Este protocolo describe un método semiautomatizado para exámenes de detección de fármacos con organoides de rendimiento medio a alto y software de análisis de imágenes automatizado e independiente del microscopio para cuantificar y visualizar las respuestas multiparamétricas a fármacos de un solo organoide para capturar la heterogeneidad intratumoral.
Los organoides tumorales derivados del paciente (PDTO) son muy prometedores para la investigación preclínica y traslacional y para predecir la respuesta terapéutica del paciente a partir de exámenes de detección de fármacos ex vivo . Sin embargo, los ensayos actuales de detección de fármacos basados en trifosfato de adenosina (ATP) no capturan la complejidad de una respuesta al fármaco (citostática o citotóxica) y la heterogeneidad intratumoral que se ha demostrado que se conserva en las PDTO debido a una lectura masiva. Las imágenes de células vivas son una herramienta poderosa para superar este problema y visualizar las respuestas a los medicamentos más en profundidad. Sin embargo, el software de análisis de imágenes a menudo no está adaptado a la tridimensionalidad de los PDTO, requiere tintes de viabilidad fluorescentes o no es compatible con un formato de microplaca de 384 pocillos. Este documento describe una metodología semiautomatizada para sembrar, tratar e obtener imágenes de PDTO en un formato de 384 pocillos de alto rendimiento utilizando sistemas convencionales de imágenes de células vivas de campo amplio. Además, desarrollamos un software de análisis de imágenes sin marcadores de viabilidad para cuantificar las métricas de respuesta a los medicamentos basadas en la tasa de crecimiento que mejoran la reproducibilidad y corrigen las variaciones de la tasa de crecimiento entre diferentes líneas de PDTO. Usando la métrica normalizada de respuesta al fármaco, que califica la respuesta al fármaco en función de la tasa de crecimiento normalizada a una condición de control positiva y negativa, y un colorante de muerte celular fluorescente, las respuestas citotóxicas y citostáticas a los fármacos se pueden distinguir fácilmente, mejorando profundamente la clasificación de respondedores y no respondedores. Además, la heterogeneidad farmacológica de la respuesta puede cuantificarse a partir del análisis de respuesta al fármaco de un solo organoide para identificar clones potenciales y resistentes. En última instancia, este método tiene como objetivo mejorar la predicción de la respuesta a la terapia clínica mediante la captura de una firma de respuesta farmacológica multiparamétrica, que incluye la detención cinética del crecimiento y la cuantificación de la muerte celular.
En los últimos años, el descubrimiento de fármacos contra el cáncer in vitro , la detección de fármacos y la investigación fundamental han pasado del uso de modelos tradicionales de cáncer bidimensional (2D) con líneas celulares inmortalizadas a modelos de cáncer tridimensionales (3D) más relevantes fisiológicamente. Esto ha estimulado la adopción de esferoides tumorales con líneas celulares de cáncer establecidas, que recrean interacciones y estructuras más complejas de célula a célula presentes en tumores sólidos. Actualmente, los organoides tumorales derivados de pacientes (PDTO) son el modelo de cáncer 3D más avanzado y fisiológicamente relevante disponible para la investigación in vitro del cáncer, ya que proporcionan ventajas adicionales sobre los esferoides tumorales, a saber, la heterogeneidad encontrada en pacientes con cáncer1. Los PDTO se establecen a partir del tejido tumoral originado en pacientes con cáncer y, por lo tanto, conservan tanto el fenotipo como el genotipo del tumor. Como tales, las PDTO se están volviendo invaluables para la investigación fundamental y traslacional del cáncer y tienen el potencial de mejorar en gran medida la oncología de precisión2.
A pesar de su potencial prometedor, estos sofisticados modelos 3D in vitro de cáncer a menudo están infrautilizados debido a la falta de métodos de análisis avanzados. El ensayo más comúnmente utilizado determina el número de células viables en el PDTO a través de la cuantificación de ATP3 intracelular. Estos ensayos son normalmente análisis masivos de un solo punto de tiempo, por lo que pasan por alto las respuestas críticas dependientes del tiempo y descuidan las respuestas clonales. Específicamente, la capacidad de monitorear el crecimiento de las PDTO (tasa de crecimiento) y su respuesta a terapias específicas es de alto interés 4,5. La respuesta normalizada al fármaco (NDR), que califica la respuesta al fármaco en función de la tasa de crecimiento normalizada a una condición positiva (ctrl +) y control negativo (ctrl-), también se ha informado recientemente que es una métrica crucial para evaluar la sensibilidad a los medicamentos contra el cáncer con la detección basada en células, aunque esto se hizo predominantemente para las líneas celulares 2D6. Por lo tanto, se necesitan métodos de análisis más sofisticados para aprovechar al máximo estos modelos de cáncer 3D clínicamente más representativos y complejos. La microscopía es considerada un enfoque poderoso para estudiar la complejidad de estos modelos de organoides7.
