NCI-60 Panel in Predicting Clinical Drug Response

NCI-60 panelis klīniskās atbildes reakcijas uz zālēm prognozēšanā

NCI-60 cilvēka audzēju šūnu līniju panelis ir viena no visplašāk raksturotajām vēža šūnu līniju kolekcijām biomedicīnas pētniecībā. Šo paneli izstrādāja Nacionālais Vēža institūts 80. gadu beigās, un tas ietver 60 šūnu līnijas, kas iegūtas no deviņiem dažādiem audzēju tipiem, nodrošinot standartizētu platformu pretvēža zāļu skrīningam un darbības mehānisma pētījumiem. NCI-60 šūnu līniju visaptverošā molekulārā profilēšana apvienojumā ar datiem par zāļu jutību, kas aptver vairāk nekā 100 000 savienojumu, ļauj prognozēt klīniskās atbildes reakcijas uz zālēm modelēšanu un identificēt biomarķierus, pēc kuriem vadīties, izvēloties pacientus.

Galvenie secinājumi

• NCI-60 panelī ietilpst 60 šūnu līnijas no deviņiem vēža veidiem, kas ļauj veikt plaša spektra zāļu jutības skrīningu
• Genomisko, transkriptomisko un proteomisko datu integrācija ar atbildes reakciju uz zālēm ļauj atklāt biomarķierus
• COMPARE algoritms identificē savienojumus ar līdzīgiem mehānismiem, pamatojoties uz NCI-60 atbildes reakcijas modeļiem
• Mašīnmācīšanās modeļi, kas apmācīti, izmantojot NCI-60 datus, arvien precīzāk prognozē klīnisko pētījumu rezultātus
• NCI-60 jutība pret zālēm korelē ar pacientu iegūto ksenogrāftu atbildes reakciju un klīniskajiem rezultātiem konkrētos kontekstos

NCI-60 paneļa sastāvs un raksturojums

NCI-60 panelī ietilpst 60 cilvēka vēža šūnu līnijas, kas pārstāv deviņu audu izcelsmi: plaušu (ne sīkšūnu), resnās zarnas, krūts, olnīcu, leikēmijas, nieru, melanomas, centrālās nervu sistēmas (CNS) un prostatas vēzi. Katrā audu apakšgrupā ir vairākas šūnu līnijas, kas raksturo attiecīgā vēža veida ģenētisko un fenotipisko heterogenitāti. Šī daudzveidība ļauj identificēt audu specifisko jutību pret zālēm un starptumoru biomarķierus.

NCI-60 paneļa visaptverošā molekulārā raksturošana ietver visa eksoma sekvenēšanu, RNS sekvenēšanu, DNS metilācijas masīvus, mikro RNS profilēšanu un reversās fāzes proteīnu masīvus (RPPA). Šis multikomponentu datu kopums, kas ir publiski pieejams NCI datubāzēs, ļauj integrēt molekulārās īpašības ar datiem par zāļu atbildes reakciju. CellMiner datubāze nodrošina lietotājam ērtu piekļuvi NCI-60 molekulārajiem un farmakoloģiskajiem datiem, atvieglojot biomarķieru atklāšanas centienus.

NCI-60 plaušu vēža apakšgrupa ietver dažādus histoloģiskos apakštipus un ģenētisko izcelsmi. NCI-H460 šūnas pārstāv lielšūnu plaušu vēzi ar KRAS mutāciju, savukārt NCI-H1299 šūnas nodrošina p53-null adenokarcinomas modeļus. NCI-H23 šūnas un NCI-H522 šūnas ir papildu adenokarcinomas modeļi ar atšķirīgiem mutāciju profiliem.

SALĪDZINĀT Darbības mehānisma pētījumu algoritmu

COMPARE algoritms ir fundamentāls skaitļošanas rīks NCI-60 zāļu jutības modeļu analīzei. Salīdzinot testējamā savienojuma augšanas inhibīcijas profilu visās 60 šūnu līnijās ar to savienojumu profiliem, kuru darbības mehānismi ir zināmi, COMPARE identificē potenciālos darbības mehānismus jauniem līdzekļiem. Augsti korelācijas koeficienti liecina par kopīgiem mērķiem vai ceļiem starp testa un references savienojumiem.

