519회

Genetically engineered mouse and precancerous cells for discovery of lung cancer drivers

박 권식 교수 (버지니아 의과대학교) 

Abstract 

Functional characterization of recurrent mutations in human cancer is an essential step towards understanding this disease but remains challenging due to the paucity of systematic and informed ways of defining oncogenic drivers for lung cancer. To characterize novel mutations and define mutation-driven pathways in human small cell lung cancer (SCLC), we use genetically engineered mouse model (GEMM) of SCLC. In a recent study, we validated L-MYC, one of the most amplified genes in patient tumors, as a key driver for the tumor development and found altered ribosomal biogenesis to be a main mechanism underlying the L-MYC-driven tumorigenesis. We then used an RNA polymerase I inhibitor to target ribosome biogenesis in the GEMM and found significant tumor inhibition. These data reveal that activation of RNA polymerase I by L-Myc and other MYC family proteins provides an axis of vulnerability for this recalcitrant cancer. In addition, we have developed an in vitro tumor progression model to determine oncogenic function of CRISPR-mediated mutations based on their capacity to transform precancerous cells (preSC) that were isolated from the GEMM. By allowing for direct comparative transcription profiling of preSC, this model permits efficient identification of mutation-driven pathways critical for tumor development. We have developed a somatic engineering-based model in which an adenoviral CRISPR-Cre hybrid vector, delivered directly in the lung airways of the GEMM, allows us to determine roles of CRISPR-mediated mutation in tumor development in conjunction with Cre-mediated inactivation of Rb and p53 within the same epithelial cells. This new in vivo approach allows rapid functional interrogation of candidate mutations in vivo without requiring the expensive and laborious processes of genetic crosses. These in vivo and in vitro models enable us to characterize common somatic alterations in SCLC and identify molecular pathways causally related to mutation-driven tumor progression.