NCI-60 Panel in Predicting Clinical Drug Response

NCI-60-panelet i prediksjon av klinisk legemiddelrespons

NCI-60-panelet med humane tumorcellelinjer representerer en av de mest omfattende samlingene av kreftcellelinjer innen biomedisinsk forskning. Panelet ble utviklet av National Cancer Institute på slutten av 1980-tallet, og består av 60 cellelinjer avledet fra ni forskjellige tumortyper, noe som gir en standardisert plattform for screening av kreftlegemidler og studier av virkningsmekanismer. Den omfattende molekylære profileringen av NCI-60-cellelinjene, kombinert med sensitivitetsdata for over 100 000 substanser, muliggjør prediktiv modellering av klinisk legemiddelrespons og identifisering av biomarkører som kan veilede pasientutvelgelse.

Nøkkelinformasjon

• NCI-60-panelet omfatter 60 cellelinjer fra ni krefttyper, noe som muliggjør bredspektret screening av medikamentfølsomhet
• Integrering av genomiske, transkriptomiske og proteomiske data med legemiddelrespons muliggjør oppdagelse av biomarkører
• COMPARE-algoritmen identifiserer forbindelser med lignende mekanismer basert på NCI-60-responsmønstre
• Maskinlæringsmodeller trent på NCI-60-data forutsier utfall av kliniske studier med økende nøyaktighet
• NCI-60-sensitivitet for legemidler korrelerer med respons på pasientavledede xenotransplantater og kliniske resultater i spesifikke kontekster

Sammensetning og karakterisering av NCI-60-panelet

NCI-60-panelet omfatter 60 humane kreftcellelinjer som representerer ni vevstyper: lungekreft (ikke-småcellet), tykktarmskreft, brystkreft, eggstokkreft, leukemi, nyrekreft, melanom, kreft i sentralnervesystemet (CNS) og prostatakreft. Hvert underpanel inneholder flere cellelinjer som fanger opp genetisk og fenotypisk heterogenitet innenfor den aktuelle krefttypen. Dette mangfoldet gjør det mulig å identifisere vevsspesifikke medikamentfølsomheter og biomarkører på tvers av tumorer.

Den omfattende molekylære karakteriseringen av NCI-60-panelet omfatter heleksomsekvensering, RNA-sekvensering, DNA-metyleringsanalyser, mikroRNA-profilering og RPPA-analyser (reverse-phase protein arrays). Dette multiomiske datasettet, som er offentlig tilgjengelig gjennom NCI-databaser, gjør det mulig å integrere molekylære egenskaper med data om legemiddelrespons. CellMiner-databasen gir brukervennlig tilgang til molekylære og farmakologiske data fra NCI-60, noe som letter arbeidet med å finne biomarkører.

Lungekreftunderpanelet i NCI-60 omfatter ulike histologiske subtyper og genetisk bakgrunn. NCI-H460 Cells representerer storcellet lungekreft med KRAS-mutasjon, mens NCI-H1299 Cells er modeller for p53-null adenokarsinom. NCI-H23 Cells og NCI-H522 Cells bidrar med ytterligere adenokarsinomrepresentasjon med forskjellige mutasjonsprofiler.

COMPARE-algoritmen for studier av virkningsmekanismer

COMPARE-algoritmen representerer et grunnleggende beregningsverktøy for analyse av NCI-60-legemiddelfølsomhetsmønstre. Ved å korrelere veksthemmingsprofilen til en testforbindelse på tvers av alle de 60 cellelinjene med profiler for forbindelser med kjente mekanismer, identifiserer COMPARE potensielle virkningsmekanismer for nye midler. Høye korrelasjonskoeffisienter tyder på at test- og referansestoffene har felles mål eller veier.

COMPARE-analysen har identifisert virkningsmekanismer for en rekke kreftmidler som senere er validert gjennom biokjemiske studier. Algoritmen skiller mellom stoffer som retter seg mot DNA-syntese, mikrotubuli, topoisomeraser og kinaser, basert på karakteristiske NCI-60-responssignaturer. Denne beregningsbaserte tilnærmingen gjør det raskere å finne mekanismene for substanser som kommer fra fenotypiske screeninger.

NCI-60-underpanelet for tykktarmskreft viser distinkte responsmønstre på legemidler. HCT116-celler viser mikrosatellittinstabilitet og robust respons på DNA-skadelige stoffer. HCT-15-celler gir ytterligere MSI-modeller, mens Caco-2-celler muliggjør studier av tarmabsorpsjon som utfyller screening av legemidler. SW620-celler representerer metastatisk tykktarmskreft med forskjellige sensitivitetsprofiler.

Genomiske biomarkører som forutsier legemiddelrespons

Integrasjonen av genomiske data med NCI-60-legemiddelfølsomhet gjør det mulig å identifisere genetiske determinanter for legemiddelrespons. Korrelasjonsanalyse mellom genmutasjoner, kopitallsendringer eller ekspresjonsnivåer og legemiddelaktivitet identifiserer kandidatbiomarkører for klinisk validering. Denne tilnærmingen har generert en rekke hypoteser som senere er testet i kliniske studier.

KRAS-mutasjonsstatus er et eksempel på en genomisk biomarkør som er validert på tvers av NCI-60-panelet og kliniske settinger. KRAS-muterte cellelinjer i tykktarms- og lungesubpanelene viser redusert følsomhet for EGFR-hemmere, noe som gjenspeiler kliniske observasjoner hos pasienter. Dette samsvaret støtter den prediktive verdien av NCI-60-avledede biomarkører for pasientstratifisering.

