Combinado

Notícias

LarLar / Notícias / Combinado

Jun 09, 2023

Combinado

Volume de comunicações da natureza

Nature Communications volume 13, Número do artigo: 4450 (2022) Citar este artigo

9377 Acessos

5 Citações

127 Altmétrica

Detalhes das métricas

As terapias anticancerígenas geralmente exibem apenas efeitos de curto prazo. Os tumores geralmente desenvolvem resistência aos medicamentos, causando recaídas que podem ser combatidas com combinações de medicamentos. A identificação da combinação certa é desafiadora e se beneficiaria de telas combinatórias de alto conteúdo e alto rendimento diretamente nas biópsias do paciente. No entanto, tais telas requerem uma grande quantidade de material, normalmente não disponível nos pacientes. Para enfrentar esses desafios, apresentamos um fluxo de trabalho microfluídico escalável, chamado Combi-Seq, para rastrear centenas de combinações de medicamentos em gotículas do tamanho de um picolitro usando alterações de transcriptoma como uma leitura dos efeitos dos medicamentos. Desenvolvemos uma abordagem de DNA barcoding combinatória determinística para codificar as condições de tratamento, permitindo a leitura baseada na expressão gênica dos efeitos da droga de uma forma altamente multiplexada. Aplicamos o Combi-Seq para rastrear o efeito de 420 combinações de drogas no transcriptoma de células K562 usando apenas ~ 250 gotículas de célula única por condição, para prever com sucesso pares de drogas sinérgicas e antagonistas, bem como suas atividades de via.

Apesar do grande progresso nas últimas décadas, o câncer continua sendo uma das principais causas de morte. Nossa maior compreensão molecular da base molecular do câncer levou ao desenvolvimento de terapias direcionadas. Até agora, essas terapias forneceram eficácia limitada e apenas em um pequeno subconjunto de pacientes1, apesar dos grandes esforços para caracterizar pacientes genomicamente para encontrar biomarcadores de resposta.

Uma abordagem que promete melhorar essa situação é complementar o perfil genômico grande em condições basais com medições após a perturbação das células cancerígenas com drogas2. Embora muitas abordagens possam ser usadas para realizar triagens de drogas, elas geralmente têm baixo rendimento3, custo e tempo extensos4 e/ou requerem grandes quantidades de células5, o que, em conjunto, restringe fortemente o número de drogas potenciais que podem ser rastreadas por biópsia de tumor. Essa limitação fica mais acentuada quando se considera combinações de medicamentos devido ao grande número de combinações potenciais, que aumenta exponencialmente com o número de medicamentos testados.

Devido às capacidades de triagem limitadas, foram desenvolvidas abordagens computacionais para modelar as interações medicamentosas6. Embora os modelos de eficácia de medicamentos tenham melhorado nos últimos anos devido ao aumento dos recursos de dados disponíveis, as previsões de respostas a medicamentos permanecem desafiadoras e limitadas a sistemas bem caracterizados, como linhagens de células, limitando assim sua traduzibilidade em clínicas. Entre os diferentes tipos de dados, os estados de expressão gênica das células demonstraram ser altamente preditivos da resposta ao medicamento7. Além disso, repositórios de dados de alterações transcricionais induzidas por drogas, como LINCS8, provaram ser um recurso valioso. Embora já existam plataformas de triagem de perturbação disponíveis em placas para bulk9,10 e transcriptômica de célula única11,12, elas geralmente requerem um grande número de células por condição testada e não foram usadas para triagem de combinações de drogas. Portanto, a integração de leituras transcriptômicas em uma plataforma de triagem de drogas combinatória miniaturizada com potencial para triagem de biópsias tumorais permitirá previsões mais relevantes e aumentará nossa compreensão do modo de ação das interações droga-droga sinérgicas e antagônicas.

A microfluídica baseada em gotículas, que usa gotículas do tamanho de picolitros a nanolitros como vasos de reação para realizar telas celulares, fornece uma abordagem promissora para atingir esse objetivo. Devido à miniaturização em várias ordens de grandeza em comparação com as telas convencionais baseadas em placas, o número de medicamentos ou combinações de medicamentos pode ser massivamente aumentado ao trabalhar com números de células de entrada baixos13. Anteriormente, demonstramos o primeiro passo nessa direção integrando válvulas Braille em um sistema microfluídico de gotículas para gerar combinações de drogas nos chamados plugues (gotas grandes de ~ 500 nl) armazenadas sequencialmente em tubings14. Os plugues foram usados ​​para rastrear diretamente 56 opções de tratamento combinatório em biópsias de tumores pancreáticos para encontrar os pares de drogas mais potentes usando uma leitura de apoptose fenotípica. Embora nossa abordagem anterior fornecesse a primeira prova de conceito na triagem direta do material do paciente, os volumes ainda relativamente grandes de 500 nl limitavam o número de pares de medicamentos testados. Além disso, um ensaio de apoptose fornece apenas uma leitura de ponto final com informações limitadas sobre o modo de ação dos pares de drogas, o que pode melhorar significativamente nossa compreensão e a previsibilidade das combinações de drogas para combater os mecanismos de resistência.

15 percent) and genes with a high dropout rate were filtered out. Read counts were normalized based on sequencing depth and z-score transformed. The batch effect (replicates) was removed by using the combat function of SCANPY. For dimension reduction, we used Principal Component Analysis, followed by t-distributed stochastic neighbor embedding (TSNE)43. Additional data analysis was performed in custom Python 3.7 scripts using NumPy44, and pandas as statsmodels libraries./p>