ABSTRACT Translocation renal cell carcinoma (tRCC) is an aggressive and poorly-characterized subtype of kidney cancer driven by MiT/TFE gene fusions. Here, we define the landmarks of tRCC through an integrative analysis of 152 tRCC patients identified across multiple genomic, clinical trial, and retrospective cohorts. Most tRCCs harbor few somatic alterations apart from MiT/TFE fusions and homozygous deletions at chromosome 9p21.3 (19.2% of cases). Transcriptionally, tRCCs display a heightened NRF2-driven antioxidant response that is associated with resistance to many targeted therapies. Consistently, we find that outcomes for tRCC patients treated with vascular endothelial growth factor receptor inhibitors (VEGFR-TKI) are worse than those treated with immune checkpoint inhibition (ICI). Multiparametric immunofluorescence confirmed the presence of CD8 + tumor-infiltrating T cells compatible with a clinical benefit from ICI and revealed an exhaustion immunophenotype distinct from clear cell RCC. Our findings comprehensively define the clinical and molecular features of tRCC and may inspire new therapeutic hypotheses.

We leverage machine learning approaches to adapt nanopore sequencing basecallers for nucleotide modification detection. We first apply the incremental learning technique to improve the basecalling of modification-rich sequences, which are usually of high biological interests. With sequence backbones resolved, we further run anomaly detection on individual nucleotides to determine their modification status. By this means, our pipeline promises the single-molecule, single-nucleotide and sequence context-free detection of modifications. We benchmark the pipeline using control oligos, further apply it in the basecalling of densely-modified yeast tRNAs and E.coli genomic DNAs, the cross-species detection of N6-methyladenosine (m6A) in mammalian mRNAs, and the simultaneous detection of N1-methyladenosine (m1A) and m6A in human mRNAs. Our IL-AD workflow is available at: https://github.com/wangziyuan66/IL-AD.

TPS8663 Background: Fianlimab (anti–lymphocyte activation gene 3 [LAG-3]) and cemiplimab (anti–programmed cell death-1 [PD-1]) are high-affinity, fully human, IgG4 monoclonal antibodies. In patients (pts) with advanced non-small cell lung cancer (aNSCLC) and programmed cell death-ligand 1 (PD-L1) expression ≥50% with no actionable mutations, first-line cemiplimab monotherapy showed significantly prolonged overall survival (OS) and progression-free survival (PFS) versus chemotherapy, with a safety profile consistent with previous reports for cemiplimab monotherapy. Despite pts’ selection by PD-L1 expression, only ~50% of pts respond to PD-1 therapy, thus there is a need for immune-oncology combinations like anti–LAG-3 plus anti–PD-1 to potentially improve outcomes. Methods: This is a randomized, double-blind, Phase 2/3 study (NCT05785767) to evaluate fianlimab + cemiplimab versus cemiplimab monotherapy as first-line treatment in pts with aNSCLC and tumors expressing PD-L1 ≥50%. The study will be conducted globally at ~210 sites. Key inclusion criteria: ≥18 years old; histologically confirmed squamous or non-squamous stage IIIB/C (not candidates for surgical resection or definitive chemoradiation) or stage IV NSCLC (no prior systemic treatment for recurrent or metastatic NSCLC); PD-L1 expression in ≥50% of tumor cells; ≥1 radiographically measurable lesion per Response Evaluation Criteria in Solid Tumors v1.1; Eastern Cooperative Oncology Group performance status ≤1; adequate organ and bone marrow function. This study has Phase 2 and Phase 3 parts and is expected to enroll ~850 pts. Pts will be treated for up to 108 weeks. In Phase 2, 150 patients will be randomized 1:1:1 into three treatment arms (Q3W IV): Arm A, fianlimab high dose + cemiplimab 350 mg; Arm B, fianlimab low dose + cemiplimab 350 mg; Arm C, cemiplimab 350 mg + saline/dextrose placebo. Based on findings from Phase 2, the dose of fianlimab (low or high) will be selected for Phase 3. In Phase 3, 700 patients will be randomized 1:1 into either experimental Arm A or B, and comparator Arm C (cemiplimab + placebo). In Phase 2, the primary endpoint is objective response rate (ORR) per blinded independent central review (BICR). The secondary endpoints are safety, ORR per investigator assessment, disease control rate (DCR), time to tumor response (TTR), duration of response (DOR), PFS, OS, patient-reported outcomes, pharmacokinetics, and immunogenicity. In Phase 3, the primary endpoint is OS in patients receiving fianlimab + cemiplimab versus cemiplimab monotherapy. Secondary endpoints are safety, ORR, DCR, TTR, DOR, and PFS, per BICR and investigator assessment, patient-reported outcomes, pharmacokinetics, and immunogenicity. This study is open for enrollment along with a second study of fianlimab + cemiplimab + chemotherapy in aNSCLC. Clinical trial information: NCT05785767 .

