معلومة

مقاومة الورم: تأثير الخلية الواحدة أم السكان؟

مقاومة الورم: تأثير الخلية الواحدة أم السكان؟


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

يمكن أن تنشأ مقاومة الأدوية من خلال عدد من الآليات. على سبيل المثال ، طفرة EGFR عند العلاج بمثبطات EGFR ، أو التنشيط التعويضي لمسارات البقاء البديلة. لكن هل يحدث على مستوى خلية واحدة ، أم سيكون تأثيرًا سكانيًا؟ بمعنى آخر ، هل تتعرض الخلايا لـ تعوض مثبطات كيناز المستهدفة ببطء مع المسارات الأخرى (وهذا سيحدث في كل خلية من هذا القبيل) أو سيكون هناك مجموعة فرعية من الخلايا حساسة للمثبطات ومجموعة سكانية فرعية أخرى مقاومة بطبيعتها وتميل نحو تضخيم المسارات الأخرى.


بالتأكيد يمكن أن يكون هناك تعاون أو منافسة بين الخلايا السرطانية داخل الورم والتي يمكن أن توفر بعض أنواع التأثيرات السكانية على بقاء الخلايا السرطانية. ومع ذلك ، تشير الأدلة الحالية إلى أن مقاومة العلاج ترجع دائمًا تقريبًا إلى مجموعات فرعية مقاومة من الخلايا السرطانية داخل الورم. في كثير من الحالات ، بعد العلاج بمثبطات EGFR ، تم التعرف على طفرات المقاومة. في بعض الأحيان تكون هذه الطفرات في جزء صغير من الخلايا السرطانية بحيث لا يمكن اكتشافها في الورم الأصلي قبل العلاج ، ولكن في معظم الحالات ربما كانت موجودة بالفعل قبل العلاج ، بسبب الطفرات التي لا مفر منها أثناء نمو الورم. تعد هذه المراجعة حول عدم التجانس داخل الورم مكانًا جيدًا لبدء التعرف على هذا الموضوع.


تكامل بيانات تسلسل الحمض النووي الريبي أحادية الخلية في النماذج السكانية لتوصيف التمثيل الغذائي للسرطان

قسم الانتماءات في فسيولوجيا الخلايا الجزيئية ، كلية علوم الأرض والحياة ، جامعة VU ، أمستردام ، هولندا ، مركز مانشستر لبيولوجيا النظم التكاملية ، كلية الهندسة الكيميائية والعلوم التحليلية ، جامعة مانشستر ، مانشستر ، المملكة المتحدة ، معهد سوامردام علوم الحياة ، كلية العلوم ، جامعة أمستردام ، أمستردام ، هولندا

أدوار إدارة المشروع ، كتابة - مراجعة وتحرير

الانتماءات مركز SYSBIO لبيولوجيا الأنظمة ، 20126 ، ميلان ، إيطاليا ، قسم التكنولوجيا الحيوية والعلوم البيولوجية ، جامعة ميلان بيكوكا ، 20126 ، ميلان ، إيطاليا

أدوار إدارة المشروع ، كتابة - مراجعة وتحرير

الانتماءات مركز SYSBIO لبيولوجيا الأنظمة ، 20126 ، ميلان ، إيطاليا ، قسم التكنولوجيا الحيوية والعلوم البيولوجية ، جامعة ميلان بيكوكا ، 20126 ، ميلان ، إيطاليا

اكتساب الأدوار التمويل ، إدارة المشروع ، الموارد

قسم المعلوماتية والأنظمة والاتصالات ، جامعة ميلان بيكوكا ، 20126 ، ميلان ، إيطاليا ، مركز SYSBIO لبيولوجيا الأنظمة ، 20126 ، ميلان ، إيطاليا


من الخلايا المفردة والتضخيم

إن مفتاح بيولوجيا الخلية الواحدة ، بالطبع ، هو عزل خلية واحدة. يتم تحقيق ذلك عادةً باستخدام المعالجة الدقيقة ، أو الموائع الدقيقة ، أو الفرز الخلوي المنشط بالفلورة (FACS) ، وهي الطريقة التي يفضلها ستيباناوسكاس.

أحد البدائل ، الذي تم تطويره في مختبر نانسي ألبريتون ، رئيس قسم الهندسة الطبية الحيوية المشترك في جامعة نورث كارولينا في تشابل هيل (UNC-CH) وجامعة ولاية كارولينا الشمالية (NCSU) ، هو المصفوفة الدقيقة (MRA).

MRA عبارة عن مجموعة من عناصر البوليسترين الشفافة والمغناطيسية الدقيقة ، كل منها صغير بما يكفي لتناسب بئر صغير على لوح أو شريحة. تم تسويقها بواسطة أنظمة الخلية الدقيقةيقول أولبريتون إن اتفاقيات MRA تحتوي عادةً على حوالي 10000 بئر ، على الرغم من وجود بعض المقاييس بالملايين. يقوم الباحثون بصقل خلاياهم بحيث يوجد ، في المتوسط ​​، صفر أو خلية واحدة لكل عنصر. يمكنهم بعد ذلك تصوير المصفوفة على الفور ، أو السماح للخلايا بالنمو وتطوير أنماط ظاهرية معقدة. يتم عزل الخلايا ذات الأهمية برفق باستخدام إبرة مجهرية لاختراق الجزء السفلي من المصفوفة وإزاحة عنصر MRA. نظرًا لأنها مغناطيسية ، يمكن التقاط هذه العناصر بسهولة ، وعند هذه النقطة يمكن تحليلها أو توسيعها نسبيًا.

وفقًا لـ Allbritton ، يتيح النظام استراتيجيات العزل التي قد تكون مستحيلة ، مثل عزل الخلايا الليمفاوية التائية السامة للخلايا بناءً على قدرتها على قتل الخلايا المستهدفة. في إحدى الدراسات ، استخدم سكوت ماغنس ، المتعاون في UNC-CH ، مع Allbritton ، MRA لدراسة الخلايا الجذعية داخل الأمعاء. من بين أمور أخرى ، استخدم الفريق المنصة للتحقق مما إذا كان يجب على الخلايا الجذعية المعوية الاتصال جسديًا بالخلايا الأخرى من أجل الوصول إلى إمكاناتها الكاملة. يقول ألبريتون: "ما أظهره بوضوح تام هو أنهم يحتاجون حقًا إلى لمس خلية بانيث للنمو والازدهار والانقسام والحصول على أعلى معدلات النمو".

تتخذ Vertes منهجًا أقل إنتاجية في عملية التمثيل الغذائي. باستخدام شحذ شعري ومعالج دقيق - وهي أداة تستخدم عادةً في لقط الرقعة والتلاعب الجنيني - يقوم فريقه بسحب جزء من مادة بيكوليتر من الخلايا اللاصقة الملتصقة في قاع طبق الاستنبات ويحقنها مباشرة في مطياف الكتلة.

بهذه الطريقة ، كما يقول فيرتس ، يمكن لفريقه تحديد كمية حوالي 22 مستقلبًا و 54 دهونًا من كل خلية من حوالي 30 خلية كبدية مستنبتة - ليس المستقلب بأكمله بالطبع ، ولكنه كاف للكشف على سبيل المثال ، شحنة طاقة الخلايا الأدينيلات - مقياس لـ الصحة الخلوية. يلاحظ فيرتس أنه كان من الممكن دائمًا قياس مثل هذه المتغيرات على مستوى السكان. ولكن بالذهاب إلى مستوى الخلية المفردة ، يمكنه مراقبة التوزيع
من حالات الطاقة ، وربط تلك القيم بمعلمات مثل مورفولوجيا أو نشاط التمثيل الغذائي. يقول: "بالنسبة لكل خلية ، يمكننا معرفة [ما إذا كانت] خلية سليمة ، أم خلية نصف ميتة ، أم أن الخلية تبرمج نفسها للموت".


مراجعة للنمذجة الحسابية المستندة إلى الخلية في بيولوجيا السرطان

تتضمن بيولوجيا السرطان تفاعلات معقدة وديناميكية بين الخلايا السرطانية وبيئاتها الدقيقة في الأنسجة. تعد التأثيرات أحادية الخلية من العوامل الحاسمة للتقدم السريري. يمكن للتواصل الكيميائي والميكانيكي بين الخلايا السرطانية والخلايا اللحمية أن يستوعب العمليات الفسيولوجية الطبيعية لتعزيز النمو والغزو. يزيد عدم تجانس الخلايا السرطانية من قدرة السرطان على اختبار استراتيجيات التكيف مع الضغوط البيئية المكروية. يمكن لنقص الأكسجة والعلاج أن يختار الخلايا الجذعية السرطانية ويؤدي إلى الغزو والمقاومة. النماذج الحسابية المستندة إلى الخلية (المعروفة أيضًا بالنماذج المنفصلة أو النماذج المستندة إلى العوامل أو النماذج الفردية) تحاكي الخلايا الفردية أثناء تفاعلها في الأنسجة الافتراضية ، مما يسمح لنا باستكشاف كيف تؤدي سلوكيات الخلية المفردة إلى الديناميكيات التي نلاحظها و العمل على السيطرة على أنظمة السرطان. في هذه المراجعة ، نقدم مجموعة واسعة من التقنيات المتاحة للنمذجة الحسابية القائمة على الخلايا. يمكن أن تتراوح الأساليب من نماذج مفصلة للغاية لعدد قليل من الخلايا وأشكالها إلى ملايين الخلايا الأبسط في الأنسجة ثلاثية الأبعاد. تسمح لنا نمذجة الخلايا الفردية بترجمة الملاحظات البيولوجية مباشرة إلى قواعد محاكاة. في كثير من الحالات ، تشتمل عوامل الخلية الفردية على نماذج على نطاق جزيئي. تحاكي معظم النماذج أيضًا نقل الأكسجين والأدوية وعوامل النمو ، مما يسمح لنا بربط تطور السرطان بالظروف البيئية المكروية. نوضح هذه الطرق بأمثلة مأخوذة من نقص الأكسجة السرطاني وتكوين الأوعية والغزو والخلايا الجذعية والمراقبة المناعية. يظهر نظام بيئي لأدوات المحاكاة القائمة على الخلايا القابلة للتشغيل المتبادل في وقت تجعل فيه موارد الحوسبة السحابية البرنامج أسهل للوصول إلى موارد الحوسبة الفائقة مما يجعل إجراء دراسات المحاكاة على نطاق واسع أمرًا ممكنًا. مع تطور المجال ، نتوقع أن تسمح لنا دراسات المحاكاة عالية الإنتاجية باستكشاف فضاء الاحتمالات البيولوجية بسرعة ، وفحص الاستراتيجيات العلاجية الجديدة مسبقًا ، وحتى إعادة هندسة الخلايا السرطانية والسدوية للسيطرة على أنظمة السرطان.

