推荐活动

【JAHA】能否超越诱导多能干细胞iPSC?用于设计下一代个性化器官芯片的血源性内皮细胞BOECs的比较分析

首页 » 《转》译 2021-12-14 转化医学网 赞(2)
分享: 
导读
最近,发表在《the Journal of the American Heart Association》上的研究报道了血液来源的内皮细胞BOECs作为原代和诱导多能干细胞来源的内皮细胞的替代品。器官芯片技术加速了血管系统的体外临床前研究,但目前的血管芯片平台依赖于使用原代内皮细胞(ECs),或者,诱导多能干细胞来源的内皮细胞(iPSC-EC或IEC),具有一定局限性。血液来源的细胞比诱导多能干细胞来源的细胞更接近原代细胞,无需训练有素的个体或昂贵的试剂,并且在大多数临床环境中都可用。总之,血液来源的内皮细胞可用于临床前研究,以使用器官芯片开发更强大和个性化的下一代疾病模型。

心血管并发症是全球患者发病率和死亡率的主要原因。患者在疾病的病理表现上也表现出显著的异质性,进一步加剧了临床负担。不同的患者表现出不同的临床疾病严重程度。因此,制定针对这种多样表型的治疗策略一直很困难,“一刀切”的方法不能满足当前的临床需求。最近,微生理器官芯片或血管芯片平台作为临床医生和制药机构的有效血管疾病建模和药物筛选工具引起了极大兴趣器官芯片提供关键组织微环境与相关生物和病理因素的融合,使研究人员能够模拟在病理生理条件下观察到的细胞/组织水平相互作用。器官芯片技术推动了为各种罕见而被忽视的疾病发现新药物的努力


尽管镰状细胞病(镰状细胞病是一种遗传性血红蛋白分子功能紊乱疾患,当血红蛋白分子暴露在各种环境中,红细胞血红蛋白发生聚合,扭曲变形成镰状。这种变形允许红细胞从细胞间通过,导致下游组织营养受损。)在20世纪初首次被描述,但这种疾病的严重程度在试图治疗患者时造成了挑战。由于这种疾病在经济贫困和代表性不足的少数民族中最为普遍,由于社会经济不平等,人们普遍缺乏发现新治疗策略的刺激,使其成为全球最严重的孤儿疾病之一。


德克萨斯农工大学生物医学工程系Abhishek Jain博士实验室的博士生Tanmay Mathur正在开发个性化血管,以提高知识并获得针对镰状细胞病和其他罕见的血液和血管疾病中出现的血管功能障碍的治疗


然而,目前的器官芯片仍然缺乏表型相关的患者参与,因此无法预测临床上在疾病中观察到的显著的患者间变异性。目前的血管芯片平台依赖于使用原代内皮细胞(ECs),例如人脐静脉内皮细胞(HUVEC),其通常从汇集的个体来源获得并且需要通过细胞因子或其他炎性因子的外源刺激以诱导病理状态。或者,诱导多能干细胞来源的内皮细胞(iPSC-EC或IEC),这是一类新兴的细胞,正在纳入器官芯片技术。但是这些细胞有局限性——它们很快就会失效,不能长时间储存。而且目前分离和分化细胞的方法是耗时的,并且需要高度复杂的技能来获得表型纯的细胞类型。这些分化方案对生长/分化因子及其给药时间也很敏感,因此不太适合在资源匮乏或可能没有专业技术人员的临床环境中使用



原代人内皮细胞分离/分化的常用方法


Mathur的这项新研究确定了另一种血液生长内皮细胞(BOECs)可以从患者的血液中分离出来,在微流体装置中培养。而且血液来源的细胞比诱导的多能干细胞来源的细胞更接近原代细胞。所需要的就是50到100毫升的血液


Mathur说:“BOECs的分离和扩增相对容易和直接,而无需训练有素的个体或昂贵的试剂,并且在大多数临床环境中都可用。这些细胞是内皮祖细胞,这意味着它们具有高度增殖能力,因此如果您继续给他们提供它们想要的食物,一个月内,我们将拥有足够的细胞,这样我们能够成功地永远继续传代培养。”


然而,问题是BOECs在器官芯片(一种微型设备,允许研究人员创建这些血管模型)的背景下是否像iPSCs一样“工作”。这是Mathur最近在《the Journal of the American Heart Association》杂志上发表的一篇论文中回答的一个问题,论文题目是“Comparative Analysis of Blood‐Derived Endothelial Cells for Designing Next‐Generation Personalized Organ‐on‐Chips”:

https://www.ahajournals.org/doi/10.1161/JAHA.121.022795


Mathur说:“通过将我们的血管芯片分析与下一代RNA测序相结合,我能够证明BOEC与其他细胞相比在任何统计方面都没有差异您不仅可以使用BOEC进行针对患者的研究,还可以使用这些细胞作为现有细胞的替代品,因为归根结底,它们仍然主要是人类细胞。如果有一种方法可以让你用最少的努力获得患者源性细胞,这始终是前进的最佳方法。”


Mathur的下一步是开始试验更多镰状细胞病的血液样本,并通过机器学习和人工智能将计算纳入项目。通过开发可以预测诸如凝血时间,炎症等变量的芯片模型,该算法可以将每个患者的病史和治疗与其疾病状态联系起来

用200μm宽和75μm高的芯片培养


“假设我为100名患者做了一个模型,”Mathur 说,“如果你给我第101个病人,我对这些细胞运行相同的方法,我的算法应该能够预测那个病人是严重的,中度的还是轻度的镰状细胞患者,这很重要,因为临床医生想知道什么是对病人最有效的短期和长期治疗策略。”


Jain说:“Tanmay的研究为组织工程和器官芯片技术的未来,以及这些平台对个性化医疗的积极影响奠定了基础。”


开发这种算法将有助于减少临床医生在制定治疗计划时必须做的猜测。


Mathur说:“目前,我们不知道给轻度患者服用多少药物,这就是为什么我们对并发症过度矫正或矫正不足的原因。每种药物都会有一定的副作用,你只能尽量减少这种副作用,最好方法是为每位患者量身定制治疗方案,我正试图尽量减少这种迭代,将成本最小化,最大限度地提高治疗对患者的成功率。”(转化医学网360zhyx.com)


参考资料:

https://medicalxpress.com/news/2021-12-alternative-cell-option-organs-on-chips.html

注:本文旨在介绍医学研究进展,不能作为治疗方案参考。如需获得健康指导,请至正规医院就诊。

评论:
评 论
共有 0 条评论

    还没有人评论,赶快抢个沙发