The authors would like to acknowledge our colleagues at H3 Biomedicine for their feedback during the manuscript preparation.

1. Bewertung der GI 50 für die Verbindung (en) in der Nähe <ol><li> Erzeugen Wachstumskurve (n) für die Zelllinien von Interesse, den entsprechende Aussaatdichte zu bewerten. Zeichnen Sie die Zellzahl zu verschiedenen Zeitpunkten nach der Aussaat (Tage 2, 4, 6 und 8) in Bezug auf Tag 0. Dadurch wird eine relative Wachstumsrate der Zelllinie von Interesse bereitzustellen und sollte verwendet werden, um die anfängliche Aussaatdichte, so dass beurteilt werden Konfluenz in Platten mit 96 Vertiefungen innerhalb von 7 Tagen erreicht. </li><li> Einmal Wachstumskurven bestimmt worden sind, Saatgut geeignete Anzahl von Zellen in nicht-transparente, klare Bodenplatten mit 96 Vertiefungen in 100 &amp; mgr; l Zellmedium, um GI 50 beurteilen. Seed die Anzahl der Zellen auf der Grundlage der verwendeten Zelllinie und in 1,1 bestimmt. Typischerweise seed 3x10 3 Zellen für schnell wachsende Zelllinien mit einer Verdoppelung Zeit von ~ 24 Stunden, z. B. HCT116. <ol><li> Bereiten Sie eine Assayplatte (Tag-1). Für die Assay-Platte, Samenzellen im gewünschten Dichte in 100 ul Kulturmedium in Vertiefungen in blau schattiert (Abbildung 1). Wells markiert in weiß enthalten nur Medien. </li><li> Bereiten Sie eine Steuerplatte (Tag-1). Für die Steuerplatte, Samen der gleichen Zelldichte wie in Schritt 1.2.1 in 100 ul Kulturmedium in einem separaten 96-Well-Platte. Dieser &quot;Tag 0&quot; Messwert wird bei der Auslegung der zytostatischen / zytotoxischen Art der Verbindungen zu helfen, die analysiert wird (Abbildung 2). </li></ol></li><li> Am nächsten Tag (Tag 0), lesen Sie die Steuerplatte. Äquilibrieren Leucht Zellviabilität Reagenz (CellTiter-Glo Substrat mit Puffer nach den Anweisungen des Herstellers gemischt), um RT und vorsichtig invertiert Inhalte, um eine homogene Lösung zu erhalten. Werden 80 ul Reagenz zu den 100 ul Zell / Media-Mix und schütteln Inhalt 30 min auf Zelllyse induzieren. <ol><li> Nehmen Lumineszenz mit einem Luminometer, um einer Belichtung von 0,1 bis 1,0 sec und Detektionswellenlänge von 560 nm eingestellt. </li></ol></li><li> In Testverbindungen (Verbindungenvon Interesse), um Platten (Tag 0) testen. Machen Sie eine 1: 4 serielle Verdünnung von Verbindungen in DMSO bei 200-facher Endkonzentration für insgesamt 10 Konzentrationen (9 Verdünnungen haltigen Verbindung und einem DMSO nur, Verbindung Platte). Als Anfangsausgangspunkt, Ziel für eine 200x niedrigsten Dosis von 0,03 um und einem oberen Dosis von 2000 &amp; mgr; M (Endvolumen 200 ul). </li><li> In seriell verdünnt Verbindungen bis mittel, um eine Verbindung-Medium-Mix auf 10x Endkonzentration (Endvolumen 100 ul, Zwischenplatte) zu machen. Bewahren Sie die Verbindung Platte bei -20 ° C für den Einsatz am 3. Tag des Assays. Zugabe von 10 &amp; mgr; l der Verbindung Mittelmischung, um Zellen in dreifacher Ausführung, so dass die höchste Dosis von 10 uM (z. B. die Reihen B, C und D, Tag 0) (Abbildung 1). Inkubieren Testplatten für 3 Tage bei 37 ° C. Entsorgen Zwischenplatte (n) nach dem Gebrauch. </li><li> Am Tag 3, bereiten Sie einen 400 ul 1x Verbindung-Medium-Mix unter Verwendung der Verbindung in Platten 1.4 vorbereitet. Kehren Assayplatten Medien entfernen und trocken tupfen auf Autoclaved Papierhandtücher 2-3x Restmedien entfernen. In Verbindung / Medien (100 ul / Vertiefung) in die Vertiefungen in blau schattiert und fügen Sie 100 ul von Medien, um Umfang Brunnen, um Verdunstung (Abbildung 1) zu verhindern. Wieder inkubieren Testplatten bei 37 ° C für weitere 3 Tage. </li><li> Am Tag 6 beurteilen relative Anzahl an lebensfähigen Zellen durch Ausführen eines Lese Lumineszenz, wie in Schritt 1.3 beschrieben. </li><li> Verwenden Sie den Tag 0 Lesen, um die statische / toxische Natur der Verbindungen zu bewerten. Giftstoffe Apoptose der Erwägung, dass Zytostatika induziert Zellzyklusarrest. Wenn Verbindung toxisch ist (Tag 6 Messwert unter Tag 0 Lesung), prüfen, die Wahl GI 50 und GI 50 x 5-Konzentrationen für die Resistenz-Tests. Allerdings, wenn die Verbindung induziert Stasis (gleich oder höher ist als d0 Lesung), sollten GI 100 und GI 100 x5 für Widerstands Assays (Abbildung 2). </li></ol> 2. Einrichten Drug Resistance Assays <ol><li> Wenn Arbeits witha Zytostatikum, Samenzellen bei einer Konfluenz von 30-40% in 150 mm 2 Gewebekulturschalen (Volumen = 30 ml) für das Resistenzassay. Wenn die Arbeit mit einem toxischen Mittel, Saatgut zu einem 70-80% Zusammenfluss. </li><li> Für Zelllinien, die ein intaktes Mismatch-Reparatur (MMR) -Mechanismus beherbergen, Inkubation Zellen aus Schritt 2.1 O / N bei 37 ° C mit dem Karzinogen N-Ethyl-N-nitrosoharnstoff (ENU). Behandlung von Zellen mit 30 ul einer Stammlösung von 50 mg / ml ENU (Endkonzentration 50 ug / ml), um genomische Instabilität verstärken. Für Zelllinien, die eine defekte MMR (Tabellen 2 und 3), kann die Behandlung mit ENU oder andere Karzinogene nicht notwendig sein müssen. <ol><li> Für andere Zelllinien zu bestimmen MMR-Defizienz durch NCI Kriterien mittels Mikrosatelliteninstabilität 12 oder auf der veröffentlichten Charakterisierung mit Mikrosatelliten-Instabilität Assays oder genomische / epigenomischen Profilierung MMR-Genen 13-15 basieren. </li></ol></li><li> Genuss-Zellen mit der Testverbindung (en)Interesse an der Konzentration in Schritt 1.8 festgelegt. Für hochtoxische Verbindungen, die den Zelltod in einer typischen Drei-Tage-Lebensfähigkeitstest 10 führen, mit einer niedrigen Dosis-Behandlung (dh GI 50) beginnen und schrittweise zu erhöhen die Konzentration (ein Vielfaches von GI 50) der Verbindung alle 2-3 Wochen, bis robust Festigkeit zu beobachten ist. Aufzufüllen Medien und Verbindung alle 3 d. </li><li> Sobald die Auswahl erfolgt ist, dann Wechselmedien / Verbindung mischen alle 3-4 Tage, bis resistente Klone entstehen. Resistance per Definition ergibt sich, wenn behandelten Zellen zeigen mehr Wachstum / Lebensfähigkeit während der Medikamentenbehandlung in Bezug auf akute Behandlung von DMSO-behandelten Kontrollzellen. </li></ol> 3. Isolieren