السرطان هو مشكلة أنظمة معقدة تنطوي على تفاعلات بين الخلايا السرطانية وبيئات أنسجتها الدقيقة. 1-3 تؤدي الأساليب العلاجية التي تركز بشكل ضيق على الخلايا السرطانية في كثير من الأحيان إلى نتائج مخيبة للآمال ، بما في ذلك المقاومة وغزو الأنسجة وفشل العلاج. تعود هذه الإخفاقات جزئيًا إلى السلوكيات غير المتوقعة التي تظهر من الأنظمة الديناميكية للأنسجة السرطانية. تعمل العلاجات كضغوط انتقائية ، حتى عندما تستخدم الخلايا السرطانية التباين الجيني المتزايد لأخذ عينات على نطاق واسع من استراتيجيات البقاء والتكيف. يؤدي نقص الأكسجة المزمن 3،4 ، وهو ضغط انتقائي آخر ، إلى تغييرات في التمثيل الغذائي واختيار الخلايا الجذعية السرطانية التي تقاوم العلاج والغزو وتكوين الأوعية. 4-6 تتواصل الخلايا السرطانية كيميائيا وحيويا مع الخلايا اللحمية ، مما يسمح لها باختيار العمليات الفسيولوجية الطبيعية. 1-3،7،8 النماذج الرياضية يمكن أن تكون بمثابة "مختبرات افتراضية" مع ظروف مضبوطة بالكامل حيث يمكن للعلماء والأطباء التحقيق في السلوكيات السريرية الناشئة التي تنتج عن فرضيات الخلية الأساسية ويمكنهم تقييم استراتيجيات علاجية جديدة. 1.9

تستعرض هذه المراجعة الطرق المستندة إلى الخلايا لمحاكاة السرطان. تُعرف أيضًا بالنماذج المنفصلة أو النماذج المستندة إلى الوكيل أو النماذج المستندة إلى الفرد ، النماذج المستندة إلى الخلية تحاكي سلوكيات الخلية الفردية داخل بيئات الأنسجة. هذه النماذج لها مزايا عديدة. يمكن لكل عامل خلوي تتبع حالة مستقلة تمامًا مع معلمات فردية تعكس عدم التجانس في السرطان. يمكن لمصممي النماذج تنفيذ قواعد الخلية مباشرةً التي تعكس ملاحظات سلوك الخلية المفردة وتفاعلات الخلية الخلوية ، والتي تسمح لنا بترجمة الفرضيات البيولوجية إلى قواعد رياضية بسرعة إجراء تجارب محاكاة تستكشف السلوكيات الناشئة لهذه الفرضيات وتقارن بالبيانات الجديدة للتأكيد ، رفض أو تحسين الفرضيات الأساسية بشكل متكرر. 1،9،10

تمثل النماذج المستندة إلى الخلية خلايا فردية بنموذجين رئيسيين - النماذج المستندة إلى الشبكة التي تتعقب الخلايا على طول شبكة صلبة ونماذج خارج الشبكة التي ليس لها مثل هذا التقييد. يصنف الشكل 1 معظم أساليب النمذجة القائمة على الخلايا. يسرد الجدول 1 حزم النمذجة مفتوحة المصدر الرئيسية.

الشكل 1. تصنيف تخطيطي لمقاربات النمذجة القائمة على الخلية.

الجدول 1. الأساليب الحسابية ومجموعات الأدوات مفتوحة المصدر

يمكن للنماذج القائمة على الشبكة أن تستخدم شبكات منظمة منتظمة (على سبيل المثال ، الديكارتي 11 [ثنائي أو ثلاثي الأبعاد [2D / 3D] ، ثنائي السطح [3D]) 12 أو شبكات غير منظمة. 13 الشبكات الهيكلية أبسط في التنفيذ والتصور والدمج مع محولات المعادلات التفاضلية الجزئية (PDE) ، لكن هيكلها يمكن أن يؤدي إلى تحيزات الشبكة. 13 يمكن أن تتجنب الشبكات غير المهيكلة هذه المشكلات 13 ولكن مع تعقيد أكبر.

يمكننا تصنيف الأساليب المستندة إلى الشبكة من خلال الدقة المكانية. في نماذج الأجهزة الخلوية (CA) ، يمكن لكل موقع شبكي أن يحتوي على خلية واحدة. 14-17 في كل خطوة زمنية ، يتم تحديث كل خلية بقواعد منفصلة قائمة على الشبكة: البقاء ، والانتقال إلى موقع الشبكة المجاورة ، والموت (تحرير موقع الشبكة) ، أو الانقسام لوضع خلية ابنة في موقع قريب. 14-17 عادة ما تقوم هذه الطرق بتحديث مواقع الشبكة بترتيب عشوائي لتقليل تشوهات الشبكة. 14 ، 15

في نماذج CA الغازية الشبكية (LGCA) ، يمكن أن يحتوي موقع شبكي واحد على خلايا متعددة. 14،15،17،18 نماذج LGCA تتبع عدد الخلايا التي تتحرك عبر القنوات بين مواقع الشبكة الفردية بدلاً من حركة كل خلية فردية. يمكنهم محاكاة عدد كبير جدًا من الخلايا بكفاءة على مدى فترات طويلة مع الاتصال أيضًا بنظرية الميكانيكا الإحصائية ، مما يسهل التحليل ويوفر جسرًا لطرق الاستمرارية التي تصمم كثافة الخلايا أو التجمعات بدلاً من الخلايا المفردة. 17 ، 18

قد تتطلب بعض المشاكل حل أشكال الخلايا الفردية. تستخدم نماذج Cellular Potts (CPMs) مواقع شبكية متعددة لتمثيل كل خلية. 14،15،19 في كل خطوة زمنية ، يزور CPMs كل بكسل (2D) أو voxel (3D) ، ويختبر مقايضة عشوائية مع بكسل / فوكسل مجاور ، ويقبل أو يرفض التبادل (احتماليًا) على أساس ما إذا كان ذلك تقليل الطاقة العالمية. على الرغم من أن الكلفة بالألف ظهور يمكنها نمذجة أشكال الخلايا والميكانيكا التي لا يمكن دمجها في نماذج CA ، إلا أنها أكثر كثافة من الناحية الحسابية. أيضًا ، يمكن أن تكون معايرة خطوات مونت كارلو للوقت الفعلي أمرًا صعبًا. 20

يمكننا تقسيم النماذج غير الشبكية إلى نماذج قائمة على المركز (CBMs) تركز على أحجام الخلايا (أو الكتل) والنماذج التي تركز على حدود الخلية. يمكننا تصنيف هذه الأساليب حسب مستوى التفاصيل المورفولوجية.

تتعقب تدابير بناء الثقة مركز الكتلة أو الحجم لكل خلية ، عادةً باستخدام عامل برمجي واحد لكل خلية. 13-15،21 تمثل بعض تدابير بناء الثقة الخلايا كنقاط ، بينما يمثل البعض الآخر أحجامًا للخلايا بشكل صريح. عادةً ما تقوم تدابير بناء الثقة بتحديث مواضع الخلايا من خلال صياغة القوى اللاصقة والمنفرة والقاطرة والقوى الشبيهة بالسحب المتبادلة بين مراكز الخلايا. 13-15،21 تقترب معظم وحدات بناء الثقة من الخلايا على أنها كرات ، ومع ذلك ، فإن بعض الخلايا التقريبية على شكل أجسام إهليلجية قابلة للتشوه لتمثيل أشكالها بشكل أفضل. 22،23

يمكن أن تقوم تدابير بناء الثقة بنمذجة مورفولوجيا الخلية بمزيد من التفصيل عن طريق تقسيم الخلايا إلى عناصر دون خلوية. هذه النماذج تقريبية بشكل أفضل للميكانيكا الحيوية للخلية ولكن بتكلفة حسابية متزايدة. على العكس من ذلك ، يمكن تنظيم الخلايا في مجموعات أو وحدات وظيفية (على سبيل المثال ، غدد الثدي أو خبايا القولون) التي يتم محاكاتها كعوامل تتفاعل بواسطة قوى ميكانيكية أو حركات أخرى قائمة على القواعد 26،27 وهذا يسمح للمصممين بدمج تفاصيل غير متجانسة في مجموعات فردية من الخلايا ولكن بكفاءة حسابية أكبر من تدابير بناء الثقة التقليدية.

الطرق المستندة إلى Vertex (على سبيل المثال ، Fletcher et al 28) نموذج للخلايا كمضلعات (2D) أو متعدد السطوح (3D) وتحسب القوى التي تعمل على رؤوسها وهي مفيدة بشكل خاص لنمذجة الأنسجة المتجمعة. 29 للحصول على دقة مكانية أكبر ، فإن طرق التتبع الأمامي ، مثل طريقة الحدود المغمورة (IBM) ، تحل PDE لتدفق السوائل داخل الخلايا وبينها ثم تحدد النقاط الحدودية على طول أغشية الخلايا في هذا التدفق. تم تطبيق 30 طريقة ضبط مستوى لتتبع حركة حدود الخلية بشكل ضمني ، 31 و VCell (انظر الاتصال بالتأثيرات الجزيئية) أضافت مؤخرًا إمكانيات التتبع الأمامي. 32،33 هذه من بين أكثر الأساليب المعتمدة على الخلايا كثافة من الناحية الحسابية ، ولكنها مفيدة في ربط ميكانيكا الخلايا التفصيلية بميكانيكا الأنسجة السائلة والصلبة.

