NCI-60 Panel in Predicting Clinical Drug Response

NCI-60-panelet til forudsigelse af klinisk lægemiddelrespons

NCI-60-panelet af humane tumorcellelinjer repræsenterer en af de mest omfattende samlinger af kræftcellelinjer inden for biomedicinsk forskning. Panelet blev udviklet af National Cancer Institute i slutningen af 1980'erne og består af 60 cellelinjer fra ni forskellige tumortyper, hvilket giver en standardiseret platform til screening af kræftlægemidler og undersøgelser af virkningsmekanismer. Den omfattende molekylære profilering af NCI-60-cellelinjer kombineret med lægemiddelfølsomhedsdata, der spænder over 100.000 forbindelser, muliggør forudsigelig modellering af klinisk lægemiddelrespons og identifikation af biomarkører, der vejleder patientudvælgelse.

Det vigtigste at vide

• NCI-60-panelet omfatter 60 cellelinjer fra ni kræfttyper, der muliggør bredspektret screening af lægemiddelfølsomhed
• Integration af genomiske, transkriptomiske og proteomiske data med lægemiddelrespons muliggør opdagelse af biomarkører
• COMPARE-algoritmen identificerer forbindelser med lignende mekanismer baseret på NCI-60-responsmønstre
• Maskinlæringsmodeller, der er trænet på NCI-60-data, forudsiger resultater af kliniske forsøg med stigende nøjagtighed
• NCI-60-lægemiddelfølsomhed korrelerer med patientafledte xenograft-responser og kliniske resultater i specifikke sammenhænge

Sammensætning og karakterisering af NCI-60-panelet

NCI-60-panelet omfatter 60 humane kræftcellelinjer, der repræsenterer ni vævsoprindelser: lunge (ikke-småcellet), tyktarm, bryst, æggestok, leukæmi, nyre, melanom, centralnervesystemet (CNS) og prostatakræft. Hvert vævsunderpanel indeholder flere cellelinjer, der indfanger genetisk og fænotypisk heterogenitet inden for den pågældende kræfttype. Denne mangfoldighed muliggør identifikation af vævsspecifik lægemiddelfølsomhed og biomarkører på tværs af tumorer.

Omfattende molekylær karakterisering af NCI-60-panelet omfatter heleksomsekventering, RNA-sekventering, DNA-methyleringsarrays, mikroRNA-profilering og reverse-phase proteinarrays (RPPA). Dette multi-omiske datasæt, som er offentligt tilgængeligt via NCI-databaser, gør det muligt at integrere molekylære egenskaber med data om lægemiddelrespons. CellMiner-databasen giver brugervenlig adgang til NCI-60 molekylære og farmakologiske data, hvilket letter arbejdet med at finde biomarkører.

Underpanelet for lungekræft i NCI-60 omfatter forskellige histologiske undertyper og genetiske baggrunde. NCI-H460 Cells repræsenterer storcellet lungekræft med KRAS-mutation, mens NCI-H1299 Cells giver p53-null adenokarcinom-modeller. NCI-H23 Cells og NCI-H522 Cells bidrager med yderligere adenokarcinomrepræsentation med forskellige mutationsprofiler.

COMPARE-algoritmen til studier af virkningsmekanismer

COMPARE-algoritmen er et grundlæggende beregningsværktøj til analyse af NCI-60-lægemiddelfølsomhedsmønstre. Ved at korrelere væksthæmningsprofilen for et teststof på tværs af alle 60 cellelinjer med profiler for stoffer med kendte mekanismer identificerer COMPARE potentielle virkningsmekanismer for nye stoffer. Høje korrelationskoefficienter tyder på fælles mål eller veje mellem test- og referenceforbindelser.

COMPARE-analysen har med succes identificeret mekanismer for adskillige kræftmidler, som efterfølgende er blevet valideret gennem biokemiske undersøgelser. Algoritmen skelner mellem stoffer, der retter sig mod DNA-syntese, mikrotubuli, topoisomeraser og kinaser baseret på karakteristiske NCI-60-responssignaturer. Denne beregningsmæssige tilgang fremskynder mekanismeafklaringen for hitforbindelser, der fremkommer fra fænotypiske skærme.

NCI-60-underpanelet for tyktarmskræft viser forskellige responsmønstre på lægemidler. HCT116-celler udviser mikrosatellitinstabilitet og robust respons på DNA-skadelige stoffer. HCT-15-celler giver yderligere MSI-modeller, mens Caco-2-celler muliggør undersøgelser af tarmabsorption som supplement til screening af lægemidler. SW620-celler repræsenterer metastatisk tyktarmskræft med forskellige følsomhedsprofiler.

Genomiske biomarkører, der forudsiger lægemiddelrespons

Integrationen af genomiske data med NCI-60-lægemiddelfølsomhed muliggør identifikation af genetiske determinanter for lægemiddelrespons. Korrelationsanalyse mellem genmutationer, ændringer i antallet af kopier eller ekspressionsniveauer og lægemiddelaktivitet identificerer kandidatbiomarkører til klinisk validering. Denne tilgang har genereret adskillige hypoteser, som efterfølgende er blevet testet i kliniske forsøg.

KRAS-mutationsstatus er et eksempel på en genomisk biomarkør, der er valideret på tværs af NCI-60-panelet og kliniske indstillinger. KRAS-muterede cellelinjer i colon- og lungesubpanelerne udviser nedsat følsomhed over for EGFR-hæmmere, hvilket svarer til kliniske observationer hos patienter. Denne overensstemmelse understøtter den prædiktive værdi af NCI-60-afledte biomarkører til patientstratificering.