von Einzelzellklone <ol><li> Untersuchen Kulturschale unter Verwendung von Phasenkontrast-Mikroskopie (Vergrßerung 40x) lebensfähige Zellhaufen. </li><li> Filter zufriedenstellend Klone am Boden der Schale mit einem Markierungsstift. Pick-Klone, die von mittlerer Größe sind (größeren Kolonien kannstammen aus mehreren Zellen) und gut von anderen Kolonien isoliert. Pick-Klonen unter Verwendung eines der beiden Ansätze in Schritt 3.3 dargestellt. </li><li> Ansatz 1: Mit einer Pipette (Abbildung 3) <ol><li> Entfernen Wachstumsmedien und spülen Sie mit 1x PBS, alle schwimmenden Zellen zu entfernen. </li><li> Verwenden Sie schwarze Flecken als Führer zu &quot;pflücken&quot; Klonen mit Pipettenspitze (zur Pipette angebracht, p200 bevorzugt). </li><li> Transfer-Klone in 48-Well-Platten mit 200 ul frisches Medium (mit Halbverbindungskonzentration, um eine optimale Wiederherstellung von Zellen zu ermöglichen). </li><li> Lassen Sie Zellen für 2-3 Tage vor der Zugabe von 200 &amp; mgr; l frisches Medium / ideale Verbindungskonzentration zu erholen. </li><li> Weiter zum Medium / Verbindung wechseln alle 3-4 Tage und weiter, um Klone zu erweitern. </li></ol></li><li> Ansatz 2: Verwenden Cloning Discs (Abbildung 3) <ol><li> Markieren Sie Klonen, wie in Schritt 3.2 beschrieben. </li><li> Platzieren 3 mm Klonieren Scheiben in einer 10 cm-Gewebekulturschale mit 5 ml 0,25% trypsin-EDTA für 2 min. </li><li> Absaugen Medien aus Schale mit resistenten Klone und Overlay-Klone mit Trypsin getränkt Klonen Discs mit sterilen Einweg Pinzette. </li><li> Lassen Sie für 1-2 Minuten, je nachdem wie leicht Klone heben von den Platten, in einem 37 ° C Inkubator. </li><li> Pick up Klonen Discs mit einer sterilen Pinzette und Transfer in 48-Well-Platten mit 200 ul frisches Medium und die Hälfte Konzentration der Verbindung. </li><li> Pipette nach oben und unten vorsichtig, um die Zellen von Klonen Scheiben lösen und inkubieren O / N bei 37 ° C (lassen Sie das Klonen Scheiben in Brunnen). </li><li> Am nächsten Morgen, entfernen Sie die Klonen-Discs von 48-Well-Platten und füllt Vertiefungen mit 200 ul frisches Medium / Verbindung (Halb ideale Verbindungskonzentration). </li><li> Drei Tage später wieder aufzufüllen Medien mit der idealen Konzentration der Verbindung. </li><li> Weiter verändern Medien / Verbindung alle 3-4 Tage und weiter, um Klone zu erweitern. </li></ol></li></ol> 4. Bewertung Grad Reständigkeit der isolierten Klone <ol><li> Einmal 10-20 Kolonien werden expandiert, erzeugen GI 50 Kurven, wie in Schritt 1 beschrieben, um den Grad der Resistenz zu beurteilen. </li><li> Immer auch Kontrollpopulationen mit DMSO während des Auswahlprozesses behandelt. Es ist sehr wahrscheinlich, dass das Spektrum des Widerstandes geht, groß zu sein (etwas, das teilweise, während andere, die vollständige Resistenz). Sammeln einige Klone aus jeder dieser Klassen, da der Mechanismus der Resistenz kann zwischen den beiden Gruppen unterschiedlich sein. </li></ol> 5. Next-Generation-Sequencing- <ol><li> Spin down 2 Millionen Zellen (Kontrolle und resistente Klone) (500 xg für 5 min) in 15 ml konischen Röhrchen sowohl gDNA und RNA-Sammlung (also 2 x 2 Mio.). </li><li> Zweimal waschen mit 1x PBS und frieren Pellets in -80 ° C bis bereit für die Isolierung. </li><li> Verwenden Sie eine kommerzielle Extraktions-Kits zur RNA oder gDNA nach Herstellerprotokoll isolieren. </li><li> Proben für die Next-Generation-Sequenzierung abschickenVerwendung Anbieters Protokoll 10. </li></ol> 6. Bioinformatik Analyse der Proben (Ganz Exom-Sequenzierung) <ol><li> Vorverarbeitung Sequenzdaten nach Best-Practice-DNA-seq-Pipeline 16. <ol><li> Karte Alles liest menschlichen Genoms GRCh37 mit BWA 17 verweisen. Konvertieren Sie unkomprimierte SAM formatiert Ausrichtungen komprimiert BAM-Format mit samtools 18. Ausrichtungen Sortierung koordinieren mit samtools. In Lesegruppen mit Picard. (Für spezifische BWA, samtools und Picard befiehlt, siehe Zusatztext 1, Zeilen 1-4) </li><li> Markieren Sie alle Duplikate liest mit dem Befehl MarkDuplicates von der Picard-Werkzeugsatz 19. Index Diese Datei mit samtools. (Ergänzungstext 1, Zeilen 5-6) </li><li> Um übereinstimmende Basen Minimierung über alle liest, neu auszurichten lokal liest in Regionen beherbergen kleine Insertionen oder Deletionen unter Verwendung eines indel realigner 20. (Ergänzungstext 1, Zeilen 7-8) </li><li> Um die Accurac weiter zu verbesserny der Variante Berufung, empirisch Recalibrate Basisqualität Partituren mit einer Base Qualitätsfaktor Neukalibrierwerkzeug. Die Basisqualität Kalibrierwerkzeug sollte nicht nur korrekte Anfangsqualitätsfaktor, sondern auch berücksichtigen Kovariation von mehreren Funktionen, einschließlich lesen Gruppe, Maschinenzyklus, Grundstellung und Dinucleotid-Kontext (Vor- + Strom Basen) zu nehmen. Generieren Sie neu kalibriert BAM mit Picard PrintReads. (Für spezifische Befehle für diesen Schritt, siehe Zusatztext 1, Zeilen 9-10) </li><li> Wiederholen Sie die Schritte 6.1.1 bis 6.1.4 (Ergänzender Text 1, Zeilen 1-10) für jede Probe sequenziert. </li></ol></li><li> Identifizieren Sie Einzel-Nukleotid-Variation (SNV) in jedem Klon mit einem gekoppelten Variante ruft tool19, 21-23. Für jeden Klon sequenziert, ruft laufen gepaart Variante mit der elterlichen Klon als die ausgeglichene &quot;normal&quot;. (Ergänzende Text 1, Zeile 11) </li><li> Filtern sie wiederkehrende, qualitativ hochwertige Varianten und die Vorbereitungen für Annotation mit einer Variante Anmerkungswerkzeug 24. Deprioritize vaführungen nicht für alle resistenten Klone. (Siehe R-Skript im Ergänzungstext 2) </li><li> Anmerken Varianten mit einem Anmerkungswerkzeug 25, 26. Viele Variante Anmerkungswerkzeuge eine begleitende Web-App so dass Daten hochgeladen und von einem Remote-Server verarbeitet werden müssen. </li><li> Verwenden Sie einen funktionellen Auswirkungen Vorhersagewerkzeug 27-29, jene Varianten mit hohen funktionellen Auswirkungen vorhergesagt zu priorisieren. Wie Variante Annotation gibt verschiedene Tools für die funktionelle Auswirkungen Vorhersage über eine Web-Schnittstelle zur Verfügung. </li></ol>

