Metabolomic Profiling Across the NCI-60 Cancer Cell Panel

Metabolomiskā profilēšana NCI-60 vēža šūnu panelī

Metabolomika nodrošina funkcionālu šūnu bioķīmijas nolasīšanu, kas papildina vēža šūnu genomisko un proteomisko raksturojumu. NCI-60 panelis ar tā visaptverošo molekulāro anotāciju un plašajiem datiem par jutību pret zālēm ir ideāla platforma sistemātiskai metabolomikas profilēšanai dažādos vēža veidos. Metabolītu mērījumu integrācija ar esošajām daudzkomponentu datu kopām ļauj identificēt metabolisma ievainojamību, atklāt biomarķierus un mehāniski izprast zāļu atbildes reakcijas modeļus visā NCI-60 kolekcijā.

Galvenie secinājumi

• NCI-60 šūnu līniju metabolomiskā profilēšana atklāj vēža tipam specifiskas un visaptverošas vēža metabolisma pazīmes
• Metabolomikas integrācija ar genomikas datiem identificē onkogēna izraisītas metabolisma pārprogrammēšanas modeļus
• Metabolītu biomarķieri prognozē jutību pret zālēm ar precizitāti, kas ir salīdzināma ar gēnu ekspresijas signatūrām
• Mērķtiecīga metabolomika ļauj analizēt specifiskas metabolisma ievainojamības ceļus
• Plūsmas analīze, izmantojot izotopu marķierus, kvantitatīvi nosaka metabolisko ceļu aktivitāti visā NCI-60 panelī

Nemērķtiecīgas metabolomiskās profilēšanas metodes

Nemērķtiecīga metabolomika nodrošina visaptverošu šūnu metaboloma pārklājumu bez iepriekšējas analītu atlases. Uz masspektrometriju balstītas platformas, tostarp šķidruma hromatogrāfija-masspektrometrija (LC-MS) un gāzu hromatogrāfija-masspektrometrija (GC-MS), nosaka tūkstošiem metabolītu iezīmju visā NCI-60 panelī. Šī objektīvā pieeja ļauj atklāt negaidītas metabolisma izmaiņas, kas saistītas ar konkrētiem vēža tipiem vai zāļu atbildes reakcijas modeļiem.

Paraugu sagatavošanas standartizācija ir būtiska reproducējamai NCI-60 metabolomikas profilēšanai. Ātra metabolisma slāpēšana, izmantojot aukstu metanola ekstrakciju, saglabā metabolītu kopas, kas atspoguļo šūnu stāvokli in situ. Ekstrakcijas protokolus, kas optimizēti konkrētām metabolītu klasēm (polārie un lipofīlie), var izmantot paralēli, lai maksimāli palielinātu metaboloma pārklājumu. Iekšējie standarti, kas aptver dažādas ķīmiskās klases, ļauj normalizēt un novērtēt kvalitātes kontroli.

NCI-60 plaušu vēža apakšgrupa liecina par metabolisma heterogenitāti, kas korelē ar histoloģiskajiem un molekulārajiem apakštipiem. NCI-H460 šūnām salīdzinājumā ar citām plaušu vēža līnijām ir paaugstināta glikolītiskā plūsma. NCI-H1299 šūnām ir atšķirīgi lipīdu metabolisma profili, savukārt A549 šūnām ir raksturīga KRAS izraisīta metabolisma pārprogrammēšana.

Vēža tipam specifiskas metabolisma pazīmes

NCI-60 metabolomikas datu neuzraudzīta analīze atklāj grupēšanu pēc izcelsmes audiem, kas norāda uz vēža tipam specifiskām metabolisma programmām. Leikēmijas šūnu līnijām ir atšķirīgi metabolītu profili salīdzinājumā ar solīdu audzēju līnijām, kas atspoguļo atšķirības mikrovides barības vielu pieejamībā un metabolisma atkarībās. Cieto audzēju apakšgrupu ietvaros metabolisma heterogenitāte vēl vairāk korelē ar diferenciācijas statusu un vadošo onkogēnu identitāti.

Glikolītiskie starpprodukti un laktāta uzkrāšanās raksturo Varburga efektu, kas novērots lielākajā daļā NCI-60 šūnu līniju. Tomēr aerobās glikolīzes apjoms ievērojami atšķiras, dažās līnijās saglabājot oksidatīvās fosforilācijas spēju. Šī metabolisma dažādība ietekmē jutību pret glikolīzes inhibitoriem un sniedz pamatojumu uz metabolismu vērstām kombinētām stratēģijām.

