Refine
Has Fulltext
- yes (5)
Is part of the Bibliography
- yes (5)
Document Type
- Journal article (4)
- Doctoral Thesis (1)
Keywords
- EMT (2)
- 3D Tumormodell (1)
- 3D lung tumor model (1)
- 3D lung tumor tissue models (1)
- Boolean signaling network (1)
- CAR T-Zelltherapie (1)
- HSP90 inhibitor (1)
- KRAS biomarker signatures (1)
- KRAS mutation signature (1)
- Lungentumor (1)
Epithelial-to-mesenchymal transition (EMT) is discussed to be centrally involved in invasion, stemness, and drug resistance. Experimental models to evaluate this process in its biological complexity are limited. To shed light on EMT impact and test drug response more reliably, we use a lung tumor test system based on a decellularized intestinal matrix showing more in vivo-like proliferation levels and enhanced expression of clinical markers and carcinogenesis-related genes. In our models, we found evidence for a correlation of EMT with drug resistance in primary and secondary resistant cells harboring KRAS\(^{G12C}\) or EGFR mutations, which was simulated in silico based on an optimized signaling network topology. Notably, drug resistance did not correlate with EMT status in KRAS-mutated patient-derived xenograft (PDX) cell lines, and drug efficacy was not affected by EMT induction via TGF-β. To investigate further determinants of drug response, we tested several drugs in combination with a KRAS\(^{G12C}\) inhibitor in KRAS\(^{G12C}\) mutant HCC44 models, which, besides EMT, display mutations in P53, LKB1, KEAP1, and high c-MYC expression. We identified an aurora-kinase A (AURKA) inhibitor as the most promising candidate. In our network, AURKA is a centrally linked hub to EMT, proliferation, apoptosis, LKB1, and c-MYC. This exemplifies our systemic analysis approach for clinical translation of biomarker signatures.
High attrition-rates entailed by drug testing in 2D cell culture and animal models stress the need for improved modeling of human tumor tissues. In previous studies our 3D models on a decellularized tissue matrix have shown better predictivity and higher chemoresistance. A single porcine intestine yields material for 150 3D models of breast, lung, colorectal cancer (CRC) or leukemia. The uniquely preserved structure of the basement membrane enables physiological anchorage of endothelial cells and epithelial-derived carcinoma cells. The matrix provides different niches for cell growth: on top as monolayer, in crypts as aggregates and within deeper layers. Dynamic culture in bioreactors enhances cell growth. Comparing gene expression between 2D and 3D cultures, we observed changes related to proliferation, apoptosis and stemness. For drug target predictions, we utilize tumor-specific sequencing data in our in silico model finding an additive effect of metformin and gefitinib treatment for lung cancer in silico, validated in vitro. To analyze mode-of-action, immune therapies such as trispecific T-cell engagers in leukemia, as well as toxicity on non-cancer cells, the model can be modularly enriched with human endothelial cells (hECs), immune cells and fibroblasts. Upon addition of hECs, transmigration of immune cells through the endothelial barrier can be investigated. In an allogenic CRC model we observe a lower basic apoptosis rate after applying PBMCs in 3D compared to 2D, which offers new options to mirror antigen-specific immunotherapies in vitro. In conclusion, we present modular human 3D tumor models with tissue-like features for preclinical testing to reduce animal experiments.
Lungenkrebs ist weltweit für die meisten krebsassoziierten Tode verantwortlich. Ursache dafür ist unter anderem, dass viele Medikamente in der klinischen Anwendung, aufgrund nicht übertragbarer Ergebnisse aus der Präklinik, scheitern. Zur Entwicklung neuer Therapiestrategien werden deshalb Modelle benötigt, welche die in vivo Situation besser widerspiegeln. Besonders wichtig ist es dabei, zu zeigen, für welche Fragestellungen ein neues Testsystem valide Ergebnisse liefert.