<ol>
	<li>Sellers, W. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+blueprint+for+advancing+genetics-based+cancer+therapy.">A blueprint for advancing genetics-based cancer therapy.</a> Cell. 147 (1), 26-31 (2011).</li><li>Housman, G., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Drug+resistance+in+cancer:+an+overview.">Drug resistance in cancer: an overview.</a> Cancers (Basel). 6 (3), 1769-1792 (2014).</li><li>Balbas, M. D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Overcoming+mutation-based+resistance+to+antiandrogens+with+rational+drug+design.">Overcoming mutation-based resistance to antiandrogens with rational drug design.</a> Elife. 2, e00499 (2013).</li><li>Joseph, J. D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+clinically+relevant+androgen+receptor+mutation+confers+resistance+to+second-generation+antiandrogens+enzalutamide+and+ARN-509.">A clinically relevant androgen receptor mutation confers resistance to second-generation antiandrogens enzalutamide and ARN-509.</a> Cancer Discov. 3 (9), 1020-1029 (2013).</li><li>Korpal, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=An+F876L+mutation+in+androgen+receptor+confers+genetic+and+phenotypic+resistance+to+MDV3100+(enzalutamide).">An F876L mutation in androgen receptor confers genetic and phenotypic resistance to MDV3100 (enzalutamide).</a> Cancer Discov. 3 (9), 1030-1043 (2013).</li><li>Lawrence, M. S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Mutational+heterogeneity+in+cancer+and+the+search+for+new+cancer-associated+genes.">Mutational heterogeneity in cancer and the search for new cancer-associated genes.</a> Nature. 499 (7457), 214-218 (2013).</li><li>Gerlinger, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Intratumor+heterogeneity+and+branched+evolution+revealed+by+multiregion+sequencing.">Intratumor heterogeneity and branched evolution revealed by multiregion sequencing.</a> N Engl J Med. 366 (10), 883-892 (2012).</li><li>Whittaker, S. R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+genome-scale+RNA+interference+screen+implicates+NF1+loss+in+resistance+to+RAF+inhibition.">A genome-scale RNA interference screen implicates NF1 loss in resistance to RAF inhibition.</a> Cancer Discov. 3 (3), 350-362 (2013).</li><li>Wacker, S. A., Houghtaling, B. R., Elemento, O., Kapoor, T. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Using+transcriptome+sequencing+to+identify+mechanisms+of+drug+action+and+resistance.">Using transcriptome sequencing to identify mechanisms of drug action and resistance.</a> Nat Chem Biol. 8 (3), 235-237 (2012).</li><li>Adams, D. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=NAMPT+Is+the+Cellular+Target+of+STF-31-Like+Small-Molecule+Probes.">NAMPT Is the Cellular Target of STF-31-Like Small-Molecule Probes.</a> ACS Chem Biol. 9 (10), 2247-2254 (2014).</li><li>Bhang, H. E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Studying+clonal+dynamics+in+response+to+cancer+therapy+using+high-complexity+barcoding.">Studying clonal dynamics in response to cancer therapy using high-complexity barcoding.</a> Nat Med. 21 (5), 440-448 (2015).</li><li>Boland, C. R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+National+Cancer+Institute+Workshop+on+Microsatellite+Instability+for+cancer+detection+and+familial+predisposition:+development+of+international+criteria+for+the+determination+of+microsatellite+instability+in+colorectal+cancer.">A National Cancer Institute Workshop on Microsatellite Instability for cancer detection and familial predisposition: development of international criteria for the determination of microsatellite instability in colorectal cancer.</a> Cancer Res. 58 (22), 5248-5257 (1998).</li><li>Heinen, C. D., Richardson, D., White, R., Groden, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Microsatellite+instability+in+colorectal+adenocarcinoma+cell+lines+that+have+full-length+adenomatous+polyposis+coli+protein.">Microsatellite instability in colorectal adenocarcinoma cell lines that have full-length adenomatous polyposis coli protein.</a> Cancer Res. 55 (21), 4797-4799 (1995).</li><li>Yamada, N. A., Castro, A., Farber, R. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Variation+in+the+extent+of+microsatellite+instability+in+human+cell+lines+with+defects+in+different+mismatch+repair+genes.">Variation in the extent of microsatellite instability in human cell lines with defects in different mismatch repair genes.</a> Mutagenesis. 18 (3), 277-282 (2003).</li><li>Ahmed, D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Epigenetic+and+genetic+features+of+24+colon+cancer+cell+lines.">Epigenetic and genetic features of 24 colon cancer cell lines.</a> Oncogenesis. 2, e71 (2013).</li><li>. GATK Available from: <a target="_blank" href="https://www.broadinstitute.org/gatk/guide">https://www.broadinstitute.org/gatk/guide</a> (2015)</li><li>Li, H., Durbin, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Fast+and+accurate+long-read+alignment+with+Burrows-Wheeler+transform.">Fast and accurate long-read alignment with Burrows-Wheeler transform.</a> Bioinformatics. 26 (5), 589-595 (2010).</li><li>Li, H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+Sequence+Alignment/Map+format+and+SAMtools.">The Sequence Alignment/Map format and SAMtools.</a> Bioinformatics. 25 (16), 2078-2079 (2009).</li><li>McKenna, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+Genome+Analysis+Toolkit:+a+MapReduce+framework+for+analyzing+next-generation+DNA+sequencing+data.">The Genome Analysis Toolkit: a MapReduce framework for analyzing next-generation DNA sequencing data.</a> Genome Res. 20 (9), 1297-1303 (2010).</li><li>Cibulskis, K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Sensitive+detection+of+somatic+point+mutations+in+impure+and+heterogeneous+cancer+samples.">Sensitive detection of somatic point mutations in impure and heterogeneous cancer samples.</a> Nat Biotechnol. 31 (3), 213-219 (2013).</li><li>Larson, D. E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=SomaticSniper:+identification+of+somatic+point+mutations+in+whole+genome+sequencing+data.">SomaticSniper: identification of somatic point mutations in whole genome sequencing data.</a> Bioinformatics. 28 (3), 311-317 (2012).</li><li>Koboldt, D. C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=VarScan+2:+somatic+mutation+and+copy+number+alteration+discovery+in+cancer+by+exome+sequencing.">VarScan 2: somatic mutation and copy number alteration discovery in cancer by exome sequencing.</a> Genome Res. 22 (3), 568-576 (2012).</li><li>. Oncotator Available from: <a target="_blank" href="https://www.broadinstitute.org/oncotator">https://www.broadinstitute.org/oncotator</a> (2015)</li><li>Wang, K., Li, M., Hakonarson, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=ANNOVAR:+functional+annotation+of+genetic+variants+from+high-throughput+sequencing+data.">ANNOVAR: functional annotation of genetic variants from high-throughput sequencing data.</a> Nucleic Acids Res. 38 (16), e164 (2010).</li><li>Cingolani, P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+program+for+annotating+and+predicting+the+effects+of+single+nucleotide+polymorphisms,+SnpEff:+SNPs+in+the+genome+of+Drosophila+melanogaster+strain+w1118;+iso-2;+iso-3.">A program for annotating and predicting the effects of single nucleotide polymorphisms, SnpEff: SNPs in the genome of Drosophila melanogaster strain w1118; iso-2; iso-3.</a> Fly. 6 (2), 80-92 (2012).</li><li>Reva, B., Antipin, Y., Sander, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Predicting+the+functional+impact+of+protein+mutations:+application+to+cancer+genomics.">Predicting the functional impact of protein mutations: application to cancer genomics.</a> Nucleic Acids Res. 39 (17), (2011).</li><li>Ng, P. C., Henikoff, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=SIFT:+Predicting+amino+acid+changes+that+affect+protein+function.">SIFT: Predicting amino acid changes that affect protein function.</a> Nucleic Acids Res. 31 (13), 3812-3814 (2003).</li><li>Adzhubei, I., Jordan, D. M., Sunyaev, S. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Predicting+functional+effect+of+human+missense+mutations+using+PolyPhen-2.">Predicting functional effect of human missense mutations using PolyPhen-2.</a> Curr Protoc Hum Genet. Chapter 7, Unit 7.20 (2013).</li><li>Barretina, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+Cancer+Cell+Line+Encyclopedia+enables+predictive+modelling+of+anticancer+drug+sensitivity.">The Cancer Cell Line Encyclopedia enables predictive modelling of anticancer drug sensitivity.</a> Nature. 483 (7391), 603-607 (2012).</li><li>Abaan, O. D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+exomes+of+the+NCI-60+panel:+a+genomic+resource+for+cancer+biology+and+systems+pharmacology.">The exomes of the NCI-60 panel: a genomic resource for cancer biology and systems pharmacology.</a> Cancer Res. 73 (14), 4372-4382 (2013).</li><li>Forbes, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Cosmic+2005.">Cosmic 2005.</a> Br J Cancer. 94 (2), 318-322 (2006).</li><li>Shah, S. P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+clonal+and+mutational+evolution+spectrum+of+primary+triple-negative+breast+cancers.">The clonal and mutational evolution spectrum of primary triple-negative breast cancers.</a> Nature. 486 (7403), 395-399 (2012).</li><li>Behjati, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Recurrent+PTPRB+and+PLCG1+mutations+in+angiosarcoma.">Recurrent PTPRB and PLCG1 mutations in angiosarcoma.</a> Nat Genet. 46 (4), 376-379 (2014).</li><li>de las Alas, M. M., Aebi, S., Fink, D., Howell, S. B., Los, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Loss+of+DNA+mismatch+repair:+effects+on+the+rate+of+mutation+to+drug+resistance.">Loss of DNA mismatch repair: effects on the rate of mutation to drug resistance.</a> J Natl Cancer Inst. 89 (20), 1537-1541 (1997).</li><li>Kotani, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+novel+mutation+in+the+miR-128b+gene+reduces+miRNA+processing+and+leads+to+glucocorticoid+resistance+of+MLL-AF4+acute+lymphocytic+leukemia+cells.">A novel mutation in the miR-128b gene reduces miRNA processing and leads to glucocorticoid resistance of MLL-AF4 acute lymphocytic leukemia cells.</a> Cell Cycle. 9 (6), 1037-1042 (2010).</li><li>Straussman, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Tumour+micro-environment+elicits+innate+resistance+to+RAF+inhibitors+through+HGF+secretion.">Tumour micro-environment elicits innate resistance to RAF inhibitors through HGF secretion.</a> Nature. 487 (7408), 500-504 (2012).</li><li>Yang, X., Sexauer, A., Levis, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Bone+marrow+stroma-mediated+resistance+to+FLT3+inhibitors+in+FLT3-ITD+AML+is+mediated+by+persistent+activation+of+extracellular+regulated+kinase.">Bone marrow stroma-mediated resistance to FLT3 inhibitors in FLT3-ITD AML is mediated by persistent activation of extracellular regulated kinase.</a> Br J Haematol. 164 (1), 61-72 (2014).</li><li>Arora, V. K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Glucocorticoid+receptor+confers+resistance+to+antiandrogens+by+bypassing+androgen+receptor+blockade.">Glucocorticoid receptor confers resistance to antiandrogens by bypassing androgen receptor blockade.</a> Cell. 155 (6), 1309-1322 (2013).</li><li>Schenone, M., Dancik, V., Wagner, B. K., Clemons, P. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Target+identification+and+mechanism+of+action+in+chemical+biology+and+drug+discovery.">Target identification and mechanism of action in chemical biology and drug discovery.</a> Nat Chem Biol. 9 (4), 232-240 (2013).</li></ol>

