort til protokollen beskrevet av Driehuis et al.4 for å være kompatibel med automatisering ved hjelp av en pipetteringsrobot, digital medisindispenser og levende cellebildesystem for å øke reproduserbarheten og redusere antall “hands-on” arbeidstimer. Denne metoden tillater middels til høy gjennomstrømningsbehandling av både tumorsfæroider med etablerte kreftcellelinjer (se tilleggstabell S1 for testede cellelinjer), samt PDTOene, i et 384-brønns mikroplate og multiorganoidformat. Ved å bruke en konvolusjonell nettverksmaskinlæringsprosess kan automatisert identifikasjon og sporing av individuelle tumorsfæroider eller PDTOer utføres utelukkende fra brightfield-avbildning og uten bruk av fluorescerende levende cellemerkingsfarger8. Dette er svært fordelaktig, da de fleste identifikasjoner med brightfield-avbildning krever manuell merknad (som er arbeidskrevende og tidkrevende) eller krever tilsetning av fluorescerende fargestoffer, noe som kan forvirre legemiddelresponser relatert til fotoksisitetsindusert oksidativt stress9.
Den resulterende bildeanalyseprogramvaren som er utviklet internt, utvider funksjonaliteten til konvensjonelle levende cellebildesystemer, da 3D-bildeanalysemoduler enten ikke er tilgjengelige, plattformbegrensede eller ikke kompatible med 384-brønns mikroplater og helbrønnsavbildning. I tillegg er disse modulene ofte høyt priset og tilbyr begrensede bulkorganoidavlesninger. Derfor er denne metoden svært relevant for forskere som har tilgang til allment tilgjengelige levende celleavbildningssystemer og tar sikte på å trekke ut mer informasjon om en legemiddelrespons sammenlignet med gullstandarden, men rudimentær ATP-basert analyse. Med tillegg av spesifikke celledødsindikatorer kan cytostatiske legemiddelresponser skilles fra cytotoksiske responser, og dermed gi ytterligere innsikt i mekanistiske legemiddelhandlinger som for tiden er uoppnåelige fra enkeltpunktsanalyse. Endelig tillater levende celleavbildning individuell organoidsporing for å oppnå enkeltorganoide legemiddelresponsmålinger for å fange respons heterogenitet og identifisere potensielle resistente subkloner.
Målet med denne metoden og tilhørende bildeanalyseprogramvare er å implementere billig automatisering i organoid legemiddelscreening for å begrense brukerintervensjon og redusere variabilitet i håndtering, bildeanalyse og dataanalyse. For å gjøre denne programvaren tilgjengelig for forskere, er den mikroskop- og plattformagnostisk, og en skybasert applikasjon blir gjort tilgjengelig. Ved å støtte konvensjonelle levende celleavbildningssystemer, tar vi også sikte på å forbedre funksjonaliteten for 3D-dyrkingsapplikasjoner og analyse.
PDTO-screening med middels til høy gjennomstrømning er ofte avhengig av avlesninger som bare trekker ut en brøkdel av informasjonen som organoider potensielt kan gi. Det har blitt stadig tydeligere at for at den raskt utviklende organoidteknologien skal realisere større vitenskapelig og klinisk potensial, er det kritisk nødvendig med mer avanserte 3D-analyser, avlesninger og analysemetoder. Her beskrives en avansert screeningpipeline, som ikke bare øker reproduserbarheten, men også forbedrer den kliniske oversettbarheten betydelig ved å inkorporere en AI-drevet, levende celleavlesning. I tillegg til analyseprogramvare utviklet internt, implementeres bruken av normalisert legemiddelresponsmetrisk (NDR), noe som tydelig viser evnen til å definere pasientspesifikke forskjeller i behandlingsrespons6.
Inkluderingen av denne normaliseringsmetrikken vil utvilsomt være av enorm verdi, og minner om at mange studier tar sikte på å avgrense behandlingsresponser basert på mindre forskjeller i areal under kurven (AUC) eller halv maksimal hemmende konsentrasjon (IC50) (da de fleste dose-responskurvene overlapper / ligger nær hverandre)11,12 . Vekstratemålinger er allerede implementert i organoide legemiddelscreeningsprotokoller ved bruk av ATP-basert analyse, men er avhengige av normalisering av referansebrønner lyset ved tidspunkt 04. I motsetning til dette tillater denne metoden intrabrønnveksthastighetsnormalisering, som ikke bare tar hensyn til interpatient forskjeller i PDTO-veksthastighet, men også interwellforskjeller som følge av variasjoner i såtetthet og plateplasseringsavhengige effekter for å øke reproduserbarheten. Videre tilpasset vi NDR for ytterligere å øke separasjonen av interpatient PDTO-respons ved å inkludere en positiv kontroll for normalisering 6,8.
