Objective

 Recent data supports a significant role for immune checkpoint inhibitors in the treatment of solid tumours. Here, we evaluate gastric and gastro-oesophageal junction (G/GEJ) adenocarcinomas for their expression of programmed death-ligand 1 (PD-L1), infiltration by CD8+ T cells and the relationship of both factors to patient survival. 

Design

 Thirty-four resections of primary invasive G/GEJ were stained by immunohistochemistry for PD-L1 and CD8 and by DNA in situ hybridisation for Epstein–Barr virus (EBV). CD8+ T cell densities both within tumours and at the tumour–stromal interface were analysed using whole slide digital imaging. Patient survival was evaluated according to PD-L1 status and CD8 density. 

Results

 12% of resections showed tumour cell membranous PD-L1 expression and 44% showed expression within the immune stroma. Two cases (6%) were EBV positive, with one showing membranous PD-L1 positivity. Increasing CD8+ densities both within tumours and immune stroma was associated with increasing percentage of tumour (p=0.027) and stromal (p=0.005) PD-L1 expression. Both tumour and immune stromal PD-L1 expression and high intratumoral or stromal CD8+ T cell density (>500/mm²) were associated with worse progression-free survival (PFS) and overall survival (OS). 

Conclusions

 PD-L1 is expressed on both tumour cells and in the immune stroma across all stages and histologies of G/GEJ. Surprisingly, we demonstrate that increasing CD8 infiltration is correlated with impaired PFS and OS. Patients with higher CD8+ T cell densities also have higher PD-L1 expression, indicating an adaptive immune resistance mechanism may be occurring. Further characterisation of the G/GEJ immune microenvironment may highlight targets for immune-based therapy.

Abstract

Background

 Neoadjuvant anti-PD-1 may improve outcomes for patients with resectable NSCLC and provides a critical window for examining pathologic features associated with response. Resections showing major pathologic response to neoadjuvant therapy, defined as ≤10% residual viable tumor (RVT), may predict improved long-term patient outcome. However, %RVT calculations were developed in the context of chemotherapy (%cRVT). An immune-related %RVT (%irRVT) has yet to be developed. 

Patients and methods

 The first trial of neoadjuvant anti-PD-1 (nivolumab, NCT02259621) was just reported. We analyzed hematoxylin and eosin-stained slides from the post-treatment resection specimens of the 20 patients with non-small-cell lung carcinoma who underwent definitive surgery. Pretreatment tumor biopsies and preresection radiographic ‘tumor' measurements were also assessed. 

Results

 We found that the regression bed (the area of immune-mediated tumor clearance) accounts for the previously noted discrepancy between CT imaging and pathologic assessment of residual tumor. The regression bed is characterized by (i) immune activation—dense tumor infiltrating lymphocytes with macrophages and tertiary lymphoid structures; (ii) massive tumor cell death—cholesterol clefts; and (iii) tissue repair—neovascularization and proliferative fibrosis (each feature enriched in major pathologic responders versus nonresponders, P<0.05). This distinct constellation of histologic findings was not identified in any pretreatment specimens. Histopathologic features of the regression bed were used to develop ‘Immune-Related Pathologic Response Criteria' (irPRC), and these criteria were shown to be reproducible amongst pathologists. Specifically, %irRVT had improved interobserver consistency compared with %cRVT [median per-case %RVT variability 5% (0%–29%) versus 10% (0%–58%), P=0.007] and a twofold decrease in median standard deviation across pathologists within a sample (4.6 versus 2.2, P=0.002). 

Conclusions

 irPRC may be used to standardize pathologic assessment of immunotherapeutic efficacy. Long-term follow-up is needed to determine irPRC reliability as a surrogate for recurrence-free and overall survival.

