질병 모델링
종양, 기관, 조직을 모델링하기 위해 3D 세포 구조를 사용하여 중개 연구를 가속화합니다.
질병 모델링이란?
질병 모델링은 통제된 환경에서 질병의 행동을 모방하는 대표 시스템의 생성을 포함하는 생물의학 연구의 기본적인 측면입니다. 이러한 모델은 연구자가 질병의 기본 기전에 대한 통찰력을 얻고, 잠재적 치료법의 효과를 테스트하고, 궁극적으로 환자 치료 개선을 위한 준비를 하는 데 도움이 됩니다.
질병 모델 시스템은 단순한 2D 세포 배양부터 복잡한 모델 유기체까지 복잡성과 규모가 다양합니다. 모델 유기체는 생체 내 환경을 제공하지만 종종 비용이 많이 들고 인간에서의 생물학을 나타내지 않을 수 있습니다. 반면, 전통적인 2D 세포 배양 시스템은 수년 동안 사용되어 왔지만, 살아있는 조직에서 발견되는 복잡한 3D 구조와 세포간 상호작용을 표현하는데 한계가 있습니다. 그 결과, 3D 세포 배양은 질병 모델링을 위한 매력적인 모델 시스템으로 부상했습니다.
온디맨드 웨비나에 등록하세요. 답변 검색: 환자 유래 종양에 실험실 자동화를 사용하여 임상적으로 공격적인 암에 대한 보다 적절한 치료법을 찾습니다.
인간 질병 연구를 위한 3D Cell Model 활용
3D Cell Model은 생체 내 조직과 기관 복잡성의 주요 측면을 요약하므로 인간 질병을 연구하는 데 적합합니다. 3D 모델은 모델 유기체보다 실험적으로 다루기 쉬울 뿐만 아니라 인간 세포에서 파생될 수 있으므로 연구 중인 인간 질병과 관련성이 높습니다. 예를 들어, iPSC에서 성장한 3D 뇌 오가노이드는 알츠하이머병 및 파킨슨병과 같은 신경퇴행성 질환을 연구하는 데 사용될 수 있으며, 카디오이드 또는 심장 오가노이드는 심부전과 같은 심혈관 질환을 연구하는 데 사용될 수 있으며, 종양 생검에서 생성된 환자 유래 오가노이드(PDO)는 환자별 약물 반응을 이해하고 보다 효과적인 치료 옵션을 제공하기 위한 Oncology 연구의 모델이 될 수 있습니다.
질병 연구 및 신약 개발을 위한 환자 유래 오가노이드
대부분의 Oncology 약물은 in vitro 유효성에 대한 유망한 데이터가 있음에도 신약 개발 파이프라의 후기 단계와 임상시험에서 실패합니다. 이러한 높은 실패율은 부분적으로 신약 개발 초기 단계에서 약물 후보를 Screening하는 데 사용되는 예측 모델이 부족하기 때문입니다. 따라서 새로운 치료 표적 발굴을 위한 효율적인 약물 테스트를 위해 변경 가능한 보다 대표적인 모델을 개발하고 활용할 필요가 있습니다.
3D Cell Model, 특히 환자 유래 오가노이드(PDO)는 이 문제에 대한 유망한 해결책을 제공합니다. 3D로 성장한 세포는 세포 간 상호 작용과 암 줄기세포 적소를 포함한 조직 미세 환경을 더 잘 모방할 수 있습니다. 연구에 따르면 환자와 그 유래 오가노이드는 약물에 유사하게 반응하며, 이는 치료 결과를 개선하기 위한 PDO 사용의 치료적 가치를 시사합니다. 그러나 Assay 재현성, 확장성, 비용과 같은 문제로 인해 주류 신약 개발 파이프라인에서 PDO의 사용이 제한되었습니다.
여기서는 환자 유래 암 오가노이드 연구를 소개합니다. 당사의 결과는 High-Content Imaging과 AI 데이터 분석으로 자동화를 사용할 때 정밀 의학 및 High-Throughput 신약 개발 응용 분야 모두에서 다른 조직에 비해 PDO의 탁월한 잠재력을 보여줍니다.
유방암 환자 유래 튜머로이드
삼중 음성 유방암은 전이, 재발 및 약물 내성의 비율이 높은 임상적으로 공격적인 종양의 하위 유형입니다. 현재 이 질병에 대해 임상적으로 승인된 저분자 표적 치료법은 없으며, 이는 새로운 치료 표적을 발견하는 것이 중요하다는 점을 강조합니다. 1차 종양 유래 모델은 종양의 이질성과 형태뿐만 아니라 복잡한 유전적 및 분자 구성을 요약하여 신약 개발과 약물 테스트를 가속화할 수 있습니다. 현재 연구에서 우리는 복잡한 3D 세포 기반 Assay를 확장할 수 있는 Imaging과 세포 배양 방법의 자동화를 설명합니다.
