В биомедицинских исследованиях выбор между моделями 2D и 3D клеточных культур может существенно повлиять на результат тестирования и разработки лекарств. В то время как традиционные 2D культуры предлагают простоту и скорость, 3D-системы обеспечивают более физиологически релевантную среду, которая лучше предсказывает, как лекарства будут вести себя в живых организмах. В этой статье сравниваются оба подхода, исследуя их сильные стороны, ограничения и соответствующие приложения, чтобы помочь исследователям выбрать оптимальную модель для своих доклинических исследований.

2D модели клеточной культуры

Двумерная (2D) клеточная культура является обычным методом выращивания клеток на плоских, жестких поверхностях, таких как пластиковые чашки Петри, многолуночные пластины или стеклянные слайды. Клетки прилипают к поверхности и распространяются, образуя монослой. Этот метод был основой клеточной биологии более века из-за его простоты, низкой стоимости и совместимости с высокопроизводительными скрининговыми платформами. Общие субстраты включают полистирол, обработанный культурой ткани, и стекло, покрытое белками внеклеточного матрикса (ECM), такими как коллаген или фибронектин.

Преимущества 2D моделей

  • Простота использования и высокая воспроизводимость: Стандартизированные протоколы и коммерчески доступные реагенты делают 2D-культуры простыми в установке и репликации в лабораториях.
  • Более низкая стоимость и более быстрая настройка: Не требуется специализированное оборудование для каркасов или биореакторов, что снижает как капитальные, так и эксплуатационные расходы.
  • Пригодны для высокопроизводительного скрининга: 2D культуры могут быть массивными в 96-, 384- или 1536-луночных пластинах, что позволяет автоматизировать роботизированную обработку и быстрое тестирование тысяч соединений.
  • Прямые микроскопические наблюдения: Клетки в одной плоскости легко визуализировать и анализировать для морфологии, пролиферации и экспрессии белка.

Ограничения 2D моделей

  • Отсутствие тканевой архитектуры: Клетки растут неестественно плоскими, теряя трехмерную структуру и контакты клеток-клеток, типичные для тканей in vivo.
  • Измененное поведение клеток: Экспрессия генов, метаболизм и чувствительность к лекарствам часто отличаются от таковых в организме. Например, раковые клетки в 2D могут переэкспрессировать определенные рецепторы, которые менее активны в опухолях.
  • Плохое прогнозирование эффективности препарата: Многие соединения, которые кажутся эффективными при 2D, терпят неудачу в моделях на животных или клинических испытаниях, потому что культура не воспроизводит сложную микросреду органов или опухолей.
  • Неспособность изучать гипоксию или градиенты питательных веществ: В плоском монослое все клетки имеют равный доступ к кислороду и питательным веществам, в отличие от твердых тканей, где существуют градиенты диффузии.

3D модели клеточной культуры

Трехмерные (3D) методы клеточной культуры направлены на воссоздание естественной среды клеток, позволяя им расти в пространственной матрице. Это может быть достигнуто с помощью систем на основе каркасов (например, гидрогели, пористые каркасы, децеллюляризованные ECM) или систем без каркасов (например, сфероиды, органоиды, культуры подвески). 3D-модели более тесно имитируют морфологию клеток in vivo, полярность, дифференцировку и передачу сигналов.

Преимущества 3D моделей

  • Лучшая мимикрия условий in vivo: Клетки в 3D образуют сложные структуры с взаимодействиями клеток-клеток и клеточной матрицы, которые влияют на их поведение. Например, гепатоциты в 3D-сфероидах сохраняют активность цитохрома P450, что делает их превосходными для тестирования на токсичность печени.
  • Более точное представление ответов на лекарственные препараты: Проникновение, резистентность и эффективность лекарственных средств можно оценить в условиях, отражающих микроокружение опухоли, включая гипоксию и интерстициальное давление.
  • Полезно для изучения взаимодействия клеток и клеточных матриц: 3D культуры позволяют исследовать, как раковые клетки вторгаются в окружающие ткани или как стволовые клетки дифференцируются в ответ на механические сигналы.
  • Сниженная зависимость от тестирования на животных: 3D-модели, полученные от человека, такие как платформы на чипе, могут заменить некоторые исследования на животных, предоставляя данные о человеке.

Ограничения 3D моделей

  • Более высокая сложность и стоимость: Полотенца, гидрогели и специализированные культурные плиты стоят дороже, а создание воспроизводимых 3D-культур требует тщательной оптимизации.
  • Низкая пропускная способность: Многие 3D-системы не легко совместимы с автоматизированной обработкой жидкости и визуализацией, что ограничивает их использование в крупномасштабном скрининге.
  • Специализированное оборудование и экспертиза: Такие методы, как биопечать, микрофлюидика и образование сфероидов, требуют обучения и специальных инструментов (например, биореакторов, конфокальных микроскопов).
  • Трудности в визуализации и анализе: Более толстые 3D-структуры рассеивают свет, требуя передовых методов микроскопии (конфокальных, мультифотонных) для визуализации и диссоциации для одноклеточного анализа могут изменять состояния клеток.
  • Отсутствие стандартизации: Протоколы широко варьируются между лабораториями, что делает перекрестные сравнения исследований сложными.

