生物3D打印患者來源類器官陣列捕獲腫瘤內在與外在特征助力精準醫(yī)學

來源：EFL生物3D打印與生物制造

當前腫瘤研究中，傳統(tǒng)患者來源類器官（PDO）培養(yǎng)存在兩大核心問題：一是缺乏腫瘤微環(huán)境（TME）的模擬，如基質硬度、缺氧條件等外在因素，導致無法準確反映腫瘤病理特征；二是PDO尺寸和形態(tài)異質性高，難以穩(wěn)定模擬患者個體間的生物學差異，限制了其在精準醫(yī)療中的應用。來自韓國蔚山科學技術院的Hyun-Wook Kang教授、Tae-Eun Park教授以及首爾大學的Seung-Jae Myung教授團隊合作，開發(fā)了嵌入式生物打印技術構建類器官陣列（Eba-PDOs）。該技術通過將PDO油墨精確打印到模擬腫瘤硬度（≈7.5 kPa）的海藻酸鹽浴中，形成統(tǒng)一尺寸的三維結構，同時復現缺氧微環(huán)境。研究利用轉錄組分析和免疫熒光驗證，證實Eba-PDOs能更精準捕獲腫瘤內在基因特征（如CEACAM5表達）和外在微環(huán)境響應。相關工作以“Bioprinted Patient-Derived Organoid Arrays Capture Intrinsic and Extrinsic Tumor Features for Advanced Personalized Medicine”為題發(fā)表在《Advanced Science》上。     

研究內容
1. 嵌入式生物打印構建類器官陣列的流程與形態(tài)表征，通過定制化生物打印系統(tǒng)將含PDO細胞的Geltrex油墨擠壓至1.5%海藻酸鹽浴（模擬7.5 kPa基質硬度），結合溫度和鈣離子雙重交聯，研究了Eba-PDOs的形成過程。結果表明，打印后7天形成直徑≈200 μm的均勻類器官，10天融合為統(tǒng)一結構，細胞存活率超94%，其面積變異系數（0.18）顯著低于傳統(tǒng)培養(yǎng)的Std-PDOs（0.71），且不同患者來源的Eba-PDOs保留獨特形態(tài)特征。      

圖1. 嵌入式生物打印流程及Eba-PDOs形態(tài)對比（標尺：1 mm（打印過程）、50 μm（組織染色）、500 μm（明場成像））。   

2. 類器官的腫瘤微環(huán)境模擬與病理特征分析，通過H&E染色、免疫熒光（YAP/TAZ、HIF1α、膠原I）和qPCR，對比Eba-PDOs與Std-PDOs的形態(tài)和分子表達。結果表明，Eba-PDOs核面積較Std-PDOs縮小1.7倍，機械應力標志物YAP1表達上調4倍，缺氧標志物HIF1α和膠原I沉積顯著增加，且CDH2/CDH1比值升高（提示上皮-間質轉化），重現天然腫瘤的細胞擠壓、低氧環(huán)境和ECM重塑特征。      

圖2. Eba-PDOs的腫瘤病理特征表征（標尺：100 μm（組織對比）、50 μm（免疫熒光））。   

3. 類器官與原發(fā)組織的轉錄組差異及功能富集，通過RNA測序和主成分分析（PCA），比較Std-PDOs、Eba-PDOs和患者原發(fā)組織的基因表達譜。結果表明，Eba-PDOs轉錄組與原發(fā)組織的Pearson相關系數（r=0.84）顯著高于Std-PDOs（r=0.48），差異表達基因（DEGs）富集于TNF信號、NF-κB炎癥通路及脂質代謝過程，其中CEACAM5、KLF7等結直腸癌關鍵基因表達更貼近真實腫瘤。     

圖3. 轉錄組對比分析及功能富集（PCA、Pearson相關系數、KEGG通路）。   

4. 基質硬度對CEACAM5表達與細胞極性的影響，通過設置不同濃度海藻酸鹽（0.5%-2%）調整基質硬度，結合免疫熒光和流式細胞術，研究機械應力對CEACAM5分布的調控。結果表明，1.5%海藻酸鹽（7.5 kPa）條件下，Eba-PDOs的CEACAM5表達水平與原發(fā)組織一致，且異常定位于細胞基底外側（模擬腫瘤細胞極性喪失），而軟基質（0.5%海藻酸鹽）無法誘導該表型。      

圖4. 基質硬度對CEACAM5表達模式的影響（標尺：250 μm（免疫熒光））。   

5. 類器官陣列的患者異質性與藥物響應驗證，通過培養(yǎng)5例患者的Eba-PDOs并進行5-氟尿嘧啶（5-FU）藥物測試，分析CEACAM5水平與化療敏感性的關聯。結果表明，Eba-PDOs的CEACAM5表達與患者血清水平高度相關（r=0.84），高CEA組對5-FU的耐藥性顯著更強（AUC差異＞20%），而Std-PDOs未能區(qū)分該差異，驗證了Eba-PDOs在預測個體藥物響應中的價值。      

圖5. 患者間異質性及藥物響應分析（CEACAM5表達、細胞存活率曲線）。   

6. 基于形態(tài)學的無標記預測模型構建與驗證，通過提取177個Eba-PDOs的亮度場圖像特征（面積、周長、圓度），訓練隨機森林算法并結合多數投票法（MVA），建立高/低CEA分類模型。結果表明，使用50個Eba-PDOs時預測準確率達98%，顯著優(yōu)于Std-PDOs（37%），且在7例新患者的外部驗證中實現100%準確分類。      

圖6. 無標記形態(tài)學預測模型的構建與性能驗證（特征分布、混淆矩陣、預測準確率）。

研究結論
本研究開發(fā)了嵌入式生物打印技術構建的患者來源類器官陣列（Eba-PDOs），該模型通過模擬腫瘤微環(huán)境的基質硬度（≈7.5 kPa）和缺氧條件，顯著提升了對原發(fā)腫瘤內在特征（如CEACAM5表達異質性）和外在響應（如機械應力信號通路激活）的模擬精度。研究表明，Eba-PDOs的轉錄組與原發(fā)組織的相關性（r=0.84）顯著高于傳統(tǒng)類器官（r=0.48），并能準確捕獲患者間CEACAM5表達差異及其與5-氟尿嘧啶耐藥性的關聯。此外，基于Eba-PDOs形態(tài)特征開發(fā)的無標記預測模型，通過多數投票法整合50個類器官數據，可實現98%的高/低CEA患者分類準確率。本研究為精準模擬腫瘤個體特征、預測藥物響應提供了新平臺，有望推動個性化癌癥治療和藥物開發(fā)的臨床轉化。

文章來源：https://doi.org/10.1002/advs.202407871