대장암(CRC) 환자 유래 오가노이드
이 포스터에서는 대장암(CRC) PDO를 사용하는 High-Throughput 응용 분야에서의 유용성을 보여줍니다. 다양한 농도에서 선택된 항암제로 처리된 PDO는 Transmitted Light Imaging을 사용하여 시간 경과에 따라 Monitoring되었고 PDO 크기, 질감, 강도, 기타 형태학적 및 표현형 판독값을 분석하기 위한 딥 러닝 기반 이미지 분할 모델이 개발되었습니다. 우리의 결과는 약물 Screening과 같은 High-Throughput Assay을 위해 Assay용 PDO를 사용하는 것의 효율성을 뒷받침합니다.
인간 관련 3D 세포 배양 모델 유형
스페로이드, 오가노이드, 생체모사칩을 포함하여 질병 모델링과 신약 개발에 사용되는 다양한 유형의 3D Cell Model이 있습니다. 각 유형의 3D Cell Model에는 고유한 장점이 있으며 특정 3D 모델의 선택은 구체적인 연구 요건에 따라 달라집니다. 이러한 인간 관련 3D Cell Model을 사용하여 연구자는 다양한 치료법이 질병 진행에 미치는 영향을 연구하고 잠재적인 신약 후보를 식별하며 질병 기전을 이해할 수 있습니다.
- 스페로이드 – 스페로이드는 특정 환경에서 자가 조립되는 세포 Aggregate입니다(예: 낮은 부착 표면으로 코팅된 플레이트에 Seeding하는 경우). 사용된 세포 유형에 따라 생성된 스페로이드는 간, 유방, 췌장 조직 또는 특정 암 조직과 같은 다양한 조직을 모델링할 수 있습니다. 이는 가장 간단한 유형의 3D Cell Model이며 일반적으로 단일 세포 유형으로만 구성됩니다. 스페로이드는 성장하는 데 시간이 덜 걸리므로 작업하기가 상대적으로 쉽습니다. 그러나 다른 3D 모델이 제공하는 구조적 복잡성이 부족합니다. 이는 암 세포 또는 유도만능줄기세포(iPSC)에서 생성될 수 있으며 암 진행, 약물 내성, 독성을 연구하는 데 사용될 수 있습니다.
- 오가노이드 – 오가노이드는 뇌, 신장, 장과 같은 특정 기관이나 조직의 구조와 기능을 모방하는 3D 구조입니다. 이는 iPSC 또는 성체 줄기세포에서 생성될 수 있으며 질병 기전을 연구하고 다양한 치료제의 유효성을 테스트하는 데 사용될 수 있습니다. 이는 인간 조직에서 유래하기 때문에 질병을 더 잘 표현합니다.
- 환자 유래 오가노이드(또는 튜머로이드) - 환자 유래 오가노이드(PDO)는 건강한 조직과 질병에 걸린 조직의 조직 샘플에서 배양된 3D 세포 구조로 "실험 디시 속의 환자"를 표현해 냅니다. PDO는 환자의 조직에서 발견되는 세포 유형의 유전학, 구조, 이질성과 매우 유사합니다. 이러한 향상된 유사성과 향상된 번역 가능성으로 인해 PDO는 질병 연구와 신약 개발을 위한 귀중한 자원이 됩니다.
- 생체모사칩 – 이러한 모델에는 미세유체 시스템을 사용하여 단일 장치에서 심장, 간, 폐와 같은 다양한 기관의 기능을 시뮬레이션하는 작업이 포함됩니다. 이는 질병 진행을 연구하고 다양한 약물과 치료제의 유효성을 테스트하는 데 사용될 수 있습니다.
- 3D 바이오프린팅 – 바이오프린팅은 3D 프린팅 기술을 사용해 살아있는 세포와 생체재료로부터 조직, 장기 등 복잡한 생물학적 구조를 만드는 비교적 새로운 기술입니다. 바이오프린팅은 연구자가 질병 진행 메커니즘을 연구하고 다양한 치료제의 유효성을 테스트하는 데 사용할 수 있는 복잡한 Biological System의 정확하고 재현 가능한 모델을 만들 수 있기 때문에 질병 모델링에서 유망한 도구로 부상했습니다.
질병 모델링을 위한 3D 생물학 응용 분야와 연구
질병 모델링에서 3D Cell Model을 사용하는 것은 복잡한 질병에 대한 이해를 향상시키고 새로운 치료법의 개발을 가속화할 수 있는 상당한 잠재력을 갖고 빠르게 성장하는 분야입니다. Molecular Devices는 이 분야를 발전시키고 연구자에게 3D 생물학 분야의 최첨단 연구를 수행하는 데 필요한 도구와 기술을 제공하기 위해 최선을 다하고 있습니다.
ImageXpress Micro Confocal System을 통해 구현되는 것과 같은 고급 High-Content Imaging 기술과 이 복잡한 생물학을 결합하면 완전히 새로운 수준의 Assay가 가능해집니다. AI/머신러닝 3D 분석 기능을 갖춘 강력하고 자동화된 공초점 Imaging 장비를 사용하면 연구자가 정확하고 정량적인 결과와 질문에 대한 답변을 매우 빠르고 강력하고 확장 가능한 방식으로 얻을 수 있습니다.