NCI-60 Panel in Predicting Clinical Drug Response

NCI-60 Panel zur Vorhersage des klinischen Ansprechens auf Medikamente

Das NCI-60 Panel menschlicher Tumorzelllinien ist eine der am umfassendsten charakterisierten Krebszellliniensammlungen in der biomedizinischen Forschung. Dieses vom National Cancer Institute in den späten 1980er Jahren entwickelte Panel umfasst 60 Zelllinien, die von neun verschiedenen Tumorarten stammen, und bietet eine standardisierte Plattform für das Screening von Krebsmedikamenten und die Untersuchung des Wirkmechanismus. Die umfassende molekulare Profilierung der NCI-60-Zelllinien in Verbindung mit Daten zur Empfindlichkeit von über 100.000 Wirkstoffen ermöglicht die Vorhersage des klinischen Ansprechens auf Medikamente und die Identifizierung von Biomarkern für die Patientenauswahl.

Wichtigste Erkenntnisse

• Das NCI-60-Panel umfasst 60 Zelllinien aus neun Krebsarten und ermöglicht ein breit angelegtes Screening der Medikamentenempfindlichkeit
• Die Integration von genomischen, transkriptomischen und proteomischen Daten mit dem Ansprechen auf Medikamente ermöglicht die Entdeckung von Biomarkern
• COMPARE-Algorithmus identifiziert Wirkstoffe mit ähnlichen Mechanismen auf der Grundlage von NCI-60-Ansprechmustern
• Auf NCI-60-Daten trainierte Modelle für maschinelles Lernen sagen die Ergebnisse klinischer Studien mit zunehmender Genauigkeit voraus
• Die Empfindlichkeit von NCI-60-Medikamenten korreliert mit dem Ansprechen von Xenograft-Patienten und den klinischen Ergebnissen in bestimmten Kontexten

Zusammensetzung und Charakterisierung des NCI-60 Panels

Das NCI-60-Panel umfasst 60 menschliche Krebszelllinien aus neun verschiedenen Geweben: Lungenkrebs (nicht-kleinzellig), Dickdarmkrebs, Brustkrebs, Eierstockkrebs, Leukämie, Nierenkrebs, Melanom, Krebs des zentralen Nervensystems (ZNS) und Prostatakrebs. Jedes Gewebeunterpanel enthält mehrere Zelllinien, die die genetische und phänotypische Heterogenität innerhalb der jeweiligen Krebsart erfassen. Diese Vielfalt ermöglicht die Identifizierung gewebespezifischer Arzneimittelempfindlichkeiten und tumorübergreifender Biomarker.

Die umfassende molekulare Charakterisierung des NCI-60-Panels umfasst Ganz-Exom-Sequenzierung, RNA-Sequenzierung, DNA-Methylierungs-Arrays, microRNA-Profilierung und Reverse-Phase-Protein-Arrays (RPPA). Dieser Multi-Omic-Datensatz, der über die NCI-Datenbanken öffentlich zugänglich ist, ermöglicht die Integration von molekularen Merkmalen mit Daten zum Ansprechen auf Medikamente. Die CellMiner-Datenbank bietet einen benutzerfreundlichen Zugang zu den molekularen und pharmakologischen Daten des NCI-60 und erleichtert die Entdeckung von Biomarkern.

Das Lungenkrebs-Subpanel innerhalb des NCI-60 umfasst verschiedene histologische Subtypen und genetische Hintergründe. NCI-H460-Zellen repräsentieren großzelligen Lungenkrebs mit KRAS-Mutation, während NCI-H1299-Zellen p53-null Adenokarzinom-Modelle darstellen. NCI-H23-Zellen und NCI-H522-Zellen stellen weitere Adenokarzinome mit unterschiedlichen Mutationsprofilen dar.

COMPARE-Algorithmus für Studien zum Wirkmechanismus

Der COMPARE-Algorithmus ist ein grundlegendes computergestütztes Werkzeug für die Analyse von NCI-60-Wirkstoffempfindlichkeitsmustern. Durch die Korrelation des Wachstumshemmungsprofils einer Testverbindung über alle 60 Zelllinien hinweg mit Profilen von Verbindungen mit bekannten Mechanismen identifiziert COMPARE potenzielle Wirkmechanismen für neue Wirkstoffe. Hohe Korrelationskoeffizienten deuten auf gemeinsame Ziele oder Wege zwischen Test- und Referenzsubstanzen hin.