In dieser Arbeit ist es mit Hilfe des Tissue Engineering gelungen, ein humanes 3D in vitro Lungentumor-Testsystem weiter zu entwickeln und für verschiedene Fragestellungen zu validieren. Zudem konnten sowohl für die Herstellung als auch für die Behandlung der Tumormodelle SOPs etabliert werden. Hier wurde zunächst beobachtet, dass die Auswerteparameter für die Beurteilung von Behandlungseffekten eine geringe Varianz aufweisen und das 3D Modell deshalb als Testsystem geeignet ist.
Ein Vergleich der Morphologie, des EMT-Status und der Differenzierung der Tumorzelllinien im 3D Modell mit Tumorbiopsaten von Adenokarzinompatienten verdeutlichte, dass die 3D Modelle tumorrelevante Merkmale besitzen. So sind die Zelllinien auf der biologischen Matrix, verglichen mit der jeweiligen 2D Kultur, durch eine reduzierte Proliferationsrate gekennzeichnet, welche eher der in vivo Situation entspricht. Für die Etablierung und Validierung des 3D Modells als Testsystem war es notwendig, klinisch relevante Therapien in dem Modell anzuwenden und die Ergebnisse der Behandlung in vitro mit denen im Patienten zu vergleichen. Dabei konnte zunächst bestätigt werden, dass eine zielgerichtete Therapie gegen den EGFR in dem 3D System zu einer verstärkten Induktion der Apoptose im Vergleich zu 2D führt. Dies entspricht klinischen Beobachtungen, bei denen EGFR-mutierte Patienten gut auf eine Therapie mit Tyrosin-Kinase-Inhibitoren (TKI) ansprechen. Anschließend wurde in dieser Arbeit erstmals in vitro gezeigt, dass die Behandlung mit einem HSP90-Inhibitor bei KRAS-Mutation wie in behandelten Patienten keine eindeutigen Vorteile bringt, diese jedoch in Experimenten der 2D Zellkultur mit den entsprechenden Zelllinien vorhergesagt werden. Die Ergebnisse aus dem in vitro Modell spiegeln damit verschiedene klinische Studien wider und unterstreichen das Potenzial des 3D Lungentumor-Testsystems die Wirkung zielgerichteter Therapien vorherzusagen. Durch die Messung von Signalwegsaktivierungen über Phospho-Arrays und Western Blot konnten in dieser Arbeit Unterschiede zwischen 2D und 3D nach Behandlung gezeigt werden. Diese lieferten die Grundlage für bioinformatische Vorhersagen für Medikamente.
Mit fortschreitender Erkrankung und dem Entstehen invasiver Tumore, die möglicherweise Metastasen bilden, verschlechtert sich die Prognose von Krebspatienten. Zudem entwickeln Patienten, die zunächst auf eine Therapie mit TKI ansprechen, bereits nach kurzer Zeit Resistenzen, die ebenfalls zur Progression des Tumorwachstums führen. Zur Wirkungsuntersuchung von Substanzen in solchen fortgeschrittenen Erkrankungsstadien wurde das bestehende Testsystem erweitert. Zum einen wurde mit Hilfe des Wachstumsfaktors TGF-β1 eine EMT ausgelöst. Hier konnte beobachtet werden, dass sich die Expression verschiedener EMT- und invasionsassoziierter Gene und Proteine veränderte und die Zellen vor allem in dynamischer Kultur verstärkt die Basalmembran der Matrix überquerten. Zum anderen wurde die Ausbildung von Resistenzen gegenüber TKI durch die Generierung von resistenten Subpopulationen aus einer ursprünglich sensitiven Zelllinie und anschließender Kultivierung auf der Matrix abgebildet. Dabei zeigte sich keine der klinisch bekannten Mutationen als ursächlich für die Resistenz, sodass weitere Mechanismen untersucht wurden. Hier konnten Veränderungen in der Signaltransduktion sowie der Expression EMT-assoziierter Proteine festgestellt werden.
