NCI-60 Panel in Predicting Clinical Drug Response

Panel NCI-60 dalam Memprediksi Respons Obat Klinis

Panel garis sel tumor manusia NCI-60 merupakan salah satu koleksi garis sel kanker yang paling banyak dikarakterisasi dalam penelitian biomedis. Dikembangkan oleh National Cancer Institute pada akhir tahun 1980-an, panel ini terdiri dari 60 garis sel yang berasal dari sembilan jenis tumor yang berbeda, yang menyediakan platform standar untuk skrining obat antikanker dan studi mekanisme kerja. Profil molekuler yang komprehensif dari garis sel NCI-60, dikombinasikan dengan data sensitivitas obat yang mencakup lebih dari 100.000 senyawa, memungkinkan pemodelan prediktif respons obat klinis dan identifikasi biomarker yang memandu pemilihan pasien.

Poin-poin Penting

• Panel NCI-60 mencakup 60 garis sel dari sembilan jenis kanker yang memungkinkan skrining sensitivitas obat spektrum luas
• Integrasi data genom, transkriptomik, dan proteomik dengan respons obat memungkinkan penemuan biomarker
• Algoritme COMPARE mengidentifikasi senyawa dengan mekanisme serupa berdasarkan pola respons NCI-60
• Model pembelajaran mesin yang dilatih pada data NCI-60 memprediksi hasil uji klinis dengan akurasi yang meningkat
• Sensitivitas obat NCI-60 berkorelasi dengan respons xenograft yang berasal dari pasien dan hasil klinis dalam konteks tertentu

Komposisi dan Karakterisasi Panel NCI-60

Panel NCI-60 mencakup 60 garis sel kanker manusia yang mewakili sembilan asal jaringan: paru-paru (sel non-kecil), usus besar, payudara, ovarium, leukemia, ginjal, melanoma, sistem saraf pusat (SSP), dan kanker prostat. Setiap subpanel jaringan berisi beberapa garis sel yang menangkap heterogenitas genetik dan fenotipik dalam jenis kanker tersebut. Keragaman ini memungkinkan identifikasi sensitivitas obat spesifik jaringan dan biomarker lintas tumor.

Karakterisasi molekuler yang komprehensif dari panel NCI-60 meliputi sekuensing seluruh eksom, sekuensing RNA, array metilasi DNA, profil mikroRNA, dan array protein fase terbalik (RPPA). Dataset multi-omomik ini, yang tersedia untuk umum melalui basis data NCI, memungkinkan integrasi fitur molekuler dengan data respons obat. Basis data CellMiner menyediakan akses yang mudah digunakan ke data molekuler dan farmakologis NCI-60, yang memfasilitasi upaya penemuan biomarker.

Subpanel kanker paru-paru dalam NCI-60 mencakup beragam subtipe histologis dan latar belakang genetik. Sel NCI-H460 mewakili kanker paru-paru sel besar dengan mutasi KRAS, sedangkan Sel NCI-H1299 menyediakan model adenokarsinoma p53-null. Sel NCI-H23 dan Sel NCI-H522 memberikan representasi adenokarsinoma tambahan dengan profil mutasi yang berbeda.

Algoritma COMPARE untuk Studi Mekanisme Aksi

Algoritma COMPARE merupakan alat komputasi dasar untuk menganalisis pola sensitivitas obat NCI-60. Dengan mengkorelasikan profil penghambatan pertumbuhan senyawa uji di seluruh 60 garis sel dengan profil senyawa yang memiliki mekanisme yang diketahui, COMPARE mengidentifikasi mekanisme aksi potensial untuk agen baru. Koefisien korelasi yang tinggi menunjukkan adanya kesamaan target atau jalur antara senyawa uji dan referensi.

Analisis COMPARE telah berhasil mengidentifikasi mekanisme berbagai agen antikanker yang kemudian divalidasi melalui studi biokimia. Algoritme ini membedakan senyawa yang menargetkan sintesis DNA, mikrotubulus, topoisomerase, dan kinase berdasarkan tanda tangan respons NCI-60 yang khas. Pendekatan komputasi ini mempercepat penjelasan mekanisme untuk senyawa hit yang muncul dari layar fenotipik.

Subpanel kanker usus besar NCI-60 menunjukkan pola respons obat yang berbeda. Sel HCT116 menunjukkan ketidakstabilan mikrosatelit dan respons yang kuat terhadap agen perusak DNA. Sel HCT-15 menyediakan model MSI tambahan, sementara Sel Caco-2 memungkinkan studi penyerapan usus yang melengkapi aplikasi skrining obat. Sel SW620 mewakili kanker usus besar metastasis dengan profil sensitivitas yang berbeda.

Biomarker Genomik yang Memprediksi Respons Obat

Integrasi data genom dengan sensitivitas obat NCI-60 memungkinkan identifikasi faktor penentu genetik dari respons obat. Analisis korelasi antara mutasi gen, perubahan jumlah salinan, atau tingkat ekspresi dan aktivitas senyawa mengidentifikasi kandidat biomarker untuk validasi klinis. Pendekatan ini telah menghasilkan banyak hipotesis yang kemudian diuji dalam uji klinis.

Status mutasi KRAS mencontohkan biomarker genom yang divalidasi di seluruh panel NCI-60 dan pengaturan klinis. Garis sel mutan KRAS di dalam subpanel usus besar dan paru-paru menunjukkan penurunan sensitivitas terhadap penghambat EGFR, merekapitulasi pengamatan klinis pada pasien. Kesesuaian ini mendukung nilai prediktif biomarker turunan NCI-60 untuk stratifikasi pasien.

