De novo and acquired resistance are major impediments to the efficacy of conventional and targeted cancer therapy. In unselected gastric cancer (GC) patients with advanced disease, trials combining chemotherapy and an anti-EGFR monoclonal antibody have been largely unsuccessful. In an effort to identify biomarkers of resistance so as to better select patients for such trials, we screened the secretome of chemotherapy-treated human GC cell lines. We found that levels of CGA, the α-subunit of glycoprotein hormones, were markedly increased in the conditioned media of chemoresistant GC cells, and CGA immunoreactivity was enhanced in GC tissues that progressed on chemotherapy. CGA levels in plasma increased in GC patients who received chemotherapy, and this increase was correlated with reduced responsiveness to chemotherapy and poor survival. Mechanistically, secreted CGA was found to bind to EGFR and activate EGFR signaling, thereby conferring a survival advantage to GC cells. N-glycosylation of CGA at Asn52 and Asn78 is required for its stability, secretion, and interaction with EGFR. GATA2 was found to activate CGA transcription, whose increase, in turn, induced the expression and phosphorylation of GATA2 in an EGFR-dependent manner, forming a positive feedback circuit that was initiated by GATA2 autoregulation upon sublethal exposure to chemotherapy. Based on this circuit, combination strategies involving anti-EGFR therapies or targeting CGA with microRNAs (miR-708-3p and miR-761) restored chemotherapy sensitivity. These findings identify a clinically actionable CGA/EGFR/GATA2 circuit and highlight CGA as a predictive biomarker and therapeutic target in chemoresistant GC.

ABSTRACT Highly multiplexed tissue imaging makes molecular analysis of single cells possible in a preserved spatial context. However, reproducible analysis of the underlying data poses a substantial computational challenge. Here we describe a modular and open-source computational pipeline (MCMICRO) for performing the sequential steps needed to transform large, multi-channel whole slide images into single-cell data. We demonstrate use of MCMICRO on images of different tissues and tumors acquired using multiple imaging platforms, thereby providing a solid foundation for the continued development of tissue imaging software.

Abstract Motivation The multiplexed imaging domain is a nascent single-cell analysis field with a complex data structure susceptible to technical variability that disrupts inference. These in situ methods are valuable in understanding cell-cell interactions, but few standardized processing steps or normalization techniques of multiplexed imaging data are available. Results We implement and compare data transformations and normalization algorithms in multiplexed imaging data. Our methods adapt the ComBat and functional data registration methods to remove slide effects in this domain, and we present an evaluation framework to compare the proposed approaches. We present clear slide-to-slide variation in the raw, unadjusted data, and show that many of the proposed normalization methods reduce this variation while preserving and improving the biological signal. Further, we find that dividing this data by its slide mean, and the functional data registration methods, perform the best under our proposed evaluation framework. In summary, this approach provides a foundation for better data quality and evaluation criteria in the multiplexed domain. Availability and Implementation Source code is provided at https://github.com/statimagcoll/MultiplexedNormalization . Contact coleman.r.harris@vanderbilt.edu Supplementary information Supplementary information is available online.

Abstract Most colorectal cancers (CRCs) develop from either adenomas (ADs) or sessile serrated lesions (SSLs). The origins and molecular landscapes of these histologically distinct pre-cancerous polyps remain incompletely understood. Here, we present an atlas at single-cell resolution of sporadic conventional tubular/tubulovillous ADs, SSLs, hyperplastic polyps (HPs), microsatellite stable (MSS) and unstable (MSI-H) CRC, and normal colonic mucosa. Using single-cell transcriptomics and multiplex imaging, we studied 69 datasets from 33 participants. We also examined separate sets of 66 and 274 polyps for RNA and targeted gene sequencing, respectively. We performed multiplex imaging on a tissue microarray of 14 ADs and 15 CRCs, and we integrated pre-cancer polyp data with published single-cell and The Cancer Genome Atlas (TCGA) bulk CRC data to establish potential polyp-cancer relationships. Striking differences were observed between ADs and SSLs that extended to MSS and MSI-H CRCs, respectively, reflecting their distinct origins and trajectories. ADs arose from WNT pathway dysregulation in stem cells, which aberrantly expanded and expressed a Hippo and ASCL2 regenerative program. In marked contrast, SSLs were depleted of stem cell-like populations and instead exhibited a program of gastric metaplasia in the setting of elevated cytotoxic inflammation. Using subtype-specific gene regulatory networks and shared genetic variant analysis, we implicated serrated polyps, including some HPs conventionally considered benign, as arising from a metaplastic program in committed absorptive cells. ADs and SSLs displayed distinct patterns of immune cell infiltration that may influence their natural history. Our multi-omic atlas provides novel insights into the malignant potential of colorectal polyps and serves as a framework for precision surveillance and prevention of sporadic CRC.

Abstract We present a quantitative sandwich immunoassay for CD63 Extracellular Vesicles (EVs) and a constituent surface cargo, EGFR and its activity state, that provides a sensitive, selective, fluorophore-free and rapid alternative to current EV-based diagnostic methods. Our sensing design utilizes a charge-gating strategy, with a hydrophilic anion exchange membrane functionalized with capture antibodies and a charged silica nanoparticle reporter functionalized with detection antibodies. With sensitivity and robustness enhancement by the ion-depletion action of the membrane, this hydrophilic design with charged reporters minimizes interference from dispersed proteins, thus enabling direct plasma analysis without the need for EV isolation or sensor blocking. With a LOD of 30 EVs/μL and a high relative sensitivity of 0.01% for targeted proteomic subfractions, our assay enables accurate quantification of the EV marker, CD63, with colocalized EGFR by an operator/sample insensitive universal normalized calibration. We analysed untreated clinical samples of Glioblastoma to demonstrate this new platform. Notably, we target both total and “active” EGFR on EVs; with a monoclonal antibody mAb806 that recognizes a normally hidden epitope on overexpressed or mutant variant III EGFR. Analysis of samples yielded an area-under-the-curve (AUC) value of 0.99 and a low p-value of 0.000033, surpassing the performance of existing assays and markers.