Pancreatic intraepithelial neoplasia (PanIN) is a precursor to pancreatic cancer and represents a critical opportunity for cancer interception. However, the number, size, shape, and connectivity of PanINs in human pancreatic tissue samples are largely unknown. In this study, we quantitatively assessed human PanINs using CODA, a novel machine-learning pipeline for 3D image analysis that generates quantifiable models of large pieces of human pancreas with single-cell resolution. Using a cohort of 38 large slabs of grossly normal human pancreas from surgical resection specimens, we identified striking multifocality of PanINs, with a mean burden of 13 spatially separate PanINs per cm3 of sampled tissue. Extrapolating this burden to the entire pancreas suggested a median of approximately 1000 PanINs in an entire pancreas. In order to better understand the clonal relationships within and between PanINs, we developed a pipeline for CODA-guided multi-region genomic analysis of PanINs, including targeted and whole exome sequencing. Multi-region assessment of 37 PanINs from eight additional human pancreatic tissue slabs revealed that almost all PanINs contained hotspot mutations in the oncogene KRAS, but no gene other than KRAS was altered in more than 20% of the analyzed PanINs. PanINs contained a mean of 13 somatic mutations per region when analyzed by whole exome sequencing. The majority of analyzed PanINs originated from independent clonal events, with distinct somatic mutation profiles between PanINs in the same tissue slab. A subset of the analyzed PanINs contained multiple KRAS mutations, suggesting a polyclonal origin even in PanINs that are contiguous by rigorous 3D assessment. This study leverages a novel 3D genomic mapping approach to describe, for the first time, the spatial and genetic multifocality of human PanINs, providing important insights into the initiation and progression of pancreatic neoplasia.

ABSTRACT Axon guidance molecules were found to be the gene family most frequently altered in pancreatic ductal adenocarcinoma (PDA) through mutations and copy number changes. However, the exact molecular mechanism regarding PDA development remained unclear. Using genetically engineered mouse models to examine one of the axon guidance molecules, semaphorin 3D (SEMA3D), we found a dual role for tumor-derived SEMA3D in malignant transformation of pancreatic epithelial cells and a role for nerve-derived SEMA3D in PDA development. This was demonstrated by the pancreatic-specific knockout of the SEMA3D gene from the KRAS G12D and TP53 R 172 H mutation knock-in, PDX1-Cre (KPC) mouse model which demonstrated a delayed tumor initiation and growth comparing to the original KPC mouse model. Our results showed that SEMA3D knockout skews the macrophages in the pancreas away from M2 polarization, providing a potential mechanistic role of tumor-derived SEMA3D in PDA development. The KPC mice with the SEMA3D knockout remained metastasis-free, however, died from primary tumor growth. We then tested the hypothesis that a potential compensation mechanism could result from SEMA3D which is naturally expressed by the intratumoral nerves. Our study further revealed that nerve-derived SEMA3D does not reprogram macrophages directly, but reprograms macrophages indirectly through ARF6 signaling and lactate production in PDA tumor cells. SEMA3D increases tumor-secreted lactate which is sensed by GPCR132 on macrophages and subsequently stimulates pro-tumorigenic M2 polarization in vivo. Tumor intrinsic- and extrinsic-SEMA3D induced ARF6 signaling through its receptor Plexin D1 in a mutant KRAS-dependent manner. Consistently, RNA sequencing database analysis revealed an association of higher KRAS MUT expression with an increase in SEMA3D and ARF6 expression in human PDAs. Moreover, multiplex immunohistochemistry analysis showed an increased number of M2-polarized macrophages proximal to nerves in human PDA tissue expressing SEMA3D. Thus, this study suggests altered expression of SEMA3D in tumor cells lead to acquisition of cancer-promoting functions and the axon guidance signaling originating from nerves is “hijacked” by tumor cells to support their growth. Other axon guidance and neuronal development molecules may play a similar dual role which is worth further investigation. One sentence summary Tumor- and nerve-derived SEMA3D promotes tumor progression and metastasis through macrophage reprogramming in the tumor microenvironment. STATEMENT OF SIGNIFICANCE This study established the dual role of axon guidance molecule, SEMA3D, in the malignant transformation of pancreatic epithelial cells and of nerve-derived SEMA3D in PDA progression and metastasis. It revealed macrophage reprogramming as the mechanism underlying bothroles. Together, this research elucidated how inflammatory responses promote invasive PDA progression and metastasis through an oncogenic process.

