Abstract Tumor heterogeneity is predicted to confer inferior clinical outcomes, however modeling heterogeneity in a manner that still represents the tumor of origin remains a formidable challenge. Sequencing technologies are limited in their ability to identify rare subclonal populations and predict response to the multitude of available treatments for patients. Patient-derived organotypic cultures have significantly improved the modeling of cancer biology by faithfully representing the molecular features of primary malignant tissues. Patient-derived cancer organoid (PCO) cultures contain numerous individual organoids with the potential to recapitulate heterogeneity, though PCOs are most commonly studied in bulk ignoring any diversity in the molecular profile or treatment response. Here we demonstrate the advantage of evaluating individual PCOs in conjunction with cellular level optical metabolic imaging to characterize the largely ignored heterogeneity within these cultures to predict clinical therapeutic response, identify subclonal populations, and determine patient specific mechanisms of resistance.

Abstract Representative models are needed to screen new therapies for patients with cancer. Cancer organoids are a leap forward as a culture model that faithfully represents the disease. Mouse-derived cancer organoids (MDCOs) are becoming increasingly popular, however there has yet to be a standardized method to assess therapeutic response and identify subpopulation heterogeneity. There are multiple factors unique to organoid culture that could affect how therapeutic response and MDCO heterogeneity are assessed. Here we describe an analysis of nearly 3,500 individual MDCOs where individual organoid morphologic tracking was performed. Change in MDCO diameter was assessed in the presence of control media or targeted therapies. Individual organoid tracking was identified to be more sensitive to treatment response than well-level assessment. The impact of different generations of mice of the same genotype, different regions of the colon, and organoid specific characteristics including baseline size, passage number, plating density, and location within the matrix were examined. Only the starting size of the MDCO altered the subsequent growth. Here we establish organoid culture parameters for individual organoid morphologic tracking to determine therapeutic response and growth/response heterogeneity for translational studies using murine colorectal cancer organoids.

New tools are needed to match pancreatic cancer patients with effective treatments. Patient-derived organoids offer a high-throughput platform to personalize treatments and discover novel therapies. Currently, methods to evaluate drug response in organoids are limited because they cannot be completed in a clinically relevant time frame, only evaluate response at one time point, and most importantly, overlook cellular heterogeneity. In this study, non-invasive optical metabolic imaging (OMI) of cellular heterogeneity in organoids was evaluated as a predictor of clinical treatment response. Organoids were generated from fresh patient tissue samples acquired during surgery and treated with the same drugs as the patient's prescribed adjuvant treatment. OMI measurements of heterogeneity in response to this treatment were compared to later patient response, specifically to the time to recurrence following surgery. OMI was sensitive to patient-specific treatment response in as little as 24 hours. OMI distinguished subpopulations of cells with divergent and dynamic responses to treatment in living organoids without the use of labels or dyes. OMI of organoids agreed with long-term therapeutic response in patients. With these capabilities, OMI could serve as a sensitive high-throughput tool to identify optimal therapies for individual pancreatic cancer patients, and to develop new effective therapies that address cellular heterogeneity in pancreatic cancer.