Jun 03, 2023
Высокая пропускная способность, этикетка
Том «Природные коммуникации»
Nature Communications, том 13, номер статьи: 3385 (2022) Цитировать эту статью
6841 Доступов
11 цитат
110 Альтметрика
Подробности о метриках
Чрезвычайно редкие скопления циркулирующих опухолевых клеток (ЦОК) все чаще рассматриваются как предшественники метастатических клеток и практически неизучены. Технологии в первую очередь предназначены для обнаружения одиночных ЦОК и часто не учитывают хрупкость кластеров или не могут использовать маркеры, специфичные для кластеров, для повышения чувствительности. Между тем, немногим технологиям, ориентированным на кластеры CTC, не хватает масштабируемости. Здесь мы представляем Cluster-Wells, который сочетает в себе скорость и практичность мембранной фильтрации с чувствительным и детерминированным скринингом, обеспечиваемым микрофлюидными чипами. Более 100 000 микролунок в Cluster-Wells физически блокируют кластеры ЦОК в необработанной цельной крови, мягко изолируя практически все кластеры при производительности >25 мл/ч и позволяя извлекать жизнеспособные кластеры из устройства. Используя Cluster-Wells, мы выделили кластеры CTC размером от 2 до 100+ клеток от пациентов с раком простаты и яичников и проанализировали подмножество с использованием секвенирования РНК. Регулярная изоляция кластеров ЦОК демократизирует исследования их полезности в лечении рака.
Одиночные циркулирующие опухолевые клетки (ЦОК), собранные из кровотока онкологических больных, предоставляют ценную информацию о стадии заболевания1, позволяют проводить минимально инвазивный прогноз и диагностику2,3,4, улучшают наше понимание метастазирования на клеточном уровне5,6 и предлагают потенциал для улучшения клинического лечения рака7,8. Помимо этих отдельных ЦОК, с 1950-х годов большой научный и клинический интерес представляют агрегаты ЦОК, которые остаются прикрепленными в кровообращении. Хотя эти кластеры ЦОК, или циркулирующие опухолевые микроэмболы, встречаются крайне редко (по оценкам, всего 2–5% всех ЦОК), они непропорционально эффективны при распространении метастазов. Их склонность к метастазированию оценивается в 100 раз выше, чем у одиночных ЦОК9,10,11, что обусловлено их более низкой скоростью апоптоза и сниженными показателями длительного выживания9,12. Более того, было обнаружено, что подмножество кластеров ЦОК, полученных от пациентов, включает иммунные клетки хозяина13,14, что подчеркивает полезность этих метастатических предшественников для проливания света на взаимодействия опухоли и иммунной системы и их роль в метастазировании. Например, было показано, что кластеры ЦОК, несущие нейтрофилы, обладают повышенным метастатическим потенциалом у больных раком молочной железы на поздних стадиях14, где ЦОК, ассоциированные с нейтрофилами, демонстрируют более высокие уровни экспрессии белка-маркера пролиферации (Ki67) и генов, связанных с прогрессированием клеточного цикла. Клинические исследования подтвердили результаты этих биологических исследований, обнаружив, что наличие кластеров ЦОК связано с более короткой выживаемостью без прогрессирования и общей выживаемостью пациентов15. Таким образом, более широкое изучение кластеров ЦОК открывает большие перспективы в улучшении понимания и лечения метастазов.
