【技术实现步骤摘要】
【国外来华专利技术】
技术介绍
技术实现思路
1、提供了平衡细胞计数培养物及其产生方法、用于评估候选药剂的一种或多种治疗性质的方法。所述方法包括以三维生长不同细胞类型的细胞的异质池，用小分子化合物处理三维池，以及将处理的三维池的细胞解离成单细胞悬浮液，所述单细胞悬浮液具有适合于单细胞rna测序的相等的细胞类型代表。所述方法进一步包括对解离的单细胞和来自未用小分子化合物处理的对照三维池的解离的单细胞进行单细胞核糖核酸(rna)测序，将来自所述单细胞rna测序的数据去卷积成按处理和细胞类型分类的单细胞转录组，以及基于分类的单细胞转录组来评估小分子化合物的一种或多种治疗性质。还提供了例如用于实践本公开的方法的计算机可读介质和系统。
2、附图的简要描述
3、图1a至图1g示出了非geneva细胞池和geneva细胞池的细胞组成的比较。图1a示出了来自基于单细胞rna测序收获的非geneva细胞池(池1)的细胞代表的分布。条形表示每种细胞类型的scrnaseq数据集中的细胞数量。图1b示出了来自使用umap聚类可视化算法在二维转录组空间中绘制的图1a的数据集。图1c示出了在从geneva细胞池(池2)收获单细胞rna测序后细胞代表的分布，允许精确捕获数据集中的每个细胞系。图1d示出了单细胞rna测序数据，其绘制为geneva池2的umap图。图1e示出了在从geneva细胞池(池3)收获单细胞rna测序后细胞代表的分布，允许精确捕获数据集中的每个细胞系。图1f示出了单细胞rna测序数据，其被绘制为g
4、图2a至图2f示出了geneva在多个体内模型系统和离体模型系统中的应用。图2a示出了用若干种剂量的ars1620(0.4μm、1.6μm、25.0μm)或dmso(媒介物)处理的以四种不同的人pdx肿瘤作为输入的离体作为类器官生长的geneva池。图2a是使用umap聚类可视化算法在二维转录组空间中绘制的。图2b以表格形式示出了来自图2a的数据集，该表格按药物治疗条件和来源基因型(pdx)分类。表格中的细胞是通过单细胞rna测序获得的每个类别的细胞计数。图2c示出了用ars1620(100mg/kg)或dmso(媒介物)处理的以四种不同的人pdx肿瘤作为输入的在体内作为侧翼异种移植物生长的geneva池。图2c是使用umap聚类可视化算法在二维转录组空间中绘制的。图2d以表格形式示出了来自图2c的数据集，该表格按药物治疗条件和来源基因型(pdx)分类。表格中的细胞是通过单细胞rna测序获得的每个类别的细胞计数。图2e示出了用ars1620(100mg/kg)或dmso(媒介物)处理的以八种不同人类癌细胞系作为输入的在体内作为侧翼异种移植物生长的geneva池。图2e是使用umap聚类可视化算法在二维转录组空间中绘制的。图2f以表格形式示出了来自图2e的数据集，该表格按药物治疗条件和来源基因型(pdx)分类。表格中的细胞是通过单细胞rna测序获得的每个类别的细胞计数。
5、图3a至图3e示出了geneva用于发现药物化合物的相对表型、遗传驱动因子和ic50曲线重建的应用。图3a示出了从来自用维罗非尼或ars1620处理的geneva池的药物处理前/后相对细胞计数计算的单独的细胞类型的相对灵敏度。在维罗非尼处理的池中最敏感的细胞系是braf.v600e突变体藏匿(harboring)。ars1620处理的池中最敏感的细胞系是kras.g12c突变体藏匿。图3b示出了使用lasso回归模型在geneva池中发现导致相对药物敏感性变化的因果驱动因子突变。braf.v600e通过lasso算法被预测导致对维罗非尼的药物敏感性主要突变。kras.g12c通过lasso算法被预测是导致对ars1620的药物敏感性的主要突变。