COMPARE analīze ir sekmīgi identificējusi mehānismus daudziem pretvēža līdzekļiem, kas vēlāk apstiprināti ar bioķīmiskiem pētījumiem. Algoritms ļauj atšķirt savienojumus, kas iedarbojas uz DNS sintēzi, mikrotubulām, topoizomerāzēm un kināzēm, pamatojoties uz raksturīgām NCI-60 atbildes reakcijas pazīmēm. Šī skaitļošanas pieeja paātrina fenotipiskajos ekrānos iegūto savienojumu mehānismu noskaidrošanu.

NCI-60 resnās zarnas vēža apakšgrupa uzrāda atšķirīgus zāļu atbildes reakcijas modeļus. HCT116 šūnām piemīt mikrosatelītu nestabilitāte un spēcīga reakcija uz DNS bojājošiem līdzekļiem. HCT-15 šūnas nodrošina papildu MSI modeļus, bet Caco-2 šūnas ļauj veikt zarnu absorbcijas pētījumus, kas papildina zāļu skrīninga lietojumus. SW620 šūnas pārstāv metastātisku resnās zarnas vēzi ar atšķirīgiem jutības profiliem.

Genomiskie biomarķieri, kas ļauj prognozēt atbildes reakciju uz zālēm

Genomisko datu integrācija ar NCI-60 zāļu jutību ļauj identificēt zāļu atbildes reakciju noteicošos ģenētiskos faktorus. Korelācijas analīze starp gēnu mutācijām, kopiju skaita izmaiņām vai ekspresijas līmeņiem un savienojuma aktivitāti identificē kandidātbiomarķierus klīniskai validācijai. Šī pieeja ir radījusi daudzas hipotēzes, kas vēlāk pārbaudītas klīniskajos pētījumos.

KRAS mutācijas statuss ir piemērs genoma biomarķierim, kas apstiprināts NCI-60 panelī un klīniskajos apstākļos. KRAS mutantu šūnu līnijas resnās zarnas un plaušu apakšpanelī uzrāda samazinātu jutību pret EGFR inhibitoriem, kas atspoguļo klīniskos novērojumus pacientiem. Šī atbilstība apstiprina NCI-60 iegūto biomarķieru prognozējošo vērtību pacientu stratifikācijai.

NCI-60 leikēmijas šūnu līnijas nodrošina modeļus hematoloģisko ļaundabīgo audzēju zāļu atklāšanai. HL-60 šūnas ļauj pētīt akūtu promeelocītisko leikēmiju, bet K562 šūnas pārstāv BCR-ABL pozitīvu hronisku mieloīdu leikēmiju. Jurkat šūnas nodrošina T-šūnu akūtas limfoblastiskās leikēmijas modeļus ar atšķirīgu jutību pret zālēm. RPMI 8226 šūnas paneli papildina ar multiplās mielomas pārstāvjiem.

Mašīnmācīšanās modeļi atbildes reakcijas prognozēšanai

Mūsdienīgas mašīnmācīšanās pieejas, kas tiek piemērotas NCI-60 datiem, rada prognozēšanas modeļus ar lielāku precizitāti nekā viena biomarķiera pieejas. Random forest, atbalsta vektoru mašīna un dziļās mācīšanās algoritmi, kas apmācīti, izmantojot integrētus molekulāros raksturlielumus, daudziem savienojumiem prognozē zāļu jutību ar savstarpēji pārbaudītu precizitāti, kas pārsniedz 80 %. Šie modeļi aptver sarežģītu mijiedarbību starp vairākiem genomu raksturlielumiem, kas veicina reakciju uz zālēm.

Pazīmju nozīmīguma analīze mašīnmācīšanās modeļos identificē molekulārās pazīmes, kas visvairāk prognozē reakciju uz zālēm. Šī pieeja atklāj paredzamās iezīmes (mērķa ekspresija, ceļu aktivizācija) līdzās negaidītiem prognozētājiem, kas rada jaunas bioloģiskas hipotēzes. Modeļa identificēto pazīmju eksperimentālā validācija ir apstiprinājusi daudzus iepriekš nezināmus zāļu jutību noteicošus faktorus.

CNS vēža šūnu līnijas NCI-60 ļauj atklāt smadzeņu audzēju zāles. U87MG šūnas pārstāv multiformu glioblastomu, kas ir visagresīvākais smadzeņu ļaundabīgais audzējs. Nieru vēža apakšgrupa ietver dažādus gaiššūnu un papilārās karcinomas modeļus, savukārt melanomas šūnu līnijas aptver dažādus BRAF mutācijas statusus, kas ietekmē atbildes reakciju uz mērķterapiju.

