肿瘤类器官在药物筛选中的应用-MedChemExpress

BLZJ_7d91db

类器官 — 助力药物筛选

新药的诞生总是让人热血澎湃，不仅是医药行业的重大突破，也意味着资本盈利的开始。但新药开发是一个复杂的过程，从先导化合物的发现到临床，通常需要十年甚至更久。传统的药物筛选主要依赖于 2D 培养的细胞模型，但 2D 培养细胞在进行药效评估方面存在一定的局限性[1]（详见往期推文：类器官 — 从 2D 到 3D 的进阶）。患者来源的肿瘤类器官 (Patient-derived organoids, PDO) 作为研究肿瘤的新型工具，在保留肿瘤原有的生物学特征之外，还能够稳定的传代，因此在肿瘤药物的开发与筛选上有着得天独厚的优势（图 1）。此外，类器官曾被 Science 评为年度十大技术，成为新药研发、精准治疗、再生医学等领域的强大工具。

图 1. 2D 细胞模型、PDXs、PDOs 的比较[2]

万事俱备，只欠东风，那么类器官这一强大的新生力量是如何助力于药物筛选的呢？接下来小 M 就借助高分文献在药物筛选中的应用实例，带你直观感受类器官与药物筛选的火花！
肿瘤类器官库（活性筛选）

■ 创建肿瘤类器官生物库
类器官是由胚胎干细胞、诱导多能干细胞和成体干细胞产生的三维培养系统，其为研究器官发育和模拟病理过程提供了良好的平台。目前已建立了来源于多种癌症的类器官生物库，用于肿瘤免疫治疗的研究（图 2）。肿瘤类器官生物库以两种方式生成：通过活检或手术切除直接从患者身上收集组织或对源自健康组织的类器官进行修饰[3-5]。肿瘤类器官生物库允许来自不同癌以及指定癌症的不同病变、等级或阶段的类器官传代、扩增和冷冻保存。

图 2. 肿瘤类器官生物库建立及用途[6]

    肿瘤类器官生物库可以从转基因非癌性类器官或肿瘤类器官中建立。这些生物样本库可实现基于肿瘤异质性的药物效率测试、芯片上类器官的药物筛选和毒性测试等。              
■ 肿瘤类器官库用于活性药物筛选

[color=rgba(0, 0, 0, 0.9)]万事开头难，药物开发的第一步便是活性化合物的筛选，肿瘤类器官自然是不能错过。研究人员利用 CRC 患者来源的类器官生物样本库进行功能筛选发现了一种新型候选药物 MCLA-158。

[color=rgba(0, 0, 0, 0.9)]研究人员从两家不同医院治疗的 68 例患者的共 99 个肿瘤样本中提取并储存了 61 个原发性 CRC 和 11 个 CRC 肝转移的类器官，还选取了肿瘤邻近的健康粘膜建立类器官，构建了 CRC 患者来源的类器官活生物库（图 3）。其次，通过该类器官生物样本库，对超过 500 种双特异性抗体进行药物筛选，并评估它们在匹配的正常结肠黏膜类器官中的活性。最终发现 MCLA-158 (EGFR x LGR5 双特异性抗体)可与表皮生长因子受体 (EGFR) 和富含亮氨酸重复序列的 G 蛋白偶联受体-5 (LGR5) 相结合，在体内外有效抑制结直肠癌类器官生长和转移[7]。

图 3. 肿瘤类器官衍生概述[8]

肿瘤类器官共培养（模拟体内 TME） 有了活性化合物，接下来就是进一步的毒性及机理的研究验证。在肿瘤免疫治疗中，肿瘤微环境 (Tumor microenvironment, TME) 中肿瘤和免疫细胞的相互作用对临床前评估至关重要，如果没有肿瘤微环境的输入，就无法准确评估免疫治疗中潜在的药物有效性[9]。经过对肿瘤类器官与自体外周血淋巴细胞共培养的多次研究发现 ，足够数量的肿瘤特异性T细胞在肿瘤类器官模型中用于免疫治疗是必不可少的[10]。如将小鼠鸡卵白蛋白肽 (OVA) 特异性 T 细胞、人 NY-ESO-1 特异性 CD8+ T 细胞和自体肿瘤浸润性 T 细在共培养，可促进肿瘤识别和高细胞毒活性[11]。因此，为了使肿瘤类器官更接近于活体的肿瘤微环境，可在培养体系中加入其他细胞，建立细胞共培养体系。