На сегодняшний день надежная и эффективная изоляция жизнеспособных кластеров ЦОК ограничена, поскольку чувствительность и специфичность технологий выделения ЦОК в первую очередь калибруются для обнаружения одиночных клеток16,17,18,19. Например, методы микрофильтрации широко используются в качестве анализов CTC из-за их быстрого и простого проведения16,19,20. Однако кластеры ЦОК под физиологическим давлением могут реорганизоваться в однорядные цепочечные структуры и пересекать сужения размером всего 5 мкм11, что позволяет предположить, что агрегаты, вероятно, могут проходить через поры фильтра, учитывая гораздо более высокие давления, используемые при фильтрации. Более того, более высокие силы сдвига, возникающие во время микрофильтрации, могут повредить кластеры ЦОК или диссоциировать их на отдельные клетки21, подрывая эффективное обогащение. С другой стороны, системы обогащения на основе антител, которые уже давно используются для выделения одиночных ЦОК17,22,23, могут обнаружить только избранную субпопуляцию кластеров ЦОК внутри гетерогенной популяции ЦОК из-за их зависимости от специфических мембранных антигенов13. , 24. Кроме того, меньшее соотношение площади поверхности к объему кластеров ЦОК отрицательно влияет на эффективность иммунозахвата технологий на основе антител25, что делает их особенно неэффективными для обогащения кластеров ЦОК. Более перспективными в этом отношении являются новейшие микрофлюидные чипы, специально нацеленные на кластеры CTC, которые могут достичь относительно более высокой чувствительности. К сожалению, они делают это либо с клинически неосуществимой скоростью обработки21,26, либо под угрозой повреждения кластера из-за высоких скоростей потока в узких каналах27, что особенно актуально для больших кластеров, которые, как сообщается, иногда состоят из десятков опухолевых клеток28.
4) shots of each cluster, ensuring none of the clusters were missed and (2) capture multiple different conformations within the field of view, increasing the accuracy of cluster size estimation. We validated (see "Methods": measurement of the device sensitivity) the optimized characterization setup by operating the 2-channel microfluidic interface in a loop without the device attached to confirm there were no cell loss in the system (Supplementary Table 1) and also by ensuring the cluster counts obtained using our setup matched with the direct counts of the captured clusters on the device (Supplementary Fig. 4)./p>500 mL/h, spiked cell clusters dissociated in the device, as evidenced by the mismatch observed between the size distributions of spiked and processed cell populations (Supplementary Fig. 5)./p>2× (87% vs 37%) the efficiency of the Cluster-Chip (Supplementary Fig. 8). Even when compared to the reported release efficiency of a Cluster-Chip operated at 4 °C to reduce non-specific cell adhesion to the microfluidic chip, the Cluster-Wells demonstrated greater efficiency (87% retrieval for the Cluster Wells vs 80% for the Cluster-Chip)./p>150 cells, with the latter found in a sample from an ovarian cancer patient (Fig. 4a, iii). Besides raising questions on the physiological circulation of CTC clusters, the surprisingly large size of the isolated ovarian cancer CTC cluster points to a potential drawback of microfluidic chips, even if they are designed with CTC clusters in mind: a CTC cluster of this size would have likely clogged narrow microfluidic channels or split into smaller pieces if forced through. Some of the isolated CTC clusters were also found to contain leukocytes in both ovarian and prostate cancer samples (Fig. 4a, ii and b, iii), an observation consistent with previous reports on breast cancer CTC clusters14. To confirm physical cohesion between cells in these leukocyte-associated CTC clusters, such clusters were purposely expelled from microwells and then recaptured./p>50 rpm) of CD44. It has been previously reported that CD44 homophilic interactions and subsequent CD44–PAK2 interactions mediate tumor cell aggregation42 and improve stemness, survival, and metastatic progression43,44. Similarly, all CTC clusters expressed high levels of TIMP1, JUN, and FOS, which are known to stimulate cell proliferation, inhibit apoptosis, and regulate angiogenesis45,46. Furthermore, we have performed overrepresentation enrichment analysis for the "TOMLINS_PROSTATE_CANCER_UP" gene set from the MSigDB database at the Broad Institute, which lists the genes that are upregulated in prostate cancer compared to benign tissue47. As observed from the heatmap plot, all CTC clusters as well as prostate cancer cell lines expressed high levels of these genes consistent with their prostate tumor origin. We have also performed a