معظم النماذج المستندة إلى الخلية عبارة عن سلسلة متصلة منفصلة مختلطة ، حيث تقترن نموذج خلية منفصل بنماذج متصلة من البيئة المكروية. بشكل عام ، تستخدم هذه النماذج أجهزة PDE للتفاعل والانتشار لمحاكاة النقل الحيوي للأكسجين وعوامل النمو والأدوية. طور Ghaffarizadeh وزملاؤه 34 BioFVM لحل النقل المنتشر لعشرات إلى مئات من الركائز الكيميائية في الأنسجة ثلاثية الأبعاد ، وهو محلل PDE الأساسي لـ PhysiCell (إطار محاكاة قائم على المركز). في هذا الإطار ، يكتب المصممون قواعد لربط الأنماط الظاهرية للخلية الفردية بظروف الركيزة الكيميائية المحلية. 21

تتضمن العديد من النماذج المنفصلة أنظمة المعادلات التفاضلية العادية (ODEs) لنمذجة العمليات الجزيئية في الخلايا الفردية. يمكن لـ 35،36 VCell محاكاة التدفقات المتفاعلة للعديد من البروتينات داخل خلية واحدة مفصلة ، 32،33 والعديد من حزم النمذجة (على سبيل المثال ، Chaste ، 37 CompuCell3D ، 38 و EPISIM 39) تدعم لغة ترميز الأحياء (SBML) لتشمل أنظمة ODE التي تحاكي التأثيرات الجزيئية في الخلايا الفردية. يستخدم البعض الآخر نماذج منفصلة داخل الوكلاء الفرديين: استخدم جيرلي وأندرسون 40 شبكات عصبية صغيرة لمحاكاة "قرارات" النمط الظاهري للخلايا الفردية على أساس مدخلات البيئة المكروية ، بينما يجمع PhysiBoSS 41 نهج نمذجة الشبكة المنطقية لـ MaBoSS 42،43 مع PhysiCell 21 لمحاكاة العمليات الجزيئية في الخلايا الفردية.

نستكشف الآن سلسلة من موضوعات النمذجة التي توضح استخدام النمذجة القائمة على الخلايا في بيولوجيا السرطان. على الرغم من أننا لا نستطيع إجراء مراجعة شاملة لجميع النمذجة المستندة إلى الخلايا في السرطان (أو حتى أخذ عينات من جميع حالات الاستخدام الرئيسية للنمذجة القائمة على الخلايا) ، فإن هذه الموضوعات مستمدة من جميع أنحاء المجال لإثبات المشكلات العلمية ذات التأثيرات الكبيرة على نطاق الخلية حيث تكون النماذج المستندة إلى الخلية يمكن أن تسفر عن رؤى جديدة.

استخدمت العديد من المجموعات النماذج المستندة إلى الخلايا للتحقيق في نمو الورم في الأنسجة ناقصة التأكسج ، وبشكل أكثر عمومية ، تأثير حدود النقل المنتشر. استخدم Gatenby et al 44 and Smallbone et al 45 CAs لفحص التحول الناتج عن نقص الأكسجة إلى الأنماط الظاهرية الغازية في سرطان الأقنية الموضعي (DCIS). قاموا بدمج تكيفات التمثيل الغذائي الخلوي لنقص الأكسجة ، مما سمح لهم بدراسة غزو الورم المبكر (الشكل 2 أ). قام أندرسون وزملاؤه 46،47 بتوسيع نتائج CA السابقة عن طريق تكييف IBCell 30 (أحد IBM) لتكاثر خلايا الورم الثديية (EMT6 / Ro) في الأنسجة ناقصة التأكسج. كما كان من قبل ، وجدوا أن التدرجات ناقصة التأكسج يمكن أن تؤدي إلى غزو الأنسجة ، لكن النمذجة المحسّنة لـ IBCell لالتصاق الخلايا والميكانيكا الحيوية تنبأت بنصائح أكثر توغلًا 47 (الشكل 2 ب).

الشكل 2. النماذج القائمة على الخلايا لنقص الأكسجة في سرطان الثدي. (أ) نموذج آلي خلوي لسرطان الثدي يستكشف التغيرات الأيضية الخلوية والتطور المبكر للغزو. أعيد طبعها بإذن من Gatenby et al. 44 (ب) نموذج حد مغمور لمحاكاة غزو السرطان تحت تدرجات نقص الأكسجين. مقتبس بإذن من Anderson et al. 47 (C) PhysiCell (نموذج قائم على المركز [CBM]) محاكاة لسرطان الأقنية في الموقع بينما يتقدم في قنوات الثدي تحت حدود النمو المنتشر. لاحظ النواة النخرية البني. مقتبس بإذن من Ghaffarizadeh et al. 21 (D) محاكاة PhysiCell مقتبسة من الأجسام الشبه الكروية الورمية المعلقة. تؤدي حدود انتشار الأكسجين إلى تدرجات نقص الأكسجين ، وانتشار أكبر على الحافة الخارجية ، ومنطقة داخلية هادئة ، ولب نخر مركزي (بني). لاحظ شبكة المسام المملوءة بالسوائل التي تظهر من ميكانيكا النواة النخرية. لوحظت هذه في التجارب. يُظهر الشكل الداخلي صورة فلورية لورم كروي متدلي الشكل. مقتبس بإذن من Ghaffarizadeh et al. أنتجت 21 (E) CBMs من الأجسام الشبه الكروية للورم التي ابتكرها Drasdo و Höhme هياكل ذات طبقات متشابهة. أعيد طبعها بإذن من Drasdo و Höhme. 48 (F) CBM من الحبال الورمية التي تنمو حول وعاء دموي وتظهر بنية معكوسة مع نسيج قابل للحياة في الداخل. مقتبس بإذن من Szymańska et al. 49

قام Macklin et al 50 و Hyun and Macklin 51 بتطبيق CBM لدراسة الانتشار المدفوع بالأكسجين والنخر في DCIS من النوع الصلب مع نخر كوميد. بعد المعايرة لبيانات أمراض المريض الفردية (عينات الأنسجة المحصنة مناعيًا لبروتين Ki67 لاكتشاف خلايا الدوران ، و caspase 3 المشقوق للكشف عن موت الخلايا المبرمج ، وتم شرحها بأحجام حافة قابلة للحياة وكثافة الخلية 50) ، تمكنوا من محاكاة النخر الكوميدي والتكلسات الدقيقة كخصائص ناشئة عمليات المحاكاة جنبًا إلى جنب مع معدلات واقعية وثابتة لتقدم الورم على طول قنوات الثدي. صقل غفاري زاده وزملاؤه 21 نموذج DCIS وتمديده إلى 3D بالإضافة إلى محاكاة الأجزاء الداخلية ناقصة التأكسج للأجسام الكروية المتدلية المعلقة التي تمت معايرتها لتتناسب مع حركية الولادة والموت MCF-10A في الثقافة (الشكلان 2C و D). كما هو الحال في العمل ثلاثي الأبعاد في وقت مبكر من قبل Drasdo و Höhme 48 على خلايا EMT6 / Ro (الشكل 2E) ، توقعوا بنية ذات طبقات - حافة خارجية تكاثرية تحيط بمنطقة هادئة حول النتوءات ونواة نخرية داخلية. كانوا أول من تنبأ بشبكات المسام المملوءة بالسوائل في النوى النخرية التي تنبثق من التأثيرات المتنافسة لتقلص الخلايا النخرية ولوحظ التصاق هذه الهياكل في النماذج التجريبية (الشكل 2D الشكل الداخلي). استخدم Szymańska وآخرون 49 CBM لخلايا EMT6 لمحاكاة نمو الحبل الورمي - وهو ورم صلب ينمو حول وعاء دموي. لقد تنبأوا ببنية مماثلة من ثلاث طبقات ولكن بترتيب عكسي - نواة متكاثرة أقرب إلى الوعاء الدموي ، وداخل هادئ ، وشكل خارجي نخر (الشكل 2F).

يسمح تولد الأوعية الناجم عن الورم للآفات بالنمو إلى أحجام يمكن اكتشافها سريريًا. 3 قام ماكدوغال وزملاؤه بنمذجة تكوين الأوعية الدموية باستخدام نموذج CA لهجرة طرف الوعاء: اتبعت عوامل طرف البراعم إشارات التوجّه الكيميائي والتلميعي للهجرة نحو مناطق الورم ناقصة التأكسج وتركت أثرًا من الأوعية الوظيفية. قاموا بدمج نموذج تدفق شبكة الأوعية الدموية المفصل ، بما في ذلك قواعد إجهاد القص الديناميكي للجدار المتفرعة والتفاغرة (حلقات الأوعية الدموية) ، واستخدموا هذا الإطار لاستكشاف التوصيل العلاجي من الأوعية الدموية المرتبطة بالورم (الشكل 3 أ). استخدم باور وزملاؤه 54 التكلفة لكل ألف ظهور لمحاكاة تكوين الأوعية الناجم عن الورم ، عن طريق إضافة بيئة مكروية مفصلة ، بما في ذلك المصفوفة خارج الخلية (ECM) وأشكال إسوية متعددة لعامل النمو البطاني الوعائي ، وخلصوا إلى أن الاختلافات في التوزيعات المكانية للعوامل المسببة لتكوين الأوعية الدموية تؤثر بشكل كبير على التشكل الشعري وأن ذلك يؤدي عدم التجانس في الأنسجة غير الوعائية بشكل طبيعي إلى تفاغر الشعيرات الدموية. استخدم Boas and Merks 55 CPM للتحقيق في فرضيات جديدة حول تجاوز الخلية: يمكن أن يتسبب الاتصال الكيميائي والميكانيكي للخلايا الخلوية في أن تتولى الخلايا البطانية في الساق دور خلايا الطرف المهاجرة عن طريق الهجرة إلى مقدمة السفينة المتقدمة (الشكل 3 ب) . استخدم شيرينيفارد وزملاؤه 56 مقياس التكلفة لكل ألف ظهور للتحقيق في نمو الورم بتكوين الأوعية وأظهروا أن حجم الورم يزداد مع زيادة تولد الأوعية وأن الأورام تنمو على طول الأوعية الدموية (الشكل 3 ج).

