Kwantificeren van de Brain Gemetastatische Tumor Micro-Environment met behulp van een Organ-On-A Chip 3D Model, Machine Learning en Confocal Tomography

Hersenmetastasen zijn de meest dodelijke kankerletsels; 10-30% van alle kankers metastaseren naar de hersenen, met een mediane overleving van slechts ~ 5-20 maanden, afhankelijk van het type kanker. Om de hersenstastatische tumorlast te verminderen, moeten hiaten in basis- en translationele kennis worden aangepakt. Grote uitdagingen zijn een gebrek aan reproduceerbare preklinische modellen en bijbehorende instrumenten. Driedimensionale modellen van metastase van de hersenen kunnen de relevante moleculaire en fenotypische gegevens opleveren die worden gebruikt om aan deze behoeften te voldoen in combinatie met speciale analysetools. Bovendien, in vergelijking met murine modellen, orgaan-op-een-chip modellen van patiënt tumorcellen dwars door de bloed-hersenbarrière in de hersenen micro-omgeving genereren snel resultaten en zijn meer interpreteerbaar met kwantitatieve methoden, dus vatbaar voor een hoge doorvoer testen. Hier beschrijven en demonstreren we het gebruik van een nieuw 3D-microfluïde bloedhersenniche (μmBBN) platform waar meerdere elementen van de niche gedurende een langere periode (enkele dagen) kunnen worden gekweekt, fluorescerend worden afgebeeld door confocale microscopie, en de beelden gereconstrueerd met behulp van een innovatieve confocale tomografietechniek; alle gericht op de ontwikkeling van micro-metastase en veranderingen in de tumor micro-omgeving (TME) te begrijpen in een herhaalbare en kwantitatieve manier. We laten zien hoe je de kankercellen en TME cellulaire en humorale componenten fabriceren, zaaien, beeld, en analyseren, met behulp van dit platform. Bovendien laten we zien hoe kunstmatige intelligentie (AI) wordt gebruikt om de intrinsieke fenotypische verschillen van kankercellen te identificeren die door een model μmBBN kunnen worden doorgevoerd en om ze een objectieve index van hersenuitzaaiend potentieel toe te wijzen. De gegevenssets die door deze methode worden gegenereerd, kunnen worden gebruikt om fundamentele en translationele vragen over metastase, de werkzaamheid van therapeutische strategieën en de rol van de TME in beide te beantwoorden.