[color=rgba(0, 0, 0, 0.9)]美国印第安纳大学 Xiongbin Lu 教授课题组报道了基于类器官的表观遗传抑制剂筛选。利用小鼠或癌症患者来源的乳腺肿瘤类器官联合肿瘤特异性细胞毒性 T 细胞(CD8+ T 细胞）共培养，使之更好地模拟小鼠体内肿瘤微环境（图 4）。经过药物筛选最终从 141 种表观遗传相关化合物中筛选出 3 种能够促进抗原呈递和增强 T 细胞介导的细胞毒性的表观遗传抑制剂[12]。

图 4. 类器官共培养进行药物筛选[12]

   文献流程（供参考）：原位移植体内产生肿瘤组织 → 肿瘤组织消化成单个细胞进行 2D 培养 → 收集贴壁细胞进行类器官培养 → 肿瘤类器官筛选 → 肿瘤类器官加药处理 48 h → 药物处理后的类器官与 OVA 特异性 CD8+ T细胞共同培养。           
肿瘤类器官芯片（临床前预测） 除了活性药物筛选及细胞毒性检测等，患者来源的类肿瘤器官还可为精准医疗提供可靠的体外肿瘤模型[14,15]。越来越多的证据证实，原始肿瘤组织和生成的肿瘤类器官之间的表型和基因型一致[16,17]。同时，临床研究表明，在预测个体患者对结直肠癌和胃食管癌治疗的临床反应方面，肿瘤类器官具有较高的成功率[18-20]。但目前基于肿瘤类器官的药物测试仍需要数周甚至数月的时间才能向患者提供结果。清华大学 Yawei Hu 团队开发了一种集成的超疏水微井阵列芯片 (InSMAR-chip)，用于 肺癌类器官( Lung cancer organoids, LCOs) 的高通量三维培养和分析，可在一周内快速测试一系列临床推荐的药物。且 LCOs 对抗癌药物的反应与临床结果和基因突变是一致的。因此，LCOs 联合 InSMAR-chip 可能为快速预测肺癌患者特异性药物反应提供一种有效的手段（图 5）。此外，FDA 于 2022 年批准了全球完全基于 “类器官芯片” 研究获得临床前数据的新药（NCT04658472）进入临床试验。这意味着 “类器官芯片” 实验，首次取代了传统动物实验，且被官方认可。

图 5. 从患者肿瘤中建立 LCOs 过程示意图[21]

文献流程（供参考）：

1. 建立了一种机械的样本处理方法，在 3 天内从患者的肿瘤组织中生成足够数量的 LCOs。

2. 将手术切除的肿瘤组织 (约0.5 × 0.5 × 0.5 cm3) 用剪刀剪成小块，轻轻研磨后用注射器将其推入 100 µm 的滤器中。

3. 用 40 µm 滤器收集 40 ~ 100 μm 的肿瘤碎片，并将其悬浮在优化的 LCO 培养基中过夜培养。

4. 将 LCOs 接种在 Matrigel 基质胶中，并在多孔板中继续培养 3 天，用于长期扩增和类器官鉴定，或者在 InSMAR-chip 芯片上进行 3 天的药物敏感性试验。

上下滑动查看

■ 小结

本期小 M 为大家介绍了类器官在肿瘤免疫治疗方面的优势及应用，通过建立肿瘤类器官模型和肿瘤类器官库，可评价药物抗肿瘤活性、药物毒性，确定药物作用靶点以及药敏性筛查等，同时还可应用于精准医疗及临床前的药物预测，及时为患者选择合适的治疗方案。因此，类器官模型及筛选平台将有助于更好地了解疾病机制，测试和开发疾病相关的新药物。

MCE 的所有产品仅用作科学研究或药证申报，我们不为任何个人用途提供产品和服务  

参考文献

[1] Drost J, et al. Organoids in cancer research. Nat Rev Cancer. 2018 Jul;18(7):407-418.