Leukæmicellelinjer i NCI-60 giver modeller til opdagelse af hæmatologisk malignitet. HL-60-celler muliggør forskning i akut promyelocytisk leukæmi, mens K562-celler repræsenterer BCR-ABL-positiv kronisk myeloid leukæmi. Jurkat-celler giver modeller for akut lymfoblastisk leukæmi med T-celler og forskellige mønstre for lægemiddelfølsomhed. RPMI 8226 Cells bidrager med repræsentation af myelomatose til panelet.

Maskinlæringsmodeller til forudsigelse af respons

Moderne maskinlæringsmetoder anvendt på NCI-60-data genererer prædiktive modeller med forbedret nøjagtighed i forhold til enkeltbiomarkørmetoder. Random forest, support vector machine og deep learning-algoritmer, der er trænet på integrerede molekylære egenskaber, forudsiger lægemiddelfølsomhed med krydsvalideret nøjagtighed på over 80 % for mange forbindelser. Disse modeller fanger komplekse interaktioner mellem flere genomiske funktioner, der bidrager til lægemiddelrespons.

Analyse af funktionernes betydning i maskinlæringsmodeller identificerer de molekylære funktioner, der er mest forudsigelige for lægemiddelrespons. Denne tilgang afslører forventede funktioner (måludtryk, vejaktivering) sammen med uventede prædiktorer, der genererer nye biologiske hypoteser. Eksperimentel validering af modelidentificerede funktioner har bekræftet adskillige tidligere ukendte determinanter for lægemiddelfølsomhed.

Cellelinjer for CNS-cancer i NCI-60 muliggør opdagelse af lægemidler til hjernetumorer. U87MG-celler repræsenterer glioblastoma multiforme, den mest aggressive malignitet i hjernen. Underpanelet for nyrekræft omfatter forskellige modeller for klarcellet og papillært karcinom, mens melanomcellelinjer spænder over forskellige BRAF-mutationsstatusser, der påvirker responsen på målrettet behandling.

Oversættelse fra NCI-60 til kliniske resultater

Den ultimative værdi af NCI-60-baserede forudsigelser afhænger af korrelationen med kliniske resultater hos patienter. Retrospektive analyser, der sammenligner NCI-60-lægemiddelfølsomhed med kliniske forsøgsresultater, viser varierende overensstemmelse afhængigt af kræfttype, lægemiddelmekanisme og kliniske slutpunkter. De stærkeste sammenhænge viser sig for målrettede midler, hvor molekylære biomarkører stemmer overens med lægemiddelmekanismer.

Patientafledte xenograft-modeller (PDX) giver en mellemliggende validering mellem NCI-60-cellelinjer og kliniske resultater. Lægemiddelfølsomhed i PDX-modeller korrelerer stærkere med klinisk respons end cellelinjedata alene, hvilket tyder på, at PDX-validering af NCI-60-afledte biomarkører forbedrer den kliniske forudsigelsesnøjagtighed. Denne trinvise valideringsmetode optimerer pipelines til udvikling af biomarkører.

Optimering af kulturmedier understøtter robust vedligeholdelse af NCI-60-cellelinjer. RPMI 1640 Medium giver standard dyrkningsbetingelser for de fleste NCI-60-cellelinjer, mens specifikke linjer kræver DMEM eller supplerede formuleringer. Freeze Medium CM-1 muliggør opbevaring af karakteriserede cellelinjer, hvilket sikrer eksperimentel reproducerbarhed.

Begrænsninger og supplerende tilgange

Mens NCI-60-panelet giver uvurderlige værktøjer til opdagelse af lægemidler, skal man være opmærksom på de iboende begrænsninger. Langvarig dyrkning tilpasser cellelinjer til in vitro-forhold, der potentielt afviger fra de oprindelige tumoregenskaber. Panelet underrepræsenterer visse kræfttyper og mangler modeller for nogle vigtige molekylære undertyper. Derudover kan monolayer-kulturbetingelser ikke indfange tredimensionel tumorarkitektur og mikromiljøpåvirkninger.

Komplementære tilgange adresserer NCI-60's begrænsninger. Patientafledte organoider er mere tro mod de oprindelige tumorer og muliggør personlig testning af lægemidler. Samdyrkningssystemer med stromaceller og immunceller modellerer bidrag fra mikromiljøet, som ikke findes i monokulturer. Udvidede cellelinjepaneler (Cancer Cell Line Encyclopedia, GDSC) giver bredere dækning af kræfttyper og molekylære undertyper.

Kvalitetssikring sikrer pålidelig NCI-60-baseret forskning. Cellelinjeautentificering gennem STR-profilering bekræfter cellelinjeidentiteten og løser det dokumenterede problem med krydskontaminering inden for cellelinjesamlinger. Mycoplasma-testning forhindrer forvirrende effekter af mycoplasma-infektion på målinger af lægemiddelfølsomhed. Disse kvalitetsforanstaltninger er afgørende for at generere reproducerbare data, der er egnede til klinisk oversættelse.

Konklusion

NCI-60-panelet er fortsat en hjørnestensressource til opdagelse af kræftlægemidler og udvikling af biomarkører. Integration af omfattende molekylær profilering med omfattende data om lægemiddelfølsomhed muliggør undersøgelser af virkningsmekanismer, identifikation af biomarkører og udvikling af prædiktive modeller. Selv om vi anerkender de begrænsninger, der ligger i cellelinjemodeller, fortsætter NCI-60-panelet med at generere klinisk validerede indsigter, der forbedrer patientudvælgelsen til kræftbehandlinger og styrer rationelle strategier for lægemiddeludvikling.