群主想看到,HCC,CHC,CC这3组,跟healthy的分开比较,然后3个火山图,3个热图。
文章标题是:Prospective Derivation of a Living Organoid Biobank of Colorectal Cancer Patients ,研究人员利用由癌症患者肿瘤衍生出的三维(3D)类器官,接近复制出了原发肿瘤的一些关键特性。这些“类器官”培养物适用于大规模的药物筛查来检测与药物敏感性相关的一些遗传改变,为采用个体化治疗改善癌症患者的临床结局铺平了道路。
题目:Single-cell ATAC-seq of fetal human retina and stem-cell-derived retinal organoids shows changing chromatin landscapes during cell fate acquisition DOI:https://doi.org/10.1016/j.celrep.2021.110294
KRAS 突变是最常见的致癌驱动因子之一,一直被认为是 “不可成药” 靶点,直到2021 年 FDA 加速批准安进研发的 KRASG12C 抑制剂 Lumakras (Sotorasib) 上市,一时间,KRAS 炙手可热,耗时将近 40 年成功逆袭。毫无疑问,KRAS 是本次 年会中是最受关注的靶点之一。
新药的诞生总是让人热血澎湃,不仅是医药行业的重大突破,也意味着资本盈利的开始。但新药开发是一个复杂的过程,从先导化合物的发现到临床,通常需要十年甚至更久。传统的药物筛选主要依赖于 2D 培养的细胞模型,但 2D 培养细胞在进行药效评估方面存在一定的局限性[1](详见往期推文:类器官 — 从 2D 到 3D 的进阶)。患者来源的肿瘤类器官(Patient-derived organoids, PDO)作为研究肿瘤的新型工具,在保留肿瘤原有的生物学特征之外,还能够稳定的传代,因此在肿瘤药物的开发与筛选上有着得天独厚的优势(图 1)。此外,类器官曾被 Science 评为年度十大技术,成为新药研发、精准治疗、再生医学等领域的强大工具。
我常见系统性梳理过 2014到2018期间的癌症领域的单细胞研究,可以说是少得可怜,都是broad研究所的基于smart-seq的,在脑瘤,黑色素瘤,头颈癌有CNS文章发表。同样的是这个时间段, 类器官也是在每个癌症领域都有了CNS文章,比如 :
本来呢,大家期待肿瘤类器官(PDO)作为肿瘤模型的革命性技术是可以解决上面的两个问题。首先呢,肿瘤类器官优势在于它源自各个病人的原始肿瘤组织,并且基于其原代培养的特性,其与原始肿瘤组织在病理特征、基因突变等多维度具有一致性,可再现肿瘤异质性,并且可传代、冻存,还可进行基因操作。但是呢, 早期的肿瘤类器官其实也是没有肿瘤微环境的,仅仅是恶性肿瘤上皮细胞被培养。
前面我们介绍过卵巢癌领域的第一个类器官研究,发表于 September 13, 2018,题目是:Prediction of DNA Repair Inhibitor Response in Short Term Patient-Derived Ovarian Cancer Organoids 研究者共成功制备了33 organoid cultures derived from 22 HGSC patients ,但是做的数据分析很少,常规的WES+RNA测序数据,而且做的是短期培养,最后研究者从IHC结果还有SNV/CNV全景图来说明病人的肿瘤样品与其培养的类器官匹配情况。数据在phs001685.v1.p1需要申请才能下载。
Recent advances in human stem cell-derived brain organoids promise to replicate critical molecular and cellular aspects of learning and memory and possibly aspects of cognition in vitro. Coining the term “organoid intelligence” (OI) to encompass these developments, we present a collaborative program to implement the vision of a multidisciplinary field of OI. This aims to establish OI as a form of genuine biological computing that harnesses brain organoids using scientific and bioengineering advances in an ethically responsible manner. Standardized, 3D, myelinated brain organoids can now be produced with high cell density and enriched levels of glial cells and gene expression critical for learning. Integrated microfluidic perfusion systems can support scalable and durable culturing, and spatiotemporal chemical signaling. Novel 3D microelectrode arrays permit high-resolution spatiotemporal electrophysiological signaling and recording to explore the capacity of brain organoids to recapitulate