腎臓がん治療のためのチュモロイドモデルの進展
ccRCCのチュモロイドに関する研究は、より良い癌治療のための洞察を提供するよ。
Mustafa Elshani, H. Abdullah, Y. Zhang, A. Laird, P. Mullen, D. J. Harrison
― 1 分で読む
目次
腎細胞癌(RCC)は、世界中の多くの人々に影響を与える腎臓がんの一種だよ。2022年には、434,000件以上の新たな症例と約155,700の死亡がこの病気によって報告されたんだ。RCCの中で最も一般的なのは明細胞腎細胞癌(CcRCC)で、全体の約70%を占めているよ。RCCの治療における大きな課題は、患者ごとに治療への反応が異なることなんだ。この違いは、腫瘍がそれぞれ大きく異なるため、どの治療が各人にとって最適かを知るのが難しいから。新しいターゲット療法も開発されているけど、これらの治療が常に効果的ではないから、腫瘍とその環境を理解するためのより良い方法を見つける必要があるんだ。
腫瘍モデル
RCCのための正確な治療法を開発するのが難しいのは、実際の患者の腫瘍の特徴を真に反映する信頼できる実験室モデルが不足しているから。既存のモデル、例えば細胞株や患者由来の異種移植モデルには大きな欠点があるんだ。最近、科学者たちはオルガノイド技術に注目していて、これは有望な代替手段とされているよ。オルガノイドは、腫瘍が体内で成長する様子を模倣した3Dモデルなんだ。でも、現在の腫瘍モデルの課題は、支持細胞や免疫成分など腫瘍環境の重要な部分が含まれていないことだよ。
遺伝子発現の重要性
がんにおける遺伝子の発現を理解するのは超大事。遺伝子がどのようにスプライスされるかによって、遺伝子メッセージの複雑さが増して、腫瘍の発生や進行に影響を与えるんだ。新しい技術によって腫瘍組織内の遺伝子発現を詳しくマッピングできるようになったけど、これらの手法の多くは短い遺伝子配列にしか焦点を当てていなくて、完全な遺伝子の変異に関する重要な情報を見逃してしまうんだ。
腫瘍培養システム
私たちの研究では、患者からのccRCC組織を使って腫瘍培養システムを作ったよ。このシステムのおかげで、元の腫瘍に非常に似た腫瘍を育てることができたんだ。10x Genomics Visium技術を使って、これらの腫瘍内の空間的な遺伝子発現を分析したよ。Oxford Nanopore Technologiesの先進的なロングリードシーケンシング技術を使って、従来の方法よりも正確に遺伝子とアイソフォームの発現を捉えることができたんだ。
材料と方法
腫瘍サンプル
腎がんの手術を受ける患者からccRCC腫瘍サンプルを取得したよ。サンプルは特別な媒体に保存して、処理前に生存可能な状態を保ったんだ。腫瘍組織は小さく切り分けられて、一部は後の検査用に固定され、残りは単細胞懸濁液を作るために準備されたよ。細胞を分離してカウントして、特定の数を成長用の特別なフラスコに入れたんだ。
組織処理とイメージング
イメージングの準備のために、腫瘍は固定されてアガロースゲルに埋め込まれ、その後さらに処理されてパラフィンに埋め込まれたよ。先進的なイメージング機器を使って腫瘍の詳細な画像をキャッチして、分析用に保存したんだ。
10x Genomics実験
10x Genomics Visium技術を利用して、腫瘍の研究条件を最適化したよ。サンプルを準備した後、遺伝子発現を調べるために全長cDNAを生成したんだ。
ロングリードシーケンシング
最新のナノポア技術を使って、遺伝子材料を分析するためのライブラリを構築したよ。シーケンシング后、データを処理して遺伝子発現を理解し、腫瘍内でどのように変化するかを見たんだ。
空間分析
遺伝子発現の空間的な組織を分析するために、シーケンシングデータを処理するカスタムスクリプトを開発したよ。特定のソフトウェアを使って遺伝子発現の詳細なマトリックスを生成し、腫瘍の異なる部分で遺伝子がどのように異なるように発現するかを可視化したんだ。
結果
分析の結果、腫瘍内に異なる遺伝子発現パターンを示す明確なエリアが見つかって、腫瘍内の複雑さが強調されたよ。遺伝子発現プロファイルに基づいて、いくつかの主要なクラスターを特定したけど、それぞれが特定の生物学的プロセスと機能に関連していたんだ。
クラスターの特徴
クラスター1: このクラスターは、タンパク質生産に関連する遺伝子の高いレベルを示していて、新しいタンパク質を作る活発なプロセスを示しているんだ。
クラスター2: ここでは、細胞の動きや信号への反応に関連する遺伝子の発現が高かった。これは私たちが観察した密な細胞領域と一致しているよ。
クラスター3: このエリアは、エネルギー生産に関連する遺伝子のレベルが高くて、高い代謝活動を示唆しているんだ。
クラスター4: タンパク質の分解や免疫反応に関連する遺伝子が見つかっていて、体が病気と戦う方法に関与していることを示しているよ。
クラスター5: このクラスターの遺伝子はATP生産に関わっていて、エネルギーの生成や細胞の成長に役立っていることを示しているよ。
アイソフォーム発現
特定の遺伝子の異なる形(アイソフォーム)や、それらの発現を腫瘍内で調べたよ。いくつかのアイソフォームは特定のエリアでユニークな発現パターンを示していて、腫瘍の異なる部分が異なる代謝的ニーズを持つかもしれないことを示唆しているんだ。
結論
