BACKGROUND. PD-L1 expression and tumor mutational burden (TMB) have emerged as important biomarkers of response to immune checkpoint inhibitor (ICI) therapy. These biomarkers have each succeeded and failed in predicting responders for different cancer types. We sought to describe the PD-L1 expression landscape across the spectrum of ICI-responsive human cancers, and to determine the relationship between PD-L1 expression, TMB, and response rates to ICIs.

A growing body of evidence demonstrates an association between vascular risk factors and Alzheimer's disease. This study investigated the frequency and severity of atherosclerotic plaques in the circle of Willis in Alzheimer's disease and multiple other neurodegenerative diseases. Semi-quantitative data from gross and microscopic neuropathological examinations in 1000 cases were analysed, including 410 with a primary diagnosis of Alzheimer's disease, 230 with synucleinopathies, 157 with TDP-43 proteinopathies, 144 with tauopathies and 59 with normal ageing. More than 77% of subjects with Alzheimer's disease had grossly apparent circle of Willis atherosclerosis, a percentage that was significantly higher than normal (47%), or other neurodegenerative diseases (43-67%). Age- and sex-adjusted atherosclerosis ratings were highly correlated with neuritic plaque, paired helical filaments tau neurofibrillary tangle and cerebral amyloid angiopathy ratings in the whole sample and within individual groups. We found no associations between atherosclerosis ratings and α-synuclein or TDP-43 lesion ratings. The association between age-adjusted circle of Willis atherosclerosis and Alzheimer's disease-type pathology was more robust for female subjects than male subjects. These results provide further confirmation and specificity that vascular disease and Alzheimer's disease are interrelated and suggest that common aetiologic or reciprocally synergistic pathophysiological mechanisms promote both vascular pathology and plaque and tangle pathology.

Immune checkpoint inhibitors provide significant clinical benefit to a subset of patients, but novel prognostic markers are needed to predict which patients will respond. This study was initiated to determine if features of patient T cell repertoires could provide insights into the mechanisms of immunotherapy, while also predicting outcomes.We examined T cell receptor (TCR) repertoires in peripheral blood of 25 metastatic pancreatic cancer patients treated with ipilimumab with or without GVAX (a pancreatic cancer vaccine), as well as peripheral blood and tumor biopsies from 32 patients treated with GVAX and mesothelin-expressing Listeria monocytogenes with or without nivolumab. Statistics from these repertoires were then tested for their association with clinical response and treatment group.We demonstrate that, first, the majority of patients receiving these treatments experience a net diversification of their peripheral TCR repertoires. Second, patients receiving ipilimumab experienced larger changes in their repertoires, especially in combination with GVAX. Finally, both a low baseline clonality and a high number of expanded clones following treatment were associated with significantly longer survival in patients who received ipilimumab but not in patients receiving nivolumab.We show that these therapies have measurably different effects on the peripheral repertoire, consistent with their mechanisms of action, and demonstrate the potential for TCR repertoire profiling to serve as a biomarker of clinical response in pancreatic cancer patients receiving immunotherapy. In addition, our results suggest testing sequential administration of anti-CTLA-4 and anti-PD-1 antibodies to achieve optimal therapeutic benefit.Samples used in this study were collected from the NCT00836407 and NCT02243371 clinical trials.Research supported by a Stand Up To Cancer Lustgarten Foundation Pancreatic Cancer Convergence Dream Team Translational Research grant (SU2C-AACR-DT14-14). Stand Up To Cancer is a program of the Entertainment Industry Foundation administered by the American Association for Cancer Research (AACR). Additional clinical trial funding was provided by AACR-Pancreatic Cancer Action Network Research Acceleration Network grant (14-90-25-LE), NCI SPORE in GI Cancer (CA062924), Quick-Trials for Novel Cancer Therapies: Exploratory Grants (R21CA126058-01A2), and the US Food and Drug Administration (R01FD004819). Research collaboration and financial support were provided by Adaptive Biotechnologies.

Immune-checkpoint therapy has failed to demonstrate meaningful clinical benefit in unselected cases of pancreatic adenocarcinoma (PDAC), but a subset of PDACs are known to upregulate pathways involved in acquired immune suppression. Further delineation of immunologic subtypes of PDAC is necessary to improve clinical trial designs and identify patients who might benefit from immune-checkpoint therapy. We used clinical survival and RNA expression data from The Cancer Genome Atlas (TCGA) to investigate the relationship between immune-modulating pathways and immune subset markers and their impact on survival in PDAC patients. Of the adaptive immune-resistance pathways, expression of PD-L1 and IDO1 was individually associated with poor survival. Although CD8 expression alone was not correlated with survival, the combination of PD-L1- and high CD8 expression identified a subtype with favorable survival. We further extended these observations using an independent PDAC cohort from our institution via IHC, again observing that the PD-L1-/CD8high subtype was associated with positive prognosis. Although PDAC is regarded as a poorly immunogenic cancer type, these findings infer that T-cell infiltration in the absence of adaptive immune-resistance pathways is a feature of long-term survival in PDAC and imply the importance of developing future immunotherapeutic strategies based on data-supported biomarkers to refine patient selection.