Abstract While the introduction of immune checkpoint blockade (ICB) has dramatically improved clinical outcomes for patients with advanced melanoma, a significant proportion of patients develop resistance to therapy, and mechanisms of resistance are poorly elucidated in most cases. Further, while combination ICB has higher response rates and improved progression free survival compared to single agent therapy in the front line setting, there is significantly increased toxicity with combination ICB, and biomarkers to identify patients who would disproportionately benefit from combination therapy vs aPD-1 ICB are poorly characterized. To understand resistance mechanisms to single vs combination ICB therapy, we analyze whole-exome-sequencing (WES) of pre-treatment tumor and matched normals of 4 cohorts (n=140) of previously ICB-naïve aPD-1 ICB treated patients. We find that high intratumoral genomic heterogeneity and low ploidy identify patients with intrinsic resistance to aPD-1 ICB. Comparing to a melanoma cohort from a pre-targeted therapy and ICB time period (“untreated” cohort), we find that genomic heterogeneity specifically predicts response and survival in the ICB treated cohorts, but not in the untreated cohort, while ploidy is also prognostic of overall survival in the “untreated” (by targeted therapy or ICB) group. To establish clinically actionable predictions, we optimize a simple decision tree using genomic ploidy and heterogeneity to identify with high confidence (90% PPV) a subset of patients with intrinsic resistance to and significantly worse survival on aPD1 ICB treatment. We then validate this model in independent cohorts, and further show that a significant proportion of patients predicted to have intrinsic resistance to single agent aPD-1 ICB respond to combination ICB, which suggests that nominated patients may benefit disproportionately from combination ICB. We further show that the features and predictions of the model are independent of known clinical features and previously nominated molecular biomarkers. These findings highlight the clinical and biological importance of genomic heterogeneity and ploidy, and sets a concrete framework towards clinical actionability, broadly advancing precision medicine in oncology.

Abstract Sarcomatoid and rhabdoid (S/R) renal cell carcinoma (RCC) are highly aggressive tumors with limited molecular and clinical characterization. Emerging evidence suggests immune checkpoint inhibitors (ICI) are particularly effective for these tumors 1–3 , although the biological basis for this property is largely unknown. Here, we evaluate multiple clinical trial and real-world cohorts of S/R RCC to characterize their molecular features, clinical outcomes, and immunologic characteristics. We find that S/R RCC tumors harbor distinctive molecular features that may account for their aggressive behavior, including BAP1 mutations, CDKN2A deletions, and increased expression of MYC transcriptional programs. We show that these tumors are highly responsive to ICI and that they exhibit an immune-inflamed phenotype characterized by immune activation, increased cytotoxic immune infiltration, upregulation of antigen presentation machinery genes, and PD-L1 expression. Our findings shed light on the molecular drivers of aggressivity and responsiveness to immune checkpoint inhibitors of S/R RCC tumors.

Introductory paragraph The clinical success of targeted cancer therapy is limited by drug resistance that renders cancers lethal in patients 1-4 . Human tumours can evolve therapy resistance by acquiring de novo genetic alterations and increased heterogeneity via mechanisms that remain incompletely understood 1 . Here, through parallel analysis of human clinical samples, tumour xenograft and cell line models and murine model systems, we uncover an unanticipated mechanism of therapy-induced adaptation that fuels the evolution of drug resistance. Targeted therapy directed against EGFR and ALK oncoproteins in lung cancer induced adaptations favoring apolipoprotein B mRNA-editing enzyme, catalytic polypeptide (APOBEC)-mediated genome mutagenesis. In human oncogenic EGFR -driven and ALK -driven lung cancers and preclinical models, EGFR or ALK inhibitor treatment induced the expression and DNA mutagenic activity of APOBEC3B via therapy-mediated activation of NF-κB signaling. Moreover, targeted therapy also mediated downregulation of certain DNA repair enzymes such as UNG2, which normally counteracts APOBEC-catalyzed DNA deamination events. In mutant EGFR -driven lung cancer mouse models, APOBEC3B was detrimental to tumour initiation and yet advantageous to tumour progression during EGFR targeted therapy, consistent with TRACERx data demonstrating subclonal enrichment of APOBEC-mediated mutagenesis. This study reveals how cancers adapt and drive genetic diversity in response to targeted therapy and identifies APOBEC deaminases as future targets for eliciting more durable clinical benefit to targeted cancer therapy.

