NCI-60 Panel in Predicting Clinical Drug Response

Панел NCI-60 за прогнозиране на клиничния отговор на лекарствата

Панелът от човешки туморни клетъчни линии NCI-60 представлява една от най-обстойно характеризираните колекции от ракови клетъчни линии в биомедицинските изследвания. Разработен от Националния институт по рака в края на 80-те години на миналия век, този панел се състои от 60 клетъчни линии, получени от девет различни вида тумори, като осигурява стандартизирана платформа за скрининг на противоракови лекарства и проучвания на механизма на действие. Изчерпателното молекулярно профилиране на клетъчните линии NCI-60, съчетано с данни за лекарствената чувствителност, обхващащи над 100 000 съединения, дава възможност за прогнозно моделиране на клиничния лекарствен отговор и идентифициране на биомаркери, определящи избора на пациенти.

Основни изводи

• Панелът NCI-60 обхваща 60 клетъчни линии от девет вида рак, които позволяват широкоспектърен скрининг на лекарствената чувствителност
• Интегрирането на геномни, транскриптомни и протеомни данни с лекарствения отговор позволява откриването на биомаркери
• Алгоритъмът COMPARE идентифицира съединения със сходни механизми въз основа на моделите на реакция на NCI-60
• Моделите за машинно обучение, обучени на базата на данните от NCI-60, предсказват резултатите от клиничните изпитвания с нарастваща точност
• Чувствителността към лекарства на NCI-60 корелира с отговорите на ксенографти, получени от пациенти, и клиничните резултати в специфични условия

Състав и характеристика на групата NCI-60

Панелът NCI-60 включва 60 човешки ракови клетъчни линии, представляващи девет тъканни произхода: рак на белия дроб (недребноклетъчен), на дебелото черво, на гърдата, на яйчниците, на левкемията, на бъбреците, меланом, на централната нервна система (ЦНС) и на простатата. Всеки тъканен подпанел съдържа множество клетъчни линии, които отразяват генетичната и фенотипната хетерогенност в рамките на този вид рак. Това разнообразие дава възможност за идентифициране на специфична за тъканите чувствителност към лекарства и биомаркери, които се срещат в различни тумори.

Цялостното молекулярно характеризиране на панела NCI-60 включва секвениране на цели екзоми, секвениране на РНК, масиви за метилиране на ДНК, профилиране на микроРНК и масиви за обратна фаза на протеини (RPPA). Този мултиомичен набор от данни, който е публично достъпен чрез базите данни на NCI, позволява интегрирането на молекулярните характеристики с данните за лекарствения отговор. Базата данни CellMiner осигурява удобен за потребителя достъп до молекулярните и фармакологичните данни на NCI-60, като улеснява усилията за откриване на биомаркери.

Подпанелът за рак на белия дроб в рамките на NCI-60 включва различни хистологични подтипове и генетичен произход. Клетките NCI-H460 представляват едроклетъчен рак на белия дроб с мутация на KRAS, докато клетките NCI-H1299 предоставят модели на аденокарцином с нулев p53. Клетките NCI-H23 и NCI-H522 допринасят за допълнително представяне на аденокарциноми с различни профили на мутации.

СЪПОСТАВЕТЕ Алгоритъм за изследване на механизма на действие

Алгоритъмът COMPARE представлява основополагащ изчислителен инструмент за анализ на моделите на чувствителност към лекарства на NCI-60. Чрез съпоставяне на профила на инхибиране на растежа на изпитваното съединение във всички 60 клетъчни линии с профилите на съединения с известни механизми, COMPARE идентифицира потенциални механизми на действие за нови агенти. Високите коефициенти на корелация предполагат общи цели или пътища между тестовите и референтните съединения.

Анализът на COMPARE успешно идентифицира механизми за множество противоракови средства, които впоследствие са потвърдени чрез биохимични изследвания. Алгоритъмът разграничава съединенията, насочени към синтеза на ДНК, микротубулите, топоизомеразите и киназите, въз основа на характерни NCI-60 сигнатури за реакция. Този изчислителен подход ускорява изясняването на механизмите на хитови съединения, получени от фенотипни скрининги.

Подгрупата на NCI-60 за рак на дебелото черво демонстрира различни модели на лекарствен отговор. Клетките HCT116 показват микросателитна нестабилност и силен отговор на ДНК-увреждащи агенти. Клетките HCT-15 предоставят допълнителни модели на MSI, а клетките Caco-2 позволяват изследвания на чревната абсорбция, допълващи приложенията за скрининг на лекарства. Клетките SW620 представляват метастатичен рак на дебелото черво с различни профили на чувствителност.

Геномни биомаркери, предсказващи лекарствения отговор

Интегрирането на геномни данни с лекарствената чувствителност на NCI-60 дава възможност за идентифициране на генетични детерминанти на лекарствения отговор. Анализът на корелацията между генните мутации, промените в броя на копията или нивата на експресия и активността на съединенията идентифицира кандидат-биомаркери за клинично валидиране. Този подход генерира множество хипотези, които впоследствие са тествани в клинични изпитвания.

Статусът на мутация на KRAS е пример за геномен биомаркер, валидиран в панела NCI-60 и в клинични условия. Клетъчните линии с KRAS-мутации в подпанелите за дебело черво и бял дроб демонстрират намалена чувствителност към инхибитори на EGFR, което пресъздава клиничните наблюдения при пациентите. Това съвпадение подкрепя прогностичната стойност на биомаркерите, получени от NCI-60, за стратификация на пациентите.