图3c示出了在用和不用ars1620处理之后从geneva细胞池数据重建ic50曲线，其中细胞计数与相对存活率百分比的比例测量相拟合，并且对ic50逻辑回归曲线进行插值。ic50曲线由单独的细胞系构建，并且非kras.g12c细胞系显示出对ars1620的存活率明显高于kras.g12c细胞系。图3d示出了来自geneva池中的不同细胞系的相对药物敏感性测量结果，从而概括了kras.g12c作为ars1620的致敏突变靶标的发现。图3e示出了来自在作为混合的类器官生长的pdx中进行的geneva的细胞周期抑制率的计算。这种重建方法通过使用周期状态推断作为表型的测量的细胞计数的替代方法，概述了kras.g12c特异性药物对ars-1620治疗的敏感性。
6、图4a至图4d示出了geneva用于联合疗法和耐药机制的预测的应用。图4a示出了geneva发现若干种耐药靶标的上调，示出在用ars1620以kras.g12c特异性方式处理的geneva池中的细胞存活机制。图4b示出了通过将药物靶标与i)三种ars1620抑制剂和ii)靶向特异性耐药途径的化合物联合给药来验证预测的药物靶标。对bliss药物协同作用进行绘图，并且若干种化合物显示出与多种kras.g12c抑制剂的显著药物协同作用。图4c示出了在使用h1373 kras.g12c突变系的多臂联合疗法中来自ars1620和ink128的体内小鼠研究的相对肿瘤体积(每种条件n＝4至5只小鼠)。图4d示出，与ink128和ars1620独立性或无药物协同作用的无效模型相比，ink128和ars1620协同地降低了体内肿瘤生长。
7、图5a至图c示出了geneva用于经由内皮-间充质转化(emt)途径预测耐药性的体内特异性机制的应用。图5a示出，在细胞池中kras.g12c细胞系的ars1620治疗的配对的体内和体外geneva实验中，emt基因集在体内药物治疗后上调，但在体外药物治疗后没有上调。图5b示出了在使用h1373 kras.g12c突变系的多臂联合疗法中来自ars1620和galunisertib(一种emt抑制剂)的体内小鼠研究的相对肿瘤体积(每种条件n＝4至5只小鼠)。图5c示出，与galunisertib和ars1620独立性或无药物协同作用的无效模型相比，galunisertib和ars1620协同地降低了体内肿瘤生长。
8、图6a至图6e示出了geneva用于发现该化合物对线粒体基因的作用的分子机制的应用。图6a绘制了在ars1620处理后线粒体编码的和基因组编码的线粒体靶向的转录物的geneva池中kras.g12c系的聚集的基因表达与非线粒体基因转录物的基因表达的比较图。在ars1620处理后存活的细胞中，线粒体编码的基因和基因组编码的线粒体驻留基因显著下调。图6b绘制了geneva细胞池中每个单独的kras.g12c细胞系在ars1620处理后的有丝分裂编码的转录物的基因表达。图6c示出了来自h2030(kras.g12c)的长期ars1620耐受细胞系(30天处理本文档来自技高网...
【技术保护点】
1.一种用于评估小分子化合物的一种或多种治疗性质的方法，其包括：
2.根据权利要求1所述的方法，其中所述细胞池是生长平衡的细胞池；其中
3.根据权利要求1或2所述的方法，其中不同细胞类型的所述细胞池包含2至100种不同细胞类型。
4.根据权利要求1或2所述的方法，其中不同细胞类型的所述细胞池包含10至50种不同细胞类型。
5.根据权利要求1至4中任一项所述的方法，其中所述不同细胞类型包括从患者获得的原代细胞、来自器官系统的细胞、来自疾病模型的细胞或它们的任意组合。
