北京大学张宁、吴健民及河南省肿瘤医院（郑州大学附属肿瘤医院）张建功共同在期刊《Cancer Cell》发表了题为“Pharmacogenomic profiling of intra-tumor heterogeneity using a large organoid biobank of liver cancer”的研究论文，对于生信人来说，这个方向还是要关注下，下面我们就学习下大佬是怎么做的吧。
![]()
原发性肝癌（PLC）是全球第三大导致癌症相关死亡的原因，包括肝细胞癌（HCC）、肝内胆管癌（ICC）和混合型肝细胞-胆管癌（CHC）。患者通常在晚期被诊断，需要进行全身性治疗，包括一线药物索拉非尼或雷伐替尼，以及二线药物雷格欧非尼或阿帕替尼。然而，这些多靶点激酶抑制剂在总生存期和生活质量上的改善有限，患者选择面临紧迫挑战。肿瘤内和肿瘤间的异质性是癌症治疗的主要障碍。先前的研究表明，HCC、ICC和CHC中存在高水平的基因组异质性，反映了携带不同分子标志的细胞的多样性集合，这对于确定药物敏感性和治疗失败的原因至关重要。患者来源的器官样体（PDO）培养是重现肿瘤异质性和研究不同癌症类型药物敏感性的有效工具。有助于全面了解肿瘤异质性，发展预测性生物标志物，揭示药物耐药机制，并为新的治疗机会提供指导。该研究建立了一个包括大型的个肿瘤器官样体的活体生物库。通过利用这一生物库分析了基因组和表型异质性，筛选了临床相关的药物并与患者反应进行比较，确定了预测性分子生物标志物，并揭示了导致耐药的机制。
对类器官感兴趣的小伙伴
欢迎联系我们
![]()
多部位取样解析差异性耐药机制
结果
1、多区域器官样体生物库重现了肝癌的组织学、基因组和转录组特征研究者建立了一个肝癌PDO（患者来源的器官样体）的活体生物库，利用多区域采样策略代表了来自144名肝癌患者切除标本的空间不同区域。成功建立了399个肿瘤器官样体（总建立率为75.6%），来自142名原发肿瘤患者和2名肝转移患者，以及12个正常器官样体。通过多区域采样，从原发肿瘤收集了522个区域，从肝转移收集了6个区域，从邻近肝组织收集了30个区域。通过对肿瘤器官样体进行组织学、基因组学和转录组学特征的分析，结果发现与原发肿瘤组织相似的组织学特征，并且器官样体的形态多样性能够反映出肿瘤的异质性。病理学标记分析表明，多区域器官样体能够准确显示HCC和ICC患者的肿瘤标记物，而CHC器官样体同时显示了HCC和ICC标记物的阳性信号。通过将PDO植入免疫缺陷小鼠的皮下，也能够重新现原发肿瘤的组织学特征。此外，从邻近肝组织中获得的器官样体与PLC器官样体在形态上存在差异。基因组和转录组分析显示，衍生的PLC PDOs保留了肿瘤组织的组学特征。![]()
2、多区域器官样体的分析表征了肝癌的基因组内肿瘤异质性研究者分析了32例PLC患者的基因组异质性，这些患者已建立并测序了多区域PDOs(图2A)，并确定了大量的基因组异质性。首先，一组患者，包括P1、P4、P6和P23，显示出多个区域样本中肿瘤突变负荷（TMB）的明显变化。接下来，在同一肿瘤的不同区域中发现了多个PLC癌症相关基因存在异质性体细胞突变和/或CNAs。例如，P1的两个区域（P1C1和P1C2）携带了致癌的TP53和AXIN1突变，而第三个区域（P1C3）未检测到。与此同时，P1C3具有独特的致癌APOB突变和额外的RB1缺失（见图2A）。此外，对另外四名患者（包括P9、P19、P22和P23）发现APOB突变仅在单个区域中。在一部分患者中发现了含有肿瘤抑制基因的染色体区域缺失，包括16p13.3（AXIN1）、12q14.2（RB1）和10q23.2（PTEN）。为了系统地表征基因组异质性，研究者通过应用基于已确定的体细胞点突变的最大简约算法为每位患者构建了系统发生树（见图2B）。确定了PLC中一些常见的干线事件，包括TP53、RB1、AXIN1和CCND1的突变。此外，突变-ITH和CNA-ITH之间显示出正相关（见图2D），并且在该研究的队列中，突变-ITH和CNA-ITH水平与患者预后显示出显著相关性（见图2E）。具有更高水平的突变/CNA-ITH的PLC患者总体存活较差（均p <0.05）。![]()