Garis sel leukemia dalam NCI-60 menyediakan model untuk penemuan obat keganasan hematologi. Sel HL-60 memungkinkan penelitian leukemia promyelositik akut, sedangkan Sel K562 mewakili leukemia myeloid kronis BCR-ABL-positif. Sel Jurkat menyediakan model leukemia limfoblastik akut sel T dengan pola sensitivitas obat yang berbeda. Sel RPMI 8226 memberikan kontribusi representasi multiple myeloma pada panel.

Model Pembelajaran Mesin untuk Prediksi Respons

Pendekatan pembelajaran mesin modern yang diterapkan pada data NCI-60 menghasilkan model prediktif dengan akurasi yang lebih baik daripada pendekatan biomarker tunggal. Random forest, support vector machine, dan algoritma pembelajaran mendalam yang dilatih dengan fitur molekuler terintegrasi memprediksi sensitivitas obat dengan akurasi yang divalidasi silang melebihi 80% untuk banyak senyawa. Model-model ini menangkap interaksi yang kompleks antara berbagai fitur genom yang berkontribusi terhadap respons obat.

Analisis kepentingan fitur dalam model pembelajaran mesin mengidentifikasi fitur molekuler yang paling prediktif terhadap respons obat. Pendekatan ini mengungkapkan fitur yang diharapkan (ekspresi target, aktivasi jalur) bersama dengan prediktor tak terduga yang menghasilkan hipotesis biologis baru. Validasi eksperimental terhadap fitur-fitur yang diidentifikasi oleh model telah mengonfirmasi berbagai faktor penentu sensitivitas obat yang sebelumnya tidak diketahui.

Garis sel kanker SSP dalam NCI-60 memungkinkan penemuan obat tumor otak. Sel U87MG mewakili glioblastoma multiforme, keganasan otak yang paling agresif. Subpanel kanker ginjal mencakup beragam model sel jernih dan karsinoma papiler, sementara garis sel melanoma menjangkau status mutasi BRAF yang berbeda yang memengaruhi respons terapi yang ditargetkan.

Terjemahan dari NCI-60 ke Hasil Klinis

Nilai akhir dari prediksi berbasis NCI-60 bergantung pada korelasi dengan hasil klinis pada pasien. Analisis retrospektif yang membandingkan sensitivitas obat NCI-60 dengan hasil uji klinis menunjukkan kesesuaian yang bervariasi, tergantung pada jenis kanker, mekanisme obat, dan titik akhir klinis. Korelasi terkuat muncul untuk agen yang ditargetkan di mana biomarker molekuler selaras dengan mekanisme obat.

Model xenograft yang berasal dari pasien (PDX) memberikan validasi menengah antara garis sel NCI-60 dan hasil klinis. Sensitivitas obat dalam model PDX berkorelasi lebih kuat dengan respons klinis daripada data garis sel saja, menunjukkan bahwa validasi PDX terhadap biomarker turunan NCI-60 meningkatkan akurasi prediksi klinis. Pendekatan validasi bertahap ini mengoptimalkan jalur pengembangan biomarker.

Optimalisasi media kultur mendukung pemeliharaan lini sel NCI-60 yang kuat. RPMI 1640 Medium menyediakan kondisi kultur standar untuk sebagian besar lini sel NCI-60, sementara lini tertentu memerlukan DMEM atau formulasi tambahan. Freeze Medium CM-1 memungkinkan penyimpanan stok garis sel yang dikarakterisasi untuk memastikan reproduktifitas eksperimental.

Keterbatasan dan Pendekatan Pelengkap

Meskipun panel NCI-60 menyediakan alat penemuan obat yang tak ternilai, keterbatasan yang melekat harus diakui. Kultur jangka panjang mengadaptasi garis sel ke kondisi in vitro, berpotensi menyimpang dari karakteristik tumor asli. Panel ini kurang mewakili jenis kanker tertentu dan tidak memiliki model untuk beberapa subtipe molekuler yang penting. Selain itu, kondisi kultur monolayer gagal menangkap arsitektur tumor tiga dimensi dan pengaruh lingkungan mikro.

Pendekatan pelengkap mengatasi keterbatasan NCI-60. Organoid yang berasal dari pasien mempertahankan kesetiaan yang lebih besar terhadap tumor asli dan memungkinkan pengujian obat yang dipersonalisasi. Sistem ko-kultur yang menggabungkan sel stroma dan sel imun memodelkan kontribusi lingkungan mikro yang tidak ada dalam monokultur. Panel garis sel yang diperluas (Ensiklopedia Garis Sel Kanker, GDSC) memberikan cakupan yang lebih luas dari jenis kanker dan subtipe molekuler.

Jaminan kualitas memastikan penelitian berbasis NCI-60 yang andal. Otentikasi jalur sel melalui profil STR mengonfirmasi identitas jalur sel, mengatasi masalah kontaminasi silang yang terdokumentasi dalam koleksi jalur sel. Pengujian mikoplasma mencegah efek perancu dari infeksi mikoplasma pada pengukuran sensitivitas obat. Langkah-langkah kualitas ini sangat penting untuk menghasilkan data yang dapat direproduksi yang sesuai untuk terjemahan klinis.

Kesimpulan

Panel NCI-60 tetap menjadi sumber daya utama untuk penemuan obat antikanker dan pengembangan biomarker. Integrasi profil molekuler yang komprehensif dengan data sensitivitas obat yang ekstensif memungkinkan studi mekanisme kerja, identifikasi biomarker, dan pengembangan model prediktif. Meskipun mengakui adanya keterbatasan yang melekat pada model garis sel, panel NCI-60 terus menghasilkan wawasan yang divalidasi secara klinis yang meningkatkan pemilihan pasien untuk terapi antikanker dan memandu strategi pengembangan obat yang rasional.