6.根据权利要求1至5中任一项所述的方法，其中以三维生长所述池包括从所述池产生异种移植物。
7.根据权利要求1至5中任一项所述的方法，其中以三维生长所述池包括从所述池中产生类器官。
8.根据权利要求1至7中任一项所述的方法，其中所述一种或多种治疗性质包括所述小分子化合物用于与药物联合疗法的候选资格，其中所述方法包括基于按处理和细胞类型分类的所述单细胞转录组：
9.根据权利要求1至8中任一项所述的方法，其中所述一种或多种治疗性
10.根据权利要求1至9中任一项所述的方法，其中所述一种或多种治疗性质包括所述小分子化合物用于治疗疾病亚型的候选资格，其中所述方法包括基于按处理和细胞类型分类的所述单细胞转录组：
11.根据权利要求10所述的方法，其中所述变量选择回归算法是加权的lasso回归算法。
12.一种或多种非暂时性计算机可读介质，其包括存储在其上的指令，所述指令当由一个或多个处理器执行时使得所述一个或多个处理器以：
13.根据权利要求12所述的一种或多种非暂时性计算机可读介质，其中所述一种或多种治疗性质包括所述小分子化合物用于与药物的联合疗法的候选资格，并且当由所述一个或多个处理器执行时，所述指令进一步使得所述一个或多个处理器基于按处理和细胞类型分类的所述单细胞转录组：
14.根据权利要求12或权利要求13所述的一种或多种非暂时性计算机可读介质，其中所述一种或多种治疗性质包括所述小分子化合物的作用机制，并且当由所述一个或多个处理器执行时，所述指令进一步使得所述一个或多个处理器基于按处理和细胞类型分类的所述单细胞转录组以：
15.根据权利要求12至14中任一项所述的一种或多种非暂时性计算机可读介质，其中所述一种或多种治疗性质包括所述小分子化合物用于治疗疾病亚型的候选资格，并且当由所述一个或多个处理器执行时，所述指令进一步使得所述一个或多个处理器基于按处理和细胞类型分类的所述单细胞转录组以：
16.根据权利要求15所述的一种或多种非暂时性计算机可读介质，其中所述变量选择回归算法是加权的lasso回归算法。
17.一种用于评估小分子化合物的一种或多种治疗性质的系统，所述系统包括：
18.根据权利要求17所述的系统，其中所述一种或多种治疗性质包括所述小分子化合物用于与药物的联合疗法的候选资格，并且当由所述一个或多个处理器执行时，所述指令进一步使得所述一个或多个处理器基于按处理和细胞类型分类的所述单细胞转录组以：
19.根据权利要求17或权利要求18所述的系统，其中所述一种或多种治疗性质包括所述小分子化合物的作用机制，并且当由所述一个或多个处理器执行时，所述指令进一步使得所述一个或多个处理器基于按处理和细胞类型分类的所述单细胞转录组以：
20.根据权利要求17至19中任一项所述的系统，其中所述一种或多种治疗性质包括所述小分子化合物用于治疗疾病亚型的候选资格，并且当由所述一个或多个处理器执行时，所述指令进一步使得所述一个或多个处理器基于按处理和细胞类型分类的所述单细胞转录组以：
21.根据权利要求20所述的系统，其中所述变量选择回归算法是加权的lasso回归算法。
22.一种平衡细胞计数培养物，其包含两种或更多种不同细胞类型，所述细胞类型已经被培养持续一定的时间段，其中所述两种或更多种不同细胞类型中的每种细胞类型都具有生长速率，并且其中所述两种或更多种不同细胞类型中的每种细胞类型在培养前以与所述两种或更多种不同细胞类型中的每种细胞类型的生长速率相反的比率组合。
23.根据权利要求22所述的平衡细胞计数培养物，其中所述时间段为6小时至45天、12小时至30天、24小时至20天或72小时至14天。
24.22或23所述的平衡细胞计数培养物，其中，
25.一种平衡细胞计数培养物，其包含至少两种或更多种不同...
