當前腫瘤研究中，傳統患者來源類器官（PDO）培養存在兩大核心問題：一是缺乏腫瘤微環境（TME）的模擬，如基質硬度、缺氧條件等外在因素，導致無法準確反映腫瘤病理特征；二是PDO尺寸和形態異質性高，難以穩定模擬患者個體間的生物學差異，限制了其在精準醫療中的應用。來自韓國蔚山科學技術院的Hyun-Wook Kang教授、Tae-Eun Park教授以及首爾大學的Seung-Jae Myung教授團隊合作，開發了嵌入式生物打印技術構建類器官陣列（Eba-PDOs）。該技術通過將PDO油墨精確打印到模擬腫瘤硬度（≈7.5 kPa）的海藻酸鹽浴中，形成統一尺寸的三維結構，同時復現缺氧微環境。研究利用轉錄組分析和免疫熒光驗證，證實Eba-PDOs能更精準捕獲腫瘤內在基因特征（如CEACAM5表達）和外在微環境響應。相關工作以“Bioprinted Patient-Derived Organoid Arrays Capture Intrinsic and Extrinsic Tumor Features for Advanced Personalized Medicine”為題發表在《Advanced Science》上。     
 

研究內容
1. 嵌入式生物打印構建類器官陣列的流程與形態表征，通過定制化生物打印系統將含PDO細胞的Geltrex油墨擠壓至1.5%海藻酸鹽浴（模擬7.5 kPa基質硬度），結合溫度和鈣離子雙重交聯，研究了Eba-PDOs的形成過程。結果表明，打印后7天形成直徑≈200 μm的均勻類器官，10天融合為統一結構，細胞存活率超94%，其面積變異系數（0.18）顯著低于傳統培養的Std-PDOs（0.71），且不同患者來源的Eba-PDOs保留獨特形態特征。      
 

2. 類器官的腫瘤微環境模擬與病理特征分析，通過H&E染色、免疫熒光（YAP/TAZ、HIF1α、膠原I）和qPCR，對比Eba-PDOs與Std-PDOs的形態和分子表達。結果表明，Eba-PDOs核面積較Std-PDOs縮小1.7倍，機械應力標志物YAP1表達上調4倍，缺氧標志物HIF1α和膠原I沉積顯著增加，且CDH2/CDH1比值升高（提示上皮-間質轉化），重現天然腫瘤的細胞擠壓、低氧環境和ECM重塑特征。      
 

3. 類器官與原發組織的轉錄組差異及功能富集，通過RNA測序和主成分分析（PCA），比較Std-PDOs、Eba-PDOs和患者原發組織的基因表達譜。結果表明，Eba-PDOs轉錄組與原發組織的Pearson相關系數（r=0.84）顯著高于Std-PDOs（r=0.48），差異表達基因（DEGs）富集于TNF信號、NF-κB炎癥通路及脂質代謝過程，其中CEACAM5、KLF7等結直腸癌關鍵基因表達更貼近真實腫瘤。     
 

4. 基質硬度對CEACAM5表達與細胞極性的影響，通過設置不同濃度海藻酸鹽（0.5%-2%）調整基質硬度，結合免疫熒光和流式細胞術，研究機械應力對CEACAM5分布的調控。結果表明，1.5%海藻酸鹽（7.5 kPa）條件下，Eba-PDOs的CEACAM5表達水平與原發組織一致，且異常定位于細胞基底外側（模擬腫瘤細胞極性喪失），而軟基質（0.5%海藻酸鹽）無法誘導該表型。      
 

5. 類器官陣列的患者異質性與藥物響應驗證，通過培養5例患者的Eba-PDOs并進行5-氟尿嘧啶（5-FU）藥物測試，分析CEACAM5水平與化療敏感性的關聯。結果表明，Eba-PDOs的CEACAM5表達與患者血清水平高度相關（r=0.84），高CEA組對5-FU的耐藥性顯著更強（AUC差異＞20%），而Std-PDOs未能區分該差異，驗證了Eba-PDOs在預測個體藥物響應中的價值。      
 

6. 基于形態學的無標記預測模型構建與驗證，通過提取177個Eba-PDOs的亮度場圖像特征（面積、周長、圓度），訓練隨機森林算法并結合多數投票法（MVA），建立高/低CEA分類模型。結果表明，使用50個Eba-PDOs時預測準確率達98%，顯著優于Std-PDOs（37%），且在7例新患者的外部驗證中實現100%準確分類。      
 

研究結論
本研究開發了嵌入式生物打印技術構建的患者來源類器官陣列（Eba-PDOs），該模型通過模擬腫瘤微環境的基質硬度（≈7.5 kPa）和缺氧條件，顯著提升了對原發腫瘤內在特征（如CEACAM5表達異質性）和外在響應（如機械應力信號通路激活）的模擬精度。研究表明，Eba-PDOs的轉錄組與原發組織的相關性（r=0.84）顯著高于傳統類器官（r=0.48），并能準確捕獲患者間CEACAM5表達差異及其與5-氟尿嘧啶耐藥性的關聯。此外，基于Eba-PDOs形態特征開發的無標記預測模型，通過多數投票法整合50個類器官數據，可實現98%的高/低CEA患者分類準確率。本研究為精準模擬腫瘤個體特征、預測藥物響應提供了新平臺，有望推動個性化癌癥治療和藥物開發的臨床轉化。

文章來源：https://doi.org/10.1002/advs.202407871

(責任編輯：admin)

• 中國醫科大學張忠提團隊發
• 美國大學WPI獲630萬美元DA
• 綠激光3D打印純銅散熱器，
• 生物3D打印患者來源類器官
• Progress Group推出SPI技
• ABS大力推進海事領域增材

• ·中國醫科大學張忠提團隊發表用于骨再生
• ·美國大學WPI獲630萬美元DARPA資助，研
• ·綠激光3D打印純銅散熱器，希禾增材漫格
• ·生物3D打印患者來源類器官陣列捕獲腫瘤
• ·Progress Group推出SPI技術：預制混凝
• ·ABS大力推進海事領域增材制造技術應用
• ·北卡羅來納州立大學開發新型單步激光處
• ·3D打印微球 - 水凝膠支架模擬肽促進骨