the molecular mechanisms of learning and memory formation and, ultimately, their computational potential. Technologies that could enable novel biocomputing models via stimulus-response training and organoid-computer interfaces are in development. We envisage complex, networked interfaces whereby brain organoids are connected with real-world sensors and output devices, and ultimately with each other and with sensory organ organoids (e.g. retinal organoids), and are trained using biofeedback, big-data warehousing, and machine learning methods. In parallel, we emphasize an embedded ethics approach to analyze the ethical aspects raised by OI research in an iterative, collaborative manner involving all relevant stakeholders. The many possible applications of this research urge the strategic development of OI as a scientific discipline. We anticipate OI-based biocomputing systems to allow faster decision-making, continuous learning during tasks, and greater energy and data efficiency. Furthermore, the development of “intelligence-in-
类器官在器官发育、疾病建模、药物开发和器官再生的研究中具有巨大的潜力。来自不同组织的类器官已经从成体干细胞 (ASCs) 和多能干细胞 (PSCs) 中建立,它们可以在培养中无限增殖,具有分化和重组的能力,以模仿它们的源器官。
做完初出茅庐的临床科研小透明,也是可以细心留意遇到了病例,哪怕只有一个病人,也可以做完善的病人多组学研究。下面分享一个2022年6月发表在《Annals of Oncology》的文章:《Single cell heterogeneity and evolution of breast cancer bone metastasis and organoids reveals therapeutic targets for precision medicine》,DOI:https://doi.org/10.1016/j.annonc.2022.06.005 :
2009年,荷兰Hubrecht研究所的Hans Clevers博士证实 肠干细胞 能够形成类器官,开启了 类器官研究的时代。 Nature Methods 如此评价 类器官(Organoids)技术
每年肿瘤相关研究的学术论文发表量数以万计,但能真正转化到临床应用的治疗方案却极少。新药研发进入临床试验后,有85%在早期就被证明没有效果,而那些成功通过三期临床试验的药物,只有一半能被FDA批准进入临床使用。肿瘤新药研发所用生物模型的落后,是导致新药研发成功率低的重要原因,肿瘤类器官不仅可以保留肿瘤的异质性,还可以模拟肿瘤微环境,它的出现将使肿瘤机制研究和药物研发突飞猛进。。
而且通过形态学,WES和RNA-seq数据说明了其研究团队构建的类器官可以比较好的模拟其对应的肿瘤,包括 regional heterogeneity and subclonal architecture ,即使是长期培养的类器官也是如此。
TCGA(The Cancer Genome Atlas, 癌症基因组图谱,https://portal.gdc.cancer.gov/)是美国国家癌症研究所(National Cancer Institute)和美国人类基因组研究所(National Human Genome Research Institute)共同监督的一个项目,旨在应用高通量的基因组分析技术,以帮助人们对癌症有个更好的认知,从而提高对于癌症的预防、诊断和治疗能力。
经过多年的研究,如今科学家们可以从病人体内取出一些细胞,放在培养皿中,培养出所谓的“类器官”,而类器官就是一种三维的微器官,与来源组织和器官高度相似,这一切都可以在实验室中完成。类器官可以说是神奇的“多面手”,它能够让我们更好地理解生物发育,同时帮助我们治愈疾病。有了类器官,研究人员可以深入观察人体的变化、检验药物的功能以及发展实验室层面的再生治疗法。
近几十年,我们对癌症发生的认知有了很大地提升。尽管在某些癌症的治疗中取得了重大进展,但它仍然是一个主要的全球健康问题。从实验室到临床的转化是开发新的癌症治疗方案的主要障碍之一。尽管在基于传统临床前模型 (包括细胞培养、细胞系或患者来源的异种移植模型、小鼠或非小鼠动物模型) 的靶点验证和药物优化方面做了大量的工作,但因为许多大多肿瘤模型不能很好的 “复刻” 患者肿瘤,继而许多在癌症模型中表现良好的药物最终在临床试验中失败。近年来,3D 类器官技术如热浪席卷科研界,肿瘤研究方向的科研者们也纷纷把目光投向了肿瘤类器官,那么被誉为 “试药替身” 的肿瘤类器官的出现能否打破了这一 “僵局” 呢?