Este artículo describe un método para monitorear las respuestas cinéticas a los medicamentos en modelos 3D de cáncer, utilizando microscopios convencionales de campo amplio y sistemas de imágenes de células vivas. Se realizaron adaptaciones al protocolo descrito por Driehuis et al.4 para que fuera compatible con la automatización utilizando un robot de pipeteo, un dispensador digital de medicamentos y un sistema de imágenes de células vivas para aumentar la reproducibilidad y reducir el número de horas de trabajo “práctico”. Este método permite el cribado farmacológico de rendimiento medio a alto tanto de esferoides tumorales con líneas celulares cancerosas establecidas (consulte la Tabla suplementaria S1 para líneas celulares probadas), como de las PDTO, en un formato de microplaca y multiorganoide de 384 pocillos. Mediante el uso de un proceso de aprendizaje automático de red convolucional, la identificación automatizada y el seguimiento de esferoides tumorales individuales o PDTO podrían realizarse únicamente a partir de imágenes de campo claro y sin el uso de colorantes fluorescentes de etiquetado de células vivas8. Esto es muy ventajoso, ya que la mayoría de la identificación con imágenes de campo claro requiere anotación manual (que es laboriosa y requiere mucho tiempo) o requiere la adición de colorantes fluorescentes, que pueden confundir las respuestas farmacológicas relacionadas con el estrés oxidativo inducido por la fotoxicidad9.
El software de análisis de imágenes resultante desarrollado internamente amplía la funcionalidad de los sistemas convencionales de imágenes de células vivas, ya que los módulos de análisis de imágenes 3D no están disponibles, están restringidos por la plataforma o no son compatibles con microplacas de 384 pocillos e imágenes de pozos completos. Además, estos módulos a menudo tienen un precio alto y ofrecen lecturas limitadas de organoides a granel. Por lo tanto, este método es muy relevante para los científicos que tienen acceso a sistemas de imágenes de células vivas ampliamente disponibles y tienen como objetivo extraer más información sobre la respuesta a un fármaco en comparación con el ensayo basado en ATP estándar de oro pero rudimentario. Con la adición de indicadores específicos de muerte celular, las respuestas citostáticas a los fármacos se pueden distinguir de las respuestas citotóxicas, proporcionando así una mayor comprensión de las acciones mecanicistas de los fármacos actualmente inalcanzables a partir del análisis de un solo punto temporal. Finalmente, las imágenes de células vivas permiten el seguimiento de organoides individuales para obtener métricas de respuesta a fármacos de organoides individuales para capturar la heterogeneidad de la respuesta e identificar posibles subclones resistentes.
El objetivo de este método y el software de análisis de imágenes asociado es implementar una automatización de bajo costo en la detección de fármacos organoides para limitar la intervención del usuario y reducir la variabilidad en el manejo, el análisis de imágenes y el análisis de datos. Para que este software esté disponible para los investigadores, es independiente del microscopio y la plataforma, y se pone a disposición una aplicación basada en la nube. Por lo tanto, al admitir sistemas convencionales de imágenes de células vivas, también pretendemos mejorar su funcionalidad para aplicaciones y análisis de cultivo 3D.
La detección de drogas PDTO de rendimiento medio a alto a menudo se basa en lecturas que solo extraen una fracción de la información que los organoides podrían proporcionar. Se ha vuelto cada vez más claro que, para que la tecnología de organoides en rápida evolución alcance un mayor potencial científico y clínico, se requieren críticamente ensayos 3D más avanzados, lecturas y métodos de análisis. Aquí, se describe una línea de detección avanzada, que no solo aumenta la reproducibilidad, sino que también mejora considerablemente la traducibilidad clínica al incorporar una lectura de imágenes de células vivas impulsada por IA. Además del software de análisis desarrollado internamente, se implementa el uso de la métrica normalizada de respuesta a medicamentos (NDR), que demuestra claramente su capacidad para definir las diferencias específicas del paciente en la respuesta al tratamiento6.
La inclusión de esta métrica de normalización será, sin duda, de gran valor, recordando que numerosos estudios tienen como objetivo delinear las respuestas al tratamiento basadas en diferencias menores en el área bajo la curva (AUC) o la concentración inhibitoria semimáxima (IC50) (ya que la mayoría de las curvas dosis-respuesta se superponen/están ubicadas cerca unas de otras)11,12 . Las métricas de la tasa de crecimiento ya se han implementado en protocolos de detección de fármacos organoides utilizando el ensayo basado en ATP, pero se basan en la normalización de los pocillos de referencia lisados en el punto de tiempo 04. En contraste, este método permite la normalización de la tasa de crecimiento intrapozo, que no solo explica las diferencias entre pacientes en la tasa de crecimiento de PDTO, sino también las diferencias entre pozos resultantes de las variaciones en la densidad de siembra y los efectos dependientes de la ubicación de la placa para aumentar la reproducibilidad. Además, adaptamos la NDR para aumentar aún más la separación de la respuesta de PDTO interpaciente al incluir un control positivo para la normalización 6,8.
