Yes, InnoSer offers fully integrated PDO (Patient-Derived Organoid) and PDX (Patient-Derived Xenograft) services to support translational oncology research. By combining in vitro PDO models with in vivo PDX studies, you can gain a comprehensive understanding of tumor biology and drug responses. 

Advantages of integrated PDO/PDX services: 

• Efficient screening of drug candidates in PDOs before selecting for PDX validation using in vivo mouse models of cancer 

• Reduction in animal usage, improving ethical and cost-effectiveness considerations 

• Our integrated workflows allows for a seamless transition from in vitro to in vivo models, ensuring that drug responses observed in organoids are further validated in patient-derived xenografts which can be implanted into immunodeficient or humanized mouse models  

Reach out to InnoSer’s team to learn how our integrated PDO/PDX services can advance your oncology research. 

InnSerのオルガノイドを用いた高スループット表現型スクリーニングサービスは、研究者が数百の化合物を迅速かつ効率的にスクリーニングすることを可能にし、創薬プロセスを加速します。表現型スクリーニングを実施することで、これらの患者関連モデルが特定の治療法にどのように反応するかを可視化し、その作用機序に関するより深い知見を提供します。このアプローチは、ヒト関連モデルを用いて有望なリード化合物の同定を強化し、新規治療薬の臨床応用可能性を高めます。 オルガノイドは対応する親腫瘍の主要な特性を忠実に再現する 親腫瘍の主要な特徴を忠実に再現しますの主要な特徴を忠実に再現します。これには以下が含まれます： 

• Expression of cancer markers 

• Morphology similar to primary tumors 

• Transcriptomic profiling 

• Mutational landscape 

• Inter- and intra-patient response heterogeneity 

This is because organoids faithfully replicate important characteristics of the corresponding parent tumors, exemplified by the expression of cancer markers, morphology, transcriptomic profiling and mutational landscape similar to primary tumors. Research has shown that organoids can faithfully replicate drug responses, as well as help optimize treatment strategies for patients on individual basis.  

Key advantages of including InnoSer’s organoid high-throughput screening services in your drug development journey include:  

• リード化合物を特定する より高い実用化可能性を有する 

• サブクローナル応答に関する サブクローン応答に関する知見を 単一オルガノイドレベルで  

• 予測 薬物反応 比類のない精度で予測する 予測 

• 最適化 個別化された 治療戦略 最適化 

• 解明する 作用機序（MoA） および／または 薬剤耐性経路 を解明する 

• 特定する 反応バイオマーカーを特定する より良い患者層別化のための  

• 薬物相互作用を分析する 薬剤の相乗効果 リード化合物との相互作用を分析し、より効果的な治療法の組み合わせを発見する  

Reach out to InnoSer’s team to learn more about how you can leverage our combined expertise to streamline your drug discovery screening efforts.  

がんにおけるサブクローナル反応とは、腫瘍内の遺伝的多様性を指し、異なる細胞集団（サブクローン）が治療に対して異なる特性や反応を示し、腫瘍の進行や治療抵抗性に寄与する現象である。したがって、膵管腺癌（PDAC）など腫瘍内異質性が高いがんの治療における重要な課題の一つは、 膵管腺癌（PDAC） ）の治療における重要な課題の一つは、内在的なサブクローン異質性が薬剤反応の異質性にどのように影響するかを理解することである。  

新規治療薬の開発を導くため、InnoSerのプラットフォームはDrugVisionAIおよびOrbitsプラットフォームの専門知識を活用し、 単一オルガノイド解像度解析を実現し により、耐性・中間・感受性のサブクローンの反応を評価し、個別化治療戦略に不可欠な知見を提供します。名称が示す通り、広視野イメージングは患者由来オルガノイドの構造全体を捉えることに優れ、治療薬に対する腫瘍反応の包括的な観察を可能にします。  

Indeed, a study performed by DrugVisionAI”s team has shown that a combination of normalized drug screening metric (NDR) with the dynamic quantification of single organoid responses (Orbits) can detect patient-specific and intra-tumoral sub-clonal sensitivities to different standard-of-care therapies, correlating to the matched clinical patient response to therapy. Leveraging the automated high-throughput single-organoid screening process together with Orbits’ AI workflows will allow you to evaluate the efficacy of novel therapeutics on multiple subclones but can also help you evaluate pro-invasive properties of tumoroid sub-clones.  