Publikationskosten für diesen Artikel werden von H3 Biomedizin gezahlt.

Auswahl der Zelllinie (n): Charakterisierung des genetischen Zustand und genomische Instabilität Zweifellos ist die absolut wichtigste Faktor bei der erfolgreichen Aufdeckung klinisch relevanter Resistenzmechanismen der ursprüngliche Zelllinie Auswahl. Zwei Faktoren berücksichtigt werden sollten. Zunächst wollen Zelllinie (n) des gleichen Linie / Subtyp beherbergen die definierenden genetischen Merkmalen der Krankheit zu wählen (z. B. BRAF V600E in Melanom). Abfrage der öffentlich verfügbaren transkriptomischen und Mutationsdaten für beide Zellinien 30-32 und primär / Metastasierung von Tumoren für eine Vielzahl von Indikationen 33,34 wird die Auswahl zu erleichtern. Obwohl Identifizierung von Zelllinien mit klinisch relevanten genetischen Veränderungen eignet, in einigen Fällen kann dies nicht möglich sein, aufgrund des Fehlens von verfügbaren Zellinien oder durchführbar aufgrund von Faktoren, wie die Schwierigkeit und die Länge des Screening-Prozesses. <p class="jove_content"&gt; Im Hinblick auf die zuvor genannten Punkt einen zweiten Faktor, der dann während der Zelllinienauswahl prüfen, ist die Leichtigkeit oder Durchführbarkeit Widerstand Screening mit der gewünschten Linie. So kann beispielsweise Faktoren wie Proliferation und intrinsische Mutationsraten einen enormen Einfluss auf die Geschwindigkeit der Entdeckung. Zu diesem Zweck können Zelllinien mit einem schnelleren Wachstum Kinetik und mangelhaft in DNA MMR Mechanismen in der Hoffnung verwendet, dass Entstehung spontaner Widerstand beschleunigt 35 werden. Basierend auf der kosmischen Datenbank gibt es mehrere Kandidaten-Zellinien mit einem Mangel in einer der zwei häufigsten mutierte MMR-Gene, MSH2 und MLH1 (Tabellen 2 und 3). Alternativ, wenn Zelllinien von Interesse nicht Lagerdefekte bestehen in MMR, akute Behandlung mit physikalischen oder chemischen Mutagenen DNA reaktive wie Alkylierungsmittel N-Ethyl-N -nitrosourea (ENU) verwendet, um genomische Instabilität verstärken. Obwohl beide Ansätze erheblich sHORTEN die Zeit, um resistente Klone erreichen und Nachbereitung Sequenzierung Stringente funktionellen Tests auf Kandidatengenen als eine größere Anzahl von nicht-funktionellen durchgeführt werden, sind Passagier Mutationen wahrscheinlich austreten. SNVs können Rangordnung, um die Chancen für die Identifizierung funktionell relevante Mutationen zu maximieren. Erstens, die Wahl diese Mutationen, die in unabhängigen Klonen wiederkehrende werden die Wahrscheinlichkeit, diese Mutationen sind Fahrer von Widerstand zu erhöhen. Im Falle wiederholten Mutationen nicht identifiziert werden, die sich auf SNVs dass der Mechanismus der Wirkung des Arzneimittels zu passen (beispielsweise das Target oder eine bekannte nachgeschalteten Effektor des Target) kann sinnvoll sein. Letztlich ist der Goldstandard immer experimentelle Evaluierung der verleih Aktivität der Kandidaten SNVs von Eileiter cDNA-Expression in Drogenempfindlichen Elternzellen. DNA vs RNA-Sequenzierung Sobald resistenten Klonen erzeugt wurden, DNA und / oder RNAkönnen je nach Bedarf sequenziert werden. DNA-Sequenzierung, entweder Exoms oder Vollgenomsequenzierung, wird Identifizierung der Keimbahn und somatischen Varianten, wie SNPs, indels ermöglichen und Nummer des Exemplars Varianten. Während die kostenfreundlich Exoms Sequenzierung konzentriert sich auf die Erzeugungs liest aus bekannten kodierenden Regionen, werden Gesamtgenom-Sequenzierung Daten für das gesamte Genom, die die Identifizierung von Mutationen in nicht-codierenden Elemente, wie Enhancer oder miRNAs 36 zu erleichtern, kann zu erzeugen. Da Genexpressionsdaten nicht während der DNA-Sequenzierung gemessen, ist es jedoch schwierig, die Mutation (en) wahrscheinlich eine funktionelle Fahrer vorherzusagen. In dieser Hinsicht ist die Sequenzierung von RNA, obwohl teurer, bietet diesen Vorteil. Die Tatsache, dass eine Mutation aufruf nur auf exprimierten RNA-Spezies durchgeführt erhöht die Wahrscheinlichkeit, dass die Mutation von Interesse kann ein Funktionstreiber. Darüber hinaus ermöglicht eine gezieltere Befragung von Mutationen für Follow-up-Funktionstests, RNA-Sequenzierung auchbietet den zusätzlichen Vorteil, dass die Genexpression Veränderungen, alternative Spleißen und neuen chimären RNA-Spezies, einschließlich von Genfusionen, die auch als potente Fahrer Widerstand dienen kann, zu identifizieren. Bioinformatik Pipeline Beispiel Befehle werden zu Illustrationszwecken zur Verfügung gestellt, aber ausführlichere Dokumentation und Tutorials sind vom Broad Institute zur Verfügung 16 und sollte gründlich vor Beginn NGS Analyse gelesen werden. Die folgenden Befehle werden für eine UNIX-Shell-Umgebung auf einem System, auf dem alle Tools und Referenzdaten haben vorinstalliert konzipiert. Diese Befehle auch davon ausgehen, fastq Dateien mit Paired-End-Sequenz liest von zwei Proben mit dem Namen &quot;Eltern&quot; und &quot;resistent&quot;, haben Sie vom Anbieter eingegangen ist und sich im Verzeichnis &quot;data&quot; gesetzt. In den meisten Fällen sollten diese Befehle angepasst oder für eine bestimmte Anwendung, wobei Sie zusätzliche Befehlszeilen arg optimiert werdenkumente (zB das Hinzufügen &quot;-t 8&quot; auf den Befehl BWA ermöglicht Multithread-Betrieb über 8 CPU-Kerne). Lesegruppen (die Ausrichtungen, um biologische Proben zuzuordnen), müssen oft mit BAM-Dateien hinzugefügt werden, selbst wenn es nur eine Probe pro bam-Datei, um mit der Dateiformatanforderungen für bestimmte Werkzeuge entsprechen. Lesen Sie Gruppenparameter RGID, RGSM, RGPL, RGPU und RGLB können beliebige Zeichenfolgen den Beispielnamen beschreiben, Sequenzierung Plattform und Bibliothek-Strategie sein. In-vitro-vs in vivo-Assays Obwohl mehrere Resistenzmechanismen durch in vitro Selektion identifiziert wurden überprüft, um klinisch relevant, gibt es eine Möglichkeit, dass die Mechanismen können nicht als relevant oder überwiegende Mechanismen der klinischen Beständigkeit dienen. Ein Grund dafür kann eine wesentliche Rolle für die Mikroumgebung in Fahrwiderstand auf die Therapie, eine Komponente, die frei in dem Versuchsprotokoll / setup d umfassenbisher iscussed. Tatsächlich haben verschiedene Studien gezeigt, dass die Antikrebsmittel, die in der Lage sind, Tumorzellen zu töten unwirksam werden, wenn die Tumorzellen in Anwesenheit von Stromazellen impliziert angeborenen Resistenzmechanismen von Stroma 37,38 tragenen kultiviert werden. Um solche Stroma induzierte erworbenen Resistenzmechanismen zu identifizieren, kann man erwägen die Durchführung in vitro Co-Kultur oder in vivo Tumorresistenz Assays. Da erstere Assay ist ziemlich komplex, haben viele der Erzeugung von arzneimittelresistenten Tumor-Xenotransplantaten auf die potentielle Rolle des Stromas in Fahrwiderstand ansprechen gegriffen. Solche Studien beide identisch 5 und einzigartige 39 Resistenzmechanismen relativ zur in vitro-Selektion freigelegt, was bedeutet, dass das Stroma kann tatsächlich eine Rolle bei der letzteren spielen. Allerdings ist ein eingedenk der Länge der Zeit kann es zu ergreifen, um solche resistenten Tumoren zu erzeugen, und der Komplexität des Follow-up der Genomanalyse-complexitie sein müssens durch die intratumorale molekularen und zellulären Heterogenität. Zielidentifizierung Neben der Aufdeckung von Drogenresistenzmechanismen, kann dies NGS-basierte Genomprofilansatz auch angewendet werden, um zelluläre Ziele chemischer Sonden zu identifizieren. Historisch gesehen, mehrere unvoreingenommene Verfahren verwendet worden, um die zellulären Wirkmechanismen und Ziele der niedermolekularen Chemie mit biologischen Aktivitäten, einschließlich Affinitätsreinigung in Verbindung mit der quantitativen Proteomik, Hefe genomische Methoden, RNAi-Screening und Rechen Inferenz Ansätze 40 zu identifizieren. Als Erweiterung zum Aufklärung der Medikamentenresistenz-Mechanismen mit NGS-basierte genomische oder transkriptomischen Profilierung phänotypisch resistenten Zellpopulationen, die Identifizierung von einzigartigen wiederkehrenden Einzel-Nukleotid-Variationen (SNVs) oder Expression Veränderungen, die Widerstands aktivieren können Einblicke in die Funktions zellulären Ziele von Verbindungen bieten. Tsein basiert auf der Idee, dass ein Teil der beobachteten Widerstandsmechanismen rezidivierenden Mutationen in Genen, die die direkte Proteinziele des kleinen Moleküls kodieren behaftet sind. Vor kurzem validiert mehrere Berichte die Nützlichkeit des Ansatzes, vor allem durch die Kombination mit anderen Ansätzen, einschließlich Großkrebszelllinie Empfindlichkeit Profiling, um enthüllt die zellulären Ziele niedermolekularer Sonden 9,10.

