NCI-60 Panel in Predicting Clinical Drug Response

NCI-60-panelen för att förutsäga klinisk läkemedelsrespons

NCI-60-panelen med humana tumörcellinjer utgör en av de mest omfattande samlingarna av cancercellinjer inom biomedicinsk forskning. Denna panel utvecklades av National Cancer Institute i slutet av 1980-talet och består av 60 cellinjer från nio olika tumörtyper, vilket ger en standardiserad plattform för screening av cancerläkemedel och studier av verkningsmekanismer. Den omfattande molekylära profileringen av NCI-60-cellinjerna, i kombination med data om läkemedelskänslighet för över 100 000 substanser, möjliggör prediktiv modellering av klinisk läkemedelsrespons och identifiering av biomarkörer som vägleder patienturvalet.

Viktiga slutsatser

• NCI-60-panelen omfattar 60 cellinjer från nio cancertyper och möjliggör screening av läkemedelskänslighet med ett brett spektrum
• Integration av genomiska, transkriptomiska och proteomiska data med läkemedelsrespons möjliggör upptäckt av biomarkörer
• COMPARE-algoritmen identifierar substanser med liknande mekanismer baserat på svarsmönster från NCI-60
• Maskininlärningsmodeller som tränats på NCI-60-data förutspår resultat av kliniska prövningar med ökande noggrannhet
• NCI-60:s läkemedelskänslighet korrelerar med xenograftsvar från patienter och kliniska resultat i specifika sammanhang

Sammansättning och karaktärisering av NCI-60-panelen

NCI-60-panelen omfattar 60 humana cancercellinjer som representerar nio vävnadsursprung: lungcancer (icke-småcellig), tjocktarmscancer, bröstcancer, äggstockscancer, leukemi, njurcancer, melanom, cancer i centrala nervsystemet (CNS) och prostatacancer. Varje vävnadsunderpanel innehåller flera cellinjer som fångar genetisk och fenotypisk heterogenitet inom den aktuella cancertypen. Denna mångfald möjliggör identifiering av vävnadsspecifika läkemedelskänsligheter och biomarkörer för olika tumörer.

Den omfattande molekylära karakteriseringen av NCI-60-panelen omfattar hel-exomsekvensering, RNA-sekvensering, DNA-metyleringsarrayer, mikroRNA-profilering och RPPA (reverse-phase protein arrays). Denna multi-omiska dataset, som är allmänt tillgänglig via NCI-databaser, möjliggör integrering av molekylära egenskaper med data om läkemedelsrespons. CellMiner-databasen ger användarvänlig tillgång till molekylära och farmakologiska data från NCI-60, vilket underlättar arbetet med att upptäcka biomarkörer.

Subpanelen för lungcancer inom NCI-60 omfattar olika histologiska subtyper och genetiska bakgrunder. NCI-H460 Cells representerar storcellig lungcancer med KRAS-mutation, medan NCI-H1299 Cells utgör modeller för adenokarcinom med p53-null. NCI-H23 Cells och NCI-H522 Cells bidrar med ytterligare adenokarcinomrepresentation med distinkta mutationsprofiler.

COMPARE-algoritmen för studier av verkningsmekanismer

COMPARE-algoritmen är ett grundläggande beräkningsverktyg för analys av NCI-60:s mönster för läkemedelskänslighet. Genom att korrelera tillväxthämningsprofilen för en testförening i alla 60 cellinjer med profiler för föreningar med kända mekanismer, identifierar COMPARE potentiella verkningsmekanismer för nya medel. Höga korrelationskoefficienter tyder på gemensamma mål eller vägar mellan test- och referenssubstanser.

COMPARE-analysen har framgångsrikt identifierat mekanismer för ett stort antal cancerläkemedel som därefter validerats genom biokemiska studier. Algoritmen särskiljer föreningar som riktar sig mot DNA-syntes, mikrotubuli, topoisomeraser och kinaser baserat på karakteristiska NCI-60-svarssignaturer. Denna beräkningsmetod påskyndar mekanismuppklaring för hit-substanser som kommer från fenotypiska skärmar.

NCI-60-underpanelen för tjocktarmscancer uppvisar distinkta läkemedelsresponsmönster. HCT116-celler uppvisar mikrosatellitinstabilitet och robust respons på DNA-skadande medel. HCT-15-celler ger ytterligare MSI-modeller, medan Caco-2-celler möjliggör studier av tarmabsorption som kompletterar tillämpningar för läkemedelsscreening. SW620-cellerna representerar metastaserande tjocktarmscancer med distinkta känslighetsprofiler.

Genomiska biomarkörer som förutsäger läkemedelsrespons

Integrationen av genomiska data med NCI-60-läkemedelskänslighet möjliggör identifiering av genetiska determinanter för läkemedelsrespons. Genom korrelationsanalys mellan genmutationer, förändringar i antalet kopior eller uttrycksnivåer och substansaktivitet identifieras kandidatbiomarkörer för klinisk validering. Detta tillvägagångssätt har genererat många hypoteser som sedan har testats i kliniska studier.

KRAS-mutationsstatus är ett exempel på en genomisk biomarkör som validerats i NCI-60-panelen och i kliniska miljöer. KRAS-muterade cellinjer inom subpanelerna för tjocktarmen och lungorna uppvisar minskad känslighet för EGFR-hämmare, vilket motsvarar kliniska observationer hos patienter. Denna överensstämmelse stöder det prediktiva värdet av biomarkörer som härrör från NCI-60 för patientstratifiering.