Resnās zarnas vēža apakšgrupa uzrāda metabolisma iezīmes, kas atspoguļo zarnu epitēlija izcelsmi. HCT116 šūnām ir augsta atkarība no glutamīna, kas raksturīga strauji proliferējošām vēža šūnām. Caco-2 šūnas saglabā diferencētu enterocītu metabolismu ar aktīviem lipīdu apstrādes ceļiem. SW620 šūnām, kas iegūtas no metastātiskām slimībām, salīdzinājumā ar primārajām audzēju iegūtajām līnijām ir izmainīta aminoskābju vielmaiņa.

Integrācija ar genomikas datiem

Metabolītu līmeņu korelācija ar genoma izmaiņām identificē onkogēna izraisītu metabolisma pārprogrammēšanu. KRAS mutantu šūnu līnijās NCI-60 ir raksturīga glikozes uzņemšanas, glutamīna katabolisma un makromolekulārās biosintēzes paaugstināta regulācija. MYC amplificētām līnijām ir paaugstināts nukleotīdu sintēzes ceļa metabolītu līmenis, kas veicina strauju proliferāciju. Šīs genotipa un metabolotipa korelācijas rada hipotēzes par mērķtiecīgu terapeitisku iejaukšanos.

Kopiju skaita izmaiņas, kas ietekmē metabolisma enzīmu gēnus, rada atbilstošas metabolītu izmaiņas, kas konstatējamas visā NCI-60 panelī. Lipogēno enzīmu gēnu amplifikācija korelē ar paaugstinātu taukskābju un holesterīna ceļa metabolītu daudzumu. Delecijas, kas ietekmē trikarboksilskābes (TCA) cikla enzīmus, izraisa raksturīgu kometabolītu uzkrāšanos, kā piemēru var minēt sukcināta dehidrogenāzes un fumarāta hidratāzes deficītu.

NCI-60 leikēmijas šūnu līnijas ir hematoloģisko ļaundabīgo audzēju metabolisma modeļi. K562 BCR-ABL vadītās BCR-ABL šūnas demonstrē uz imatinibu reaģējošas metabolisma programmas. HL-60 šūnas uzrāda metabolisku plastiskumu diferenciācijas indukcijas laikā. Jurkat E6.1 šūnām piemīt T-šūnu specifiskas metabolisma iezīmes, tostarp no glutamīna atkarīga proliferācija.

Zāļu jutības metabolītu biomarķieri

Metabolītu līmeņi prognozē jutību pret zālēm visā NCI-60 panelī ar precizitāti, kas ir salīdzināma ar gēnu ekspresijas signatūrām. Mašīnmācīšanās modeļi, kas apmācīti, izmantojot metabolomiskos raksturlielumus, identificē metabolītus, kas saistīti ar reakciju uz konkrētām savienojumu klasēm. Šie metabolītu biomarķieri var būt tuvāk zāļu mehānismam nekā genomu pazīmes, potenciāli uzlabojot prognozēšanas precizitāti.

Glutationa un saistīto antioksidantu metabolītu korelācija ar rezistenci pret oksidatīvo stresu izraisošiem līdzekļiem NCI-60 grupā. Šūnu līnijas ar paaugstinātu glutationa daudzumu uzrāda samazinātu jutību pret savienojumiem, kas rada reaktīvās skābekļa formas. Šī metabolītu un atbildes reakcijas sakarība identificē glutationa sintēzi kā rezistences mehānismu, ko var izmantot kombinētās terapijas pieejās.

Nukleotīdu baseina lielums ietekmē jutību pret antimetabolītu ķīmijterapijas zālēm. NCI-60 šūnu līnijām ar paaugstinātu deoksiribonukleotīdu baseinu ir samazināta jutība pret zālēm, kas vērstas pret nukleotīdu sintēzi. Nukleotīdu sākotnējā līmeņa metabolomiskie mērījumi var prognozēt pacientu atbildes reakciju uz 5-fluorouracilu, gemcitabīnu un līdzīgiem līdzekļiem.

Izotopu marķieru pētījumi plūsmas analīzei

Stabilu izotopu izotopu izsekošana, izmantojot ar 13C iezīmētus substrātus, ļauj kvantitatīvi noteikt metabolisma ceļu aktivitātes, kas pārsniedz metabolītu mērījumus vienmērīgā stāvoklī. Eksperimenti ar glikozes un glutamīna marķēšanu NCI-60 šūnu līnijās atklāj plūsmas sadalījumu glikolīzē, TCA ciklā un biosintēzes ceļos. Šī dinamiskā informācija identificē metabolisma ievainojamību, kas nav redzama no statiskiem metabolītu profiliem.