similar analysis for the "CHANDRAN_METASTASIS_TOP50_UP" gene set from the MSigDB database, which includes the genes upregulated in metastatic prostate cancer tumors compared to the primary tissue48. Upregulation of the genes associated with metastasis in all clusters is in agreement with the enhanced metastatic potential of CTC clusters9,10. Among the set, we observed the highest expression levels in HSPD1 and HSP90AA1 genes that are members of heat shock proteins (HSPs), playing important roles in cancer development and invasion, progression, metastasis, and drug resistance in various cancer types49,50. Also, all CTC clusters expressed high levels of G3BP1 which has been correlated with the malignant degree of the tumor51 and observed to be most abundant in castration-resistant prostate cancer (CRPC)52, which agrees with the clinical diagnosis of both Patient-1 and Patient-2 (Supplementary Table 2)./p>150 cells in the samples tested, two observations seemingly at odds with each other and which have potential implications for the circulation of CTC clusters in the body. The frequency of CTC clusters in the peripheral blood of ovarian cancer patients may present valuable opportunities for further study to better understand hematogenous dissemination of ovarian cancer55 as well as opportunities for early detection of disease onset and tumor recurrence—two major problem areas for ovarian cancer, since the disease is asymptomatic early in its progression/recurrence56./p>250 mL/h, respectively. Smaller diameter devices were mounted to a commercially available 13 mm diameter filter holder (GE Healthcare Life Sciences) with a size matching hollow PDMS layers, which limit the fluid flow to the region of interest with a certain diameter and prevent stagnant flow region formation inside the filter holder. Before introducing the sample, the experimental setup (Fig. 2b) was primed with pure ethanol, which was followed by a PBS wash. Then, the setup was incubated with 3% bovine serum albumin (BSA) for 1 h to minimize non-specific cell adhesion. The Hoechst dye stained cells (see separate section on cell culture and preparation) were spiked into whole blood and run through the experimental setup using a syringe pump (Harvard Apparatus Infuse/Withdraw PHD Ultra) at the withdrawal mode. The blood with spiked cell clusters traversed through input channel (50 μm in height, 500 μm in width) of 2-channel microfluidic interface, device/filter holder assembly, and lastly, output channel (50 μm in height, 500 μm in width) of the microfluidic interface. The input and output microfluidic channels were simultaneously video recorded at 50 frames per second in fluorescent (DAPI) channel using an inverted fluorescence microscope (Eclipse Ti, Nikon, Melville, NY) for tracking the cells entering and exiting the analytical version of the Cluster-Wells, respectively. Then, the recorded video was processed by a custom-built software (Visual Studio, 2017), and the count of clusters entering and leaving the device was obtained with respect to number of cells within each cluster, which is used for the calculation of the capture efficiency./p>24). Trimmed reads were mapped to the hg38 build of the human genome using STAR mapper (PMID: 23104886) and transcripts were quantified by mapping to the GenCODE.v24 annotation version of the human transcriptome. For these prostate CTC clusters, a median of 83.15 M reads were input to STAR mapper (range 53.7–129.79 M), and a median of 88.8% reads mapped uniquely to the human transcriptome (range 80.57–91.59%). A total of 16,412 transcripts were detected with at least 10 mapped reads in one sample and used for DESeq2 analysis in R (PMID: 25516281). A total of 12,149 mapped Ensembl genes ranked by DESeq2 log2foldchange were used as input for GSEA analysis (PMID: 17644558), using the WebGestalt tool (PMID: 28472511). Enriched gene sets were analyzed using the Cancer Hallmark 50 gene sets and the KEGG Pathway gene sets. t-SNE analysis was performed in R using the M3C package with seed = 123 and perplexity = 1. Total read counts were normalized to FPKM values using Cufflinks (PMID: 22383036). A total of 26,391 transcripts had an FPKM > 1 in at least one sample, and 10,885 transcripts had a median FPKM > 1. To be used in the heatmap plot, reads per million (RPM) count for the genes was generated. Lastly, the heatmap plot was generated using ClustVis online tool./p>3.0.CO;2-9" data-track-action="article reference" href="https://doi.org/10.1002%2F%28SICI%291521-4095%28199908%2911%3A11%3C946%3A%3AAID-ADMA946%3E3.0.CO%3B2-9" aria-label="Article reference 32" data-doi="10.1002/(SICI)1521-4095(199908)11:113.0.CO;2-9"Article CAS Google Scholar /p>