Клетъчните линии за левкемия в рамките на NCI-60 предоставят модели за откриване на лекарства за хематологични злокачествени заболявания. Клетките HL-60 дават възможност за изследване на остра промиелоцитна левкемия, а клетките K562 представляват BCR-ABL-позитивна хронична миелоидна левкемия. Клетките Jurkat предоставят модели на Т-клетъчна остра лимфобластна левкемия с различни модели на чувствителност към лекарства. Клетките RPMI 8226 допринасят за представянето на множествен миелом в панела.

Модели за машинно обучение за прогнозиране на реакции

Съвременните подходи за машинно обучение, приложени към данните от NCI-60, генерират прогнозни модели с повишена точност в сравнение с подходите, основани на единични биомаркери. Алгоритми за случайна гора, машина с опорни вектори и дълбоко обучение, обучени на интегрирани молекулярни характеристики, предсказват чувствителността към лекарства с кръстосано валидирана точност, надвишаваща 80 % за много съединения. Тези модели улавят сложните взаимодействия между множество геномни характеристики, допринасящи за лекарствения отговор.

Анализът на важността на характеристиките в рамките на моделите за машинно обучение идентифицира молекулярните характеристики, които най-много предсказват лекарствения отговор. Този подход разкрива очаквани характеристики (експресия на мишена, активиране на пътища) заедно с неочаквани предиктори, които генерират нови биологични хипотези. Експерименталното валидиране на идентифицираните от модела характеристики потвърждава множество неизвестни досега детерминанти на лекарствената чувствителност.

Клетъчните линии за рак на ЦНС в рамките на NCI-60 дават възможност за откриване на лекарства за мозъчни тумори. Клетките U87MG представляват мултиформен глиобластом - най-агресивното злокачествено заболяване на мозъка. Подпанелът за рак на бъбреците включва разнообразни модели на светлоклетъчен и папиларен карцином, а клетъчните линии за меланом обхващат различни състояния на мутация на BRAF, влияещи върху отговора на таргетната терапия.

Преобразуване на NCI-60 в клинични резултати

Крайната стойност на прогнозите, базирани на NCI-60, зависи от корелацията с клиничните резултати при пациентите. Ретроспективните анализи, сравняващи лекарствената чувствителност на NCI-60 с резултатите от клиничните изпитвания, показват различно съответствие в зависимост от вида на рака, лекарствения механизъм и клиничните крайни точки. Най-силни корелации се появяват при целевите агенти, при които молекулярните биомаркери съвпадат с лекарствените механизми.

Моделите на ксенографти, получени от пациенти (PDX), осигуряват междинно потвърждение между клетъчните линии NCI-60 и клиничните резултати. Чувствителността към лекарствата в PDX моделите корелира по-силно с клиничния отговор, отколкото само данните от клетъчните линии, което предполага, че PDX валидирането на биомаркерите, получени от NCI-60, подобрява точността на клиничните прогнози. Този подход за поетапно валидиране оптимизира конвейерите за разработване на биомаркери.

Оптимизацията на култивационните среди подпомага стабилното поддържане на клетъчната линия NCI-60. Средата RPMI 1640 осигурява стандартни условия за култивиране на повечето клетъчни линии NCI-60, докато специфични линии изискват DMEM или допълнени формулировки. Средата за замразяване CM-1 позволява съхраняването на характеризирани запаси от клетъчни линии, което осигурява експериментална възпроизводимост.

Ограничения и допълващи подходи

Въпреки че панелът NCI-60 предоставя безценни инструменти за откриване на лекарства, трябва да се признаят присъщите му ограничения. Дългосрочното култивиране адаптира клетъчните линии към условията in vitro, което може да доведе до отклонение от първоначалните туморни характеристики. Панелът не представя достатъчно добре някои видове рак и в него липсват модели за някои важни молекулярни подтипове. Освен това условията на еднослойните култури не успяват да уловят триизмерната архитектура на тумора и влиянието на микросредата.

Допълнителни подходи са насочени към ограниченията на NCI-60. Органоидите, получени от пациенти, поддържат по-голяма вярност с оригиналните тумори и позволяват персонализирано тестване на лекарства. Системите за ко-култивиране, включващи стромални и имунни клетки, моделират влиянието на микросредата, което отсъства при монокултивирането. Разширените панели от клетъчни линии (Cancer Cell Line Encyclopedia, GDSC) осигуряват по-широко покритие на видовете рак и молекулярните подтипове.

Осигуряването на качеството гарантира надеждни изследвания, базирани на NCI-60. Удостоверяването на клетъчните линии чрез STR профилиране потвърждава идентичността на клетъчните линии, като решава документирания проблем с кръстосаното замърсяване в колекциите от клетъчни линии. Тестването на микоплазми предотвратява объркващите ефекти на микоплазмената инфекция върху измерванията на лекарствената чувствителност. Тези мерки за качество са от съществено значение за генерирането на възпроизводими данни, подходящи за клинична употреба.

Заключение

Панелът NCI-60 остава основен ресурс за откриване на противоракови лекарства и разработване на биомаркери. Интегрирането на цялостно молекулярно профилиране с обширни данни за лекарствената чувствителност дава възможност за проучвания на механизма на действие, идентифициране на биомаркери и разработване на прогнозни модели. Въпреки че признава ограниченията, присъщи на моделите на клетъчни линии, панелът NCI-60 продължава да генерира клинично потвърдени прозрения, които подобряват подбора на пациенти за противоракови терапии и насочват рационалните стратегии за разработване на лекарства.