The relationships between absolute lymphocyte counts (ALC), drug- related toxicities, and clinical responses remain unclear in cancer patients treated with PD-1 (programmed cell death 1) inhibitors. We performed a retrospective review of 167 adult solid tumor patients treated with nivolumab or pembrolizumab at a single institution between January 2015 and November 2016. Patients with an ALC >2000 at baseline had an increased risk of irAE (OR 1.996, p<0.05) on multivariate analysis. In a multivariate proportional hazards model, a shorter time to progression was noted in patients who were lymphopenic at baseline (HR 1.45 (p<0.05)) and at three months (HR 2.01 (p<0.05)). Patients with baseline lymphopenia and persistent lymphopenia at month 3 had a shorter time to progression compared to those who had baseline lymphopenia but recovered with ALC > 1000 at 3 months (HR 2.76, p<0.05). Prior radiation therapy was the characteristic most strongly associated with lymphopenia at 3 months (OR 2.24, p<0.001). These data suggest that patients with higher baseline lymphocyte counts have a greater risk for irAE, whereas patients with lymphopenia at baseline and persistent lymphopenia while on therapy have a shorter time to progression on these agents. These associations require further validation in additional patient cohorts.

Abstract Recent advances in spatial transcriptomics (ST) enable gene expression measurements from a tissue sample while retaining its spatial context. This technology enables unprecedented in situ resolution of the regulatory pathways that underlie the heterogeneity in the tumor and its microenvironment (TME). The direct characterization of cellular co-localization with spatial technologies facilities quantification of the molecular changes resulting from direct cell-cell interaction, as occurs in tumor-immune interactions. We present SpaceMarkers, a novel bioinformatics algorithm to infer molecular changes from cell-cell interaction from latent space analysis of ST data. We apply this approach to infer molecular changes from tumor-immune interactions in Visium spatial transcriptomics data of metastasis, invasive and precursor lesions, and immunotherapy treatment. Further transfer learning in matched scRNA-seq data enabled further quantification of the specific cell types in which SpaceMarkers are enriched. Altogether, SpaceMarkers can identify the location and context-specific molecular interactions within the TME from ST data.

Human clinical trials are important tools to advance novel systemic therapies improve treatment outcomes for cancer patients. The few durable treatment options have led to a critical need to advance new therapeutics in hepatocellular carcinoma (HCC). Recent human clinical trials have shown that new combination immunotherapeutic regimens provide unprecedented clinical response in a subset of patients. Computational methods that can simulate tumors from mathematical equations describing cellular and molecular interactions are emerging as promising tools to simulate the impact of therapy entirely in silico. To facilitate designing dosing regimen and identifying potential biomarkers, we developed a new computational model to track tumor progression at organ scale while reflecting the spatial heterogeneity in the tumor at tissue scale in HCC. This computational model is called a spatial quantitative systems pharmacology (spQSP) platform and it is also designed to simulate the effects of combination immunotherapy. We then validate the results from the spQSP system by leveraging real-world spatial multi-omics data from a neoadjuvant HCC clinical trial combining anti-PD-1 immunotherapy and a multitargeted tyrosine kinase inhibitor (TKI) cabozantinib. The model output is compared with spatial data from Imaging Mass Cytometry (IMC). Both IMC data and simulation results suggest closer proximity between CD8 T cell and macrophages among non-responders while the reverse trend was observed for responders. The analyses also imply wider dispersion of immune cells and less scattered cancer cells in responders' samples. We also compared the model output with Visium spatial transcriptomics analyses of samples from post-treatment tumor resections in the original clinical trial. Both spatial transcriptomic data and simulation results identify the role of spatial patterns of tumor vasculature and TGFβ in tumor and immune cell interactions. To our knowledge, this is the first spatial tumor model for virtual clinical trials at a molecular scale that is grounded in high-throughput spatial multi-omics data from a human clinical trial.

Abstract Due to the lack of treatment options, there remains a need to advance new therapeutics in hepatocellular carcinoma (HCC). The traditional approach moves from initial molecular discovery through animal models to human trials to advance novel systemic therapies that improve treatment outcomes for patients with cancer. Computational methods that simulate tumors mathematically to describe cellular and molecular interactions are emerging as promising tools to simulate the impact of therapy entirely in silico, potentially greatly accelerating delivery of new therapeutics to patients. To facilitate the design of dosing regimens and identification of potential biomarkers for immunotherapy, we developed a new computational model to track tumor progression at the organ scale while capturing the spatial heterogeneity of the tumor in HCC. This computational model of spatial quantitative systems pharmacology was designed to simulate the effects of combination immunotherapy. The model was initiated using literature-derived parameter values and fitted to the specifics of HCC. Model validation was done through comparison with spatial multiomics data from a neoadjuvant HCC clinical trial combining anti-PD1 immunotherapy and a multitargeted tyrosine kinase inhibitor cabozantinib. Validation using spatial proteomics data from imaging mass cytometry demonstrated that closer proximity between CD8 T cells and macrophages correlated with nonresponse. We also compared the model output with Visium spatial transcriptomics profiling of samples from posttreatment tumor resections in the clinical trial and from another independent study of anti-PD1 monotherapy. Spatial transcriptomics data confirmed simulation results, suggesting the importance of spatial patterns of tumor vasculature and TGFβ in tumor and immune cell interactions. Our findings demonstrate that incorporating mathematical modeling and computer simulations with high-throughput spatial multiomics data provides a novel approach for patient outcome prediction and biomarker discovery. Significance: Incorporating mathematical modeling and computer simulations with high-throughput spatial multiomics data provides an effective approach for patient outcome prediction and biomarker discovery.