Videre kan analysen, som er kompatibel med høy gjennomstrømning og automatiseringsformater, nøyaktig oppdage individuelle organoidresponser, noe som muliggjør kvantifisering av subklonal motstand – den viktigste drivkraften for tilbakefall og progresjon av svulster13. For eksempel, selv om PDAC052 og PDAC060 viste en god respons på behandlingen in vitro (basert på NDR), var den ekstra enkeltorganoidanalysen i stand til å oppdage en liten (større populasjon med PDAC060) populasjon av subkloner som ikke reagerer på behandlingen. Interessant nok korresponderte dette høyt med den kliniske observasjonen, gitt at PDAC052 og PDAC060 hadde en holdbar respons (ingen tumoraktivitet oppdaget), men til slutt ble begge diagnostisert med lokal tumorprogresjon (på grunn av tilstedeværelsen av resistente kloner). Sammenlignet med konvensjonelle 3D-avlesninger (ATP-basert analyse og størrelse / tall), forventes denne avanserte screeningrørledningen å øke den prediktive ytelsen ved å trekke ut mer klinisk relevant informasjon ut av disse “pasientene i laboratoriet”. Denne hypotesen blir nå testet ved å screene kliniske PDTO-prøver i forfatternes laboratorium med denne metoden for å korrelere ex vivo med in vivo respons og klinisk utfall.
For å få mer innsikt i mekanismene for en legemiddelrespons, er konvensjonelle fluorescerende levende celleavbildningsreagenser, i tillegg til cytotoksisitetsfarger, kompatible med denne metoden for å studere mekanismer for celledød. Vi har tidligere vist at denne metoden er forlikelig med Sartorius Caspase 3/7 Green Reagens for å studere caspaseavhengig induksjon av apoptose etter cisplatinbehandling8. Kompatibiliteten med andre fargestoffer for å studere oksidativt stress (CellROX-reagenser) eller hypoksi (Image-iT Hypoksi-reagenser) gjenstår å bli testet. Imidlertid har disse reagensene allerede blitt brukt i 3D in vitro-modeller 14,15.
Bildeanalyseprogramvaren er også kompatibel med andre plateformater eller dyrkingsmetoder (f.eks. Mikrokavitetsplater, ECM-kupler) hvis klare, fokuserte bilder av organoidene kan tas. Dette er ofte utfordrende for organoider dyrket i kupler siden de vokser i forskjellige z-plan, noe som krever z-stablingsfunksjonalitet i mikroskopet som ikke alltid er tilgjengelig. Derfor anbefaler vi bruk av flatbunns ULA 384-brønns mikroplater for å sikre bilder av tilstrekkelig kvalitet.
I tillegg er analysen kompatibel med andre levende cellebildesystemer, som tidligere vist for fasekontrastbilder tatt med et IncuCyte ZOOM-system8. En begrensning av Spark Cyto live-cell imaging system som ble brukt i dette manuskriptet er en-plate kapasitet for kinetiske målinger. Spark Motion-utvidelsen øker imidlertid kapasiteten til opptil 40 mikroplater som kan screenes i bulk. Kompatibiliteten til programvaren som er utviklet internt, vil bli utvidet til disse og andre systemer for å tilby en plattformagnostisk løsning, med mål om å standardisere og automatisere bilde- og dataanalyserørledninger. Den nettbaserte applikasjonen vil også inkludere interaktive grafiske verktøy og automatiserte legemiddelmetriske beregninger, som vist i denne artikkelen, for å redusere manuell analysetid.
Den etikettfrie PDTO-segmenteringsalgoritmen ble trent og testet på forskjellige internt dyrkede sfæroid- og PDTO-modeller med forskjellige morfologiske forskjeller (solid, halvfast, cystisk), og kan følgelig oppdage disse med høy nøyaktighet8. En begrensning ved modellen er at inklusjon av cystiske PDTOer økte uønsket påvisning av bobler som var tilstede i brønnen etter såing. Inkubasjon over natten var imidlertid tilstrekkelig til å fjerne de fleste av disse boblene, noe som muliggjorde en kvalitativ tidspunkt 0-skanning. Nøyaktigheten av organoidbildesegmenteringen og metoden må valideres av andre brukere, og basert på deres tilbakemelding kan programvaren trenes videre for å oppnå en robust og automatisert bildeanalysealgoritme. I tillegg tar vi sikte på å oppnå flere kliniske data for å korrelere ex vivo-legemiddelresponsen kvantifisert med denne metoden til den kliniske responsen hos pasienten for å identifisere de beste parametrene for å forutsi terapirespons og videreutvikle denne metoden for funksjonell presisjonskreftmedisin16.
The authors have nothing to disclose.