To learn more about the methods and results of this research in more detail, view the research paper by Le Compte et al., (2023).  

Current high-throughput organoid drug screening systems rely on gold-standard measurements that leverage fluorescent labels to track biological processes during live cell imaging. Fluorescent labels, used to track cells, cellular structures and biological processes during live-cell imaging, are known to affect basal cellular activity via inducing oxidative stress through the process of photoxicity. Therefore, these reagents can skew experimental results and confound the effects of drugs in a screening. 

InnoSer’s platform for high-throughput organoid screening leverages label-free image analyses using AI image segmentation techniques developed by Orbits. Indeed, a study by Orbits’ team (Deben et al., 2022) has shown that the imaging-based method monitors patient-derived organoids with high accuracy and can even distinguish between cytostatic and cytotoxic responses.  

To learn more about the methods and results of this research in more detail, view the research paper by Deben et al., (2022). 

Distinguishing between cytotoxic (cell-killing) and cytostatic (growth-inhibiting) effects of your lead compound is the key to help you understand your lead compounds’ mechanism of action (MoA), optimize treatment strategies, minimize side effects, and develop personalized therapies to effectively manage tumor growth and resistance. In high throughput organoid screening, traditionally used so-called “bulk” assays that rely on quantification of ATP in a cell suspension fail to capture the intra-tumoral heterogeneity and the drug response heterogeneity that impacts drug efficacy, MoA and resistance.  

InnoSerのプラットフォームは、DrugVisionAiとOrbitsが開発した手法を活用し、広視野イメージングと新規オルガノイド増殖率指標（正規化オルガノイド増殖率：NOGR）を組み合わせることで、細胞増殖抑制効果と細胞毒性効果の両方を正確に測定します。 この手法はDebenら（2024）などの研究で実証され、スクリーニング手法の信頼性をさらに裏付けています。 

複数の薬剤を同時に試験できる能力を備えたInnoSerの高スループットオルガノイド薬剤スクリーニングプラットフォームは、 相乗効果のある薬剤の組み合わせを特定する を特定する可能性があり、治療効果の向上に寄与します。これにより、新規治療法の組み合わせ発見が加速されると同時に、薬剤転用（ドラッグリポジショニング）の力を活用することで、異なる種類のがん治療においてより効果的なアプローチが可能となります。  

ラベルフリー生細胞イメージングと自動AI細胞セグメンテーション解析の力を活用し、InnoSerはDrugVision.AIおよびOrbitsのワークフローを実装することで、相乗効果のある薬剤組み合わせの同定を可能にします。 Debenら（2024）による研究例では、がん治療薬として再利用が検討されているオーラノフィンと、正常肺オルガノイドおよび肺・膵臓がんオルガノイドにおける各種抗がん剤との間に相乗効果が確認された。 

NOGR（正規化オルガノイド増殖率） は、InnoSer社の高スループットオルガノイドスクリーニング研究で使用される薬剤応答指標です。NOGRは、オルガノイドの治療に対する複雑な反応をより正確に捉えるために開発され、相対生存率（RV）などの従来指標と比較して薬剤の有効性をより正確に反映します。 細胞播種密度の変動の影響を受けやすく、細胞増殖抑制（細胞静止）効果と細胞死（細胞殺傷）効果を区別できないRVとは異なり、NOGRは成長速度の動的変化を考慮に入れることで、生物学的により関連性の高い薬剤応答指標を提供します。 同様に、抗がん治療に対するオルガノイドの反応を評価するために、正規化増殖率抑制（GR）や正規化薬物反応（NDR）などの従来の指標が使用されてきたが、増殖率の変化にわたって細胞増殖抑制効果と細胞死効果を正確に定量化するには限界がある。 

By using live-cell imaging capabilities of DrugVisionAi combined with Orbit’s automated AI segmenting workflow analyses, NOGR overcomes the limitations of other methods, including the sensitivity to cell division rates, to offer a more consistent and reliable metric for assessing drug sensitivity and resistance in patient-derived organoid models.  

これは、オルガノイドの正確なセグメンテーションを可能にし、経時的な成長率を追跡できるラベルフリー画像解析ワークフローによるものです。 NOGRの詳細な開発プロセスについては、Debenら（2024）の論文を参照のこと。