SUMMARY Anti-PD-1/PD-L1 agents have transformed the treatment landscape of advanced non-small cell lung cancer (NSCLC). While our understanding of the biology underlying immune checkpoint blockade in NSCLC is still incomplete, studies to date have established predictive roles for PD-L1 tumor expression and tumor mutational burden (TMB). To expand our understanding of the molecular features underlying response to checkpoint inhibitors in NSCLC, we describe here the first joint analysis of the Stand Up 2 Cancer - Mark Foundation (SU2C-MARK) Cohort, a resource of whole exome and/or RNA sequencing from 393 patients with NSCLC treated with anti-PD-(L)1 therapy, along with matched clinical response annotation. We identify a number of associations between molecular features and outcome, including: 1) favorable (e.g., ATM altered), and unfavorable (e.g., TERT amplified) genomic subgroups, 2) distinct immune infiltration signatures associated with wound healing (unfavorable) and immune activation (favorable), and 3) a novel de-differentiated tumor-intrinsic subtype characterized by expression of endodermal lineage genes, immune activation, and enhanced response rate. Taken together, results from this cohort extend our understanding of NSCLC-specific predictors, providing a rich set of molecular and immunologic hypotheses with which to further our understanding of the biology of checkpoint blockade in NSCLC.

Metastatic castration resistant prostate cancer (mCRPC) is primarily treated with therapies that prevent transcriptional activity of the androgen receptor (AR), cause DNA damage, or prevent cell division. Clinical resistance to these therapies, including second-generation androgen-targeting compounds such as enzalutamide and abiraterone, is nearly universal. Other treatment modalities, including immune checkpoint inhibitors, have provided minimal benefit except in rare subsets of patients. Both tumour intrinsic and extrinsic cellular programs contributing to therapeutic resistance remain areas of active investigation. Here we use full-length single-cell RNA-sequencing (scRNA-seq) to identify the transcriptional states of cancer and immune cells in the mCRPC microenvironment. Within cancer cells, we identified transcriptional patterns that mediate a significant proportion of inherited risk for prostate cancer, extensive heterogeneity in AR splicing within and between tumours, and vastly divergent regulatory programs between adenocarcinoma and small cell carcinoma. Moreover, upregulation of TGF-β signalling and epithelial-mesenchymal transition (EMT) were both associated with resistance to enzalutamide. We found that some lymph node metastases, but no bone metastases, were heavily infiltrated by dysfunctional CD8+ T cells, including cells undergoing dramatic clonal expansion during enzalutamide treatment. Our findings suggest avenues for rational therapeutic approaches targeting both tumour-intrinsic and immunological pathways to combat resistance to current treatment options.

ABSTRACT Individual tumor molecular profiling is routinely used to detect single gene-variant (“first-order”) genomic alterations that may inform therapeutic actions -- for instance, a tumor with a BRAF p.V600E variant might be considered for RAF/MEK inhibitor therapy. Interactions between such first-order events (e.g., somatic-germline) and global molecular features (e.g. mutational signatures) are increasingly associated with clinical outcomes, but these “second order” alterations are not yet generally accounted for in clinical interpretation algorithms and knowledge bases. Here, we introduce the Molecular Oncology Almanac (MOAlmanac), a clinical interpretation algorithm paired with a novel underlying knowledge base to enable integrative interpretation of genomic and transcriptional cancer data for point-of-care treatment decision-making and translational hypothesis generation. We compared MOAlmanac to first-order interpretation methodology in multiple retrospective patient cohorts and observed that the inclusion of preclinical and inferential evidence as well as second-order molecular features increased the number of nominated clinical hypotheses. MOAlmanac also performed matchmaking between patient molecular profiles and cancer cell lines to further expand individualized clinical actionability. When applied to a prospective precision oncology trial cohort, MOAlmanac nominated a median of two therapies per patient and identified therapeutic strategies administered in 46% of patient profiles. Overall, we present a novel computational method to perform integrative clinical interpretation of individualized molecular profiles. MOAlmanc increases clinical actionability over conventional approaches by considering second-order molecular features and additional evidence sources, and is available as an open-source framework.