Im letzten Teil der Arbeit wurde eine neuartige Behandlung im Bereich der Immuntherapie erfolgreich in dem 3D Modell angewendet. Dafür wurden T-Zellen, die einen chimären Antigen-Rezeptor (CAR) gegen ROR1 tragen, in statischer und dynamischer Kultur zu den Tumorzellen gegeben und der Therapieeffekt mittels histologischer Färbung und der Bestimmung der Apoptose evaluiert. Zusätzlich konnten Eigenschaften der T-Zellen, wie deren Proliferation sowie Zytokinausschüttung quantifiziert und damit eine spezifische Wirkung der CAR transduzierten T-Zellen gegenüber Kontroll-T-Zellen nachgewiesen werden.
Zusammenfassend ist es in dieser Arbeit gelungen, ein humanes 3D Lungentumor-Testsystem für die Anwendung in der präklinischen Entwicklung von Krebsmedikamenten sowie der Grundlagenforschung im Bereich der Tumorbiologie zu etablieren. Dieses Testsystem ist in der Lage relevante Daten zu Biomarker-geleiteten Therapien, zur Behandlung fortgeschrittener Tumorstadien und zur Verbesserung neuartiger Therapiestrategien zu liefern.
Patient-tailored therapy based on tumor drivers is promising for lung cancer treatment. For this, we combined in vitro tissue models with in silico analyses. Using individual cell lines with specific mutations, we demonstrate a generic and rapid stratification pipeline for targeted tumor therapy. We improve in vitro models of tissue conditions by a biological matrix-based three-dimensional (3D) tissue culture that allows in vitro drug testing: It correctly shows a strong drug response upon gefitinib (Gef) treatment in a cell line harboring an EGFR-activating mutation (HCC827), but no clear drug response upon treatment with the HSP90 inhibitor 17AAG in two cell lines with KRAS mutations (H441, A549). In contrast, 2D testing implies wrongly KRAS as a biomarker for HSP90 inhibitor treatment, although this fails in clinical studies. Signaling analysis by phospho-arrays showed similar effects of EGFR inhibition by Gef in HCC827 cells, under both 2D and 3D conditions. Western blot analysis confirmed that for 3D conditions, HSP90 inhibitor treatment implies different p53 regulation and decreased MET inhibition in HCC827 and H441 cells. Using in vitro data (western, phospho-kinase array, proliferation, and apoptosis), we generated cell line-specific in silico topologies and condition-specific (2D, 3D) simulations of signaling correctly mirroring in vitro treatment responses. Networks predict drug targets considering key interactions and individual cell line mutations using the Human Protein Reference Database and the COSMIC database. A signature of potential biomarkers and matching drugs improve stratification and treatment in KRAS-mutated tumors. In silico screening and dynamic simulation of drug actions resulted in individual therapeutic suggestions, that is, targeting HIF1A in H441 and LKB1 in A549 cells. In conclusion, our in vitro tumor tissue model combined with an in silico tool improves drug effect prediction and patient stratification. Our tool is used in our comprehensive cancer center and is made now publicly available for targeted therapy decisions.
MicroRNAs are well-known strong RNA regulators modulating whole functional units in complex signaling networks. Regarding clinical application, they have potential as biomarkers for prognosis, diagnosis, and therapy. In this review, we focus on two microRNAs centrally involved in lung cancer progression. MicroRNA-21 promotes and microRNA-34 inhibits cancer progression. We elucidate here involved pathways and imbed these antagonistic microRNAs in a network of interactions, stressing their cancer microRNA biology, followed by experimental and bioinformatics analysis of such microRNAs and their targets. This background is then illuminated from a clinical perspective on microRNA-21 and microRNA-34 as general examples for the complex microRNA biology in lung cancer and its diagnostic value. Moreover, we discuss the immense potential that microRNAs such as microRNA-21 and microRNA-34 imply by their broad regulatory effects. These should be explored for novel therapeutic strategies in the clinic.