Die COMPARE-Analyse hat erfolgreich Mechanismen für zahlreiche Krebswirkstoffe identifiziert, die anschließend durch biochemische Studien validiert wurden. Der Algorithmus unterscheidet Verbindungen, die auf die DNA-Synthese, Mikrotubuli, Topoisomerasen und Kinasen abzielen, anhand von charakteristischen NCI-60-Antwortsignaturen. Dieser rechnergestützte Ansatz beschleunigt die Aufklärung des Wirkmechanismus von Hit-Substanzen, die aus phänotypischen Screens hervorgehen.

Das NCI-60 Dickdarmkrebs-Subpanel zeigt unterschiedliche Reaktionsmuster auf Medikamente. HCT116-Zellen weisen eine Mikrosatelliteninstabilität auf und reagieren robust auf DNA-schädigende Substanzen. HCT-15-Zellen bieten zusätzliche MSI-Modelle, während Caco-2-Zellen Studien zur intestinalen Absorption ermöglichen, die das Wirkstoffscreening ergänzen. SW620-Zellen repräsentieren metastasierenden Dickdarmkrebs mit unterschiedlichen Empfindlichkeitsprofilen.

Genomische Biomarker zur Vorhersage des Ansprechens auf Medikamente

Die Integration genomischer Daten in die NCI-60-Arzneimittelempfindlichkeit ermöglicht die Identifizierung genetischer Determinanten des Ansprechens auf Arzneimittel. Die Korrelationsanalyse zwischen Genmutationen, Kopienzahlveränderungen oder Expressionsniveaus und der Wirkstoffaktivität identifiziert Biomarkerkandidaten für die klinische Validierung. Dieser Ansatz hat zu zahlreichen Hypothesen geführt, die anschließend in klinischen Studien getestet wurden.

Der KRAS-Mutationsstatus ist ein Beispiel für einen genomischen Biomarker, der im NCI-60-Panel und im klinischen Umfeld validiert wurde. KRAS-mutierte Zelllinien in den Unterpanels Darm und Lunge zeigen eine geringere Empfindlichkeit gegenüber EGFR-Inhibitoren, was die klinischen Beobachtungen bei Patienten widerspiegelt. Diese Übereinstimmung unterstützt den prädiktiven Wert der aus dem NCI-60 abgeleiteten Biomarker für die Patientenstratifizierung.

Die Leukämiezelllinien des NCI-60 bieten Modelle für die Erforschung von Arzneimitteln für hämatologische Malignome. HL-60-Zellen ermöglichen die Erforschung der akuten promyelozytischen Leukämie, während K562-Zellen die BCR-ABL-positive chronische myeloische Leukämie repräsentieren. Jurkat-Zellen liefern T-Zell-Modelle der akuten lymphatischen Leukämie mit unterschiedlichen Empfindlichkeitsmustern gegenüber Medikamenten. RPMI 8226-Zellen repräsentieren das multiple Myelom in der Gruppe.

Modelle des maschinellen Lernens für die Reaktionsvorhersage

Moderne Ansätze des maschinellen Lernens, die auf NCI-60-Daten angewandt werden, generieren Vorhersagemodelle mit verbesserter Genauigkeit im Vergleich zu Einzel-Biomarker-Ansätzen. Random-Forest-, Support-Vector-Machine- und Deep-Learning-Algorithmen, die auf integrierten molekularen Merkmalen trainiert wurden, sagen die Empfindlichkeit auf Medikamente mit einer kreuzvalidierten Genauigkeit von über 80 % für viele Wirkstoffe voraus. Diese Modelle erfassen komplexe Interaktionen zwischen mehreren genomischen Merkmalen, die zum Ansprechen auf ein Medikament beitragen.

Die Analyse der Merkmalsbedeutung innerhalb der maschinellen Lernmodelle identifiziert die molekularen Merkmale, die das Ansprechen auf ein Medikament am besten vorhersagen. Dieser Ansatz offenbart erwartete Merkmale (Targetexpression, Aktivierung von Signalwegen) neben unerwarteten Prädiktoren, die zu neuen biologischen Hypothesen führen. Die experimentelle Validierung der modellidentifizierten Merkmale hat zahlreiche zuvor unbekannte Determinanten der Arzneimittelempfindlichkeit bestätigt.

Die ZNS-Zelllinien des NCI-60 ermöglichen die Erforschung von Hirntumor-Medikamenten. U87MG-Zellen repräsentieren das Glioblastoma multiforme, die aggressivste bösartige Erkrankung des Gehirns. Das Nierenkrebs-Subpanel umfasst verschiedene Klarzell- und Papillarkarzinom-Modelle, während Melanom-Zelllinien verschiedene BRAF-Mutationsstatus aufweisen, die das Ansprechen auf eine gezielte Therapie beeinflussen.