الشكل 3. تكوين الأوعية الدموية المرتبطة بالورم وتدفق الأوعية الدموية. (أ) نموذج آلي خلوي ثنائي الأبعاد (2D) لتكوين الأوعية الدموية يستخدم لدراسة توصيل الأدوية من الأوعية الدموية للورم. أعيد طبعها بإذن من McDougall et al. 53 (ب) نموذج بوتس الخلوي ثنائي الأبعاد لتكوين الأوعية. يمكن أن تتجاوز الخلايا الجذعية الخلايا الطرفية لتصبح خلايا طرف جديدة. تظهر الأسهم مقايضات الأدوار هذه. أعيد طبعها بإذن من بوا وميركس. 55 (C) نموذج ثلاثي الأبعاد للخلية بوتس لتكوين الأوعية الدموية مدفوعًا بعامل نمو بطانة الأوعية الدموية الذي تطلقه خلايا الورم الناقص التأكسج. مقتبس بإذن من Shirinifard et al. 56 (D) نموذج آلي خلوي ثنائي الأبعاد (يسار) للتحقيق في توصيل الدواء إلى أورام محاكاة (يمين). مقتبس بإذن من Cai et al. 57 (E) نموذج تكوين الأوعية المنفصل لـ McDougall et al 53 مقترنًا بنموذج نمو الورم المستمر 58 المستخدم للتحقيق في تأثير ضغط السائل الخلالي والتصريف اللمفاوي على الولادة العلاجية. يظهر الورم والأوعية الدموية المنفصلة (يسار) تسرب السوائل من الدم والأوعية اللمفاوية (الوسط) وسرعة السائل الخلالي (على اليمين) ، مما يعيق توصيل الدواء. مقتبس بإذن من Wu et al. 59

استخدم Cai et al 57 نموذج CA للخلايا السرطانية في ECM مستمر إلى جانب نموذج تكوين الأوعية المنفصل الذي تضمن تأثيرات التدفق ونضح الركيزة من الأوعية الدموية (الشكل ثلاثي الأبعاد). أظهروا أن تكوين الوعاء النهائي يعتمد على آليات التغذية الراجعة الديناميكية الناشئة في إعادة تشكيل الأوعية الدموية بدلاً من الظروف الأولية. مدد وو وزملاؤه 59 نموذجًا هجينًا متواصلًا منفصلاً سابقًا 58 (الذي استند إلى نموذج ماكدوجال وزملائه 52،53) للتحقيق في تأثير ضغط السائل الخلالي ، وتدفق السائل الخلالي ، والتصريف اللمفاوي على توصيل الدواء في الأورام النامية. 59 وجدوا أن التوصيل الهيدروليكي الخلالي المرتفع وضغط السائل الخلالي المرتفع يحدان من توصيل المغذيات والعلاجات عبر الأوعية (الشكل 3E).

تقدم نماذج الخلايا الجذعية السرطانية (CSCs) رؤى قيمة حول القوى الدافعة لبيولوجيا السرطان. طور فليتشر وزملاؤه 37،60،61 CBM ثلاثي الأبعاد من خبايا القولون لاستكشاف دور الخلايا الجذعية (في قاع سرداب) في تسرطن القولون والمستقيم. تم ربط الخلايا المجاورة بواسطة الينابيع الخطية ، وكان انقسام الخلايا الجذعية وتمايزها مدفوعًا بتدرجات Wnt على طول محور القبو. خلقت هندسة التسلسل الهرمي للخلايا الجذعية (الانتشار في قاعدة التشفير ، والتوسع والتمايز على طول الوسط والأعلى) تدفقًا شاملاً للخلايا التكاثرية من القاعدة إلى القمة. هذا التدفق له تأثير وقائي مضاد للسرطان حيث يدفع أي خلية متحولة ونسلها خارج سرداب قبل أن ينتشروا في جميع أنحاء سرداب ، ما لم تحدث الطفرة في مكان مخصص للخلايا الجذعية (الشكل 4 أ).

الشكل 4: الخلايا الجذعية السرطانية ، والغزو ، وفرضية "الذهاب أو النمو". (أ) منظر علوي لنموذج ثلاثي الأبعاد قائم على المركز من خبايا القولون (المؤامرات اليسرى) حيث يوجد مكانة الخلايا الجذعية في المركز. يتم اجتياح طفرة غير جذعية (الخلايا الزرقاء) من القبو عن طريق تدفق الخلايا التكاثرية. على اليمين ، يوجد عرض ثلاثي الأبعاد لأربع قنوات من هذا القبيل تغذي الخلايا إلى الزغابات المركزية ، والتي تستند إلى نموذج المحاكاة نفسه. مقتبس بإذن من Fletcher et al 61 (على اليسار) و Mirams et al 37 (على اليمين). (ب) نموذج آلي خلوي ثلاثي الأبعاد (مع تأثيرات الخلايا الجذعية) يوضح كيف يمكن للإشارات الكيميائية باستخدام الخلايا الليفية والضامة أن تقود سرطان الثدي الثلاثي السلبي. من بين هذه النتائج ، إذا كانت الخلايا اللحمية يمكن أن تعزز زيادة هجرة الخلايا السرطانية ، فإن الورم ينمو بشكل عام. أعيد طبعها بإذن من Norton et al. 62 (C) نموذج 2D CA للتحقيق في انتشار السمات في الأورام النامية ، عندما يمكن أن تحمل الخلايا السرطانية وذريتها أربع سمات للورم. تنتشر السمات بشكل شعاعي إلى حد كبير ، مع آثار واضحة على خزعات إبرة الورم. مقتبس من Poleszczuk و Enderling. 11 (D) نموذج بوتس الخلوي ثنائي الأبعاد للخلايا الجذعية في الورم الأرومي الدبقي الذي يظهر دورها في بناء مقاومة للعلاج الإشعاعي. أعيد طبعها بإذن من Gao et al. 63 (E) نماذج CA للغازات الشبكية لفرضية "الذهاب أو النمو" في الورم الأرومي الدبقي متعدد الأشكال. نظرًا لأن الخلايا تقضي وقتًا أطول في التكاثر ، فإنها تساهم في نمو أفضل حتى نقطة انتقال حرجة تتجاوز هذه النقطة ، وانخفاض الهجرة غير كافٍ لفتح مساحة لانقسام الخلايا. مقتبس بإذن من Hatzikirou et al. 64 (F) نموذج قائم على المركز لاستكشاف فرضية "الذهاب أو النمو" في الورم الأرومي الدبقي متعدد الأشكال. هنا جي0 هي معلمة معدل نمو النماذج. مقتبس بإذن من Kim et al. 65

قام Norton et al 62 ببناء نموذج ثلاثي الأبعاد CA لفحص التفاعل بين سرطان الثدي الثلاثي السلبي والخلايا اللحمية. تكاثرت الخلايا الجذعية وتمايزت إلى خلايا سلفية ، وتبادلت الخلايا السرطانية الإشارات الكيميائية مع الأرومات الليفية والضامة المتسللة. من بين النتائج التي توصلوا إليها ، وجدوا أن زيادة التأثير اللحمي على تكاثر الخلايا السرطانية يقلل من حجم الورم الكلي ، في حين أن زيادة التأثير اللحمي على هجرة الخلايا السرطانية يزيد من حجم الورم (الشكل 4 ب).

طور Poleszczuk وزملاؤه 66 نموذجًا ثنائي الأبعاد CA للخلايا السرطانية غير الجذعية والخلايا السرطانية غير الجذعية ، والتي تتبعت أربع سمات في كل خلية فردية: معدل الهجرة ، وموت الخلايا المبرمج ، وانقسام الخلايا الجذعية السرطانية المتماثل ، وإمكانية تكاثر الخلايا السرطانية. وجدوا أن زيادة إمكانية تكاثر الخلايا السرطانية يمكن أن تقلل من نمو الورم لأن زيادة عدد الخلايا السرطانية تتنافس مع الخلايا الجذعية السرطانية على الفضاء وتثبط انقسام الخلايا السرطانية. ووجدوا أيضًا أن السمات تنتشر شعاعيًا من مراكز نمو الأورام وهذا له آثار على خزعات عدم تجانس الورم (الشكل 4 ج). استخدم Gao et al 63 التكلفة لكل ألف ظهور للتحقيق في دور الخلايا الجذعية للورم الدبقي (GSCs) في نمو الورم الأرومي الدبقي واستجابة العلاج الإشعاعي (الشكل 4 د). وجدوا أن التحول من التقسيم غير المتماثل إلى التقسيم المتماثل أو ركوب GSC السريع كان ضروريًا لشرح الملاحظات السريرية لإعادة توطين الورم الدبقي بعد العلاج الإشعاعي وأن جزء GSC الموسع يمكن أن يقلل من الحساسية الإشعاعية.