Сравнение 2D и 3D культур для тестирования на наркотики

Обе модели играют определенную роль в разработке лекарств. Выбор зависит от конкретных задаваемых вопросов и стадии исследования.

Высокопроизводительный скрининг и токсикология

Для первоначального скрининга больших библиотек соединений 2D-культуры остаются золотым стандартом из-за их скорости и масштабируемости. Однако 3D-модели все чаще используются для вторичного скрининга для проверки попаданий в более физиологических условиях. В тестировании токсичности руководящие принципы ОЭСР для коррозии кожи in vitro теперь принимают 3D-реконструированные модели эпидермиса человека в качестве замены для испытаний на животных.

Исследования рака и химиотерапия

3D-опухолевые сфероиды лучше воспроизводят кинетику роста и лекарственную устойчивость твердых опухолей, включая образование некротических ядер и спокойных зон. Исследования показали, что полумаксимальная ингибирующая концентрация (IC50) многих химиотерапевтических препаратов значительно выше в 3D-культурах, чем в 2D, что отражает снижение проникновения и измененный метаболизм, наблюдаемый in vivo. Например, исследование 2020 года в Научные отчеты продемонстрировало, что сфероиды клеток рака яичников были менее чувствительны к цисплатину, чем их 2D-коллеги , подчеркивая важность использования 3D-моделей для прогнозирования клинического ответа.

Персонализированная медицина и модели, полученные от пациентов

Органоиды - 3D культуры, полученные из тканей пациента - революционизируют точную онкологию. Они сохраняют генетические и фенотипические характеристики исходной опухоли и могут использоваться для тестирования чувствительности к лекарствам на основе пациента-пациента. В отличие от 2D клеточных линий, которые часто дрейфуют по проходам, органоиды поддерживают стабильные реакции на лекарства в течение нескольких недель, что позволяет функциональной точной медицине.

Технические соображения при выборе модели

Источник и условия культуры

Один и тот же тип клеток может вести себя очень по-разному в 2D и 3D. Например, первичные гепатоциты быстро теряют специфические функции печени в 2D, но могут поддерживаться в течение нескольких недель в 3D-сфероидах. Исследователи также должны учитывать градиенты кислорода и питательных веществ: в 3D-культурах диффузия ограничивает жизнеспособность клеток примерно до 200-300 мкм от поверхности, что может потребовать использования биореакторов для более крупных конструкций.

Матрица и выбор леса

Общие каркасы включают MatrigelTM, гидрогели коллагена типа I, альгинат и синтетические полимеры. Каждый из них предлагает различные механические свойства (жесткость, эластичность), которые влияют на поведение клеток. Например, было показано, что жесткость матрицы приводит к эпителиально-мезенхимальному переходу в раковых клетках, критический процесс метастазирования, который не может быть изучен в 2D-пластике.

Проверка Чтения

Стандартные анализы конечных точек (MTT, ATP bioluminescence) работают для 3D-культур после тщательной оптимизации, но визуализация живых клеток является более сложной задачей. Исследователям, возможно, придется инвестировать в конфокальную микроскопию или микроскопию световых листов для наблюдения в режиме реального времени. Кроме того, мРНК и извлечение белка из 3D-конструкций могут быть неэффективными; теперь доступны коммерческие комплекты, предназначенные для 3D-культур.

Будущие направления: преодоление 2D и 3D

Достижения в области микрофлюидики и технологии орган-на-чипе размывают границы между 2D и 3D. Эти платформы часто объединяют 2D монослои с 3D-гелевыми областями для создания многоотраслевых моделей, которые имитируют взаимодействия органов и органов. Кроме того, искусственный интеллект применяется для анализа данных 2D-изображения с высоким содержанием для прогнозирования результатов, которые в противном случае потребовали бы 3D-культур, потенциально снижая затраты при сохранении физиологической значимости.

Еще одна новая тенденция - использование 3D-биопечати для изготовления воспроизводимых, васкуляризованных конструкций тканей, которые могут быть пронизаны лекарствами. Эти системы сочетают воспроизводимость 2D-покрытия с архитектурной сложностью 3D-тканей, и они принимаются для регулирующей квалификации агентствами, такими как FDA [FLT: 1].

Заключение

Ни одна модель клеточной культуры не является универсально превосходной для тестирования лекарств. 2D культуры остаются незаменимыми для раннего скрининга, базовых механистических исследований и приложений, которые требуют высокой пропускной способности. 3D культуры предлагают незаменимые преимущества для исследований, требующих тканевой архитектуры, долгосрочного обслуживания и клинически значимых ответов на лекарства. Наиболее надежные доклинические стратегии часто используют оба метода: использование 2D для первоначальной сортировки соединений и 3D для проверки и более глубокого механистического понимания. Понимая сильные и слабые стороны каждого подхода, исследователи могут разрабатывать эксперименты, которые максимизируют точность прогнозирования при управлении стоимостью и сложностью.