NCI-60 Panel in Predicting Clinical Drug Response

NCI-60 panel voor het voorspellen van de respons op klinische geneesmiddelen

Het NCI-60 panel van menselijke tumorcellijnen vertegenwoordigt een van de meest uitgebreid gekarakteriseerde verzamelingen van kankercellijnen in biomedisch onderzoek. Dit panel, dat eind jaren 1980 werd ontwikkeld door het National Cancer Institute, bestaat uit 60 cellijnen afkomstig van negen verschillende tumortypen en biedt een gestandaardiseerd platform voor het screenen van antikankermedicijnen en werkingsmechanismestudies. De uitgebreide moleculaire profilering van NCI-60 cellijnen, gecombineerd met gevoeligheidsgegevens van meer dan 100.000 verbindingen, maakt voorspellende modellering van klinische geneesmiddelenrespons en identificatie van biomarkers voor patiëntenselectie mogelijk.

Belangrijke opmerkingen

• Het NCI-60-panel omvat 60 cellijnen van negen kankertypen, waardoor screening op gevoeligheid voor geneesmiddelen met een breed spectrum mogelijk is
• Integratie van genomische, transcriptomische en proteomische gegevens met de respons op geneesmiddelen maakt de ontdekking van biomarkers mogelijk
• COMPARE-algoritme identificeert verbindingen met vergelijkbare mechanismen op basis van NCI-60 responspatronen
• Machine-learning modellen getraind op NCI-60 data voorspellen klinische onderzoeksresultaten met toenemende nauwkeurigheid
• NCI-60 geneesmiddelgevoeligheid correleert met xenograftresponsen van patiënten en klinische resultaten in specifieke contexten

Samenstelling en karakterisering van het NCI-60 panel

Het NCI-60-panel omvat 60 menselijke kankercellijnen die negen weefsels vertegenwoordigen: longkanker (niet-kleincellige cellen), darmkanker, borstkanker, eierstokkanker, leukemie, nierkanker, melanoom, kanker van het centrale zenuwstelsel (CZS) en prostaatkanker. Elk subpanel bevat meerdere cellijnen die de genetische en fenotypische heterogeniteit binnen dat kankertype vastleggen. Deze diversiteit maakt identificatie van weefselspecifieke gevoeligheden voor medicijnen en tumoroverstijgende biomarkers mogelijk.

Uitgebreide moleculaire karakterisering van het NCI-60 panel omvat whole-exome sequencing, RNA sequencing, DNA methylatie arrays, microRNA profiling en reverse-phase protein arrays (RPPA). Deze multi-omaire dataset, die openbaar beschikbaar is via NCI-databases, maakt integratie van moleculaire kenmerken met gegevens over de respons op medicijnen mogelijk. De CellMiner database biedt gebruiksvriendelijke toegang tot de moleculaire en farmacologische gegevens van NCI-60, waardoor het ontdekken van biomarkers gemakkelijker wordt.

Het subpanel longkanker binnen NCI-60 omvat diverse histologische subtypen en genetische achtergronden. NCI-H460-cellen vertegenwoordigen grootcellig longkanker met KRAS-mutatie, terwijl NCI-H1299-cellen adenocarcinoma-modellen leveren die p53-nul zijn. NCI-H23 Cells en NCI-H522 Cells dragen bij aan aanvullende vertegenwoordiging van adenocarcinoom met verschillende mutatieprofielen.

COMPARE-algoritme voor onderzoeken naar werkingsmechanismen

Het COMPARE-algoritme vertegenwoordigt een fundamenteel computationeel hulpmiddel voor het analyseren van NCI-60 gevoeligheidspatronen voor geneesmiddelen. Door het groeiremmingsprofiel van een testverbinding over alle 60 cellijnen te correleren met profielen van verbindingen met bekende mechanismen, identificeert COMPARE potentiële werkingsmechanismen voor nieuwe middelen. Hoge correlatiecoëfficiënten suggereren gedeelde doelen of routes tussen test- en referentieverbindingen.