استكشف ألفونسو وزملاؤه 67 أيضًا نماذج العلاج الإشعاعي فيما يتعلق بمجموعة غير متجانسة من الخلايا الجذعية السرطانية والخلايا السرطانية باستخدام نموذج ثلاثي الأبعاد للـ CA. ووجدوا أن الخلايا الجذعية السرطانية ، التي تكون عادةً أكثر مقاومة للإشعاع ، مفصولة إلى مركز الورم عبر مجموعة من معلمات الانتشار والموت. ترجع هذه الظاهرة الناشئة إلى وقت دورة الخلايا السرطانية الأسرع مقارنةً بالخلايا الجذعية السرطانية. عندما خضعت ترتيبات الخلايا هذه للعلاج الإشعاعي ، وجدوا أن العلاج الإشعاعي يكون أكثر فاعلية في السيطرة على الورم عندما يتركز على مركز الورم حيث توجد الخلايا الجذعية السرطانية وليس عندما ينتشر بشكل متجانس عبر الورم بأكمله.

فحص Tektonidis وزملاؤه 68 فرضية "اذهب أو تنمو" (GoG) في الأورام الدبقية ، حيث يجب أن تتخذ الخلايا السرطانية "قرارًا" بين الهجرة (اذهب) أو التكاثر (النمو). قاموا بنمذجة البيانات من مزارع الخلايا الكروية ثلاثية الأبعاد باستخدام نموذج LCGA ثنائي الأبعاد وحاولوا تلخيص ثلاث ملاحظات تجريبية: معدلات الانتشار غير المتطابقة للحافة الغازية واللب المركزي ، وحركة الخلية الثابتة والمتناظرة شعاعيًا ، ونواة مركزية عالية التكاثر مقارنة بالورم المتبقي. . قام Tektonidis et al بتقييم سلوك النموذج الناشئ في ظل مجموعة متنوعة من مجموعات قواعد النمط الظاهري للخلية لتحديد القواعد المطلوبة للتنبؤ بالملاحظات الثلاث. وجدوا أن ثنائية الحركة التكاثرية (فرضية GoG) ، وتنافر الخلية الخلوية ، والتبديل المعتمد على الكثافة بين حالات التكاثر والحركة كانت مطلوبة لمطابقة الملاحظات التجريبية. وخلصوا إلى أن تعطيل آلية GoG لصالح الانتشار يمكن أن يحد من حجم استئصال الورم المطلوب في التدخلات الجراحية.

قام Hatzikirou et al 64 بالتحقيق في فرضية GoG في الورم الأرومي الدبقي متعدد الأشكال (GBM) باستخدام نموذج 2D LGCA. في عملهم ، يمكن للخلايا أن تنقسم ، أو تعيد توجيه ، أو تهاجر ، أو موتوبتوز على أساس ظروف الأوكسجين المحلية. قاموا بنمذجة فرضية GoG عن طريق تحويل الخلايا ناقصة التأكسج إلى النمط الظاهري المتحرك والعودة إلى النمط الظاهري التكاثري بعد الهروب من نقص الأكسجة. وجدوا أن زيادة تحيز الخلية نحو الانتشار يزيد من نمو الورم بشكل عام ، ولكن عبور عتبة يمكن أن يقلل من نمو الورم الكلي عندما تكون الحركة غير كافية لفتح مساحة جديدة لانقسام الخلايا (الشكل 4E). تم الحصول على نتائج مماثلة بواسطة Gerlee و Nelander 69 باستخدام التبديل العشوائي بين الطرز الظاهرية (الهجرة أو التكاثر). من نموذج CA الخاص بهم ، اشتقوا نظامًا من أجهزة PDE المقترنة لمزيد من التحقيق في العلاقات بين المعلمات على مستوى الخلية وديناميكيات مقياس الورم.

في العمل ذي الصلة ، استكشف Böttger وزملاؤه 70 نموذجًا ثنائي الأبعاد LGCA GoG لـ GBM لتوفير مزيد من تحليل مساحة المعلمات الكمية لديناميكيات الورم الغازية. أدى التغيير المنهجي لمعلمات النموذج للانتشار والحركة إلى نتائج غير بديهية حول الغزو. على وجه التحديد ، اعتمدت سرعة الغزو على عمليتين متنافستين: إفراغ الفضاء نتيجة انتقال الخلية وملء الفراغ نتيجة تكاثر الخلايا. في العمل اللاحق ، استخدم Böttger et al 71 تقنيات مماثلة ليجدوا أنه إذا انخفضت حركة الخلية مع زيادة كثافة الخلية ، فإن الأورام الصغيرة تنطفئ ذاتيًا. من ناحية أخرى ، تؤدي زيادة حركية الخلية مع زيادة كثافة الخلية إلى نمو مستدام ذاتيًا ، مشابهًا لتأثير ألي الذي كثيرًا ما لوحظ في علم البيئة.

استخدم Kim et al 65 CBM لاستكشاف GBM باستخدام miR-451 ككاشف داخل الخلايا للجلوكوز ، مع نموذج ODE لـ miR-451 باعتباره المستجيب لاختيار الهجرة مقابل الانتشار لخلايا الورم الدبقي (الشكل 4F). وجدوا أن هجرة الخلايا لا تعتمد فقط على الجلوكوز ، ولكن أيضًا على التباعد الميكانيكي بين الخلايا. They also predicted that the placement of chemoattractants at the edges of a resected tumor could reduce GBM cell migration from the resection site. These GoG examples highlight the key role played in single-cell decisions in GBM and the potential for cell-based models that explore the clinical behaviors that emerge from single-cell effects. 72

Cancer invasion is essential to metastatic progression. 3,72-74 Cancer cells acquire a motile phenotype to escape primary tumors and invade nearby tissues (as conceptually modeled in epithelial-to-mesenchymal transition [EMT] 75 ), invade and travel within blood and lymphatic vessels, 76,77 and finally colonize distant metastatic niches. 78 Because single-cell effects are critical, many cell-based models have investigated cancer invasion with or without explicit modeling of EMT.

Reher et al 79 developed a 2D LGCA model to simulate the effects of a heterogeneous cell-cell adhesion in an epithelial layer, with decreased cell-cell adhesion representing one of the effects of EMT. Cell-cell adhesion was modeled by varying the initial and maximum number of adhesion receptors for each virtual cell. They found that increased adhesion heterogeneity as well as decoupling receptor number from environmental signals (cell-cell contact) lead to increased dissemination.

Kim and Othmer 80 developed a center-based model with a continuous ECM description to investigate the interactions of tumor cells, signal-secreting stromal cells, and the ECM. Stromal levels of fibroblast-secreted protein initiated EMT, which switches cells to an invasive, motile phenotype. Invasive cells also secreted a tumor-associated protease, which degrades the basement membrane and ECM. Degradation of the basement membrane results in more cell exposure to fibroblast-secreted protein, which results in more phenotypic switching more invasion more ECM degradation and ultimately, collective cell invasion ( Fig 5A ). These results suggest that inhibiting fibroblast secretions could affect invasive potential.

FIG 5. Cancer invasion and immunosurveillance. (A) In a center-based model, signals secreted by stromal cells (red) induce tumor cells (gray) to degrade the basement membrane and invade the stroma (blue mesh). Adapted with permission from Kim et al. 80 (B) A three-dimensional (3D) cellular automaton (CA) model to study selection in heterogeneous brain cancers. Cells could mutate their signaling network parameters, which leads to more invasive clones. Adapted with permission from Zhang et al. 81 (C) An immersed boundary method of contact-based signaling and polarization in breast acini. 82,83 Cells with altered signaling could fill the lumen or invade the stroma. Adapted with permission from Anderson et al. 82 (D) A 2D CA model of tumor-immune interactions. Immune cells (blue dots) become exhausted after too many successful tumor cell kills and create fibrotic tissue (yellow). Tumor encapsulation, tumor elimination, and chronic response are observed in the model. Adapted with permission from Kather et al. 84 (E) A sophisticated 3D CA model of treatments targeting programmed cell death-1 (PD-1) and programmed death ligand 1 (PD-L1) in cancer cells. (PD-L1 + cells express PD-L1 PD-L1 − cells do not.) Reprinted with permission from Gong et al. 85 (F) A 3D center-based model of immune responses to an immunostimulatory factor in a heterogeneous tumor (shaded by immunogenicity yellow cells are most immunogenic). Immune cells (red) seek and adhere to cancer cells, test for immunogenicity, and induce apoptosis. The immune response failed after immune cells aggregated near a local maximum in the signaling factor, which allows the tumor to repopulate. Adapted with permission from Ghaffarizadeh et al. 21 This work was explored further with high-performance computing. 10

Zhang et al 81 used a 3D CA model to investigate tissue invasion and tumor cell heterogeneity in glioma. Using a subcellular signaling network, cells divide and move on the basis of external concentrations of nutrients and signaling molecules. They acquire oncogenic mutations upon division to produce new clones. Each successive clone is more proliferative and nutrient seeking, which increases overall invasive potential. By starting with a sphere of the least oncogenic cells in the center of the simulation, Zhang et al found that heterogeneity increased in all regions of the simulation followed by a decrease in heterogeneity in the regions that contain the nutrient source and eventual recovery of heterogeneity. The decrease was attributed to an outgrowth of the most oncogenic subclone, which potentially explains the asymmetric invasive growth seen in experimental and clinical reports ( Fig 5B ).

Anderson et al 82 used an IBM to investigate morphologic changes in breast acini as a result of variation in cell polarization and anoikis behaviors in response to cell contact with other cells and the basement membrane. In this, and additional work by Rejniak et al, 83 Anderson et al showed that atypical behavior in a single cell can lead to eventual intraductal and stromal invasion ( Fig 5C ).