Leukemicellelinjene i NCI-60 er modeller for oppdagelse av hematologiske maligniteter. HL-60-celler muliggjør forskning på akutt promyelocytisk leukemi, mens K562-celler representerer BCR-ABL-positiv kronisk myeloid leukemi. Jurkat-celler gir T-cellemodeller for akutt lymfoblastisk leukemi med forskjellige mønstre for medikamentfølsomhet. RPMI 8226-celler bidrar med myelomatose-representasjon til panelet.

Maskinlæringsmodeller for prediksjon av respons

Moderne maskinlæringsmetoder som brukes på NCI-60-data, genererer prediktive modeller med bedre nøyaktighet enn enkeltbiomarkørtilnærminger. Random forest, support vector machine og deep learning-algoritmer som er trent på integrerte molekylære egenskaper, predikerer medikamentfølsomhet med kryssvalidert nøyaktighet på over 80 % for mange forbindelser. Disse modellene fanger opp komplekse interaksjoner mellom flere genomiske egenskaper som bidrar til legemiddelrespons.

Analyse av viktigheten av funksjoner i maskinlæringsmodeller identifiserer de molekylære funksjonene som er mest prediktive for legemiddelrespons. Denne tilnærmingen avdekker forventede egenskaper (måluttrykk, aktivering av signalveier) sammen med uventede prediktorer som genererer nye biologiske hypoteser. Eksperimentell validering av modellidentifiserte egenskaper har bekreftet en rekke tidligere ukjente determinanter for medikamentfølsomhet.

CNS-kreftcellelinjene i NCI-60 gjør det mulig å oppdage legemidler mot hjernesvulster. U87MG-celler representerer glioblastoma multiforme, den mest aggressive maligniteten i hjernen. Underpanelet for nyrekreft omfatter ulike modeller for klarcellet og papillært karsinom, mens melanomcellelinjene spenner over ulike BRAF-mutasjonsstatuser som påvirker responsen på målrettet behandling.

Oversettelse fra NCI-60 til kliniske resultater

Den endelige verdien av NCI-60-baserte prediksjoner avhenger av korrelasjon med kliniske utfall hos pasienter. Retrospektive analyser som sammenligner NCI-60-sensitivitet for legemidler med resultater fra kliniske studier, viser varierende samsvar avhengig av krefttype, legemiddelmekanisme og kliniske endepunkter. De sterkeste korrelasjonene viser seg for målrettede midler der molekylære biomarkører samsvarer med legemiddelmekanismer.

Pasientavledede xenograftmodeller (PDX) gir en mellomliggende validering mellom NCI-60-cellelinjer og kliniske resultater. Legemiddelfølsomhet i PDX-modeller korrelerer sterkere med klinisk respons enn cellelinjedata alene, noe som tyder på at PDX-validering av NCI-60-avledede biomarkører forbedrer den kliniske prediksjonsnøyaktigheten. Denne trinnvise valideringsmetoden optimaliserer rørledninger for biomarkørutvikling.

Optimalisering av dyrkingsmedier støtter robust vedlikehold av NCI-60-cellelinjer. RPMI 1640-medium gir standard dyrkingsbetingelser for de fleste NCI-60-cellelinjer, mens spesifikke linjer krever DMEM eller supplerte formuleringer. Freeze Medium CM-1 gjør det mulig å lagre karakteriserte cellelinjelagre, noe som sikrer eksperimentell reproduserbarhet.

Begrensninger og komplementære tilnærminger

Selv om NCI-60-panelet er et uvurderlig verktøy for legemiddelforskning, må man være klar over de iboende begrensningene. Langvarig dyrking tilpasser cellelinjene til in vitro-betingelser, noe som potensielt kan avvike fra de opprinnelige tumoregenskapene. Panelet underrepresenterer visse krefttyper og mangler modeller for noen viktige molekylære subtyper. I tillegg klarer ikke monolagskulturbetingelser å fange opp tredimensjonal tumorarkitektur og påvirkning fra mikromiljøet.

Komplementære tilnærminger avhjelper begrensningene i NCI-60. Organoider som stammer fra pasienter, er mer tro mot de opprinnelige svulstene og muliggjør persontilpasset legemiddeltesting. Samdyrkingssystemer med stromaceller og immunceller modellerer mikromiljøbidrag som er fraværende i monokulturer. Utvidede cellelinjepaneler (Cancer Cell Line Encyclopedia, GDSC) gir bredere dekning av krefttyper og molekylære subtyper.

Kvalitetssikring sikrer pålitelig NCI-60-basert forskning. Autentisering av cellelinjer ved hjelp av STR-profilering bekrefter cellelinjeidentiteten, noe som løser det dokumenterte problemet med krysskontaminering i cellelinjesamlinger. Mykoplasmatesting forhindrer at mykoplasmainfeksjon påvirker målingene av legemiddelfølsomhet. Disse kvalitetstiltakene er avgjørende for å generere reproduserbare data som er egnet for klinisk anvendelse.

Konklusjon

NCI-60-panelet er fortsatt en hjørnesteinsressurs for oppdagelse av kreftlegemidler og utvikling av biomarkører. Integrering av omfattende molekylær profilering med omfattende data om legemiddelfølsomhet muliggjør studier av virkningsmekanismer, identifisering av biomarkører og utvikling av prediktive modeller. Selv om vi erkjenner begrensningene som ligger i cellelinjemodeller, fortsetter NCI-60-panelet å generere klinisk validert innsikt som forbedrer pasientutvelgelsen for kreftbehandlinger og gir veiledning for rasjonelle strategier for legemiddelutvikling.