Pārvēršana no NCI-60 uz klīniskajiem rezultātiem

Uz NCI-60 balstīto prognožu galīgā vērtība ir atkarīga no korelācijas ar pacientu klīniskajiem rezultātiem. Retrospektīvās analīzes, kurās salīdzināta NCI-60 zāļu jutība ar klīnisko pētījumu rezultātiem, liecina par atšķirīgu atbilstību atkarībā no vēža veida, zāļu mehānisma un klīniskajiem galapunktiem. Visspēcīgākā korelācija parādās attiecībā uz mērķtiecīgiem līdzekļiem, ja molekulārie biomarķieri atbilst zāļu mehānismiem.

No pacientiem iegūtu ksenotaugu (PDX) modeļi nodrošina starpposma apstiprinājumu starp NCI-60 šūnu līnijām un klīniskajiem rezultātiem. PDX modeļu jutība pret zālēm spēcīgāk korelē ar klīnisko atbildes reakciju nekā tikai šūnu līniju dati, kas liecina, ka no PDX iegūto NCI-60 biomarķieru validācija uzlabo klīnisko prognožu precizitāti. Šī pakāpeniskās validācijas pieeja optimizē biomarķieru izstrādes līnijas.

Kultūras barotņu optimizācija nodrošina stabilu NCI-60 šūnu līnijas uzturēšanu. RPMI 1640 barotne nodrošina standarta kultivēšanas apstākļus lielākajai daļai NCI-60 šūnu līniju, bet konkrētām līnijām nepieciešami DMEM vai papildināti preparāti. Saldēšanas barotne CM-1 ļauj uzglabāt raksturoto šūnu līniju krājumus, nodrošinot eksperimentālu reproducējamību.

Ierobežojumi un papildu pieejas

Lai gan NCI-60 panelis nodrošina nenovērtējamus zāļu atklāšanas instrumentus, jāņem vērā tam raksturīgie ierobežojumi. Ilgstoša kultivēšana pielāgo šūnu līnijas in vitro apstākļiem, kas var atšķirties no sākotnējām audzēja īpašībām. Panelī ir nepietiekami pārstāvēti daži vēža veidi, un tajā nav dažu svarīgu molekulāro apakštipu modeļu. Turklāt monoslāņa kultūras apstākļi nespēj atspoguļot trīsdimensiju audzēja arhitektūru un mikrovides ietekmi.

NCI-60 trūkumus novērš papildu pieejas. No pacientiem iegūti organoīdi saglabā lielāku uzticamību oriģinālajiem audzējiem un ļauj veikt personalizētus zāļu testus. Kopkultūru sistēmas, kas ietver stromālās un imūnās šūnas, modelē mikrovides ietekmi, kuras nav monokultūrās. Paplašināti šūnu līniju paneļi (Cancer Cell Line Encyclopedia, GDSC) nodrošina plašāku vēža veidu un molekulāro apakštipu pārklājumu.

Kvalitātes nodrošināšana nodrošina uzticamus uz NCI-60 balstītus pētījumus. Šūnu līniju autentiskuma noteikšana, izmantojot STR profilēšanu, apstiprina šūnu līniju identitāti, risinot dokumentēto krusteniskās kontaminācijas problēmu šūnu līniju kolekcijās. Mikoplazmas testēšana novērš mikoplazmas infekcijas mulsinošo ietekmi uz zāļu jutības mērījumiem. Šie kvalitātes pasākumi ir būtiski, lai iegūtu reproducējamus datus, kas piemēroti klīniskai izmantošanai.

Secinājumi

NCI-60 panelis joprojām ir stūrakmens pretvēža zāļu atklāšanā un biomarķieru izstrādē. Visaptverošas molekulārās profilēšanas integrācija ar plašiem zāļu jutības datiem ļauj veikt darbības mehānisma pētījumus, identificēt biomarķierus un izstrādāt prognozēšanas modeļus. Atzīstot ierobežojumus, kas raksturīgi šūnu līniju modeļiem, NCI-60 panelis turpina sniegt klīniski apstiprinātas atziņas, kas uzlabo pacientu atlasi pretvēža terapijai un nosaka racionālas zāļu izstrādes stratēģijas.