In a sophisticated investigation of metastatic colonization, Araujo et al 86 developed a hybrid CA model of prostate cancer (PCa) bone metastasis. In their work, mesenchymal stromal cells differentiated into osteoblasts that created bone material, whereas osteoclasts degraded bone. In the absence of tumor cells, these cell populations coordinated through transforming growth factor-β and receptor activator of nuclear factor kappa beta ligand (RANKL) signaling to maintain healthy bone tissue. When PCa cell agents were introduced into the bone, tumor-secreted transforming growth factor-β promoted osteoblast activity, but osteoblast-osteoclast feedbacks simultaneously degraded bone to release new growth factors that could drive additional PCa proliferation and invasion. Araujo et al studied the model to compare potential improvements of RANKL inhibitors and bisphosphonates (two standard-of-care treatments for bone metastases). They found that additional refinements to bisphosphonates would yield little clinical improvement over current treatments, whereas improvement of RANKL inhibitors from the current (model-estimated) 40% inhibition closer to a theoretical maximum 100% inhibition could dramatically improve outcome.

Individual interactions between tumor cells and immune cells are critical to immunosurveillance. 3,7,87 Cell-based models are uniquely capable of examining these while considering the roles of stochasticity and heterogeneity.

Kather et al 84 developed a CA model to study complex interactions between tumor cells and immune cells. In their model, immune cells could randomly appear (an influx model), migrate toward tumor cells, and kill them. Immune cells were assumed to be exhausted after killing a maximum number of times and would induce tissue fibrosis that impaired cell migration. Tumor cells could proliferate, die, remain stationary, or migrate on the basis of the number of open neighboring lattice sites and their distance to the nearest open lattice site (a phenomenologic model of necrosis). Depending on the relative migration and proliferation parameters for tumor and immune cells, this model could exhibit diverse tumor-immune interactions, including successful immunosurveillance (eradicated), tumor encapsulation by fibrotic tissue (immune excluded), and ongoing immune responses ( Fig 5D ). Gong et al 85 recently developed a 3D CA model to investigate the tumor-immune responses to programmed cell death-1 and programmed death-ligand 1 inhibition ( Fig 5E ).

Ghaffarizadeh et al 21 developed a 3D off-lattice model of an immune attack on a tumor with a heterogeneous oncoprotein (mutations increased both proliferation and immunogenicity). After simulating initial growth, they added simulated immune cells that chemotaxed toward tumor-released immunostimulatory factors. Each immune cell tested for mechanical collision with cells, formed an (Hookean) adhesion, tested for immunogenicity, and stochastically attempted to induce tumor cell apoptosis. Attached immune cells eventually would succeed in killing the tumor cell and detach or continue the attempt before detaching and continuing their search for new targets. Their simulations showed initial tumor regression but eventual tumor regrowth when immune cells passed some tumor cells and formed large clumps near maxima of the immunostimulatory factor ( Fig 5F ). The authors have expanded their investigation to supercomputers to explore further the effect of stochastic migration on the overall efficacy of the immune response 10 this work showcases the potential for using supercomputers to explore large therapeutic design spaces in high throughput.


موارد تفاعلية للمدارس

خلايا الدم الحمراء

حمل الأكسجين في الدم. تُعرف أيضًا باسم كريات الدم الحمراء.

الأوعية الدموية

الأنابيب التي يتم من خلالها نقل الدم حول الجسم مثل الشرايين والأوردة والشعيرات الدموية

العلاج الكيميائي

علاج المرض باستخدام الأدوية التي تدمر الخلايا السرطانية

العلاج الإشعاعي

علاج المرض بالأشعة السينية أو المواد المشعة التي تقتل الخلايا

نخاع العظم

يوجد في وسط العظام ، ويحتوي على الخلايا الجذعية البالغة التي تنقسم وتتمايز لإنتاج خلايا الدم الحمراء والبيضاء

الخلايا العصبية

تكيفت الخلايا لنقل المعلومات في شكل نبضات كهربائية

Hormone

A chemical messenger produced by a particular gland or cells of the endocrine system. Hormones are transported throughout the body in the blood stream but they produce a response only in specific target cells

منديل

مجموعة من الخلايا في كائن حي تتخصص في العمل معًا للقيام بوظيفة معينة.

كبد

A large organ in the upper abdomen which manufactures, stores and breaks down substances as required by the body

انقسام الخلايا والانقسام والسرطان

الكائنات متعددة الخلايا ، مثل البشر ، تتكون من بلايين الخلايا. تحتاج هذه الخلايا إلى الانقسام ونسخ نفسها لعدة أسباب. على سبيل المثال:

  • تتآكل الخلايا وتحتاج إلى الاستبدال
  • تسمح الخلايا الجديدة للجسم بإصلاح الأنسجة التالفة
  • تسمح الخلايا الجديدة للجسم بالنمو

الانقسام المتساوي

يُطلق على الشكل الأكثر شيوعًا لانقسام الخلايا اسم الانقسام. يتم استخدامه للنمو والإصلاح. أثناء الانقسام الفتيلي ، تصنع الخلية نسخة طبق الأصل من نفسها وتنقسم إلى خليتين جديدتين. تحتوي كل خلية على نسخة طبق الأصل من كروموسومات الخلية الأصلية في 23 زوجًا. هذا هو السبب في أن جميع الخلايا في الكائن الحي متطابقة وراثيا.

لمعرفة المزيد حول الانقسام الفتيلي ، انتقل إلى جينات ABPI ومورد الوراثة.

السرطان: الانقسام خارج نطاق السيطرة

يتم التحكم في الانقسام الخيطي عن كثب بواسطة الجينات الموجودة داخل كل خلية. في بعض الأحيان قد تسوء عملية التحكم هذه. إذا حدث ذلك في خلية واحدة فقط ، فيمكنه تكرار نفسه لإنشاء خلايا جديدة خارجة عن السيطرة أيضًا. هذه خلايا سرطانية. يستمرون في التكاثر بسرعة دون أنظمة التحكم التي تمتلكها الخلايا الطبيعية. تشكل الخلايا السرطانية كتلًا أو أورامًا تتلف الأنسجة المحيطة. في بعض الأحيان ، تنفصل الخلايا السرطانية عن الورم الأصلي وتنتشر في الدم إلى أجزاء أخرى من الجسم. عندما ينتشر الورم إلى جزء آخر من الجسم يقال إنه قد انتشر. يستمرون في التكاثر وإنتاج المزيد من الأورام. هذه تسمى الأورام الثانوية.

تهدف الأدوية المستخدمة في علاج السرطان أحيانًا إلى قتل الخلايا التي تنقسم بسرعة بسبب الانقسام الفتيلي. إنها تمنع تخليق أو وظيفة الحمض النووي - يسمى هذا النوع من العلاج العلاج الكيميائي. تستهدف الأدوية الحديثة أنواعًا مختلفة من السرطانات. يمنع العديد منها إشارات النمو لهذا النوع من الخلايا.

محاربة السرطان: وقف نمو الخلايا السرطانية

هناك العديد من أنواع السرطان المختلفة. يعتمدون على نوع الخلية التي كانت هي الخلية الأصلية التي بدأت تتكاثر خارج نطاق السيطرة. هذا يعني أنه لا يوجد علاج واحد للسرطان. قد يشمل العلاج مزيجًا من الجراحة والأدوية والعلاج الإشعاعي (العلاج الإشعاعي).

مع توصل الباحثين إلى فهم المزيد عن السرطانات ، يتم تطوير علاجات جديدة وموجهة باستمرار. على سبيل المثال ، يمكن علاج نوع من سرطان الثدي يتأثر بهرمون الإستروجين بالعلاج الهرموني الذي يمنع عمل أو تخليق الإستروجين. يمكن للأدوية الأخرى منع إشارات النمو إلى الخلية السرطانية وبالتالي إبطاء تطور الورم أو منع نمو الأوعية الدموية الجديدة في الأورام. هذا يحرم الخلايا السرطانية بشكل فعال من العناصر الغذائية التي تحتاجها للنمو.

السؤال 3

يشارك الانقسام الخيطي في نمو الخلايا وإصلاحها واستبدالها. لا تمر جميع الخلايا بالانقسام الفتيلي بنفس السرعة.

انظر إلى أنواع الخلايا أدناه وحدد عدد المرات التي يتم فيها استبدالها بالانقسام. في كل حالة ، اختر إجابة باستخدام أزرار الاختيار.


3 Discussion

Tumor heterogeneity in hepatobiliary tumor represents a main obstacle to personalized cancer treatment. Thus, it is highly desirable to explore such heterogeneity and its impacts on drug response using a research model that can faithfully recapitulate the in vivo phenotype of hepatobiliary tumors. Single-cell genomic provides a viable strategy to understand the genetic and phenotypic diversity at the single-cell level, which may also help to understand complex ecosystems in tumor. Here, we applied scRNA-seq to characterize patient-derived hepatobiliary tumor organoids, which was currently recognized as the powerful tumor research model. We found evidence of inherent variable of transcriptional programs related to cell cycle and epithelial expression across hepatobiliary tumor organoids. Biological and transcriptomic heterogeneity of CSCs within tumor organoids were also found, which was related to chemo-resistance. Interestingly, further analysis revealed that resistant subpopulations with unique metabolic circuitry were response to distinct molecular signatures and drug resistance. Our findings may provide a mechanistic explanation as to why some patients respond while others do not, and provide insight into the heterogeneity of hepatobiliary tumor organoids and define drug resistance associated with CSCs.

Among our key findings is the identification of biological and transcriptomic heterogeneity in patient-derived hepatobiliary tumor organoids. Hepatobiliary tumors are characterized by a high degree of tumoral heterogeneity. Unlike other malignant tumors, such as breast cancer or lung cancer that has multiple markers of genetic mutations to determine tumor behaviors, the gene mutation spectrum of hepatobiliary tumors is wide and lacks clear characteristics, resulting extensive genetic and phenotypic variation. In this study, by generating transcriptional atlas of hepatobiliary tumor organoid in single-cell level, we showed that different samples are inherently various in cell cycle and epithelial expression, which is consistent with their proliferation ability, potential drug-resistance risk, and tumoral malignancy, respectively. Notably, we further identified multiple reported malignancy-related genes (e.g., MET, PIK3R1, PRKCA, PTEN, SHC1، و STAT3) upregulated in HCC272, and demonstrated that these genes were mainly enriched for cancer-related functions, which were associated with broad drug resistance.