Detaillierte molekulare Charakterisierung von Tumor Genome durch robuste Sequenzierungstechnologien und verbesserte Datenanalysewerkzeuge hat zur Entdeckung der wichtigsten genetischen Veränderungen in bestimmten Krebsarten 1,2 geführt. Entwicklung von gezielten Therapien bei diesen genetischen Läsionen, wie HER2, BCR-ABL, EGFR und ALK abzielen, haben sich deutlich verbessert die Lebensqualität für die Patienten 1,2. Doch trotz der Spezifität dieses Ansatzes, das klinische Ansprechen auf die meisten Einzeltherapien hat suboptimal war als Widerstand letztendlich entsteht. Vor kurzem hat bedeutende Fortschritte im Verständnis der molekularen Grundlagen der Resistenz gegen gezielte Therapeutika erzielt. Interessanterweise ist es immer klar, dass ein prominenter Mechanismus der Resistenz beinhaltet anhaltende Ziel / Signalweg-Aktivität. Als ein Beispiel dafür, Androgen-Rezeptor (AR) -dirigierten Enzalutamid Behandlung von Prostatakrebs führt zu Anreicherung von aktivierenden Mutationen im AR selbst, die Aufrechterhaltung AR-Signalisierung output in Gegenwart des Inhibitors 3-5. Diese Erkenntnis hat zu einer aggressiven Kampagne, um 1 LED) zu entwickeln Antagonisten der dritten Generation, die auch weiterhin sowohl WT und Mutanten-AR-Funktion in drücken kann Enzalutamid feste PCa 3 und 2) identifizieren potenzielle nachgeschaltete Knoten des AR-Signalisierung, die für eine therapeutische Intervention ausgerichtet werden kann . In ähnlicher Weise eine Resistenz gegen andere Klassen von Inhibitoren, wie jene für EGFR, BRAF und ABL häufig Mutationen, die die ursprüngliche süchtig-Kinase-Weg 1 Reaktivierung führen. Mit dem Wissen, dass der Widerstand zwangsläufig bei den meisten Patienten tritt, die Entwicklung von Konzepten, um zügig zu bringen, diese Mechanismen, um Licht Entwicklung wirksamer Follow-up-Therapien ermöglichen. Ein Ansatz, der vielfältig eingesetzt wird ist es, die Genomik von klinischen refraktären Tumoren in Bezug auf nicht vorbehandelten oder sensitiven Tumoren, um Anreicherungen / Abreicherungen in genetische Läsionen, die zugänglich d sein könnten analysierenTeppich Entdeckung. Trotz der Versprechen, gibt es zwei große Schulden dieser Vorgehensweise, die eine schnelle Entdeckung behindern. Erstens gewinnt rechtzeitigen Zugang zu Tumormaterial für genomische Verhör kann als eine wesentliche Hürde bei der Bewegung von der Therapie zur Heilung dienen. Zum anderen können die Entfaltung der Vielzahl von genetischen Läsionen in der beständigen Einstellung schwierig sein, da Tumoren signifikant intratumorale Heterogenität 6,7 präsentieren. Angesichts dieser Herausforderungen hat es auf präklinische Entdeckung von Resistenzmechanismen wurden verstärkt herangezogen. Dieser Ansatz kann Identifizierung von prominenten Resistenzmechanismen vor den klinischen Studien 1, die alternative klinische Managementstrategien bei Patienten, die diese Mechanismen entweder vor der Therapie oder nach dem Einsetzen des Widerstands tragen führen können zulassen. Eine solche präklinischen Discovery-Tool, das in großem Umfang verwendet wird, ist es, unvoreingenommene funktionelle RNAi-Screens gelten. Für Prüfungsweise Whittaker und Kollegen angewandt eine genomweite RNAi-Bildschirm zu erkennen, dass NF1 Verlust vermittelt Resistenz gegen RAF und MEK-Inhibitoren durch nachhaltige MAPK Signalweg-Aktivierung 8. Diese Ergebnisse wurden gefunden, um klinisch relevant wie loss-of-function Mutationen im NF1 wurden in BRAF -Mutante Tumorzellen, die intrinsisch resistent gegen RAF-Hemmung und in Melanomtumoren beständig Aktivierung 8 Vemurafenib sind beobachtet. Trotz des Erfolgs dieser Ansatz vielen klinisch relevanten Ziele werden häufig nicht identifiziert, vermutlich aufgrund der Loss-of-function-Vorspannung dieses Ansatzes. Im Gegensatz dazu ist eine weniger voreingenommen Werkzeug für präklinische Entdeckung von Resistenzmechanismen beinhaltet die Erzeugung von resistenten Zelllinien bei längerer Exposition gegenüber Verbindung von Interesse verbunden mit NGS-basierte genomische oder Transkriptom-Profiling. Dieser Ansatz wurde von mehreren Gruppen durchgeführt, um zu ermitteln spontanewiederkehrende Einzel-Nukleotid-Varianten oder Ausdruck Veränderungen, die Widerstands 5,9,10 zu ermöglichen. Zum Beispiel wurde ein wiederkehrendes F876L Mutation AR kürzlich resistente Klone in vitro 3-5 und in Xenotransplantat-Tumoren in vivo 5 vor der Identifizierung der Mutation in der Klinik 4 entdeckt. Erst kürzlich Bhang und Kollegen (2015) 11 in zwei klinisch relevanten Modellen verwendet ClonTracer, dass Mehrheit der resistente Klone, die während der verlängerten Arzneimittelexposition entstehen, waren Teil einer bereits bestehenden Subpopulation darauf hindeutet, dass die meisten funktionell relevante Mutationen zeigen, sind wahrscheinlich bereits vorbestehenden dass geworden für die bei der Auswahl 11 ausgewählt. Im Gegensatz zu der genomischen Profilierungs von Tumoren früher diskutiert, dieser Ansatz wird zudem weniger Heterogenität als &quot;homogene&quot; resistente Klone werden zur Analyse verwendet Erleichterung genauer Genetik der potentielle Fahrer. FurthermErz, aufregend, zusätzlich zu dem Potential für die Aufdeckung Resistenzmechanismen, kann dieses Verfahren auch angewendet werden, um die zellulären Mechanismen der Wirkung und Targets von bioaktiven kleinen Molekülen für die diese Information nicht bekannt ist 10 identifizieren. Angesichts der klaren Vorteile und die Mehrfachnutzung von diesem Ansatz, hier präsentieren wir ein Protokoll Detaillierung erfolgreiche Umsetzung eines solchen präklinischen Bildschirm, um das Potential für klinisch bedeutsame Entdeckungen zu maximieren.

<table><tbody><tr><td>48-well plates</td><td>Fisher Scientific</td><td>07-200-86&amp;nbsp;</td><td>Expanding clones</td></tr><tr><td>96-well plates</td><td>Fisher Scientific</td><td>07-200-588</td><td>Generating GI&lt;sub&gt;50&lt;/sub&gt; curves</td></tr><tr><td>CellTiter-Glo</td><td>Promega</td><td>G7572</td><td>Viability testing</td></tr><tr><td>Cloning discs (3 mm)</td><td>Sigma</td><td>Z374431</td><td>Picking clones</td></tr><tr><td>Sterile forceps</td><td>Unomedical</td><td>DF8088S</td><td>Picking clones</td></tr><tr><td>RNeasy Plus RNA extraction kit</td><td>Qiagen</td><td>74134</td><td>Isolating RNA</td></tr><tr><td>Blood and Tissue DNeasy extraction kit</td><td>Qiagen</td><td>69581</td><td>Isolating gDNA</td></tr><tr><td>GATK</td><td>The Broad Institute</td><td></td><td>Indel realigner</td></tr><tr><td>MuTect</td><td>The Broad Institute</td><td></td><td>Paired variant calling tool</td></tr><tr><td>Oncotator</td><td>The Broad Institute</td><td></td><td>Variant annotation tool</td></tr><tr><td>MutationAccessor</td><td>The Broad Institute</td><td></td><td>Functional impact prediction tool</td></tr></tbody></table>

implementation of in vitro drug resistance assays: maximizing the potential for uncovering clinically relevant resistance mechanisms

Although targeted therapies are initially effective, resistance inevitably emerges. Several methods, such as genetic analysis of resistant clinical specimens, have been applied to uncover these resistance mechanisms to facilitate follow-up care. Although these approaches have led to clinically relevant discoveries, difficulties in attaining the relevant patient material or in deconvoluting the genomic data collected from these specimens have severely hampered the path towards a cure. To this end, we here describe a tool for expeditious discovery that may guide improvement in first-line therapies and alternative clinical management strategies. By coupling preclinical in vitro or in vivo drug selection with next-generation sequencing, it is possible to identify genomic structural variations and/or gene expression alterations that may serve as functional drivers of resistance. This approach facilitates the spontaneous emergence of alterations, enhancing the probability that these mechanisms may be observed in the patients. In this protocol we provide guidelines to maximize the potential for uncovering single nucleotide variants that drive resistance using adherent lines.

