瘤细胞系的实时功能分层使用非细胞毒性脂蛋白质平台:无标签的ex vivo模型

科学领域:

• 固体瘤免疫疗法
• 免疫瘤药物开发
• 外体功能测试

背景情况:

• 评估瘤对免疫治疗的反应至关重要但具有挑战性.
• 目前的方法通常依赖于细胞毒性或复杂的共同培养系统.
• 需要可扩展的,非侵入性的工具来评估免疫配方.

研究的目的:

• 引入一个实时的,ex vivo功能系统来分类瘤细胞的反应.
• 在没有细胞毒性,共同培养或分子分析的情况下进行表型查.
• 开发一种量化方法来评估固体瘤中的免疫配方.

主要方法:

• 使用IncuCyte® S3实时成像来监测瘤细胞的行为.
• 捕获了8种人类瘤的增殖率,细胞死亡和分泌特征.
• 开发了一个结构化的决策树逻辑,并计算了用于分类的功能分层指数 (FSI).

主要成果:

• 将瘤线分为刺激性,抑制性或中性反应类别.
• 已确定抑制性 (高IFN-γ/IL-10) 和刺激性 (增殖性) 线的不同模式.
• 在独立批次中证明可重现的结果,验证了系统的可靠性.

结论:

• 开发的系统为免疫配方的功能评估提供了一个量化,无标记的平台.
• 这种方法被编码为STIP (结构化可追溯性和免疫类型平台),支持免疫瘤学上游验证.
• 为早期药物开发和监管文件提供可适应,可重复的表型查.