Another important finding is the presence of CSC heterogeneity within tumor organoids, which tempers our understanding of drug resistance. CSC plasticity [ 4 ] is a prominent cause of genetic heterogeneity in cancer, playing a vital role in tumor survival, proliferation, metastasis, and recurrence. First, cell surface markers analyses clearly showed that CSCs varied greatly among individual organoids. Second, it is of interest to note that CD44 high cells in HCC272 exhibited a distinctive pattern, which might cause distinct transcription and more drug resistance than other tumor organoids. Third, by exploring co-expressed genes, trajectory, and pseudo-time analysis, we defined the CTNNB1-enriched subpopulation as the proliferation advantage cluster and the جابده-enriched as the metabolism advantage one. Specifically, the metabolism advantage organoid HCC272 could remodel tumor microenvironment through accelerating the usage of glucose, enhancing hypoxia-induced HIF-1 signaling, and leading to the upregulation of NEAT1 في CD44 high cells, which induce the hyper-activation of Jak-STAT signaling eventually caused drug resistance. It is suggested that understanding the distinctive metabolic circuitry in resistant subpopulations may help us characterize the CSC heterogeneity and predict therapeutic response.

A limitation of this study is that the findings are mainly based on a small number of clinical samples, and the interpretation of tumor heterogeneity is somewhat limited. However, scRNA-seq still provides deconstructive analysis and the discovery of potential mechanisms provides credible help for precision treatment of individuals. Encouragingly, we have now established a huge hepatobiliary tumor organoid biobank based on gene variation spectrum and genetic characteristics of the Chinese population that might allow us to acquire high-quality single cells for single-cell transcriptome analysis. Further studies will be focused on using our established patient-derived hepatobiliary tumor organoid biobank to perform integrative analysis from multiple-levels, including genome, transcriptome, metabolome, and epigenome, to provide more valuable resources for clinical practice.

In summary, our study herein provides important insights into hepatobiliary tumor heterogeneity, especially the diversification of CSC distribution and the complexity of cell evolution trajectory. Meanwhile, we revealed that CD44 positive subpopulation is responsible for drug resistance by hyper-activating Jak-STAT signaling pathway, which is induced by NEAT1 upregulated in hypoxia burden. Further studies with larger sample size should be warranted to better clarify the association between tumor heterogeneity and unfavorable clinical features after resection or drug treatment.


أساليب

Tumor tissue acquisition and processing

We acquired fresh tumor tissue from patients undergoing surgical resection for glioma. De-identified samples were provided by the Neurosurgery Tissue Bank at the University of California San Francisco (UCSF). Sample use was approved by the Institutional Review Board at UCSF. The experiments performed here conform to the principles set out in the WMA Declaration of Helsinki and the Department of Health and Human Services Belmont Report. All patients provided informed written consent. Tissues were minced in collection media (Leibovitz’s L-15 medium, 4 mg/mL glucose, 100 u/mL Penicillin, 100 ug/mL Streptomycin) with a scalpel. Samples dissociation was carried out in a mixture of papain (Worthington Biochem. Corp) and 2000 units/mL of DNase I freshly diluted in EBSS and incubated at 37 °C for 30 min. After centrifugation (5 min at 300 g), the suspension was resuspended in PBS. Subsequently, suspensions were triturated by pipetting up and down ten times and then passed through a 70-μm strainer cap (BD Falcon). Last, centrifugation was performed for 5 min at 300 g. After resuspension in PBS, pellets were passed through a 40-μm strainer cap (BD Falcon), followed by centrifugation for 5 min at 300 g. The dissociated, single cells were then resuspended in GNS (Neurocult NS-A (Stem Cell Tech.), 2 mM L-Glutamine, 100 U/mL Penicillin, 100 ug/mL Streptomycin, N2/B27 supplement (Invitrogen), sodium pyruvate).

CD11b + cell isolation

In total, 20 μL of CD11b microbeads (Miltenyi Biotec 130-093-634) were mixed with the 80 μL single-cell suspension (produced as above) in PBS supplemented with 2 μM EDTA and 0.5% bovine serum albumin (BSA) (MACS buffer) and incubated at 4 °C for 15 min. Cells were washed twice with MACs buffer, centrifuged for 10 min at 300 g, and resuspended in MACs buffer. The suspension was then applied to a MACS LS column in the magnetic field of a MACS Separator. Columns were washed three times with MACs buffer and magnetically labeled cells were then flushed into a collection tube. The purity of CD11b + cells was assessed via flow cytometry: CD11b + and CD11b– fractions were staining with phycoerythrin-conjugated anti-CD11b (Clone M1/70) antibody for 15 min cells were then washed twice and analyzed on a FACsCaliber flow cytometer using FACSDIVA software (Additional file 2: Figure S1a).

Single-cell RNA sequencing

Fluidigm C1-based scRNA-seq

Fluidigm C1 Single-Cell Integrated Fluidic Circuit (IFC) and SMARTer Ultra Low RNA Kit were used for single-cell capture and complementary DNA (cDNA) generation. cDNA quantification was performed using Agilent High Sensitivity DNA Kits and diluted to 0.15–0.30 ng/μL. The Nextera XT DNA Library Prep Kit (Illumina) was used for dual indexing and amplification with the Fluidigm C1 protocol. Ninety-six scRNA-seq libraries were generated from each tumor/Cd11b + sample and subsequently pooled for 96-plex sequencing. cDNA was purification and size selection was carried out twice using 0.9X volume of Agencourt AMPure XP beads (Beckman Coulter). The resulting cDNA libraries were quantified using High Sensitivity DNA Kits (Agilent).

10X genomics-based scRNA-seq

Tissue was dissociated by incubation in papain with 10% DNAse for 30 min. A single-cell suspension was obtained by manual trituration using a glass pipette. The cells were filtered via an ovomucoid gradient to remove debris, pelleted, and resuspended in Neural Basal Media with serum at a concentration of 1700 cells/uL. In total, 10.2 uL of cells were loaded into each well of a 10X Chromium Single Cell capture chip and a total of two lanes were captured. Single-cell capture, reverse transcription, cell lysis, and library preparation were performed per manufacturer’s protocol.

Sequencing for both platforms was performed on a HiSeq 2500 (Illumina, 100-bp paired-end protocol).

Exome-sequencing and genomic mutation identification

The NimbleGen SeqCap EZ Human Exome Kit v3.0 (Roche) was used for exome capture on a tumor sample and a blood control sample from each patient. Samples were sequenced with an Illumina-HiSeq 2500 machine (100-bp paired-end reads). Reads were mapped to the human grch37 genome with BWA [43] and only uniquely matched paired reads were used for analysis. PicardTools (http://broadinstitute.github.io/picard/) and the GATK toolkit [44] carried out quality score re-calibration, duplicate-removal, and re-alignment around indels. Large-scale (>100 Exons) somatic copy number variants (CNVs) were inferred with ADTex [45]. To increase CNV size, proximal (< 1 Mbp) CNVs were merged. Somatic SNVs were inferred with MuTect (https://www.broadinstitute.org/cancer/cga/mutect) for each tumor/control pair and annotated with the Annovar software package [46].

Single-cell RNA-sequencing data processing and neoplastic-cell classification

Data processing was performed as described previously [14]. Briefly, reads were quality trimmed and TrimGalore! (http://www.bioinformatics.babraham.ac.uk/projects/trim_galore/) clipped Nextera adapters. HISAT2 [47] was used to perform alignments to the grch37 human genome. Gene expression was quantified using the ENSEMBL reference with featureCounts [48]. Only correctly paired, uniquely mapped reads were kept. In each cell, expression values were scaled to counts per million (CPM). Low-quality cells were filtered by thresholding number of genes detected at 800 and at least 50,000 uniquely aligned reads. tSNE plots visualizing groupings of cells were carried out using the Seurat R package [49]. CNVs that were called in matched exome-seq data were quantified in individual cells as previously described [15]. Briefly, megabase-scale CNVs were identified in tumor/normal paired exome-seq datasets, and then quantified in individual cells using a control sample from non-malignant brain.

Public data acquisition

Expression matrices from bulk RNA-seq (performed in triplicate) were downloaded from GEO for the following samples: representing BMDM, we obtained M0 (GSE68482) [50], M1, M2 macrophages (GSE36952) [51], and monocytes (GSE58310) [52]. We also obtained data for microglia purified from epilepsy-related surgical specimen (ن = 3) and post-mortem brain (ن = 5) (GSE80338) [53]. Lists of genes that are differentially expressed between blood-derived murine TAMs and microglial murine TAMs, in two murine glioma models, were downloaded [9]. Normalized scRNA-seq counts were obtained from GEO for astrocytoma (GSE89567) and oligodendroglioma (GSE70630). Analysis was restricted to TAMs, as classified in the BROAD single-cell data portal (https://portals.broadinstitute.org/single_cell). Normalized counts from TCGA RNA-seq data were obtained from the Genomics Data Commons portal (https://gdc.cancer.gov/). Patients diagnosed as GBM and wild-type IDH1 expression (ن = 144) as well as those with LGG classification and IDH1 mutation (ن = 414), as given in [54], were normalized to log2(CPM + 1) and used for analysis. Z-score normalized counts from regional RNA-seq of 122 samples from ten patients was obtained via the web interface of the IVY GAP (http://glioblastoma.alleninstitute.org/) database. Furthermore, images of in situ RNA hybridizations in glioma tissue sections were downloaded for two patients: BIN1: W11-1-1-E.1.04, 57-year-old man, glioblastoma TGFBI: W8-1-1-B.1.04, 49-year-old woman, glioblastoma.