Dažādās NCI-60 šūnu līnijās ir atšķirīgs glikozes un glutamīna īpatsvars TCA cikla starpproduktos. Dažās līnijās anapleroze gandrīz pilnībā atkarīga no glutamīna, savukārt citas efektīvi izmanto no glikozes iegūtu piruvātu. Šī metabolisma elastība vai neelastība ļauj prognozēt jutību pret glutamināzes inhibitoriem, kas pašlaik tiek izstrādāti klīniskajās procedūrās.

Kultūras apstākļi būtiski ietekmē vielmaiņas plūsmas mērījumus. RPMI 1640 barotnes glikozes un aminoskābju koncentrācija ietekmē metabolisma ceļu izmantošanu. Fizioloģiskie barības vielu līmeņi, kas sasniegti, izmantojot pielāgotus barotņu sastāvus, var atklāt metaboliskos fenotipus, kas vairāk atbilst in vivo audzēju metabolismam. DMEM nodrošina alternatīvu barības vielu sastāvu salīdzinošiem pētījumiem.

Mērķtiecīga metabolomika specifiskiem ceļiem

Mērķtiecīgi metabolomikas testi, kas koncentrējas uz specifiskiem ceļiem, nodrošina lielāku jutību un kvantitatīvo precizitāti salīdzinājumā ar netērētām metodēm. Glikolītisko starpproduktu, TCA cikla metabolītu vai aminoskābju absolūta kvantitatīva noteikšana NCI-60 ļauj tieši salīdzināt šūnu līnijas un klīniskos paraugus. Šī kvantitatīvā precizitāte palīdz veikt mehānistiskus pētījumus un biomarķieru validāciju.

Vienoglekļa metabolisma profilēšana ļauj kvantitatīvi noteikt folātu ceļus, kas ir būtiski nukleotīdu sintēzei un metilēšanas reakcijām. NCI-60 šūnu līnijām ir atšķirīga folātu ceļu enzīmu ekspresija, kas rada atbilstošas metabolītu atšķirības. Šī ceļu heterogenitāte ietekmē jutību pret antifolātu medikamentiem un nosaka kombinētas stratēģijas metabolisma intervencei.

Lipīdu metabolomika atspoguļo NCI-60 taukskābju, fosfolipīdu un sfingolipīdu daudzveidību. Vēža specifiskās lipīdu pazīmes korelē ar membrānu sastāvu, signalizējošo lipīdu veidošanos un jutību pret lipīdu metabolisma inhibitoriem. Lipidomiskie biomarķieri papildina polāro metabolītu mērījumus, lai veiktu visaptverošu metabolisma fenotipēšanu.

Tehniskie apsvērumi un kvalitātes kontrole

Lai nodrošinātu datu ticamību visā NCI-60 panelī, metabolomiskajai profilēšanai nepieciešama stingra kvalitātes kontrole. Partijas ietekme, ko rada paraugu sagatavošana, instrumentu veiktspēja un analītiskās variācijas, jākontrolē, izmantojot atbilstošu pētījumu plānu un normalizēšanas metodes. Kvalitātes kontroles paraugi, kas aptver analītisko secību, ļauj novērtēt tehnisko reproducējamību.

Lai metabolomika būtu reproducējama, būtiska ir šūnu līnijas autentifikācija un pasāžas numura dokumentācija. Šūnu līnijas autentifikācija, izmantojot STR profilēšanu, apstiprina identitāti pirms metabolomiskās analīzes. Mikoplazmas testēšana novērš mikoplazmas infekcijas, kas būtiski maina šūnu metabolismu ar arginīna izsīkuma un citu mehānismu palīdzību, mulsinošo ietekmi.

Standartizēti paraugu ņemšanas protokoli nodrošina salīdzināmu metabolītu ekstrakciju visos eksperimentos. Saldēšanas barotne CM-1 nodrošina šūnu līniju krājumu kriokonservēšanu ilgstošiem pētījumiem. No seruma brīvas barotnes apstākļi tieši pirms ekstrakcijas novērš seruma radīto metabolītu ietekmi un standartizē ārpusšūnu metabolisma vidi.

Secinājumi

NCI-60 paneļa metabolomiskā profilēšana atklāj vēža tipam specifiskas un onkogēna izraisītas metabolisma programmas, kas korelē ar jutības pret zālēm modeļiem. Metabolomikas integrācija ar genomikas un atbildes reakcijas uz zālēm datiem ļauj iegūt mehānistisku ieskatu un biomarķieru kandidātus klīniskai attīstībai. Izmantojot gan netērētas atklāšanas, gan mērķtiecīgas kvantitatīvas pieejas apvienojumā ar izotopu marķieru plūsmas analīzi, tiek nodrošināta visaptveroša metabolisma raksturošana, kas atbalsta precīzās onkoloģijas lietojumus.