Prädiktion der Therapie-Response im Patienten-abgeleiteten Maus-Xenograft-Modell bei peritoneal metastasiertem kolorektalem Karzinom

Abstract

Das kolorektale Karzinom (KRK) ist die dritthäufigste Krebserkrankung weltweit. KRK-Patienten entwickeln zu 8 - 13% peritoneale Metastasen. Diese sind mit einer stark reduzierten Lebenserwartung assoziiert. Das mediane Überleben beträgt bei „Best Supportive Care“ wenige Monate. Ein Großteil der Patienten wird mit einer systemischen Chemotherapie behandelt. Hier werden je nach Therapeutika mediane Überlebensraten von 8 - 30 Monaten erreicht. Ein geringer Teil der Patienten kann mit der Kombination aus Zytoreduktion und hyperthermer intraperitonealer Chemotherapie (HIPEC) therapiert werden. Hier wird ein medianes Überleben von 16 - 51 Monaten berichtet. Ziel der Promotionsarbeit war es, neue, spezifische prädiktive Biomarker zur Optimierung der Therapie zu identifizieren. Zu diesem Zweck wurden Patienten-abgeleitete Xenograftmodelle (PDX-Modelle) aus dem Gewebe peritoneal metastasierter KRK (pmKRK) etabliert. Metastasen von 48 Patienten wurden für die PDX-Etablierung subkutan in immunsupprimierte Mäuse transplantiert. Mögliche Einflussfaktoren auf das Engraftment sowie wesentliche Charakteristika der Modelle, wie Histologie und Tumorwachstum, wurden untersucht. Die etablierten PDX-Modelle wurden mit den Therapeutika 5-FU, Irinotecan, Oxaliplatin, Docetaxel, Bevacizumab, Cetuximab, Erlotinib, Regorafenib und Selumetinib behandelt und anschließend bezüglich ihres Therapieansprechens evaluiert. Die Expression des Biomarkers S100A4 im Tumorgewebe von PDX und Patient wurde mittels qRT-PCR und Immunhistochemie ermittelt. Mögliche Einflussfaktoren wurden evaluiert. Um den prädiktiven Wert der S100A4-Expression zu analysieren, wurde ein möglicher Zusammenhang zwischen der S100A4-Expression und dem Ansprechen auf die jeweiligen Therapeutika untersucht. Abschließend wurden die S100A4-Expression im Plasma der pmKRK-Patienten sowie mögliche Einflussfaktoren auf diese ermittelt. In der vorliegenden Arbeit konnten 19 PDX-Modelle etabliert werden. Hiervon wurden 13 Modelle bezüglich ihres Therapieansprechens und ihrer S100A4-Expression untersucht. Die Modelle zeigten den Erhalt der histologischen Morphologie und ein Ersetzen des Stroma-Kompartiments durch murines Gewebe. Die Evaluierung der 9 Therapeutika ergab sowohl inter- als auch intraindividuelle Unterschiede im Therapieansprechen. Insgesamt erzielten Irinotecan das beste und Cetuximab das schlechteste Therapieansprechen im PDX-Modell. Eine S100A4-Expression im pmKRK-Gewebe konnte sowohl für PDX-Tumore als auch für Patiententumore nachgewiesen werden. Interessanterweise war eine hohe S100A4-Expression im PDX-Tumorgewebe mit einem schlechteren Ansprechen auf Oxaliplatin, Cetuximab und Bevacizumab assoziiert. Auch im Plasma von Patienten mit pmKRK war der Biomarker S100A4 nachweisbar. Dabei war die S100A4-Expression im Patientenplasma signifikant höher als die Expression im Plasma gesunder Kontrollpersonen. Zusammenfassend konnte gezeigt werden, dass PDX-Modelle für das pmKRK eine geeignete Plattform zur Evaluierung von Therapieansprechen und prädiktiven Biomarkern darstellen. Eine hohe S100A4-Expression im pmKRK-Gewebe ist mit einem schlechten Ansprechen auf Oxaliplatin, Cetuximab und Bevacizumab assoziiert und somit hierfür ein vielversprechender prädiktiver Biomarker und möglicher Therapieansatz.

Colorectal cancer (CRC) is the third most common cancer worldwide. About 8 - 13% of CRC-patients develop peritoneal metastases, which are associated with limited prognosis. The median survival of the patients treated with best supportive care is only a few months, whereas systemic chemotherapy regimens reach a median survival of 8 - 30 months. The majority of patients with peritoneally metastasized CRC (pmCRC) is treated with systemic chemotherapy. Some patients benefit from the combination of cytoreductive surgery and hyperthermic intraperitoneal chemotherapy (HIPEC). Here, a median survival of 16 - 51 months can be achieved. To improve therapy of pmCRC-patients, this study aimed to evaluate novel predictive biomarkers. For this purpose, patient derived xenograft (PDX) models of pmCRC were generated to test chemotherapy response and to analyze predictive biomarkers such as the Wnt signaling target S100A4. Metastases of 48 patients were transplanted subcutaneously onto immunodeficient mice. Factors influencing the engraftment and histopathologic characteristics of the PDX-tumors were evaluated. To assess tumor response to therapy, PDX were treated with 5-FU, irinotecan, oxaliplatin, docetaxel, bevacizumab, cetuximab, erlotinib, regorafenib and selumetinib. Tumor tissues of PDX and patients were analyzed for their S100A4 expression by immunohistochemistry and qRT-PCR. The influence of different clinical characteristics was examined. To analyze if S100A4 is an appropriate predictive biomarker for therapy of pmCRC, a correlation between the S100A4 expression in the PDX and the therapy response was examined. Additionally, S100A4 transcripts in the plasma of patients with pmCRC were evaluated. In total, 19 specimens have engrafted in immunodeficient mice, of which 13 PDX models were characterized and tested for chemosensitivity. The results show that the xenografted tumors retained the histopathologic characteristics of the original samples and that human stroma was replaced by mouse stroma. Therapy response between and within the groups was heterogeneous. Best response was observed for irinotecan and worst response for cetuximab. Tumor tissue of both PDX and patients showed an expression of S100A4. Interestingly, pmCRC with high S100A4 expression showed limited response to oxaliplatin, cetuximab and bevacizumab. S100A4 was detected in plasma samples of patients with pmCRC. The S100A4 transcripts were increased in patients’ plasma compared to tumor-free individuals. In conclusion, the results of this study show that PDX models offer a beneficial platform for the evaluation of chemosensitivity and predictive biomarkers. For pmCRC, high S100A4 expression is predictive for limited therapy response to oxaliplatin, cetuximab and bevacizumab and shows promise as a predictive biomarker.