接下来，研究者推测基因组和相关转录组的异质性可能导致对药物敏感性的异质性反应。对79名患者的255个PDO进行了PLC一线药物索拉非尼和雷伐替尼的靶基因表达分析。=结果发现，一些些患者显示出来自不同区域的器官样体中靶基因的表达有显著变化，表明可能存在药物反应的肿瘤内异质性。3、筛选临床相关药物预测患者反应，揭示肿瘤内药物敏感性的异质性接下来研究者对116名患者（产生了376个器官样体）中对7种与原发性肝癌（PLC）相关的药物进行了筛选。对这些药物进行了半数最大抑制浓度（IC50）和曲线下面积（AUC）的计算，并观察到了每种药物的IC50和AUC值之间的强相关性。将每位患者所有区域中的最大IC50（或AUC）值作为患者级别的IC50（或AUC）值，基于患者对药物治疗反应取决于最耐药区域的假设。根据临床总体反应率的百分位数截断，将所有患者根据患者级别的AUC分为对每种药物的敏感和耐药组。通过对16个器官样体的早期和晚期通道进行药物敏感性测试，发现大多数器官样体对雷伐替尼的敏感性在早期和晚期通道之间几乎相同。将器官样体药物敏感性结果与相应的临床反应进行了比较，发现临床反应似乎支持了使用器官样体进行的雷伐替尼敏感性结果。另外，通过使用器官样体来源的移植瘤验证了器官样体药物筛选结果。最后，利用药物筛选结果定量评估了用于PLC患者的七种靶向治疗药物的潜在益处。估计了器官（器官样体）水平和患者水平之间在个体和累积敏感性方面的显著差异，指出了PLC的广泛异质性可能导致患者水平的耐药性。![]()
4、分子分析确定了预测仑伐替尼和其他三种药物敏感性的表达特征由于基因组异质性被认为是导致药物耐药的主要因素之一，研究者首先利用多区域PDOs研究了基因组异质性与PLC药物敏感性的关联。在雷伐替尼耐药组患者中发现显著升高的突变ITH和CNA-ITH水平，而敏感组中则相对较低，表明ITH在雷伐替尼治疗耐药中起着作用。另外，还分别研究了基因组ITH与索拉非尼、雷戈沙尼布和阿帕替尼敏感性的关联，发现阿帕替尼耐药组患者中CNA-ITH水平增加。然而，由于缺乏对个体药物的特异性，使用基因组ITH水平作为预测性生物标志物具有挑战性。因此，研究者继续使用转录组谱系模拟PLC药物敏感性，因为基因表达谱已成功地与患者对药物治疗的反应相关联。利用既有RNA-seq又有药物筛选谱系前景开发了两组器官样本进行训练（n = 106）和验证（n = 106）。在训练集中，首先确定了与雷伐替尼敏感性显著相关的254个基因，在表达热图中显示了这三个基因（JUN、IL1B和TNFRSF8）是FDA批准药物的靶点。利用这254个基因，对TCGA-LIHC项目中的424名HCC患者进行了聚类分析，分成四组患者。值得注意的是，有一组患者显示出耐药基因普遍低表达，其比例（24.86%）与报道的雷伐替尼临床疗效（24.1%）相似，表明该组患者可能富集了对雷伐替尼治疗敏感的患者。为了确定与药物反应相关的关键基因以开发生物标志物，进一步应用了基于机器学习的方法，确定了一个由13个签名基因组成的预测性生物标志物，包括JUN、HIST1H1E和WNT6A。这个多基因生物标志物AUC曲线下达到了0.86，验证集的AUC为0.81。![]()
该研究建立了一个PLC生物库，其复制了原发肿瘤的组织病理学和基因组景观，并且通过体内模型和患者反应证明可靠用于药物敏感性筛选。综合分析解析了PLC的异质性，涉及基因组/转录组特征和对七种临床相关药物的敏感性，以及临床关联。药理基因组学分析确定并验证了预测药物反应的多基因表达特征，以实现更好的患者分层。不想错过每天的热点和技术
欢迎大家添加“生信人”为星标推荐