长链非编码rna(lncRNAs)已经成为多种生物过程和疾病的关键调控因子。虽然高通量测序使lncRNA的发现成为可能,但功能表征仍然有限。EVLncRNAs数据库是第一个也是唯一的存储库,包含来自不同物种的所有经过实验验证的功能性lncRNAs。
虽然这个研究仅仅是产生了3个类器官数据,但是需要有9个样品进行外显子测序哦,其中每个病人的正常对照仅仅是数据分析过程使用,并不需要在后续可视化进行呈现。对类器官数据的可视化主要是比较样品培养前的肿瘤组织和培养后的类器官组织的突变结果的一致性, 首先看SNV;
一直以来,“类器官”一词被宽泛地用于所有来源于原代组织 (组织亚基或单细胞)、胚胎干细胞 (ESCs) 和诱导多能干细胞 (iPSCs)、已建立的细胞系以及完整或分段器官 (如由多种组织类型组成的器官外植体) 的三维 (3D) 器官型培养。
差不多几个小时就可以完成全部的样品的cellranger的定量流程,拿到表达量矩阵文件,常规的降维聚类分群,参考前面的例子:人人都能学会的单细胞聚类分群注释 ,走seurat流程进行单细胞降维聚类分群,这样的基础分析,有基础10讲:
但这种思想下设计的“传统”类脑芯片大多数都是直接基于数字电子原理,完全模仿大脑功能的能力着实有限。
「Microenvironment drives cell state, plasticity, and drug response in pancreatic cancer.」「Cell. 2021 Dec 9;184(25):6119-6137.e26.doi: 10.1016/j.cell.2021.11.017.」
我博士求学期间所在的实验室长期(2015-2023)钻研类器官技术,虽然CNS成就没有达成,但是子刊级别的文章发表了一些。早期的类器官研究主要是通过多组学来说明类器官能很好的复现病人的特性,比如肿瘤外
涉及到的数据样品是 14 RMS PDX-derived primary cultures and 3 conventional aRMS cell lines ,简单的单细胞转录组数据分析,降维聚类分群,可以看到,如果不对这些样品进行整合,就是每个样品独立成群,这个是恶性肿瘤细胞的特性。当然了,如果强行走一下整合这个算法,也是可以抹平病人异质性的这样的话后续的分群就是功能性亚群:
1966年Donald F. Gleason博士提出Gleason评分,以便对前列腺癌进行分级,为临床医师提供前列腺癌侵犯程度和侵袭性的相关信息。其后Gleason评分历经数次修改,Gleason评分可以衡量前列腺癌的组织分化程度,对于评估前列腺癌患者的生存期有重要价值。该评分一般越低越好,分数越低肿瘤的恶性程度越小,反之分数越高肿瘤恶性程度越高。有研究结果表明,Gleason评分≤8分的患者进展至CRPC的中位时间为21个月,而>8分的患者为14个月。
本期数据挖掘任务来自于Paper:Tumor Evolution and Drug Response in Patient-Derived Organoid Models of Bladder Cancer
但是六年前的单细胞转录组并不流行,因为没有10x这样的商业化的仪器,所以那个时候的在每个癌症领域的类器官CNS文章都是做几十个或者上百个病人的类器官培养后,做常规的转录组和肿瘤外显子数据,来说明类器官能非常好的维持其来源的原位肿瘤,这样就说明了类器官可以成为肿瘤病人的精准医疗替身!过去的五年,虽然说单细胞转录组的大行其道,但是在类器官领域的应用仍然是很有限,单细胞时代到了仅仅是2019之后的类器官研究继续“复制粘贴一波”。但是我看到的这些肿瘤领域的类器官技术的单细胞研究,仍然是说明了类器官可以成为肿瘤病人的精准医疗替身,因为从原位肿瘤样品培养后的类器官其实是富集到了恶性肿瘤上皮细胞,这样就导致了它早期的“让人诟病”的缺点, 丢失了肿瘤微环境。因为openai的chatGPT在中国大陆很难被直接访问,所以我测试了一下最新的国内大模型kimi的效果,让它整理了一下前类器官面临的主要缺陷:
所以我自己在2019年录制了两套不同层级的单细胞转录组数据分析视频教程,还配套了视频学习笔记,今年(2020)在培养学徒的过程中,我又安排学徒根据这两套视频精炼成为了10个笔记,大家可以在:单细胞转录组数据的个性化分析汇总全部找到。
论文地址:https://www.cell.com/cell-reports-methods/pdfExtended/S2667-2375(24)00121-8
今天(2023.1.9) arXiv.CV 上有7篇医学影像处理与识别相关论文。不过粗略看来,医学影像类的论文,很多都是直接使用已有模型(甚至都不是最先进的模型),加以应用就可以了。
「英文标题:Organoid profiling identifies common responders to chemotherapy in pancreatic cancer」
类器官技术建立在干细胞技术以及经典发育生物学和细胞混合实验的基础之上;类器官的出现无疑是对干细胞研究不懈探索的惊喜回馈。
这天,接到了生信技能树创始人jimmy老师的一个任务,要重复一篇CELL文章中的一个图示:
KRAS 基因是一种人类癌症中突变频繁的原癌基因,属于 RAS 超家族,该家族成员还包括 H-RAS 和 N-RAS。约有 30% 的人类癌症携带 RAS 突变,KRAS 更是 RAS 突变中最常见的突变亚型[1][2],KRAS 突变以单碱基错义突变为主,其中 80% 以上是第 12 号 (G12) 氨基酸残基发生突变,常见的突变类型包括 G12C、G12D 和 G12V 等[1][2][3]。KRAS 基因编码一种小 GTP 酶 (small GTPase)。KRAS 在与 GTP 结合时处于激活状态,而与 GDP 结合时处于非激活状态。在生理条件下,这两种状态之间的转换由鸟嘌呤核苷酸交换因子 (GEFs) 通过催化 GDP 交换 GTP 来调节,或 GAP 蛋白 (GTPase-activating proteins) 增强 RAS 固有的 GTPase 活性加速 GTP 水解来调节[1][4]。
---- 新智元报道 编辑:Aeneas Ellie 【新智元导读】约翰霍普金斯大学的科学家,正在试着用真实的人脑细胞创建AI。 咱们知道,科学家们曾经培养出了一盘大脑细胞,教会了它们打乒乓球。 而如今,他们竟然想用这盘脑细胞造出计算机了? 在 2 月 28 日发表在《科学前沿》上的一篇论文中,一个科学家团队描述了他们的计划:将3D人类脑细胞团块(也即大脑类器官)转化为能够执行高级计算任务的生物硬件。 论文地址:https://www.frontiersin.org/journals/scien
【新智元导读】本周发表于《自然》的两篇论文向理解人类大脑神经网络迈出了重要一步。斯坦福大学的研究人员在培养皿中构建了神经元三维模型,并将两种不同脑区不同类型的细胞融合在一起,首次观察到工作中的人脑神经回路。哈佛大学和 MIT 的合作研究则描述了在培养皿中让“迷你大脑”发育 9 个多月。两项研究都有助于理解人类大脑发育及结构,相信对人工智能研究也有一定的启发。 科学家对人类大脑早期发育过程知之甚少。从 2013 年开始,神经科学家一直在使用由 iPS 细胞(诱导多能干细胞,详见文末注释)诱导而成的神经元研
Nature Inferring and perturbing cell fate regulomes in human brain organoids
「英文标题:Patient derived organoids to model rare prostate cancer phenotypes」
NGS系列文章包括NGS基础、高颜值在线绘图和分析、转录组分析 (Nature重磅综述|关于RNA-seq你想知道的全在这)、ChIP-seq分析 (ChIP-seq基本分析流程)、单细胞测序分析 (重磅综述:三万字长文读懂单细胞RNA测序分析的最佳实践教程)、DNA甲基化分析、重测序分析、GEO数据挖掘(典型医学设计实验GEO数据分析 (step-by-step))、批次效应处理等内容。
领取专属 10元无门槛券
手把手带您无忧上云