Um das Potenzial für die Entdeckung der wichtigsten Funktionstreiber des Widerstands zu maximieren, wählen Sie Einzelzellklone für die Expansion, phänotypische Tests und Sequenzierung. Wie in 4A dargestellt ist, HCT116-Zellen über einen längeren Zeitraum mit einer zytotoxischen Verbindung # 1 führte zur spontanen Entstehung resistenter Klone, die bei der Behandlung (gestrichelte schwarze Kreise) wachsen weiter behandelt. Diese Klone wurden mit Ansatz # 1 die in Abbildung 3 und anschließend für phänotypische Analysen expandiert gerichtet. Wie in 4B gezeigt ist, resistente Klone 1-3 zeigten alle signifikanten Widerstand in die Verbindung # 1 und die enge analoge Verbindung # 2 (größere Lebensfähigkeit / Wachstum), alle Klone zeigten eine Empfindlichkeit gegenüber einem nicht verwandten zytotoxische Verbindung VELCADE. Nach der Bestätigung der phänotypischen Resistenz, gDNA wurde isoliert und für die Ganz Exom-Sequenzierung Analyse unterzogen. Bioinformatik-Tools wurden angewandt, um auf diesen Strukturvarianten einzugrenzen, dasssind 1) wiederkehrende und 2) haben das Potenzial für funktionelle Auswirkungen (5A). Strukturvarianten, die diese beiden Kriterien erfüllt wurden von einem unabhängigen Sequenzierungswerkzeug bestätigt. Wie in 5B, einem heterozygoten Missense-Mutation, die mit Ganz Exoms Sequenzierung wurde mit der Sanger-Sequenzierverfahren bestätigt identifiziert wurde, dargestellt (obere Tafel, WT Sequenz; untere Platte, mutierten Sequenz). Nach Sequenzbestätigung, die elterliche Zelllinie, die ursprünglich für den Widerstand Test verwendet wurde gentechnisch verändert, um das mutierte cDNA exprimieren funktionell bestätigen die Rolle der Mutation. Wie in Figur 6 dargestellt, während die Überexpression des WT cDNA konnte Resistenz, erzwungene Expression der mutierten cDNA deutlich tragenen phänotypischen Resistenz zu Verbindung # 1, bestätigt die funktionelle Rolle dieses Strukturvariation als Fahrer des Widerstands. Alle Reagenzien für dieses Experiment sind in der Tabelle 1 umrissen </s<html> trong&gt;. <img alt="Abbildung 1" src="/files/ftp_upload/52879/52879fig1.jpg" /> Abbildung 1. Aufbau des Assays und Steuerplatten. Blauton, Verbindung Behandlung Brunnen. Weiß Schatten, nur Medium. Verbindungen werden seriell verdünnt 1: 4 und in Triplikaten (BD oder EG) verabreicht. 2 Verbindungen pro Platte aufgebracht werden. <img alt="Figur 2" src="/files/ftp_upload/52879/52879fig2.jpg" /> Abbildung 2. Repräsentative Lebensfähigkeit Kurven. Rot gepunktete Linie stellt den Tag 0 Lesen. X-Achse zeigt die steigende Dosen der Verbindung nach rechts und y-Achse relativ zur Lebensfähigkeit DMSO Kontrollvertiefungen darstellt. GI 100 = Dosis verwendet werden, um 100% Wachstumshemmung zu erreichen; GI 50 = Dosis verwendet werden, um die Lebensfähigkeit von 50% des DMSO-Kontrolle zu reduzieren. _upload / 52.879 / 52879fig3.jpg &quot;/&gt; Abbildung 3. Zwei Ansätze für die Kommissionierung resistente Klone für Expansion. Anfahrt 1- Verwendung Pipette abholen und Transfer gut definierten Klone auf 48-Well-Platten. Ansatz 2- Verwendung Trypsin getränkten Klonierung Scheiben, um Klone zu heben und zu übertragen, um Platten mit 48 Vertiefungen. <img alt="Figur 4" src="/files/ftp_upload/52879/52879fig4.jpg" /> Figur 4. Bestätigung der für HCT116-Klonen erreicht werden, um Verbindung # 1 in vitro-Resistenz. (A) Verbindung # 1 beständigen HCT116 Klone entstanden folgende kontinuierliche dreiwöchigen Selektion. (B) Die Lebensfähigkeit der Kontrolle und resistente Klone wurden nach 72 h Behandlung mit verschiedenen Verbindungen getestet. Verbindung # 2 ist ein enger Analogon von Verbindung # 1. Bortezomib wurde als Kontrolle zytotoxische Mittel verwendet. Die Daten sind als mittlere + Standardabweichung von drei biologischen Wiederholungen gezeigt. Abbildung 5. Identifizierung eines einzigartigen, wiederkehrende Mutation (Einzel-Nukleotid-Varianten, SNVs) im Gen A in Verbindung # 1 feste HCT116 Klone. (A) Arbeitsablauf in allen resistenten Klonen vorhanden SNVs identifizieren und vorhergesagt, dass eine hohe funktionelle Auswirkungen haben von MutationAssessor. (B) Bestätigung der Mutation im Gen für eine durch die Sanger-Sequenzierung. <img alt="Figur 6" src="/files/ftp_upload/52879/52879fig6.jpg" /> Abbildung 6. Re-Expression des mutierten Gens A tragenen Widerstand zu Verbindung # 1 in vitro. Die Lebensfähigkeit der engineered HCT116-Zelllinien wurde nach 72 h Behandlung mit der Verbindung # 1 getestet. HCT116-WT oder mutierten Zellinien werden stabil exprimierende WT oder mutierten cDNAs von Gen A verbunden. Die Daten sind als mittlere + Standardabweichung o gezeigtf drei biologischen Replikaten. <table><tbody><tr><td> Sample Name </td><td> Aminosäure </td><td colspan="2"> Primärgewebe </td><td> Zygosität </td></tr><tr><td> C-33-A </td><td> p.E768fs * 44 </td><td colspan="2"> Gebärmutterhals </td><td> Heterozygot </td></tr><tr><td> C-33-A </td><td> p.S860 * </td><td colspan="2"> Gebärmutterhals </td><td> Heterozygot </td></tr><tr><td> CML-T1 </td><td> p.? </td><td colspan="2"> haematopoietic_and_lymphoid_tissue </td><td> Homozygot </td></tr><tr><td> CP66-MEL </td><td> p.C822F </td><td colspan="2"> Haut </td><td> Heterozygot </td></tr><tr><td> CTV-1 </td><td> P.0? </td><td colspan="2"> haematopoietic_and_lymphoid_tissue </td><td> Homozygot </td></tr><tr><td> EFO-27 </td><td> p.Q130fs * 2 </td><td colspan="2"> Eierstock </td><td> Heterozygot </td></tr><tr><td> EFO-27 </td><td> p.? </td><td colspan="2"> Eierstock </td><td> Heterozygot </td></tr><tr> &lt;td&gt; HCC2218 </td><td> p.E467K </td><td colspan="2"> Brust </td><td> Heterozygot </td></tr><tr><td> J-RT3-T3-5 </td><td> p.R711 * </td><td colspan="2"> haematopoietic_and_lymphoid_tissue </td><td> Homozygot </td></tr><tr><td> LNCaP </td><td> p.? </td><td colspan="2"> Prostata </td><td> Homozygot </td></tr><tr><td> LoVo </td><td> p.? </td><td colspan="2"> Dickdarm </td><td> Homozygot </td></tr><tr><td> MOLT-13 </td><td> p.R711 * </td><td colspan="2"> haematopoietic_and_lymphoid_tissue </td><td> Homozygot </td></tr><tr><td> NALM-6 </td><td> p.? </td><td colspan="2"> haematopoietic_and_lymphoid_tissue </td><td> Homozygot </td></tr><tr><td> NCI-H630 </td><td> p.R680 * </td><td colspan="2"> Dickdarm </td><td> Heterozygot </td></tr><tr><td> Skut-1 </td><td> p.L787fs * 11 </td><td colspan="2"> Endometrium </td><td> Homozygot </td></tr><tr><td> Skut-1B </td><td> pL787fs * 11 </td><td colspan="2"> Endometrium </td><td> Homozygot </td></tr><tr><td> SUP-T1 </td><td> p.? </td><td colspan="2"> haematopoietic_and_lymphoid_tissue </td><td> Homozygot </td></tr></tbody></table> Tabelle 1 MSH2 -mutated Zelllinien. Zelllinie (Probenname), Aminosäuresubstitution, die Linie der Herkunft und die Zygotie angegeben. <table><tbody><tr><td> Sample Name </td><td> Aminosäure </td><td colspan="2"> Primärgewebe </td><td> Zygosität </td></tr><tr><td> CCRF-CEM </td><td> p.R100 * </td><td colspan="2"> haematopoietic_and_lymphoid_tissue </td><td> Heterozygot </td></tr><tr><td> CCRF-CEM </td><td> p.? </td><td colspan="2"> haematopoietic_and_lymphoid_tissue </td><td> Heterozygot </td></tr><tr><td> CW-2 </td><td> p.Y130fs * 6 </td><td colspan="2"> Dickdarm </td><td> Homozygot </td></tr><tr><td> DU-145 </td><td> p.? </td&gt; <td colspan="2"> Prostata </td><td> Homozygot </td></tr><tr><td> GR-ST </td><td> p.? </td><td colspan="2"> haematopoietic_and_lymphoid_tissue </td><td> Homozygot </td></tr><tr><td> HCT-116- </td><td> p.S252 * </td><td colspan="2"> Dickdarm </td><td> Homozygot </td></tr><tr><td> IGROV-1 </td><td> p.S505fs * 3 </td><td colspan="2"> Eierstock </td><td> Homozygot </td></tr><tr><td> MN-60 </td><td> p.? </td><td colspan="2"> haematopoietic_and_lymphoid_tissue </td><td> Homozygot </td></tr><tr><td> NCI-SNU-1 </td><td> p.R226 * </td><td colspan="2"> Bauch </td><td> Homozygot </td></tr><tr><td> P30-OHK </td><td> p.? </td><td colspan="2"> haematopoietic_and_lymphoid_tissue </td><td> Homozygot </td></tr><tr><td> PR-Mel </td><td> p.? </td><td colspan="2"> Haut </td><td> Homozygot </td></tr><tr><td> REH </td><td> p.? </td><td colspan="2"> haematopoietic_and_lymphoid_tissue </td&gt; <td> Homozygot </td></tr><tr><td> SK-OV-3 </td><td> P.0? </td><td colspan="2"> Eierstock </td><td> Homozygot </td></tr><tr><td> SNU-1544 </td><td> p.S2L </td><td colspan="2"> Dickdarm </td><td> Heterozygot </td></tr><tr><td> SNU-1746 </td><td> p.E523K </td><td colspan="2"> Dickdarm </td><td> Homozygot </td></tr><tr><td> SNU-324 </td><td> p.C233R </td><td colspan="2"> Pankreas </td><td> Heterozygot </td></tr><tr><td> SNU-324 </td><td> p.V384D </td><td colspan="2"> Pankreas </td><td> Heterozygot </td></tr><tr><td> SNU-478 </td><td> p.V384D </td><td colspan="2"> Pankreas </td><td> Heterozygot </td></tr></tbody></table> Tabelle 2. MLH1 -mutated Zelllinien. Zelllinie (Probenname), Aminosäuresubstitution, die Linie der Herkunft und die Zygotie angegeben.

Watch this Scientific Journal Video about Implementation of In Vitro Drug Resistance Assays: Maximizing the Potential for Uncovering Clinically Relevant Resistance Mechanisms at JoVE.com

Implementation of In Vitro Drug Resistance Assays: Maximizing the Potential for Uncovering Clinically Relevant Resistance Mechanisms

Drug Resistenz gegen gezielte Therapeutika ist weit verbreitet und die Notwendigkeit, die Mechanismen der Resistenz zu identifizieren - vor oder nach dem klinischen Einsetzen - ist entscheidend für die Führung alternative klinische Management-Strategien. Hier präsentieren wir ein Protokoll zu koppeln, Ableitung von Medikamenten-resistenten Linien in vitro mit Sequenzierung zur Entdeckung dieser Mechanismen zu beschleunigen.

Implementierung von<em&gt; In-vitro-</em&gt; Drug Resistance Assays: Maximierung des Potenzials für die Aufdeckung klinisch relevanter Resistenzmechanismen

Although targeted therapies are initially effective, resistance inevitably emerges. Several methods, such as genetic analysis of resistant clinical ...

implementation-vitro-drug-resistance-assays-maximizing-potential-for

Universidad San Sebastian

Research

JoVE Journal

Medicine

Implementation of In Vitro Drug Resistance Assays: Maximizing the Potential for Uncovering Clinically Relevant Resistance Mechanisms

10.5K Aufrufe.  H3 Biomedicine.  Drug Resistenz gegen gezielte Therapeutika ist weit verbreitet und die Notwendigkeit, die Mechanismen der Resistenz zu identifizieren - vor oder nach dem klinischen Einsetzen - ist entscheidend für die Führung alternative klinische Management-Strategien. Hier präsentieren wir ein Protokoll zu koppeln, Ableitung von Medikamenten-resistenten Linien in vitro mit Sequenzierung zur Entdeckung dieser Mechanismen zu beschleunigen. 