Übertragung von NCI-60 auf klinische Ergebnisse

Der endgültige Wert von NCI-60-basierten Vorhersagen hängt von der Korrelation mit den klinischen Ergebnissen bei Patienten ab. Retrospektive Analysen, die die Empfindlichkeit von NCI-60-Medikamenten mit den Ergebnissen klinischer Studien vergleichen, zeigen eine unterschiedliche Übereinstimmung je nach Krebsart, Wirkstoffmechanismus und klinischen Endpunkten. Die stärksten Korrelationen ergeben sich für zielgerichtete Wirkstoffe, bei denen die molekularen Biomarker mit den Wirkstoffmechanismen übereinstimmen.

PDX-Modelle (patient-derived xenograft) bieten eine Zwischenvalidierung zwischen NCI-60-Zelllinien und klinischen Ergebnissen. Die Arzneimittelempfindlichkeit in PDX-Modellen korreliert stärker mit dem klinischen Ansprechen als Zellliniendaten allein, was darauf hindeutet, dass die PDX-Validierung von NCI-60-Biomarkern die klinische Vorhersagegenauigkeit verbessert. Dieser stufenweise Validierungsansatz optimiert die Pipelines zur Entwicklung von Biomarkern.

Die Optimierung der Kulturmedien unterstützt die robuste Aufrechterhaltung der NCI-60-Zelllinie. RPMI 1640 Medium bietet Standardkulturbedingungen für die meisten NCI-60-Zelllinien, während bestimmte Linien DMEM oder ergänzende Formulierungen benötigen. Das Gefriermedium CM-1 ermöglicht das Anlegen von charakterisierten Zelllinienbeständen, um die experimentelle Reproduzierbarkeit zu gewährleisten.

Beschränkungen und ergänzende Ansätze

Obwohl das NCI-60-Panel unschätzbare Werkzeuge für die Entdeckung von Arzneimitteln bietet, müssen die damit verbundenen Einschränkungen anerkannt werden. Durch die Langzeitkultur passen sich die Zelllinien an die In-vitro-Bedingungen an, was zu einer Abweichung von den ursprünglichen Tumoreigenschaften führen kann. Bestimmte Krebsarten sind im Panel unterrepräsentiert, und es fehlen Modelle für einige wichtige molekulare Subtypen. Außerdem lassen sich unter den Bedingungen der Monolayerkultur die dreidimensionale Tumorarchitektur und die Einflüsse der Mikroumgebung nicht erfassen.

Ergänzende Ansätze gehen auf die Einschränkungen des NCI-60 ein. Vom Patienten stammende Organoide sind den ursprünglichen Tumoren ähnlicher und ermöglichen personalisierte Arzneimitteltests. Co-Kultursysteme, die Stroma- und Immunzellen enthalten, modellieren Beiträge der Mikroumgebung, die in Monokulturen fehlen. Erweiterte Zelllinienpanels (Cancer Cell Line Encyclopedia, GDSC) bieten eine breitere Abdeckung von Krebsarten und molekularen Subtypen.

Die Qualitätssicherung gewährleistet eine zuverlässige NCI-60-basierte Forschung. Die Zelllinienauthentifizierung durch STR-Profilierung bestätigt die Identität der Zelllinien und geht damit auf das dokumentierte Problem der Kreuzkontamination innerhalb von Zellliniensammlungen ein. Mykoplasmentests verhindern, dass eine Mykoplasmeninfektion die Messung der Arzneimittelempfindlichkeit beeinträchtigt. Diese Qualitätsmaßnahmen sind für die Gewinnung reproduzierbarer Daten, die für die klinische Umsetzung geeignet sind, von wesentlicher Bedeutung.

Schlussfolgerung

Das NCI-60-Panel ist nach wie vor eine wichtige Ressource für die Entdeckung von Krebsmedikamenten und die Entwicklung von Biomarkern. Die Integration umfassender molekularer Profilerstellung mit umfangreichen Daten zur Medikamentenempfindlichkeit ermöglicht Studien zum Wirkmechanismus, die Identifizierung von Biomarkern und die Entwicklung prädiktiver Modelle. Trotz der Einschränkungen, die Zelllinienmodelle mit sich bringen, liefert das NCI-60-Panel weiterhin klinisch validierte Erkenntnisse, die die Auswahl von Patienten für Krebstherapien verbessern und rationale Strategien für die Entwicklung von Medikamenten ermöglichen.