COMPARE-analyse heeft met succes mechanismen geïdentificeerd voor talloze antikankermiddelen die vervolgens door biochemische studies zijn gevalideerd. Het algoritme onderscheidt verbindingen die gericht zijn op DNA-synthese, microtubuli, topoisomerasen en kinasen op basis van karakteristieke NCI-60 responssignaturen. Deze computationele aanpak versnelt de mechanisme-opheldering voor hits die voortkomen uit fenotypische schermen.

Het NCI-60 subpanel voor darmkanker vertoont verschillende responspatronen op geneesmiddelen. HCT116-cellen vertonen microsatellietinstabiliteit en een robuuste respons op middelen die het DNA beschadigen. HCT-15 cellen bieden aanvullende MSI-modellen, terwijl Caco-2 cellen intestinale absorptiestudies mogelijk maken als aanvulling op drug screeningtoepassingen. SW620-cellen vertegenwoordigen uitgezaaide darmkanker met verschillende gevoeligheidsprofielen.

Genomische biomarkers die de respons op geneesmiddelen voorspellen

De integratie van genomische gegevens met de NCI-60 gevoeligheid voor geneesmiddelen maakt de identificatie mogelijk van genetische determinanten van de respons op geneesmiddelen. Correlatieanalyses tussen genmutaties, veranderingen in het aantal kopieën of expressieniveaus en de activiteit van de verbinding identificeren kandidaat-biomarkers voor klinische validatie. Deze aanpak heeft talloze hypothesen gegenereerd die vervolgens in klinische onderzoeken zijn getest.

KRAS-mutatiestatus is een voorbeeld van een genomische biomarker die is gevalideerd in het NCI-60 panel en klinische settings. KRAS-mutante cellijnen binnen de subpanels voor dikke darm en long laten een verminderde gevoeligheid zien voor EGFR-remmers, wat klinische waarnemingen bij patiënten weerspiegelt. Deze overeenstemming ondersteunt de voorspellende waarde van NCI-60 afgeleide biomarkers voor patiëntstratificatie.

Leukemiecellijnen binnen NCI-60 bieden modellen voor het ontdekken van medicijnen tegen hematologische maligniteiten. HL-60 cellen maken onderzoek naar acute promyelocytische leukemie mogelijk, terwijl K562 cellen BCR-ABL-positieve chronische myeloïde leukemie vertegenwoordigen. Jurkat-cellen leveren T-cel acute lymfoblastische leukemiemodellen met verschillende gevoeligheidspatronen voor geneesmiddelen. RPMI 8226 cellen vertegenwoordigen multipel myeloom in het panel.

Machine-learning modellen voor responsvoorspelling

Moderne machine learning benaderingen toegepast op NCI-60 data genereren voorspellende modellen met een verbeterde nauwkeurigheid ten opzichte van single-biomarker benaderingen. Random forest, support vector machine en deep learning algoritmen getraind op geïntegreerde moleculaire kenmerken voorspellen de gevoeligheid voor geneesmiddelen met een kruisgevalideerde nauwkeurigheid van meer dan 80% voor veel verbindingen. Deze modellen leggen complexe interacties vast tussen meerdere genomische kenmerken die bijdragen aan de respons op geneesmiddelen.

Feature belangrijkheidsanalyse binnen machine learning modellen identificeert moleculaire features die de respons op medicijnen het meest voorspellen. Deze aanpak onthult verwachte kenmerken (expressie van het doelwit, activering van pathways) naast onverwachte voorspellers die nieuwe biologische hypothesen genereren. Experimentele validatie van door het model geïdentificeerde kenmerken heeft talloze voorheen onbekende determinanten van de gevoeligheid voor geneesmiddelen bevestigd.

Cellijnen voor hersentumoren binnen het NCI-60 maken de ontdekking van geneesmiddelen voor hersentumoren mogelijk. U87MG-cellen vertegenwoordigen glioblastoma multiforme, de meest agressieve hersenaandoening. Het subpanel voor nierkanker omvat diverse modellen voor heldercel- en papillaircarcinoom, terwijl melanoomcellijnen verschillende BRAF-mutatiestatussen omvatten die van invloed zijn op de respons op doelgerichte therapie.

