类器官（organoids）是一种利用干细胞或原代细胞在三维培养条件下自发形成的微型器官模型，近年来在生物医学研究中得到了广泛应用。这种技术的出现为研究复杂组织的发育、疾病机制和药物筛选提供了一个重要的平台。类器官不仅能够在体外模拟器官的结构和功能，还能保留原始组织的基因组和细胞异质性，从而为个性化医学提供了新的研究手段。
神经纤维瘤病（Neurofibromatosis，简称NF）是一种常染色体显性遗传疾病，由NF1基因突变引起，主要表现为皮肤上的神经纤维瘤（cutaneous neurofibromas, cNFs）。这些良性肿瘤通常不会恶化为恶性肿瘤，但其数量多且分布广泛，可能引发疼痛、瘙痒和外观上的畸形，严重影响患者的生活质量。目前，针对cNFs的治疗方法有限，主要依赖手术或激光消融，但这些方法可能导致瘢痕形成和不完全去除后的再生长。因此，迫切需要开发新的系统性治疗方法。
在研究cNFs的过程中，科学家们发现这些肿瘤的细胞组成复杂，主要包括许旺细胞（Schwann cells）、成纤维细胞和肥大细胞等。由于这些细胞类型的多样性，传统的细胞培养模型难以全面反映cNFs的病理特点。这促使研究人员开发了利用患者来源的类器官模型，以更好地模拟cNFs的细胞和分子特征。
近期，发表在Cell Rep Methods期刊，题为A platform for rapid patient-derived cutaneous neurofibroma organoid establishment and screening的研究为了确定有效的系统治疗方法，引入了一种建立和筛选cNF类器官的方法。该cNF类器官平台能够以患者和肿瘤特异性的方式快速筛选数百种化合物，cNF类器官的开发格式与高通量筛选兼容，可以促进药物的发现和开发，以确定治疗方案。
文章要点：
1) 快速建立患者来源的cNF类器官：研究中，科学家们成功从12位NF1患者的cNF中建立了类器官模型，过程快速且高效。这些类器官能够在体外快速生长，细胞在Matrigel基质中形成连续的细胞网络，与原始肿瘤的细胞结构相似。
图1 临床上不同的cNFs产生具有相似组织病理学特征的类器官
2) 重现cNFs的分子和细胞特征：通过免疫组织化学、RNA测序和流式细胞术等技术，验证了类器官保留了原始肿瘤的细胞异质性和基因表达特征。类器官中主要细胞类型（S100阳性的许旺细胞、CD34阳性的成纤维细胞、甲苯胺蓝染色的肥大细胞）与原始肿瘤中的细胞比例相近。
图2 cNF样本产生了活的类器官，并保留了肿瘤起源中存在的主要细胞群
图3 cNF类器官的基因表达分析
3) 优化培养条件：研究中筛选了不同的培养基和添加剂，确定了StemPro基质在支持类器官生长方面的最佳条件，这种培养基不仅促进了细胞的增殖，还维持了细胞类型的比例和分子特征。
4) 高通量药物筛选平台：研究开发了一个高通量筛选平台，用于筛选抑制类器官生长的药物。通过该平台，筛选了43种靶向激酶抑制剂，并发现了多种能够显著抑制类器官生长的药物，如Hsp90抑制剂Onalespib和PI3K抑制剂Copanlisib。
图4 患者来源的cNF类器官可以使用小环类器官平台进行筛选
研究人员成功建立了一个快速、高效的患者来源cNF类器官模型，为cNFs的研究和治疗提供了一个新的平台。最终，在本研究中确定的条件为快速检测从大量NF1患者中建立的cNF类器官、调查其生物学特性、并确定与特定基因组改变相关的脆弱途径奠定了基础。
类器官制作流程： 1. 获取cNF肿瘤样本： 从NF1患者的cNF肿瘤中获取组织样本。样本大小、硬度和外观各异，处理过的肿瘤样本大小大于0.5厘米的单独处理，小于0.5厘米的样本进行混合处理。 2. 组织解离和细胞悬浮： 将肿瘤组织解离为单细胞悬液。解离后的细胞再在Matrigel基质中重建，形成环形结构，适用于药物筛选和分子分析。 3. 类器官培养和生长： 将细胞悬液接种到96孔板的环形区域中，培养6天，期间每天进行无标签机器研究的亮场成像分析，监测类器官的生长情况。 4. 免疫组织化学和分子分析： 使用免疫组织化学染色、RNA测序和流式细胞术等技术，分析类器官中的主要细胞类型和基因表达特征，验证类器官的细胞组成和分子特征是否与原始肿瘤一致。 5. 药物筛选： 利用优化的StemPro基质培养条件，将类器官暴露于不同浓度的靶向药物中，采用ATP释放检测法评估药物对类器官生长的抑制效果，筛选出潜在的治疗药物。图5 cNF类器官模型构建流程图
参考文献
guyen HTL, Kohl E, Bade J, et al. A platform for rapid patient-derived cutaneous neurofibroma organoid establishment and screening. Cell Rep Methods. 2024 May 20;4(5):100772. doi: 10.1016/j.crmeth.2024.100772. Epub 2024 May 13. PMID: 38744290; PMCID: PMC11133839.