【技术特征摘要】
【国外来华专利技术】
1.一种用于评估小分子化合物的一种或多种治疗性质的方法，其包括：
2.根据权利要求1所述的方法，其中所述细胞池是生长平衡的细胞池；其中
3.根据权利要求1或2所述的方法，其中不同细胞类型的所述细胞池包含2至100种不同细胞类型。
4.根据权利要求1或2所述的方法，其中不同细胞类型的所述细胞池包含10至50种不同细胞类型。
5.根据权利要求1至4中任一项所述的方法，其中所述不同细胞类型包括从患者获得的原代细胞、来自器官系统的细胞、来自疾病模型的细胞或它们的任意组合。
6.根据权利要求1至5中任一项所述的方法，其中以三维生长所述池包括从所述池产生异种移植物。
7.根据权利要求1至5中任一项所述的方法，其中以三维生长所述池包括从所述池中产生类器官。
8.根据权利要求1至7中任一项所述的方法，其中所述一种或多种治疗性质包括所述小分子化合物用于与药物联合疗法的候选资格，其中所述方法包括基于按处理和细胞类型分类的所述单细胞转录组：
9.根据权利要求1至8中任一项所述的方法，其中所述一种或多种治疗性质包括所述小分子化合物的作用机制，其中所述方法包括基于按处理和细胞类型分类的所述单细胞转录组：
10.根据权利要求1至9中任一项所述的方法，其中所述一种或多种治疗性质包括所述小分子化合物用于治疗疾病亚型的候选资格，其中所述方法包括基于按处理和细胞类型分类的所述单细胞转录组：
11.根据权利要求10所述的方法，其中所述变量选择回归算法是加权的lasso回归算法。
12.一种或多种非暂时性计算机可读介质，其包括存储在其上的指令，所述指令当由一个或多个处理器执行时使得所述一个或多个处理器以：
13.根据权利要求12所述的一种或多种非暂时性计算机可读介质，其中所述一种或多种治疗性质包括所述小分子化合物用于与药物的联合疗法的候选资格，并且当由所述一个或多个处理器执行时，所述指令进一步使得所述一个或多个处理器基于按处理和细胞类型分类的所述单细胞转录组：
14.根据权利要求12或权利要求13所述的一种或多种非暂时性计算机可读介质，其中所述一种或多种治疗性质包括所述小分子化合物的作用机制，并且当由所述一个或多个处理器执行时，所述指令进一步使得所述一个或多个处理器基于按处理和细胞类型分类的所述单细胞转录组以：
15.根据权利要求12至14中任一项所述的一种或多种非暂时性计算机可读介质，其中所述一种或多种治疗性质包括所述小分子化合物用于治疗疾病亚型的候选资格，并且当由所述一个或多个处理器执行时，所述指令进一步使得所述一个或多个处理器基于按处理和细胞类型分类的所述单细胞转录组以：
16.根据权利要求15所述的一种或多种非暂时性计算机可读介质，其中所述变量选择回归算法是加权的lasso回归算法。
17.一种用于评估小分子化合物的一种或多种治疗性质的系统，所述系统包括：
18.根据权利要求17所述的系统，其中所述一种或多种治疗性质包括所述小分子化合物用于与药物的联合疗法的候选资格，并且当由所述一个或多个处理器执行时，所述指令进一步使得所述一个或多个处理器基于按处理和细胞类型分类的所述单细胞转录组以：
19.根据权利要求17或权利要求18所述的系统，其中所述一种或多种治疗性质包括所述小分子化合物的作用机制，并且当由所述一个或多个处理器执行时，所述指令进一步使得所述一个或多个处理器基于按处理和细胞类型分类的所述单细胞转录组以：
20.根据权利要求17至19中任一项所述的系统，其中所述一种或多种治疗性质包括所述小分子化合物用于治疗疾病亚型的候选资格，并且当由所述一个或多个处理器执行时，所述指令进一步使得所述一个或多个处理器基于按处理和细胞类型分类的所述单细胞转录组以：
21.根据权利要求20所述的系统，其中所述变量选择回归算法是加权的lasso回归算法。
22.一种平衡细胞计数培养物，其包含两种或更多种不同细胞类型，所述细胞类型已经被培养持续一定的时间段，其中所述两种或更多种不同细胞类型中的每种细胞类型都具有生长速率，并且其中所述两种或更多种不同细胞类型中的每种细胞类型在培养前以与所述两种或更多种不同细胞类型中的每种细胞类型的生长速率相反的比率组合。
23.根据权利要求22所述的平衡细胞计数培养物，其中所述时间段为6小时至45天、12小时至30天、24小时至20天或72小时至14天。
24.22或23所述的平衡细胞计数培养物，其中，