Vertaling van NCI-60 naar klinische resultaten

De uiteindelijke waarde van op NCI-60 gebaseerde voorspellingen hangt af van de correlatie met klinische uitkomsten bij patiënten. Retrospectieve analyses die de gevoeligheid van NCI-60 geneesmiddelen vergelijken met klinische onderzoeksresultaten laten een variabele concordantie zien, afhankelijk van kankertype, geneesmiddelmechanisme en klinische eindpunten. De correlaties zijn het sterkst voor gerichte middelen waarbij moleculaire biomarkers overeenkomen met de geneesmiddelmechanismen.

PDX-modellen (Patient Derived xenograft) bieden een tussentijdse validatie tussen NCI-60 cellijnen en klinische resultaten. Geneesmiddelgevoeligheid in PDX-modellen correleert sterker met klinische respons dan gegevens van cellijnen alleen, wat suggereert dat PDX-validatie van NCI-60-afgeleide biomarkers de nauwkeurigheid van klinische voorspellingen verbetert. Deze gefaseerde validatiebenadering optimaliseert de ontwikkeling van biomarkers.

Optimalisatie van kweekmedia ondersteunt robuust onderhoud van NCI-60 cellijnen. RPMI 1640 medium biedt standaard kweekomstandigheden voor de meeste NCI-60 cellijnen, terwijl specifieke lijnen DMEM of aanvullende formuleringen vereisen. Freeze Medium CM-1 maakt het opslaan van gekarakteriseerde cellijnvoorraden mogelijk, waardoor experimentele reproduceerbaarheid wordt gegarandeerd.

Beperkingen en aanvullende benaderingen

Hoewel het NCI-60 panel instrumenten van onschatbare waarde biedt voor het ontdekken van geneesmiddelen, moeten inherente beperkingen worden onderkend. Door langdurige kweek worden cellijnen aangepast aan in vitro omstandigheden, waardoor ze mogelijk afwijken van de oorspronkelijke tumorkarakteristieken. In het panel zijn bepaalde kankertypes ondervertegenwoordigd en ontbreken modellen voor enkele belangrijke moleculaire subtypes. Bovendien kunnen de omstandigheden van monolaagkweek de driedimensionale tumorarchitectuur en de invloeden van de micro-omgeving niet weergeven.

Aanvullende benaderingen pakken de beperkingen van het NCI-60 aan. Organoïden afkomstig van patiënten zijn meer trouw aan de oorspronkelijke tumoren en maken gepersonaliseerde medicijntesten mogelijk. Co-cultuursystemen met stromale en immuuncellen modelleren microomgevingsbijdragen die afwezig zijn in monocultuur. Uitgebreide cellijnenpanels (Cancer Cell Line Encyclopedia, GDSC) bieden een bredere dekking van kankertypes en moleculaire subtypes.

Kwaliteitsborging garandeert betrouwbaar onderzoek op basis van NCI-60. Authenticatie van cellijnen door middel van STR-profilering bevestigt de identiteit van cellijnen, waarmee het gedocumenteerde probleem van kruisbesmetting binnen cellijnencollecties wordt aangepakt. Mycoplasma testen voorkomen verstorende effecten van mycoplasma-infectie op gevoeligheidsmetingen voor geneesmiddelen. Deze kwaliteitsmaatregelen zijn essentieel voor het genereren van reproduceerbare gegevens die geschikt zijn voor klinische vertaling.

Conclusie

Het NCI-60 panel blijft een belangrijke bron voor de ontdekking van geneesmiddelen tegen kanker en de ontwikkeling van biomarkers. Integratie van uitgebreide moleculaire profilering met uitgebreide gegevens over de gevoeligheid van geneesmiddelen maakt werkingsmechanismestudies, identificatie van biomarkers en de ontwikkeling van voorspellende modellen mogelijk. Hoewel de beperkingen die inherent zijn aan cellijnmodellen worden erkend, blijft het NCI-60 panel klinisch gevalideerde inzichten genereren die de selectie van patiënten voor antikankertherapieën verbeteren en rationele strategieën voor de ontwikkeling van geneesmiddelen sturen.