一、從2D到3D，從3D到類器官
正如上一期3D細胞應用手冊的內(nèi)容，3D細胞培養(yǎng)模型以其能夠促進細胞分化水平和組織形成，已經(jīng)在生物科研領(lǐng)域受到了廣泛關(guān)注，這些在傳統(tǒng)的2D細胞培養(yǎng)系統(tǒng)下是不可能實現(xiàn)的。包括用于治療研究的各種傳統(tǒng)模型都很好地復制了腫瘤的組織復雜性與遺傳異質(zhì)性。

1. Respective features were judged as best (+++), suitable (++), possible (+), not very suitable (±) or unsuitable (－). NA, not available; PDTX, patient-derived tumour xenograft.
Only in epithelial tumours.
3. bThe immune system could be implemented by co-culturing organoids with haematopoietic cells. Table adapted and updated with permission from, Elsevier.

我們知道，要想清楚了解組織是如何形成的，它們的生理功能，以及其功能是如何形成的，理解這些由多種不同類型細胞緊密結(jié)合，具有特定的3D結(jié)構(gòu)、機械特性和生化環(huán)境的活的器官是非常重要的。

目前隨著微流控技術(shù)在生物學的應用，利用微流控技術(shù)和3D培養(yǎng)技術(shù)，能夠構(gòu)建出細胞培養(yǎng)的微環(huán)境、活組織培養(yǎng)所需的機械結(jié)構(gòu)和微環(huán)境，并能實現(xiàn)藥物的梯度濃度變化，利用這些技術(shù)能夠?qū)崿F(xiàn)類似于正常器官組成的微型器官結(jié)構(gòu)。這種方法或結(jié)構(gòu)稱為“芯片上的器官”（organs-on-chips）或“類器官”。

類器官模型是一種3D(三維)細胞培養(yǎng)系統(tǒng)，其與體內(nèi)的來源組織或器官高度相似。這些3D系統(tǒng)可復制出已分化組織的復雜空間形態(tài)，并能夠表現(xiàn)出細胞與細胞、以及細胞與基質(zhì)之間的相互作用。理想狀態(tài)下，類器官與體內(nèi)分化的組織具有相似的生理反應。這不同于傳統(tǒng)的2D(二維)細胞培養(yǎng)模型，后者在物理、分子和生理學等特性上通常與來源組織的相似性很低。

Lancaster 和 Knoblich將類器官定義為:“器官特異性細胞的集合，這些細胞從干細胞或器官祖細胞發(fā)育而來，并能以與體內(nèi)相似的方式經(jīng)細胞分序(cell sorting out) 和空間限制性的系別分化而實現(xiàn)自我組建”。

根據(jù)Lancaster和Knoblich的定義，類器官應該具有和器官一樣的若干重要特征:
• 必須包含一種以上與來源器官相同的細胞類型
• 應該表現(xiàn)出來源器官所特有的一些功能
• 細胞的組織方式應當與來源器官相似類器官技術(shù)通常依賴于微流控技術(shù)，因為通過微流控技術(shù)不但能夠增加細胞結(jié)構(gòu)的復雜性，使其盡可能地接近真實的生理狀態(tài)，同時，微流控技術(shù)帶來的可操控性給類器官及相關(guān)技術(shù)帶來了豐富的干預手段：
• 易于干預細胞的培養(yǎng)液、培養(yǎng)條件
• 對于致密3D結(jié)構(gòu)可以進行氧氣和營養(yǎng)的灌流
• 對于不同的細胞類型或不同的組織結(jié)構(gòu)進行液體交換控制和培養(yǎng)液的收集
• 可以方便的控制溶液內(nèi)不同因子的濃度條件
• 能夠在空間上控制不同結(jié)構(gòu)的形態(tài)以及它們的相互關(guān)系
• 低培養(yǎng)體積能夠使細胞來源的細胞因子濃度提高，增強旁分泌信號
• 機械刺激（間隙液流，機械延展和流體切應力等）
類器官對于生物學研究和醫(yī)學的意義
考慮到以上類器官技術(shù)所具有的特點和優(yōu)勢，其能夠?qū)τ诨颊吣[瘤能夠進行更好的模擬，因此，利用類器官平臺，有望能夠得到更多關(guān)于患者癌癥及其他疾病的洞見，并有望轉(zhuǎn)化為個體化的治療方法。

在2018年的一篇《科學》論文上，研究人員們利用患者的腫瘤，制造出了類器官。隨后，他們利用化合物庫，在這些類器官中進行篩選。根據(jù)類器官實驗的結(jié)果，研究人員希望能夠反推出患者接受某一特定療法的成功率。研究表明，這種預測手段的陽性率為88%（預測療法有效），而陰性率為100%（預測療法無效）！因此，通過該方法的應用，我們可以提前知道哪些療法對患者不起效，從而讓寶貴的時間用于可能起效的療法上，對特定的患者進行有效治療。

下載完整手冊請掃描下方二維碼