ccRCCの腫瘍研究は、腎臓がんの複雑さを理解する上で有望な結果を示しているよ。実際の腫瘍に非常に似たシステムを作ることで、さまざまな遺伝子発現とその空間分布を特定できたんだ。この発見は、腫瘍の異質性を研究する重要性を浮き彫りにして、患者の治療反応をより良く予測できるようにするんだ。ロングリードシーケンシングや空間分析のような先進技術を使うことで、腎腫瘍がどのように機能し、環境と相互作用するかをより深く理解できるようになるよ。この知識は、将来的により効果的で個別化された治療戦略につながるかもしれないんだ。
さまざまな分析手法を組み合わせることで、ccRCCの多くの側面をより良く探求できるようになり、臨床現場でのより良い判断に繋がり、最終的には患者の結果改善につながるんだ。私たちの研究は、特にccRCCのような複雑な病気の治療課題に取り組むために、腫瘍モデルを洗練させて活用する継続的な努力の必要性を強調しているよ。がん研究の未来は、個々の患者の腫瘍のユニークな特性を反映した、より個別化された治療法を作成するために、こうした革新的な技術に焦点を合わせる可能性が高いね。
タイトル: Long-read Spatial Transcriptomic Profiling of Patient-derived ccRCC Tumoroids Reveals Heterogeneity in Isoform and Gene Expression
概要: Clear cell renal cell carcinoma (ccRCC) is the most prevalent type of kidney cancer characterized by its diverse tumor composition featuring various subclonal populations that hinder effective treatment responses. Tumoroids present an avenue for modelling this diversity and replicating the intricate tumor heterogeneity. Spatial transcriptomics preserves the spatial context of gene expression enabling us to study distinct tumor areas and the influence on overall diversity. Our spatial transcriptomics analysis uncovered tumor clusters with distinct genetic profiles that showcase various functional areas in depth and offer valuable understandings into the diversity of ccRCC types. Some of these tumor clusters exhibited activity in genes responsible for protein catabolism and reduced abundance of genes related to mitochondrial respiration processes. We also show isoform expression within tumoroids, in particular glutaminase (GLS) especially with the prevalence of the highly metabolically active GAC isoform that is expressed in regions where mitochondrial gene abundance is lower; whereas the KGA isoform displayed a more focal expression pattern. Combining long-read spatial transcriptomics with organoid models presents a novel strategy for unravelling gene and transcript level complexity.
著者: Mustafa Elshani, H. Abdullah, Y. Zhang, A. Laird, P. Mullen, D. J. Harrison
最終更新: 2024-10-18 00:00:00
言語: English
ソースURL: https://www.biorxiv.org/content/10.1101/2024.10.16.618643
ソースPDF: https://www.biorxiv.org/content/10.1101/2024.10.16.618643.full.pdf
ライセンス: https://creativecommons.org/licenses/by/4.0/
変更点: この要約はAIの助けを借りて作成されており、不正確な場合があります。正確な情報については、ここにリンクされている元のソース文書を参照してください。
オープンアクセスの相互運用性を利用させていただいた biorxiv に感謝します。