Derivation of ontogeny-specific expression signatures

Genes differentially expressed between blood-derived TAMs and microglial TAMs, recurrently in both of Bowman et al.’s two murine glioma models, were used as a starting point [9]. We identified homologues of these differentially expressed mouse genes with the biomaRt package in R [55]. The resulting set of genes was filtered for genes expressed in our human-TAM scRNA-seq data. Genes with a mean expression > 1 CPM were retained. This set of genes was used as the basis for subsequent PCA and single-cell consensus clustering (SC3). Expression values, defined as log2 (CPM/10 + 1), of genes in the human-TAM scRNA-seq data were z-score normalized, across cells from within each single-cell platform (SMARTer vs SMART-Seq2) independently. Subsequently, PCA followed by Varimax rotation was performed. Sample scores, along PC1, were partitioned using a two-component Gaussian mixture model. Genes strongly associated with PC1 in either direction were identified by applying a threshold of abs(loading) > 0.2 to the gene loadings. MFA was performed on the Smart-Seq2 and C1 data, using the FactoMineR (https://cran.r-project.org/web/packages/FactoMineR/index.html) R package, using the 237 mouse homologue genes. Genes strongly loading PC1 in the PCA were compared to RNA-seq data from microdissections of defined glioma anatomical structures, via the IVY atlas (http://glioblastoma.alleninstitute.org/), and visualized with morpheus (https://software.broadinstitute.org/morpheus/). SC3 clustering [56] (k = 2) was also performed in the human-TAM scRNA-seq data, restricted to the set of human counterparts of lineage-specific murine-TAM genes. Both classifiers produced highly similar classification results (Matthews correlation coefficient = 0.946). To identify genes significantly co-occurring in single cells, we calculated the odds ratios (OR) and ص values as described in [57]. ص values were corrected for multiple testing with Benjamini–Hochberg.

Calculation of ontogeny scores and survival analysis

For each sample in the TCGA dataset (described above) we calculated the average expression of microglial-TAM genes and blood-derived TAM genes, respectively. To compare the relative amount of infiltration between glioma subtypes, we utilized the glioVis portal [58] to classify isocitrate dehydrogenase 1/2 (IDH1/2) wild-type GBM samples into three transcriptional subtypes: Classical Mesenchymal and Proneural. IDH1/2-mutant LGGs were subdivided into astrocytomas (n = 110) and oligodendrogliomas (n = 117) based on histology and the presence/absence of a 1p/19p co-deletion.

For both the microglial and blood-derived TAM survival analysis, Progene V2 was used. High- and low-expression cohorts were defined as cases with expression scores above and below the median score, respectively. GBMs and LGGs were considered separately. We adjusted for age and gender by adding these covariates to a cox proportional hazards model [59].

Analytical flow cytometry

De-identified fresh glioma tissues were obtained as described above, in “Tumor tissue acquisition and processing.” Tissue was mechanically dissociated, resuspended in 70% Percoll (Sigma-Aldrich), overlaid with 37% and 30% Percoll, and centrifuged for 20 min at 500 × g. Enriched leukocyte populations (TIL) were recovered at the 70–37% interface, washed twice in PBS, and resuspended in flow staining buffer (PBS + 1% BSA) containing Human TruStain FcX (Biolegend). Cells were then incubated at 4° for 30 min with antibodies, washed twice in flow staining buffer, and analyzed on a BD FACSAria cell sorter.

The following antibodies were purchased from Biolegend: FITC anti-mouse/human CD282 PE anti-human P2RY12 PE/Cy7 anti-human CD204 APC/Fire™ 750 anti-mouse/human CD11b APC anti-human CD49d PerCP/Cy5.5 anti-human HLA-DR and BV421 anti-human CD206. All antibodies were used according to the manufacturers’ recommended usage.


خلفية

Cancer remains one of the major malignant diseases that endangers human life and health and comprises complex biological systems that require accurate and comprehensive analysis. Since the first appearance of high-throughput sequencing in 2005 [1], it has become possible to understand life activities at the molecular level and to conduct detailed research to elucidate the genome and transcriptome. As an essential part of high-throughput sequencing, RNA sequencing (RNA-seq), especially single-cell RNA sequencing (scRNA-seq), provides biological information on a single tumor cell, analyzes the determinants of intratumor expression heterogeneity and identifies the molecular basis of formation of many oncological diseases [2, 3]. Thus, RNA sequencing offers invaluable insights for cancer research and treatment. With the advent of the era of precision medicine, RNA sequencing will be widely used for research on many different types of cancer. This review summarizes the history of the development of RNA sequencing and focuses on the latest studies of RNA sequencing technology in cancer applications, especially single-cell RNA sequencing and spatial transcriptome sequencing. In addition, we provide a general introduction to the current bioinformatics analysis tools used for RNA sequencing and discuss future challenges and opportunities for RNA sequencing technology in cancer applications.


Further Use of Single Cell Transcriptomics

Apart from using single-cell RNAseq to analyze transcriptomics to define cell types, its combination with other molecular and bioinformatics technics can increase its power to study immune compartments of the TME. Thus, single-cell transcriptomics can be combined with other omics technics. For example, the combination of single-cell genomics and transcriptomics can help to draw a connection between alterations in the cancer genome and its influences on immune cells. This is possible for example with methods like G&T-Seq, that separate poly-adenylated RNAs from genomic DNA by using biotinylated poly(A) primer prior to sequencing (193). ScTrio-Seq goes even further by combining three omics approaches, genomics, transcriptomics, and epigenomics on the same single cell (152). This has the potential to also study the influence of epigenetic changes on cells of the TME by simultaneous analyzing the genome and transcriptome.

Single-cell RNAseq data could be used for deconvolution of bulk RNA-seq data. Deconvolution infers by mathematical modeling the presence and proportion of cells of a specific compartment in a complex tissue based on the expression of reference genes in a certain compartment (178). This strategy can be applied to large databases built from bulk RNAseq data of tumor tissues (such as the TCGA) to analyze the composition of the TME. A deconvolution approach called Epigenomic Deconvolution (EDec) has been developed to في السيليكو model the cell composition of complex tissues, in this case breast tumors, based on DNA methylation profiles (179). The algorithm uses reference profiles of a certain tissue to select loci based on different methylation profiles (feature selection). RNAseq data is then dissected into subgroups based on a reference-free deconvolution approach based on their molecular profile. These two datasets are then combined to identify cell types by comparing molecular profiles with methylation profiles. With this approach, the proportion of immune cells in breast tumors was inferred and used to predict patient outcome. Single-cell epigenomics data could improve this approach by producing information of methylation pattern of rare cell types to get an even more accurate modeling of cell type compositions.

Another application of scRNAseq data is their usage for reconstructing cell trajectories to follow cell differentiation. To model cell state transitions several bioinformatics algorithms, using unsupervised or supervised (with a little prior information about cell types and marker gene expression) modeling, have been developed to reconstruct cell trajectories (194�).

A very recent published algorithm is CellRouter, which is very robust in reconstructing trajectories between early cell states and transitory cell states to model cell differentiation (197). CellRouter works in a way that is not dependent on a priori knowledge about cell structure relationships. Single-cell data are first split into subpopulations based on community detection algorithms and then trajectories are determined across subpopulations based on calculated weights, which are weaker between unrelated cell types and stronger within related subpopulations.

ScRNAseq has a great potential to increase our knowledge about immune cancer tolerance to help us find new targets for immunotherapies. However, the main limitation of scRNAseq approaches is that cells are isolated from their environment, making difficult the analysis of connections between cells of different compartments (198, 199). The field of single-cell spatial transcriptomic is of intense research and multiple technologies have been developed in the last few years like seqFISH (200), MERFISH (201), FISSEQ (202), or TIVA (203). SeqFISH and MERFISH use single-molecule FISH (smFISH) techniques, using probes that bind to the same mRNA, but have different fluorophores attached. During several rounds of فى الموقع hybridization and stripping off probes RNAs get a unique fluorescent barcode. This allows the simultaneous detection of many transcripts, although theoretically the usage of 4 dyes and 8 rounds of hybridization would cover the whole transcriptome (4 8 = 65,5336) these methods are based on background information about marker genes that could be provided by scRNAseq data. The FISSEQ (fluorescent in-situ) technique uses reverse transcription فى الموقع to convert RNA into cross-linked cDNA amplicons followed by a sequencing-by-ligation technique (SOLiD). Finally, TIVA (transcriptome في الجسم الحي analysis) uses a photoactivatable biotin-labeled TIVA-tags, which upon photoactivation enable mRNA capture from single cells in live tissue. All these methods allow the detection of expressed genes في الجسم الحي in the context of a specific tissue architecture, and thus inference of the interactions between different cell types. Thus, they are a potential approach to study the connection of epithelial cancer cells and the TME في الجسم الحي to model the influence of immune cells to cancer cell progression.


G. Zalcman has received speakers bureau honoraria from BMS and AstraZeneca and is a consultant/advisory board member for BMS, AstraZeneca, MSD, and Roche. F. Mechta-Grigoriou received research support from Innate-Pharma, Roche, and BMS. No potential conflicts of interest were disclosed by the other authors.

Conception and design: G. Zalcman, A. Vincent-Salomon, F. Mechta-Grigoriou

Development of methodology: Y. Kieffer, H.R. Hocine, G. Gentric, L. Albergante

Acquisition of data (provided animals, acquired and managed patients, provided facilities, etc.): H.R. Hocine, G. Gentric, F. Pelon, B. Bourachot, S. Lameiras, C. Bonneau, A. Guyard, S. Baulande, G. Zalcman, A. Vincent-Salomon

Analysis and interpretation of data (e.g., statistical analysis, biostatistics, computational analysis): Y. Kieffer, C. Bernard, L. Albergante, C. Bonneau, K. Tarte, A. Zinovyev, F. Mechta-Grigoriou

Writing, review, and/or revision of the manuscript: Y. Kieffer, K. Tarte, A. Zinovyev, G. Zalcman, A. Vincent-Salomon, F. Mechta-Grigoriou


شاهد الفيديو: ماهو السرطان و كيف يتكون (شهر نوفمبر 2022).