服务热线
178 0020 3020
约翰霍普金斯大学医学科学家报告说,为了寻找或改进癌症实验室研究模型,以便更好地与人类活体上的情况进行比较,他们开发了一种新的基于计算机的技术,表明在培养皿中生长的人类癌细胞在基因层面上与人类活体上的癌细胞完全不同。
他们说,这一发现应该有助于将更多资源集中在癌症研究模型上,例如基因工程小鼠和被称为“类瘤”的人体组织 3D 培养,以更好地评估人类癌症生物学和治疗方法以及导致癌症生长和进展的遗传错误.
“对于科学家来说,癌细胞系在遗传上不如其他模型可能并不令人惊讶,但我们很惊讶基因工程小鼠和类肿瘤相比之下表现得如此出色,”帕特里克卡汉博士说,他是约翰霍普金斯大学和约翰霍普金斯大学医学院的生物医学工程师,以及这项新研究的首席研究员。
这项名为 CancerCellNet 的新技术使用计算机模型将研究模型的 RNA 序列与来自癌症基因组图谱的数据进行比较,以比较这两组数据的匹配程度。
研究人员发现,平均而言,基因工程小鼠和类肿瘤的 RNA 序列与他们测试的每 5 种肿瘤类型中的 4 种(包括乳腺癌、肺癌和卵巢癌)的基因组图谱基线数据最接近。
研究人员表示,他们的工作进一步证明,由于人体细胞的自然环境和实验室生长环境之间存在复杂的差异,因此在实验室中培养的癌细胞系与其人类来源的活体癌细胞不一致。“一旦你将肿瘤从它们的自然环境中取出,细胞系就会开始改变,”卡汉说。
世界各地的科学家依靠一系列研究模型来提高他们对癌症和其他疾病生物学的理解,并开发针对疾病的治疗方法。最广泛使用的癌症研究模型是通过从人类肿瘤中提取细胞并在实验室烧瓶中用各种营养物质培养它们来创建的细胞系。
研究人员还使用经过基因改造的小鼠来发展癌症。在其他情况下,他们将人类肿瘤植入小鼠体内,这一过程称为异种移植,或使用类瘤。
为了评估这些研究模型中的任何一个与人类可能发生的事情的匹配程度,科学家们经常将实验室培养的细胞或来自类瘤或异种移植物的细胞移植到小鼠体内,并观察细胞是否表现得像它们应该的那样——即生长和扩散并保留癌症的遗传特征。然而,约翰霍普金斯大学的研究人员表示,这个过程昂贵、耗时且具有科学挑战性。
新工作的目标是开发一种计算方法,以不那么繁琐和准确的方式评估研究模型。关于这项工作的报告于 4 月 29 日发表在Genome Medicine 上,研究人员已经为他们命名的 CancerCellNet 申请了一项临时专利。
这项新技术基于有关细胞 RNA 的遗传信息、类似于 DNA 的化学分子串和用于将 DNA 转化为蛋白质制造的一组中间指令细胞。
“RNA 是细胞类型和细胞身份的一个很好的替代物,这是确定实验室开发的细胞是否与人类对应物相似的关键,”Cahan 说。“RNA 表达数据非常标准化,可供研究人员使用,并且较少受到可能混淆研究结果的技术变化的影响。”
首先,Cahan 和他的团队必须选择一组标准数据作为基线来比较研究模型。来自癌症基因组图谱的数据作为所谓的“训练”数据,其中包括数百个患者肿瘤样本的RNA表达信息,以及它们对应的分期、分级等肿瘤信息。
他们还测试了其 CancerCellNet 工具,将其应用于已知肿瘤类型的数据,例如来自国际人类基因组测序联盟的数据。
研究小组成员梳理了癌症基因组图谱数据,确定了 22 种类型的肿瘤进行研究。他们使用基因组图谱数据作为基线,比较来自全球实验室培养的 657 个癌细胞系的 RNA 表达数据,其中一些是几十年前建立的,415 个异种移植物,26 个基因工程小鼠模型和 131 个类瘤。
他指出,在该研究的一个例子中,来自名为 PC3 的细胞系的前列腺癌细胞在遗传上开始看起来更像膀胱癌。他说,也有可能细胞系最初标记不正确,或者它实际上可能来自膀胱癌。但最重要的是,从遗传的角度来看,前列腺癌细胞系并不是典型的前列腺癌患者的替代物。
研究人员发现,使用 0-1 评分方法,平均而言,细胞系与图谱数据的评分对齐低于类瘤细胞和异种移植物。Cahan 说,他和他的团队将添加额外的 RNA 测序数据,以提高 CancerCellNet 的可靠性。
其他进行这项研究的科学家包括来自约翰霍普金斯大学的 Da Peng、Rachel Gleyzer、Wen-Hsin Tai、Pavithra Kumar、Qin Bian、Bradley Isaacs、Stephanie Cai 和 Kathleen DiNapoli;巴西圣卡塔琳娜联邦大学的 Edroaldo Lummertz da Rocha;和来自加州大学旧金山分校的 Franklin Huang。
相关文献:
Da Peng, Rachel Gleyzer, Wen-Hsin Tai, Pavithra Kumar, Qin Bian, Bradley Isaacs, Edroaldo Lummertz da Rocha, Stephanie Cai, Kathleen DiNapoli, Franklin W. Huang, Patrick Cahan. Evaluating the transcriptional fidelity of cancer models. Genome Medicine, 2021; 13 (1) DOI: 10.1186/s13073-021-00888-w
附件