En del av denne forskningen ble finansiert av donasjoner fra forskjellige givere, inkludert Dedert Schilde vzw og Willy Floren. Dette arbeidet er delvis finansiert av den flamske forskningsstiftelsen, 12S9221N (A.L.), G044420N (S.V., A.L., E.G.), 1S27021N (M.L.), og av Industrial Research Fund ved Universitetet i Antwerpen, PS ID 45151 (S.V., A.L., C.D.). Figur 1 ble laget med BioRender.com.
6-well plate | Greiner | 657160 | |
8-Channel p300 (GEN 2) pipette | Opentrons | ||
300 µL Tips | Opentrons | ||
384-well flat-bottom ULA microplate | Corning | 4588 | minimum volume 50 µL |
384-well flat-bottom ULA Phenoplate | Perkin Elmer | 6057802 | minimum volume 75 µL |
A8301 | Tocris Bioscience | 2939 | |
ADF+++ | Advanced DMEM/F12, 1% GlutaMAX, 1% HEPES, 1% penicillin/streptomycin | ||
Advanced DMEM/F-12 | ThermoFisher Scientific | 12634 | |
B27 | ThermoFisher Scientific | 17504044 | |
Breathe easy sealing membrane | Sigma-Aldrich | Z380059 | |
Caspase 3/7 Green | Sartorius | 4440 | |
Cell Counting Slides for TC10/TC20 | Bio-Rad Laboratories | 1450017 | |
CellTiter-Glo 3D | Promega | G9681 | ATP-assay |
Cooler for 25 mL reservoir | VWR (Diversified Biotech) | 490006-908 | |
Cooling element 12 x 8 x 3 cm | Bol.com | 9200000107744702 | For custom microplate holder OT-2 |
Cultrex Organoid Harvesting Solution | R&D systems | 3700-100-01 | |
Cultrex PathClear Reduced Growth Factor BME, Type 2 | R&D systems | 3533-010-02 | extracellular matrix (ECM) |
Cytotox Green | Sartorius | 4633 | |
Cytotox Red | Sartorius | 4632 | |
D300e | Tecan | Digital drug dispenser | |
D300e Control v3.3.5 | Tecan | Control software D300e | |
FGF10 | Peprotech | 100-26 | |
Full Medium | ADF+++ supplemented with 0.5 nM WNT surrogate-Fc-Fusion protein, 4% Noggin-Fc Fusion Protein conditioned medium, 4% Rpso3-Fc Fusion Protein conditioned medium, 1x B27, 1 mM N-acetyl cysteine (NAC), 5 mM nicotinamide, 500 nM A83-01, 100 ng/mL FGF10, and 10 nM Gastrin | ||
Gastrin | Sigma-Aldrich | G9145 | |
Gemcitabine | Selleck Chemicals | S1714 | |
GlutaMAX | ThermoFisher Scientific | 35050 | |
HEPES | ThermoFisher Scientific | 15630056 | |
Hoechst 33342 Solution (20 mM) | ThermoFisher Scientific | 62259 | |
Human pancreatic ductal adenocarcinoma (PDAC) patient-derived organoids | Biobank@uza (Antwerp, Belgium; ID: BE71030031000; Belgian Virtual Tumorbank funded by the National Cancer Plan) | ||
N-acetyl-cysteine | Sigma-Aldrich | A9165-25G | |
Nicotinamide | Sigma-Aldrich | N0636-100G | |
Noggin-Fc Fusion Protein conditioned medium | Immunoprecise | N002 | |
Opentrons App v6.0.1 | Opentrons | OT-2 control software | |
Opentrons Protocol Designer Tool | Opentrons | https://designer.opentrons.com/ | |
Orbits data compression tool | www.orbits-oncology.com or contact corresponding author | ||
Orbits image analysis webapp | University of Antwerp | www.orbits-oncology.com or contact corresponding author | |
OT-2 | Opentrons | Pipetting robot | |
Paclitaxel | Selleck Chemicals | S1150 | |
Pasteur Pipette 230 mm | Novolab | A33696 | |
Peniciline-Streptomycin | ThermoFisher Scientific | 15140 | |
Prism 9 | GraphPad | ||
Rspo3-Fc Fusion Protein conditioned medium | Immunoprecise | N003 | |
Spark Cyto 600 | Tecan | Live-cell imaging and multi-mode platereader | |
SparkControl v3.1 | Tecan | Spark Cyto control software | |
Staurosporine | Tocris Bioscience | 1285 | |
Sterile 25 mL reservoir | VWR (Diversified Biotech) | 10141-922 | |
T8 plus cassette | Tecan | ||
TC20 | Bio-Rad Laboratories | automated cell counter | |
TrypLE | ThermoFisher Scientific | 12604-021 | dissociation enzyme |
Tween-20 | Acros Organics | 233360010 | |
WNT Surrogate-Fc-Fusion protein | Immunoprecise | N001 | |
Y-27632 | Selleck Chemicals | S1049 |