微肿瘤药敏检测

导语

在精准医疗时代背景下的肿瘤用药困境主要有2点。第一：70%肿瘤患者还是以化疗为主，但是目前化疗的精准用药指导尚属空白；第二：基因检测仅能提供预测数据，缺乏实际的实验证据。因此，找到一种更精准有效的检测手段，建立更完善的检测体系来系统地指导肿瘤患者的个体化治疗，已经成为临床医疗领域亟待解决的难题。

北京大学工学院席建忠教授课题组与基石生命、北京大学肿瘤医院和北京大学人民医院精诚合作，共同开发了一种基于患者来源的原代肿瘤细胞体外培养方法（Patient-Derived Tumor-like Cell Clusters，PTC），建立了肿瘤体外药敏检测模型，并在胃肠肿瘤及乳腺癌中进行了临床验证。基石生命基于PTC技术进行了一系列的临床转化，开发了微肿瘤药敏检测技术。2020年6月24日，该研究成果—“Patient-derived tumor-like cell clusters for drug testing in cancer therapy”在线发表于《Science Translational Medicine》。成果一经发表，即被北京大学、新华网、北京日报、测序中国、丁香园等机构争相报道。

技术特点

核心技术

PTC培养体系

优化了PTC培养基及培养方法，提高了培养的成功率，对于合格的胃癌和结直肠癌样本培养成功率可达89.95%。对于PDOs不能或较难培养的瘤种或样本，如中低分化腺癌、神经内分泌瘤、粘液腺癌以及转移灶，PTC同样可以培养成功。经鉴定发现PTC由肿瘤干细胞、上皮细胞、成纤维细胞、巨噬细胞等多种细胞组成，在一定程度上模拟了肿瘤微环境。除此之外，PTC和体内肿瘤组织间的蛋白marker及基因变异情况（SNV和CNV）具有很好的一致性，说明其能够再现体内肿瘤的真实情况

细胞自组装芯片技术

细胞自组装芯片技术在2011年及2012年发表在《Nature Communications》和《Nature Cell Biology》上，并于2016、2017年获得发明专利授权。它不仅能够一次实现上百个化合物的平行研究；同时克服了传统孔板方法的边缘效应，筛选结果的平行性非常好；除此之外，每个点阵使用的样本量仅为传统384孔板使用量的1%，这对非常珍贵的个体化肿瘤样本的筛选至关重要。

因此，将细胞自组装芯片技术与微肿瘤培养技术相结合，能实现少量临床样本的大规模候选药物活性评估，为患者找到最合适的临床用药，同时大大缩短了时间成本。

微肿瘤图像分析系统

基石生命改进了细胞成像组件，并自主开发了配套的基于深度学习的人工智能细胞图像识别算法。该自动化分析系统与传统人工分析的结果一致率达100%，能大大降低微肿瘤药敏检测技术应用的门槛，缩短检测周期，实现检测的标准化和自动化。

检测意义