Además, el análisis, que es compatible con formatos de alto rendimiento y automatización, puede detectar con precisión las respuestas individuales de los organoides, lo que permite cuantificar la resistencia subclonal, la principal fuerza impulsora de la recaída y progresión tumoral13. Por ejemplo, aunque PDAC052 y PDAC060 mostraron una buena respuesta al tratamiento in vitro (basado en la NDR), el análisis adicional de un solo organoide fue capaz de detectar una población pequeña (población más grande con PDAC060) de subclones que no responden al tratamiento. Curiosamente, esto se correspondió altamente con la observación clínica, dado que PDAC052 y PDAC060 tuvieron una respuesta duradera (no se detectó actividad tumoral), pero finalmente ambos fueron diagnosticados con progresión tumoral local (debido a la presencia de clones resistentes). En comparación con las lecturas 3D convencionales (ensayo basado en ATP y tamaño/números), se espera que esta línea de detección avanzada aumente el rendimiento predictivo al extraer más información clínicamente relevante de estos “pacientes en el laboratorio”. Esta hipótesis ahora se está probando mediante el cribado de muestras clínicas de PDTO en el laboratorio de los autores con este método para correlacionar ex vivo con la respuesta in vivo y el resultado clínico.
Para obtener más información sobre los mecanismos de respuesta a un fármaco, los reactivos convencionales de imágenes fluorescentes de células vivas, además de los colorantes de citotoxicidad, son compatibles con este método para estudiar los mecanismos de muerte celular. Hemos demostrado previamente la compatibilidad de este método con el Reactivo Verde Caspasa 3/7 de Sartorius para estudiar la inducción de apoptosis dependiente de caspasa después del tratamiento con cisplatino8. La compatibilidad con otros colorantes para estudiar el estrés oxidativo (reactivos CellROX) o la hipoxia (reactivos de hipoxia Image-iT) aún no se ha probado. Sin embargo, estos reactivos ya han sido utilizados con éxito en modelos 3D in vitro 14,15.
El software de análisis de imágenes también es compatible con otros formatos de placas o métodos de cultivo (por ejemplo, placas de microcavidades, domos ECM) si se pueden capturar imágenes claras y enfocadas de los organoides. Esto es a menudo un desafío para los organoides cultivados en domos, ya que crecen en diferentes planos z, lo que requiere la funcionalidad de apilamiento z del microscopio que no siempre está disponible. Por lo tanto, recomendamos el uso de microplacas ULA de 384 pocillos de fondo plano para garantizar imágenes de calidad suficiente.
Además, el análisis es compatible con otros sistemas de imágenes de células vivas, como se mostró anteriormente para imágenes de contraste de fase capturadas con un sistema IncuCyte ZOOM8. Una limitación del sistema de imágenes de células vivas Spark Cyto que se utilizó en este manuscrito es la capacidad de una placa para mediciones cinéticas. Sin embargo, la expansión Spark Motion aumenta su capacidad hasta 40 microplacas que se pueden cribar a granel. La compatibilidad del software desarrollado internamente se ampliará a estos y otros sistemas para ofrecer una solución independiente de la plataforma, con el objetivo de estandarizar y automatizar las tuberías de análisis de imágenes y datos. La aplicación basada en la web también incluirá herramientas gráficas interactivas y cálculos automatizados de métricas de medicamentos, como se muestra en este documento, para reducir el tiempo de análisis manual.
El algoritmo de segmentación PDTO sin etiquetas fue entrenado y probado en varios modelos de esferoides y PDTO cultivados internamente con distintas diferencias morfológicas (sólido, semisólido, quístico), y en consecuencia puede detectarlos con alta precisión8. Una limitación del modelo es que la inclusión de PDTOs quísticas aumentó la detección no deseada de burbujas presentes en el pozo después de la siembra. Sin embargo, la incubación nocturna fue suficiente para eliminar la mayoría de estas burbujas, lo que permitió un escaneo cualitativo del punto de tiempo 0. La precisión de la segmentación de la imagen organoide y el método deben ser validados por otros usuarios y, en función de sus comentarios, el software puede ser entrenado aún más para obtener un algoritmo de análisis de imágenes robusto y automatizado. Además, nuestro objetivo es obtener más datos clínicos para correlacionar la respuesta farmacológica ex vivo cuantificada por este método con la respuesta clínica en el paciente para identificar los mejores parámetros para predecir la respuesta a la terapia y desarrollar aún más este método para la medicina funcional de precisión del cáncer16.
The authors have nothing to disclose.
Parte de esta investigación fue financiada por donaciones de diferentes donantes, incluidos Dedert Schilde vzw y el Sr. Willy Floren. Este trabajo está parcialmente financiado por la Fundación de Investigación Flamenca, 12S9221N (A.L.), G044420N (S.V., A.L., E.G), 1S27021N (M.L), y por el Fondo de Investigación Industrial de la Universidad de Amberes, PS ID 45151 (S.V., A.L., C.D.). La figura 1 se creó con 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 |