Serie: Implementation of In Vitro Drug Resistance Assays: Maximizing the Potential for Uncovering Clinically Relevant Resistance Mechanisms

Using RNA-sequencing to Detect Novel Splice Variants Related to Drug Resistance in In Vitro Cancer Models

Drug resistance remains a major problem in the treatment of cancer for both hematological malignancies and solid tumors. Intrinsic or acquired resistance can be caused by a range of mechanisms, including increased drug elimination, decreased drug uptake, drug inactivation and alterations of drug targets. Recent data showed that other than by well-known genetic (mutation, amplification) and epigenetic (DNA hypermethylation, histone post-translational modification) modifications, drug resistance mechanisms might also be regulated by splicing aberrations. This is a rapidly growing field of investigation that deserves future attention in order to plan more effective therapeutic approaches. The protocol described in this paper is aimed at investigating the impact of aberrant splicing on drug resistance in solid tumors and hematological malignancies. To this goal, we analyzed the transcriptomic profiles of several in vitro models through RNA-seq and established a qRT-PCR based method to validate candidate genes. In particular, we evaluated the differential splicing of DDX5 and PKM transcripts. The aberrant splicing detected by the computational tool MATS was validated in leukemic cells, showing that different DDX5 splice variants are expressed in the parental vs. resistant cells. In these cells, we also observed a higher PKM2/PKM1 ratio, which was not detected in the Panc-1 gemcitabine-resistant counterpart compared to parental Panc-1 cells, suggesting a different mechanism of drug-resistance induced by gemcitabine exposure.

Using RNA-sequencing to Detect Novel Splice Variants Related to Drug Resistance in In Vitro Cancer Models

Here we describe a protocol aimed at investigating the impact of aberrant splicing on drug resistance in solid tumors and hematological malignancies. To this goal, we analyzed the transcriptomic profiles of parental and resistant in vitro models through RNA-seq and established a qRT-PCR based method to validate candidate genes.

Mit RNA-Sequenzierung Neuartige Splice-Varianten zu Arzneimittelresistenz mit Bezug zu erkennen in<em&gt; In Vitro</em&gt; Cancer Models

Drug resistance remains a major problem in the treatment of cancer for both hematological malignancies and solid tumors. Intrinsic or acquired resistance ...

Forschung

Krebsforschung

Establishing Dual Resistance to EGFR-TKI and MET-TKI in Lung Adenocarcinoma Cells In Vitro with a 2-step Dose-escalation Procedure

Drug resistance is a major challenge in cancer therapy. The generation of resistant sublines in vitro is necessary for discovering novel mechanisms to overcome this challenge. Here, a 2-step dose-escalation method for establishing dual-resistance to an epidermal growth factor receptor (EGFR)-tyrosine kinase inhibitor (TKI), gefitinib, and a MET-TKI, PHA665752, is described. This method is based on simple stepwise dose-escalation of inhibitors for inducing acquired resistance in cell lines. The alternate method for generating resistant sublines involves exposing the cells to high concentrations of the inhibitor in one step. The stepwise dose-escalation method has a higher possibility of successfully inducing acquired resistance than this method. Activating EGFR mutations are biomarkers of a response to treatment with EGFR-TKI, which is an applied first-line treatment for non-small cell lung cancers (NSCLC) that harbor these mutations. However, despite reports of effective responses, the use of EGFR-TKI is limited because tumors inevitably acquire resistance. The major mechanisms behind EGFR-TKI resistance include a secondary mutation at the gatekeeper site, T790M in exon 20 of EGFR, and a bypass signal of MET. Thus, a potential solution for this issue would be a combination of EGFR-TKI and MET-TKI. This combined treatment has been shown to be effective in an in vitro study model. Acquired gefitinib-resistance was established through MET-amplification by stepwise dose-escalation of gefitinib for 12 months, and a cell line named PC-9MET1000 was generated in a previous study. To further investigate the mechanisms of acquired MET-TKI and EGFR-TKI resistance, a MET-TKI, PHA665752, was administered to these cells with stepwise dose-escalation in the presence of gefitinib for 12 months. This protocol has also been successfully applied for a number of combination therapies to establish acquired resistance to other inhibitor molecules.

Establishing Dual Resistance to EGFR-TKI and MET-TKI in Lung Adenocarcinoma Cells In Vitro with a 2-step Dose-escalation Procedure

An in vitro method for establishing dual resistance to an EGFR-TKI and a MET-TKI in cancer cells is described. This method is useful for developing treatments for patients with EGFR-mutations, who exhibit disease progression despite EGFR-TKI treatment with MET-amplification. It can also be modified for inhibitors targeting other molecules.

Doppelte Resistenz gegen EGFR-TKI und traf TKI etablieren in Lunge Adenokarzinom Zellen In Vitro mit einem 2-stufigen Dosiseskalation Verfahren

Drug resistance is a major challenge in cancer therapy. The generation of resistant sublines in vitro is necessary for discovering novel mechanisms to ...

Protocols for Robust Herbicide Resistance Testing in Different Weed Species

Robust protocols to test putative herbicide resistant weed populations at whole plant level are essential to confirm the resistance status. The presented protocols, based on whole-plant bioassays performed in a greenhouse, can be readily adapted to a wide range of weed species and herbicides through appropriate variants. Seed samples from plants that survived a field herbicide treatment are collected and stored dry at low temperature until used. Germination methods differ according to weed species and seed dormancy type. Seedlings at similar growth stage are transplanted and maintained in the greenhouse under appropriate conditions until plants have reached the right growth stage for herbicide treatment. Accuracy is required to prepare the herbicide solution to avoid unverifiable mistakes. Other critical steps such as the application volume and spray speed are also evaluated. The advantages of this protocol, compared to others based on whole plant bioassays using one herbicide dose, are related to the higher reliability and the possibility of inferring the resistance level. Quicker and less expensive in vivo or in vitro diagnostic screening tests have been proposed (Petri dish bioassays, spectrophotometric tests), but they provide only qualitative information and their widespread use is hindered by the laborious set-up that some species may require. For routine resistance testing, the proposed whole plant bioassay can be applied at only one herbicide dose, so reducing the costs.

A robust and flexible approach to confirm herbicide resistance in weed populations is presented. This protocol allows the herbicide resistance levels to be inferred and applied to a wide range of weed species and herbicides with minor adaptations.

Protokolle für Robust Herbizidresistenz Testing in verschiedene Unkrautarten

Robust protocols to test putative herbicide resistant weed populations at whole plant level are essential to confirm the resistance status. The presented ...

Umwelt

Looking for Driver Pathways of Acquired Resistance to Targeted Therapy: Drug Resistant Subclone Generation and Sensitivity Restoring by Gene Knock-down

The past two decades have seen a shift from cytotoxic drugs to targeted therapy in medical oncology. Although targeted therapeutic agents have shown more impressive clinical efficacy and minimized adverse effects than traditional treatments, drug resistance has become the main limitation to their benefits. Several preclinical in vitro/in vivo models of acquired resistance to targeted agents in clinical practice have been developed mainly by using two strategies: i) genetic manipulation for modeling genotypes of acquired resistance, and ii) in vitro/in vivo selection of resistant models. In the present work, we propose a unifying framework, for investigating the underlying mechanisms responsible for acquired resistance to targeted therapeutic agents, starting from the generation of drug-resistant cellular subclones to the description of silencing procedures used for restoring the sensitivity to the inhibitor. This simple time- and cost-effective approach is widely applicable, and could be easily extended to investigate resistance mechanisms to other targeted therapeutic drugs in different tumor histotypes.

This is a time- and cost-effective in vitro protocol investigating the mechanisms of acquired resistance to targeted therapeutic agents, which is a highly unmet medical need in cancer management.

Auf der Suche nach Treiber Wege erworbene Resistenz auf die gezielte Therapie: resistente Subclone Generation und Sensibilität wiederherzustellen, indem Sie Gene Knock-down-

The past two decades have seen a shift from cytotoxic drugs to targeted therapy in medical oncology. Although targeted therapeutic agents have shown more ...

High-throughput Identification of Synergistic Drug Combinations by the Overlap2 Method

Although antimicrobial drugs have dramatically increased the lifespan and quality of life in the 20th century, antimicrobial resistance threatens our entire society's ability to treat systemic infections. In the United States alone, antibiotic-resistant infections kill approximately 23,000 people a year and cost around 20 billion USD in additional healthcare. One approach to combat antimicrobial resistance is combination therapy, which is particularly useful in the critical early stage of infection, before the infecting organism and its drug resistance profile have been identified. Many antimicrobial treatments use combination therapies. However, most of these combinations are additive, meaning that the combined efficacy is the same as the sum of the individual antibiotic efficacy. Some combination therapies are synergistic: the combined efficacy is much greater than additive. Synergistic combinations are particularly useful because they can inhibit the growth of antimicrobial drug resistant strains. However, these combinations are rare and difficult to identify. This is due to the sheer number of molecules needed to be tested in a pairwise manner: a library of 1,000 molecules has 1 million potential combinations. Thus, efforts have been made to predict molecules for synergy. This article describes our high-throughput method for predicting synergistic small molecule pairs known as the Overlap2 Method (O2M). O2M uses patterns from chemical-genetic datasets to identify mutants that are hypersensitive to each molecule in a synergistic pair but not to other molecules. The Brown lab exploits this growth difference by performing a high-throughput screen for molecules that inhibit the growth of mutant but not wild-type cells. The lab's work previously identified molecules that synergize with the antibiotic trimethoprim and the antifungal drug fluconazole using this strategy. Here, the authors present a method to screen for novel synergistic combinations, which can be altered for multiple microorganisms.