[2] Malia Alexandra Foo, et al. Clinical translation of patient-derived tumor organoids- bottlenecks and strategies Preclinical tumor models are an important platform for mechanistic research and testing of new drugs.Biomark Res. 2022 Mar 10;10(1):10.

[3] Nuciforo S, et al. Organoid Models of Human Liver Cancers Derived from Tumor Needle Biopsies. Cell Rep. 2018;24(5):1363-1376.  

[4] Tiriac H, et al. Successful creation of pancreatic cancer organoids by means of EUS-guided fine-needle biopsy sampling for personalized cancer treatment. Gastrointest Endosc. 2018;87(6):1474-1480.

[5] Matano M, et al. Modeling colorectal cancer using CRISPR-Cas9-mediated engineering of human intestinal organoids. Nat Med. 2015;21(3):256-262.  

[6] Yang H, et al. Tumor organoids for cancer research and personalized medicine [published online ahead of print, 2021 Sep 14]. Cancer Biol Med. 2021;19(3):319-332.  

[7] Herpers B, et al. Functional patient-derived organoid screenings identify MCLA-158 as a therapeutic EGFR × LGR5 bispecific antibody with efficacy in epithelial tumors. Nat Cancer. 2022;3(4):418-436.  

[8] Marc van de Wetering M, et al. Prospective derivation of a living organoid biobank of colorectal cancer patients. Cell. 2015;161(4):933-945.  

[9] Neal JT, et al. Organoid Modeling of the Tumor Immune Microenvironment. Cell. 2018;175(7):1972-1988.e16.  

[10] Cattaneo CM, et al. Tumor organoid-T-cell coculture systems. Nat Protoc. 2020;15(1):15-39.  

[11] Clarke SR, et al. Characterization of the ovalbumin-specific TCR transgenic line OT-I: MHC elements for positive and negative selection. Immunol Cell Biol. 2000;78(2):110-117.  

[12] Zhou Z, etc. An organoid-based screen for epigenetic inhibitors that stimulate antigen presentation and potentiate T-cell-mediated cytotoxicity. Nat Biomed Eng. 2021 Nov;5(11):1320-1335.

[13] Hidalgo M, et al. Patient-derived xenograft models: an emerging platform for translational cancer research. Cancer Discov. 2014;4(9):998-1013.  

[14] Tuveson D, et al. Cancer modeling meets human organoid technology. Science. 2019;364(6444):952-955.  

[15] Lau HCH, et al. Organoid models of gastrointestinal cancers in basic and translational research. Nat Rev Gastroenterol Hepatol. 2020;17(4):203-222.  

[16] Gao D, Vela I, et al. Organoid cultures derived from patients with advanced prostate cancer. Cell. 2014;159(1):176-187.  

[17] Kim M, et al. Patient-derived lung cancer organoids as in vitro cancer models for therapeutic screening. Nat Commun. 2019;10(1):3991. Published 2019 Sep 5.  

[18] Yao Y, et al. Patient-Derived Organoids Predict Chemoradiation Responses of Locally Advanced Rectal Cancer. Cell Stem Cell. 2020;26(1):17-26.e6.  [19] Vlachogiannis G, et al. Patient-derived organoids model treatment response of metastatic gastrointestinal cancers. Science. 2018;359(6378):920-926.  

[20] Ooft SN, et al. Patient-derived organoids can predict response to chemotherapy in metastatic colorectal cancer patients. Sci Transl Med. 2019;11(513):eaay2574.  

[21] Hu Y, et al. Lung cancer organoids analyzed on microwell arrays predict drug responses of patients within a week. Nat Commun. 2021;12(1):2581. Published 2021 May 10.