Leukemicellinjerna inom NCI-60 utgör modeller för upptäckt av läkemedel mot hematologiska maligniteter. HL-60-celler möjliggör forskning om akut promyelocytisk leukemi, medan K562-celler representerar BCR-ABL-positiv kronisk myeloisk leukemi. Jurkat-celler ger modeller för akut lymfatisk leukemi med T-celler med distinkta mönster för läkemedelskänslighet. RPMI 8226 Cells bidrar med representation av multipelt myelom till panelen.

Modeller för maskininlärning för prediktion av respons

Moderna maskininlärningsmetoder som tillämpas på NCI-60-data genererar prediktiva modeller med förbättrad noggrannhet jämfört med metoder med en enda biomarkör. Random forest-, support vector machine- och deep learning-algoritmer som tränats på integrerade molekylära egenskaper förutsäger läkemedelskänslighet med korsvaliderad noggrannhet som överstiger 80% för många föreningar. Dessa modeller fångar upp komplexa interaktioner mellan flera genomiska egenskaper som bidrar till läkemedelsrespons.

Analys av funktionens betydelse inom maskininlärningsmodeller identifierar de molekylära funktioner som bäst förutsäger läkemedelsrespons. Detta tillvägagångssätt avslöjar förväntade funktioner (måluttryck, aktivering av sökvägar) tillsammans med oväntade prediktorer som genererar nya biologiska hypoteser. Experimentell validering av modellidentifierade funktioner har bekräftat många tidigare okända bestämningsfaktorer för läkemedelskänslighet.

Cellinjer för CNS-cancer inom NCI-60 möjliggör upptäckt av läkemedel mot hjärntumörer. U87MG-cellerna representerar glioblastoma multiforme, den mest aggressiva maligniteten i hjärnan. Underpanelen för njurcancer omfattar olika modeller för klarcells och papillär karcinom, medan melanomcellinjerna omfattar olika BRAF-mutationsstatusar som påverkar svaret på riktad terapi.

Översättning från NCI-60 till kliniska resultat

Det slutliga värdet av NCI-60-baserade förutsägelser beror på korrelationen med kliniska resultat hos patienterna. Retrospektiva analyser som jämför NCI-60:s läkemedelskänslighet med resultat från kliniska prövningar visar på varierande överensstämmelse beroende på cancertyp, läkemedelsmekanism och kliniska slutpunkter. De starkaste korrelationerna framträder för målinriktade läkemedel där molekylära biomarkörer överensstämmer med läkemedelsmekanismerna.

PDX-modeller (patientderiverade xenograft) ger en mellanliggande validering mellan NCI-60-cellinjer och kliniska resultat. Läkemedelskänslighet i PDX-modeller korrelerar starkare med klinisk respons än enbart cellinjedata, vilket tyder på att PDX-validering av NCI-60-härledda biomarkörer förbättrar den kliniska prediktionsnoggrannheten. Denna stegvisa valideringsmetod optimerar pipelines för utveckling av biomarkörer.

Optimering av odlingsmedier stöder robust underhåll av NCI-60-cellinjen. RPMI 1640 Medium ger standardodlingsförhållanden för de flesta NCI-60-cellinjer, medan specifika linjer kräver DMEM eller kompletterade formuleringar. Frysmedium CM-1 möjliggör lagring av karakteriserade cellinjer för att säkerställa experimentell reproducerbarhet.

Begränsningar och kompletterande metoder

Även om NCI-60-panelen ger ovärderliga verktyg för läkemedelsupptäckt måste man vara medveten om dess inneboende begränsningar. Långvarig odling anpassar cellinjerna till in vitro-förhållanden, vilket kan avvika från de ursprungliga tumöregenskaperna. Panelen underrepresenterar vissa cancertyper och saknar modeller för vissa viktiga molekylära subtyper. Dessutom kan odling i monolager inte fånga tredimensionell tumörarkitektur och påverkan från mikromiljön.

Kompletterande metoder tar itu med begränsningarna i NCI-60. Organoider som härrör från patienter är mer trogna originaltumörerna och möjliggör individanpassade läkemedelstester. Samodlingssystem med stromaceller och immunceller modellerar bidrag från mikromiljön som saknas i monokulturer. Utökade cellinjepaneler (Cancer Cell Line Encyclopedia, GDSC) ger bredare täckning av cancertyper och molekylära subtyper.

Kvalitetssäkring säkerställer tillförlitlig NCI-60-baserad forskning. Autentisering av cellinjer genom STR-profilering bekräftar cellinjens identitet och löser det dokumenterade problemet med korskontaminering inom cellinjesamlingar. Mykoplasmatestning förhindrar förväxlingseffekter av mykoplasmainfektion på mätningar av läkemedelskänslighet. Dessa kvalitetsåtgärder är nödvändiga för att generera reproducerbara data som lämpar sig för klinisk tillämpning.

Slutsats

NCI-60-panelen är fortfarande en hörnstensresurs för upptäckt av cancerläkemedel och utveckling av biomarkörer. Integrering av omfattande molekylär profilering med omfattande data om läkemedelskänslighet möjliggör studier av verkningsmekanismer, identifiering av biomarkörer och utveckling av prediktiva modeller. NCI-60-panelen fortsätter att generera kliniskt validerade insikter som förbättrar patienturvalet för cancerbehandlingar och vägleder rationella strategier för läkemedelsutveckling, även om man måste vara medveten om de begränsningar som cellinjemodellerna medför.