ABSTRACT Both Ménétrier’s disease (MD) and juvenile polyposis syndrome (JPS) are rare premalignant conditions that can lead to gastric cancer development. MD is an acquired disease without known causative mutations. MD patients are characterized by an increased expression of EGF receptor (EGFR) ligand and transforming growth factor alpha (TGF-α) in the stomach. JPS is inherited in an autosomal dominant pattern and is caused by BMPR1A or SMAD4 mutations. It is characterized by multiple polyps throughout the gastrointestinal tract along with certain SMAD4 mutations that can result in gastric polyposis. Although there are many distinct clinico- endoscopic and histopathologic features that differ between the two diseases, they also share similar features that often lead to misdiagnosis. This study aimed to identify markers that can help distinguish MD from JPS and to better understand the pathogenesis of MD by comparing differential gene expression patterns. Upon examination of MD and JPS microscopically, we found almost all cases have patchy areas mimicking each other, making it difficult to make a correct diagnosis with histopathologic examination alone. Comparative analysis between MD and JPS using ingenuity pathway analysis (IPA) revealed both common and differential gene signatures. Common gene signatures included estrogen receptor signaling, integrin signaling, mTOR signaling, and others, which may be responsible for histopathologic similarities. Among differential gene signatures, we found that claudin 18 ( CLDN18 ) is upregulated in MD and confirmed that CLDN18.2 (isoform of CLDN18) protein expression is higher in MD than JPS by immunohistochemistry. Comparative analysis between MD and normal control revealed the hedgehog (Hh) signaling pathway is upregulated in MD. Treatment with a hedgehog pathway inhibitor partially rescued the histopathologic phenotypes in a MD mouse model. The current study provides valuable insight into the potential underlying mechanism of why MD and JPS show similar clinico-pathologic features. We also identified a diagnostic marker CLDN18.2 that can help distinguish MD from JPS, genetically. Furthermore, it also shows that Hh signaling plays an important role in the pathogenesis of MD and can function as a potential therapeutic target.

Spatially resolved molecular assays provide high dimensional genetic, transcriptomic, proteomic, and epigenetic information in situ and at various resolutions. Pairing these data across modalities with histological features enables powerful studies of tissue pathology in the context of an intact microenvironment and tissue structure. Increasing dimensions across molecular analytes and samples require new data science approaches to functionally annotate spatially resolved molecular data. A specific challenge is data-driven cross-sample domain detection that allows for analysis within and between consensus tissue compartments across high volumes of multiplex datasets stemming from tissue atlasing efforts. Here, we present MILWRM – multiplex image labeling with regional morphology – a Python package for rapid, multi-scale tissue domain detection and annotation. We demonstrate MILWRM’s utility in identifying histologically distinct compartments in human colonic polyps and mouse brain slices through spatially-informed clustering in two different spatial data modalities. Additionally, we used tissue domains detected in human colonic polyps to elucidate molecular distinction between polyp subtypes. We also explored the ability of MILWRM to identify anatomical regions of mouse brain and their respective distinct molecular profiles.

Increasingly, highly multiplexed in situ tissue imaging methods are used to profile protein expression at the single-cell level. However, a critical limitation is a lack of robust cell segmentation tools applicable for sections of tissues with a complex architecture and multiple cell types. Using human colorectal adenomas, we present a pipeline for cell segmentation and quantification that utilizes machine learning-based pixel classification to define cellular compartments, a novel method for extending incomplete cell membranes, quantification of antibody staining, and a deep learning-based cell shape descriptor. We envision that this method can be broadly applied to different imaging platforms and tissue types.

Abstract Current methods for single-cell RNA profiling of pooled CRISPR screens are limited, either by indirect capture of single guide RNAs (sgRNAs) or by custom modification of plasmid libraries. Here, we present a direct sgRNA capture platform called Native sgRNA Capture and sequencing (NSC-seq) that enables single-cell CRISPR screens using common knockout plasmid libraries, facilitating genotype-phenotype mapping at multiple scales in vitro and in vivo . Additionally, we characterize sgRNA expression in three whole-genome knockout libraries, revealing a substantial subset of truncated (isoform) spacer reads. We provide this dataset as a reference of expressed sgRNA isoforms that may potentially have compromised CRISPR gene editing efficacy and precision.

Abstract Extracellular communication via the transfer of vesicles and nanoparticles is now recognized to play an important role in tumor microenvironment interactions. Colorectal cancer (CRC) cells upregulate and secrete abundant levels of miR-100 and miR-125b that can alter gene expression by cell- and non-cell-autonomous mechanisms. We previously showed that these miRNAs activate Wnt signaling through noncanonical pairing with 5 negative regulators of Wnt signaling. To identify additional targets of miR-100 and miR-125b , we used bioinformatic approaches comparing multiple CRC cell lines, including knockout lines lacking one or both miRNAs. From an initial list of 117 potential mRNA targets of miR-100 and miR-125b , we validated 8 targets including Cingulin, a protein that links the cytoskeleton to tight junctions and modulates epithelial to mesenchymal transition (EMT). Here, we show that miR-100 and miR-125b can be transferred between cells to silence target mRNAs. We also show that these miRNAs contribute to enhanced 3D growth and invasiveness.