Modelos experimentais e screens
TL;DR
Modelos de câncer são sistemas simplificados para fazer perguntas causais. Linhagens 2D são rápidas e escaláveis. Esferoides 3D e organoides preservam melhor arquitetura e parte da biologia do paciente. PDX e GEMM adicionam contexto de organismo. CRISPR screens perturbam genes em muitas células para descobrir dependências, mecanismos de resistência e relações sintético-letais. Fontes: [1], [2]
Comparação de modelos
| Modelo | Melhor para | Limitação principal |
|---|---|---|
| Linhagem 2D | perturbação e triagem de drogas escalável | adaptação ao plástico |
| Esferoide 3D | gradientes, penetração, hipóxia | arquitetura simplificada |
| Organoide | biologia epitelial derivada de paciente | preservação variável de imune/estroma |
| Cocultura | interação célula-célula | complexidade de desenho |
| PDX | crescimento tumoral e resposta in vivo | contexto murino, custo, tempo |
| GEMM | iniciação tumoral e contexto imune | biologia específica do modelo |
| CRISPR screen | descoberta de função gênica | artefatos, viés de cópia, confundimento por fitness |
Lógica de CRISPR screen
- Entregar biblioteca de sgRNAs.
- Selecionar ou tratar células.
- Sequenciar abundância de sgRNAs.
- Comparar depleção/enriquecimento.
- Corrigir artefatos.
- Validar hits principais de forma ortogonal.
CRISPR screens são poderosos porque convertem função gênica em mudança populacional mensurável. São perigosos quando tratados como verdade direta do paciente sem validação.
O que cada modelo responde
| Pergunta | Melhor encaixe |
|---|---|
| Este gene é essencial em células KRAS-mutantes? | CRISPR screen |
| Esta droga penetra uma massa 3D? | esferoide/organoide |
| O tumor deste paciente responde ex vivo? | organoide derivado de paciente |
| A terapia afeta toxicidade de organismo inteiro? | modelo animal |
| O contexto imune importa? | cocultura, modelo humanizado, GEMM |
Saída computacional
- curvas de viabilidade
- matrizes dose-resposta
- IC50/AUC
- métricas ajustadas por taxa de crescimento
- matrizes de contagem de sgRNA
- scores de dependência tipo MAGeCK/Chronos/BAGEL
- metadados do modelo
- histologia e features de imagem
Notas para desenvolvedores
- Identidade do modelo, número de passagem, meio de cultura e status de micoplasma não são metadados opcionais.
- Curvas dose-resposta devem preservar viabilidade bruta, normalização, tempo de exposição e taxa de crescimento.
- Saídas de CRISPR screen precisam de biblioteca, sequência de guia, correção de número de cópias e metadados de réplicas.
- Score de dependência é sinal de priorização, não alvo farmacológico validado.
- Resposta de organoide pode refletir condições de cultura tanto quanto biologia do paciente.
- Separe sempre screens de descoberta de ensaios de validação no modelo de dados.
Referências
- Tong L, Cui W, Zhang B, et al. Patient-derived organoids in precision cancer medicine. Med 2024;5:1351-1377. PMID 39341206. https://doi.org/10.1016/j.medj.2024.08.010
- Behan FM, Iorio F, Picco G, et al. Prioritization of cancer therapeutic targets using CRISPR-Cas9 screens. Nature 2019;568:511-516. PMID 30971826. https://doi.org/10.1038/s41586-019-1103-9