Cells are fundamental units of life. Recent technical advances have revolutionized our ability to quantify the state and identity of individual cells, and intercellular regulatory programs. However, these static measurements alone are limited in their ability to predict the complex collective behaviors that emerge from populations of many interacting cells over time. Mathematical models have a proven record of successfully predicting the behaviors of dynamic biological systems, e.g., therapeutic responses in cancer. Simulations from these models enable in silico visualization, examination, and refinement of biological models and can be used to generate new hypotheses about cells and their collective behavior. Agent-based modeling is particularly well-suited to studying communities of interacting cells, as it is intuitive to map a single cell to a single agent. Thus, we have developed a conceptual framing (with a reference implementation in the widely-used PhysiCell agent-based modeling framework) that can be initialized directly from single cell and spatial transcriptomic data, and that can be easily populated with interactive rules. Because the expert mathematical and computational knowledge required to build agent-based models has limited their widespread adoption in the biomedical research community, we engineered this framework to specify complex cellular responses to signals (or stimuli) using a single line of human readable text. This plain language text encodes cellular phenotypes and regulatory mechanisms from high throughput data and published literature, using a novel concept of hypothesis grammar. We motivate and fully describe this grammar and its philosophy, and then present a series of five example reference models of tumor growth and response to immunotherapy. Biologically, these examples demonstrate how mathematical models can predict from single cell and spatial transcriptomic data the cellular phenotypes responsible for tumor cell invasion and the simulation of immunotherapy treatment to overcome tumor cell growth. Computationally, these examples are designed to demonstrate how this conceptual framing and software implementation empower interdisciplinary teams to build an agent-based model of their experimental system, levering prior biological knowledge alone or in combination with information from spatial multi-omics technologies. Altogether, this approach provides an interface to bridge biological, clinical, and systems biology researchers for mathematical modeling of biological systems at scale, allowing the community to extrapolate from single-cell characterization to emergent multicellular behavior.

SUMMARY Pancreatic ductal adenocarcinoma (PDAC) is a highly lethal cancer for which few effective therapies exist. Immunotherapies specifically are ineffective in pancreatic cancer, in part due to its unique stromal and immune microenvironment. Pancreatic intraepithelial neoplasia, or PanIN, is the main precursor lesion to PDAC. Recently it was discovered that PanINs are remarkably abundant in the grossly normal pancreas, suggesting that the vast majority will never progress to cancer. Here, through construction of 48 samples of cm 3 -sized human pancreas tissue, we profiled the immune microenvironment of 1,476 PanINs in 3D and at single-cell resolution to better understand the early evolution of the pancreatic tumor microenvironment and to determine how inflammation may play a role in cancer progression. We found that bulk pancreatic inflammation strongly correlates to PanIN cell fraction. We found that the immune response around PanINs is highly heterogeneous, with distinct immune hotspots and cold spots that appear and disappear in a span of tens of microns. Immune hotspots generally mark locations of higher grade of dysplasia or locations near acinar atrophy. The immune composition at these hotspots is dominated by naïve, cytotoxic, and regulatory T cells, cancer associated fibroblasts, and tumor associated macrophages, with little similarity to the immune composition around less-inflamed PanINs. By mapping FOXP3+ cells in 3D, we found that regulatory T cells are present at higher density in larger PanIN lesions compared to smaller PanINs, suggesting that the early initiation of PanINs may not exhibit an immunosuppressive response. This analysis demonstrates that while PanINs are common in the pancreases of most individuals, inflammation may play a pivotal role, both at the bulk and the microscopic scale, in demarcating regions of significance in cancer progression.

Abstract Pancreatic ductal adenocarcinoma (PDAC) is one of the deadliest forms of cancer. Accumulating evidence indicates the tumor microenvironment is highly associated with tumorigenesis through regulation of cellular physiology, signaling systems, and gene expression profiles of cancer cells. Yet the mechanisms by which the microenvironment evolves from normal pancreas architecture to precursor lesions and invasive cancer is poorly understood. Obtaining high-content and high-resolution information from a complex tumor microenvironment in large volumetric landscapes represents a key challenge in the field of cancer biology. To address this challenge, we established a novel method to reconstruct three-dimensional (3D) centimeter-scale tissues containing billions of cells from serially sectioned histological samples, utilizing deep learning approaches to recognize eight distinct tissue subtypes from hematoxylin and eosin stained sections at micrometer and single-cell resolution. Using samples from a range of normal, precancerous, and invasive pancreatic cancer tissue, we map in 3D modes of cancer invasion in the tumor microenvironment, and emphasize the need for further 3D quantification of biological systems.