Abstract Model systems that recapitulate the complexity of human tumors and the reality of variable treatment responses are urgently needed to better understand cancer biology and to develop more effective cancer therapies. Here we report development and characterization of a large bank of patient-derived xenografts (PDX) and matched organoid cultures from tumors that represent some of the greatest unmet needs in breast cancer research and treatment. These include endocrine-resistant, treatment-refractory, and metastatic breast cancers and, in some cases, multiple tumor collections from the same patients. The models can be grown long-term with high fidelity to the original tumors. We show that development of matched PDX and PDX-derived organoid (PDxO) models facilitates high-throughput drug screening that is feasible and cost-effective, while also allowing in vivo validation of results. Our data reveal consistency between drug screening results in organoids and drug responses in breast cancer PDX. Moreover, we demonstrate the feasibility of using these patient-derived models for precision oncology in real time with patient care, using a case of a triple negative breast cancer with early metastatic recurrence as an example. Our results uncovered an FDA-approved drug with high efficacy against the models. Treatment with the PDxO-directed therapy resulted in a complete response for the patient and a progression-free survival period more than three times longer than her previous therapies. This work provides valuable new methods and resources for functional precision medicine and drug development for human breast cancer. Graphical Abstract

Quantitative phase imaging (QPI) measures the growth rate of individual cells by quantifying changes in mass versus time. Here, we use the breast cancer cell lines MCF-7, BT-474, and MDA-MB-231 to validate QPI as a multiparametric approach for determining response to single-agent therapies. Our method allows for rapid determination of drug sensitivity, cytotoxicity, heterogeneity, and time of response for up to 100,000 individual cells or small clusters in a single experiment. We find that QPI EC50 values are concordant with CellTiter-Glo (CTG), a gold standard metabolic endpoint assay. In addition, we apply multiparametric QPI to characterize cytostatic/cytotoxic and rapid/slow responses and track the emergence of resistant subpopulations. Thus, QPI reveals dynamic changes in response heterogeneity in addition to average population responses, a key advantage over endpoint viability or metabolic assays. Overall, multiparametric QPI reveals a rich picture of cell growth by capturing the dynamics of single-cell responses to candidate therapies.

ABSTRACT Acral melanoma (AM) is an aggressive melanoma variant that arises from palmar, plantar, and nail unit melanocytes. Compared to non-acral cutaneous melanoma (CM), AM is biologically distinct, has an equal incidence across genetic ancestries, typically presents in advanced stage disease, is less responsive to therapy, and has an overall worse prognosis. Independent analysis of published genomic and transcriptomic sequencing identified that receptor tyrosine kinase (RTK) ligands and adapter proteins are frequently amplified, translocated, and/or overexpressed in AM. To target these unique genetic changes, a zebrafish acral melanoma model was exposed to a panel of narrow and broad spectrum multi-RTK inhibitors, revealing that dual FGFR/VEGFR inhibitors decrease acral-analogous melanocyte proliferation and migration. The potent pan-FGFR/VEGFR inhibitor, Lenvatinib, uniformly induces tumor regression in AM patient-derived xenograft (PDX) tumors but only slows tumor growth in CM models. Unlike other multi-RTK inhibitors, Lenvatinib is not directly cytotoxic to dissociated AM PDX tumor cells and instead disrupts tumor architecture and vascular networks. Considering the great difficulty in establishing AM cell culture lines, these findings suggest that AM may be more sensitive to microenvironment perturbations than CM. In conclusion, dual FGFR/VEGFR inhibition may be a viable therapeutic strategy that targets the unique biology of AM.

Abstract Quantitative phase imaging (QPI) measures the growth rate of individual cells by quantifying changes in mass versus time. Here, we use the breast cancer cell lines MCF-7, BT-474, and MDA-MB-231 to validate QPI as a multiparametric approach for determining response to single-agent therapies. Our method allows for rapid determination of drug sensitivity, cytotoxicity, heterogeneity, and time of response for up to 100,000 individual cells or small clusters in a single experiment. We find that QPI EC 50 values are concordant with CellTiter-Glo (CTG), a gold standard metabolic endpoint assay. In addition, we apply multiparametric QPI to characterize cytostatic/cytotoxic and rapid/slow responses and track the emergence of resistant subpopulations. Thus, QPI reveals dynamic changes in response heterogeneity in addition to average population responses, a key advantage over endpoint viability or metabolic assays. Overall, multiparametric QPI reveals a rich picture of cell growth by capturing the dynamics of single-cell responses to candidate therapies.

Patient-derived xenografts (PDXs) are resected human tumors engrafted into mice for preclinical studies and therapeutic testing. It has been proposed that the mouse host affects tumor evolution during PDX engraftment and propagation, impacting the accuracy of PDX modeling of human cancer. Here we exhaustively analyze copy number alterations (CNAs) in 1451 PDX and matched patient tumor (PT) samples from 509 PDX models. CNA inferences based on DNA sequencing and microarray data displayed substantially higher resolution and dynamic range than gene expression-based inferences, and they also showed strong CNA conservation from PTs through late-passage PDXs. CNA recurrence analysis of 130 colorectal and breast PT/PDX-early/PDX-late trios confirmed high-resolution CNA retention. We observed no significant enrichment of cancer-related genes in PDX-specific CNAs across models. Moreover, CNA differences between patient and PDX tumors were comparable to variations in multi-region samples within patients. Our study demonstrates the lack of systematic copy number evolution driven by the PDX mouse host.

ABSTRACT Recurrence of metastatic breast cancer stemming from acquired endocrine and chemotherapy resistance remains a health burden for women with luminal (ER+) breast cancer. Disseminated ER+ tumor cells can remain viable but quiescent for years to decades. Contributing factors to metastatic spread include the maintenance and expansion of breast cancer stem cells (CSCs). Breast CSCs frequently exist as a minority population in therapy resistant tumors. In this study, we show that cytoplasmic complexes composed of steroid receptor (SR) co-activators, PELP1 and SRC-3, modulate breast CSC expansion through upregulation of the HIF-activated metabolic target genes PFKFB3 and PFKFB4 . Seahorse metabolic assays demonstrated that cytoplasmic PELP1 influences cellular metabolism by increasing both glycolysis and mitochondrial respiration. PELP1 interacts with PFKFB3 and PFKFB4 proteins, and inhibition of PFKFB3 and PFKFB4 kinase activity blocks PELP1-induced tumorspheres and protein-protein interactions with SRC-3. PFKFB4 knockdown inhibited in vivo emergence of circulating tumor cell (CTC) populations in mammary intraductal (MIND) models. Application of PFKFB inhibitors in combination with ER targeted therapies blocked tumorsphere formation in multiple models of advanced breast cancer, including tamoxifen (TamR) and paclitaxel (TaxR) resistant models and ER+ patient-derived organoids (PDxO). Together, our data suggest that PELP1, SRC-3, and PFKFBs cooperate to drive ER+ tumor cell populations that include CSCs and CTCs. Significance Identifying non-ER pharmacological targets offers a useful approach to blocking metastatic escape from standard of care ER/estrogen (E2)-targeted strategies to overcome endocrine and chemotherapy resistance.