High-throughput Identification of Synergistic Drug Combinations by the Overlap2 Method

Synergistic drug combinations are difficult and time-consuming to identify empirically. Here, we describe a method for identifying and validating synergistic small molecules.

Hochdurchsatz-Identifizierung von synergistischen Wirkstoffkombinationen durch die Überlappung2 Methode

Although antimicrobial drugs have dramatically increased the lifespan and quality of life in the 20th century, antimicrobial resistance threatens our ...

Genetik

Patient-Derived Tumor Explants As a "Live" Preclinical Platform for Predicting Drug Resistance in Patients

An understanding of drug resistance and the development of novel strategies to sensitize highly resistant cancers rely on the availability of suitable preclinical models that can accurately predict patient responses. One of the disadvantages of existing preclinical models is the inability to contextually preserve the human tumor microenvironment (TME) and accurately represent intratumoral heterogeneity, thus limiting the clinical translation of data. By contrast, by representing the culture of live fragments of human tumors, the patient-derived explant (PDE) platform allows drug responses to be examined in a three-dimensional (3D) context that mirrors the pathological and architectural features of the original tumors as closely as possible. Previous reports with PDEs have documented the ability of the platform to distinguish chemosensitive from chemoresistant tumors, and it has been shown that this segregation is predictive of patient responses to the same chemotherapies. Simultaneously, PDEs allow the opportunity to interrogate molecular, genetic, and histological features of tumors that predict drug responses, thereby identifying biomarkers for patient stratification as well as novel interventional approaches to sensitize resistant tumors. This paper reports PDE methodology in detail, from collection of patient samples through to endpoint analysis. It provides a detailed description of explant derivation and culture methods, highlighting bespoke conditions for particular tumors, where appropriate. For endpoint analysis, there is a focus on multiplexed immunofluorescence and multispectral imaging for the spatial profiling of key biomarkers within both tumoral and stromal regions. By combining these methods, it is possible to generate quantitative and qualitative drug response data that can be related to various clinicopathological parameters and thus potentially be used for biomarker identification.

This paper describes methods for the generation, drug treatment, and analysis of patient-derived explants for assessing tumor drug responses in a live, patient-relevant, preclinical model system.

Patienten-abgeleitete Tumor-Explantate als "Live" präklinische Plattform zur Vorhersage von Arzneimittelresistenzen bei Patienten

An understanding of drug resistance and the development of novel strategies to sensitize highly resistant cancers rely on the availability of suitable ...

Pooled shRNA Library Screening to Identify Factors that Modulate a Drug Resistance Phenotype

Understanding clinically relevant driver mechanisms of acquired chemo-resistance is crucial for elucidating ways to circumvent resistance and improve survival in patients with acute myeloid leukemia (AML). A small fraction of leukemic cells that survive chemotherapy have a poised epigenetic state to tolerate chemotherapeutic insult. Further exposure to chemotherapy allows these drug persister cells to attain a fixed epigenetic state, which leads to altered gene expression, resulting in the proliferation of these drug-resistant populations and eventually relapse or refractory disease. Therefore, identifying epigenetic modulations that necessitate the survival of drug-resistant leukemic cells is critical. We detail a protocol to identify epigenetic modulators that mediate resistance to the nucleoside analog cytarabine (AraC) using pooled shRNA library screening in an acquired cytarabine-resistant AML cell line. The library consists of 5,485 shRNA constructs targeting 407 human epigenetic factors, which allows high-throughput epigenetic factor screening.

High-throughput RNA interference (RNAi) screening using a pool of lentiviral shRNAs can be a tool to detect therapeutically relevant synthetic lethal targets in malignancies. We provide a pooled shRNA screening approach to investigate the epigenetic effectors in acute myeloid leukemia (AML).

Gepooltes shRNA-Bibliotheksscreening zur Identifizierung von Faktoren, die einen Phänotyp der Arzneimittelresistenz modulieren

Understanding clinically relevant driver mechanisms of acquired chemo-resistance is crucial for elucidating ways to circumvent resistance and improve ...

An Affordable HIV-1 Drug Resistance Monitoring Method for Resource Limited Settings

HIV-1 drug resistance has the potential to seriously compromise the effectiveness and impact of antiretroviral therapy (ART). As ART programs in sub-Saharan Africa continue to expand, individuals on ART should be closely monitored for the emergence of drug resistance. Surveillance of transmitted drug resistance to track transmission of viral strains already resistant to ART is also critical. Unfortunately, drug resistance testing is still not readily accessible in resource limited settings, because genotyping is expensive and requires sophisticated laboratory and data management infrastructure. An open access genotypic drug resistance monitoring method to manage individuals and assess transmitted drug resistance is described. The method uses free open source software for the interpretation of drug resistance patterns and the generation of individual patient reports. The genotyping protocol has an amplification rate of greater than 95% for plasma samples with a viral load &#62;1,000 HIV-1 RNA copies/ml. The sensitivity decreases significantly for viral loads &#60;1,000 HIV-1 RNA copies/ml. The method described here was validated against a method of HIV-1 drug resistance testing approved by the United States Food and Drug Administration (FDA), the Viroseq genotyping method. Limitations of the method described here include the fact that it is not automated and that it also failed to amplify the circulating recombinant form CRF02_AG from a validation panel of samples, although it amplified subtypes A and B from the same panel.

Drug resistance testing for HIV-1 infected individuals failing antiretroviral therapy (ART) can guide future therapies and improve treatment outcomes. Optimizing individual and population health outcomes in high HIV prevalence but resource-limited settings will ultimately require affordable and accessible drug resistance genotyping and interpretation methods.

Eine erschwingliche HIV-1 Drug Resistance Überwachungsmethode für Ressourcen Begrenzte Einstellungen

HIV-1 drug resistance has the potential to seriously compromise the effectiveness and impact of antiretroviral therapy (ART). As ART programs in ...

Medizin

Evaluating the Effectiveness of Cancer Drug Sensitization In Vitro and In Vivo

Due to the high level of heterogeneity and mutations inherent in human cancers, single agent therapies, or combination regimens which target the same pathway, are likely to fail. Emphasis must be placed upon the inhibition of pathways that are responsible for intrinsic and/or adaptive resistance to therapy. An active field of investigation is the development and testing of DNA repair inhibitors that promote the action of, and prevent resistance to, commonly used chemotherapy and radiotherapy. We used a novel protocol to evaluate the effectiveness of BRCA2 inhibition as a means to sensitize tumor cells to the DNA damaging drug cisplatin. Tumor cell metabolism (acidification and respiration) was monitored in real-time for a period of 72 hr to delineate treatment effectiveness on a minute by minute basis. In combination, we performed an assessment of metastatic frequency using a chicken embryo chorioallantoic membrane (CAM) model of extravasation and invasion. This protocol addresses some of the weaknesses of commonly used in vitro and in vivo methods to evaluate novel cancer therapy regimens. It can be used in addition to common methods such as cell proliferation assays, cell death assays, and in vivo murine xenograft studies, to more closely discriminate amongst candidate targets and agents, and select only the most promising candidates for further development.

Evaluating the Effectiveness of Cancer Drug Sensitization In Vitro and In Vivo

Here, real-time monitoring of tumor cell metabolism, combined with an in vivo chicken embryo chorio-allantoic membrane (CAM) model of metastasis, are used to evaluate novel anti-cancer targets/agents for their ability to sensitize tumor cells to DNA damaging chemotherapeutics.

Bewertung der Wirksamkeit der Krebsmedikament Sensibilisierung<em&gt; In-vitro-</em&gt; Und<em&gt; In-vivo-</em

Due to the high level of heterogeneity and mutations inherent in human cancers, single agent therapies, or combination regimens which target the same ...

A Method for Screening and Validation of Resistant Mutations Against Kinase Inhibitors

The discovery of BCR/ABL as a driver oncogene in chronic myeloid leukemia (CML) resulted in the development of Imatinib, which, in fact, demonstrated the potential of targeting the kinase in cancers by effectively treating the CML patients. This observation revolutionized drug development to target the oncogenic kinases implicated in various other malignancies, such as, EGFR, B-RAF, KIT and PDGFRs. However, one major drawback of anti-kinase therapies is the emergence of drug resistance mutations rendering the target to have reduced or lost affinity for the drug. Understanding the mechanisms employed by resistant variants not only helps in developing the next generation inhibitors but also gives impetus to clinical management using personalized medicine. We reported a retroviral vector based screening strategy to identify the spectrum of resistance conferring mutations in BCR/ABL, which has helped in developing the next generation BCR/ABL inhibitors. Using Ruxolitinib and JAK2 as a drug target pair, here we describe in vitro screening methods that utilizes the mouse BAF3 cells expressing the random mutation library of JAK2 kinase.

Emergence of genetic resistance against kinase inhibitor therapy poses significant challenge for effective cancer therapy. Identification and characterization of resistant mutations against a newly developed drug helps in better clinical management and next generation drug design. Here, we describe our protocol for in vitro screening and validation of resistant mutations.

Verfahren zum Screening und Validierung von Beständig Mutationen Vor-Inhibitoren

The discovery of BCR/ABL as a driver oncogene in chronic myeloid leukemia (CML) resulted in the development of Imatinib, which, in fact, demonstrated the ...

Implementierung von

Zusammenfassung

Weitere Videos entdecken

Kapitel in diesem Video

Mit RNA-Sequenzierung Neuartige Splice-Varianten zu Arzneimittelresistenz mit Bezug zu erkennen in