25.一种平衡细胞计数培养物，其包含至少两种或更多种不同细胞类型，其中所述平衡细胞计数培养物的0.2体积％至10体积％的样品包含每种不同细胞类型的至少500个细胞，其中在将两种或更多种细胞类型组合以创建细胞池并且接种于培养基中以获得所述平衡细胞计数培养物之后，在所述平衡细胞计数培养物被培养持续72小时至45天的时间段之后从所述平衡细胞计数培养物中取出所述样品。
26.一种平衡细胞计数培养物，其包含至少两种或更多种不同细胞类型，其中每种细胞类型在所述培养物中用至少1×103个细胞表示，并且其中至少两种细胞类型来源于不同的癌组织。
27.一种平衡细胞计数培养物，其包含至少两种或更多种不同细胞类型，其中每种细胞类型在所述培养物中用至少1×103个细胞表示，并且其中至少两种细胞类型包括彼此不同的癌症突变。
28.根据权利要求22至27中任一项所述的平衡细胞计数培养物，其中所述平衡细胞计数培养物包含2至100种不同细胞类型。
29.根据权利要求28所述的平衡细胞计数培养物，其中所述平衡细胞计数培养物包含10至50种不同细胞类型。
30.根据权利要求22至29中任一项所述的平衡细胞计数培养物，其中所述不同细胞类型包括具有癌症突变的细胞、来自一个或多个受试者的癌细胞、来自一个或多个受试者的原代细胞、来自器官系统的细胞、来自疾病模型的细胞、来自多种细胞系的细胞或其它们的任意组合。
31.根据权利要求22至30中任一项所述的平衡细胞计数培养物，其中所述平衡细胞计数培养物被植入模型系统中。
32.根据权利要求31所述的平衡细胞计数培养物，其中所述模型系统是体外模型系统、体内模型系统或离体模型系统。
33.一种制备具有至少两种或更多种不同细胞类型的平衡细胞计数培养物的方法，所述方法包括：
34.根据权利要求33所述的方法，其中步骤(c)的所述样品包含5,000至200,000个细胞。
35.根据权利要求33或34所述的方法，其中在步骤(c)的所述样品中存在所述两种或更多种不同细胞类型中的每种细胞类型的不少于500个活细胞。
36.根据权利要求33至35中任一项所述的方法，其中在步骤(b)中添加到所述细胞池中之后，来自所述两种或更多种不同细胞类型中的每种细胞类型的代表与如在步骤(a)中确定的该细胞类型的细胞生长速率成反比。
37.根据权利要求33至36中任一项所述的方法，其中所述平衡细胞计数培养物包含2至100种不同细胞类型。
38.根据权利要求37所述的方法，其中所述平衡细胞计数培养物包含2至50种不同细胞类型。
39.根据权利要求33至38中任一项所述的方法，其中所述确定步骤(a)的所述生长速率包括测量所述两种或更多种不同细胞类型中的每种细胞类型的生长速率。
40.根据权利要求33至39中任一项所述的方法，其中所述不同细胞类型选自具有癌症突变的细胞、来自一个或多个受试者的癌细胞、来自一个或多个受试者的原代细胞、来自器官系统的细胞、来自疾病模型的细胞、来自多种细胞系的细胞或它们的任意组合。
41.根据权利要求40所述的方法，其中所述不同细胞类型选自一种或多种异种移植物模型。
42.根据权利要求41所述的方法，其中所述异种移植物来源于患有疾病的受试者之一。
43.根据权利要求42所述的方法，其中所述疾病为肿瘤疾病。
44.根据权利要求43所述的方法，其中所述肿瘤疾病是选自头、颈、肺、皮肤、乳腺、血液、淋巴、骨、软组织、脑、眼、生殖系统、循环系统、消化系统、内分泌系统、神经系统和泌尿系统的癌症中的一种或多种的癌症。
45.根据权利要求33至44中任一项所述的方法，其中所述方法进一步包括在步骤(b)中当细胞类型具有每天0.2倍的生长速率时排除所述细胞类型。
46.根据权利要求33至45中任一项所述的方法，其中步骤(c)中的所述时间段为六小时至45天。
47.根据权利要求46所述的方法，其中步骤(c)中的所述时间段为12小时至20天。
48.根据权利要求47所述的方法，其中步骤(c)中的所述时间段为24小时至14天。
49.根据权利要求46至48中任一项所述的方法，其中步骤(c)中的所述时间段为72小时。
...
【专利技术属性】
技术研发人员：H·古达兹，约翰尼·余，
申请(专利权)人：加利福尼亚大学董事会，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。