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

Summary Triple negative breast cancer (TNBC) is a highly heterogeneous set of diseases that has, until recently, lacked any FDA-approved, molecularly targeted therapeutics. Thus, systemic chemotherapy regimens remain the standard of care for many. Unfortunately, even combination chemotherapy is ineffective for many TNBC patients, and side-effects can be severe or lethal. Identification of predictive biomarkers for chemotherapy response would allow for the prospective selection of responsive patients, thereby maximizing efficacy and minimizing unwanted toxicities. Here, we leverage a cohort of TNBC PDX models with responses to single-agent docetaxel or carboplatin to identify biomarkers predictive for differential response to these two drugs. To demonstrate their ability to function as a preclinical cohort, PDX were molecularly characterized using whole-exome DNA sequencing, RNAseq transcriptomics, and mass spectrometry-based total proteomics to show proteogenomic consistency with TCGA and CPTAC clinical samples. Focusing first on the transcriptome, we describe a network-based computational approach to identify candidate epithelial and stromal biomarkers of response to carboplatin ( MSI1, TMSB15A, ARHGDIB, GGT1, SV2A, SEC14L2, SERPINI1, ADAMTS20, DGKQ ) and docetaxel ( ITGA7, MAGED4, CERS1, ST8SIA2, KIF24, PARPBP) . Biomarker panels are predictive in PDX expression datasets (RNAseq and Affymetrix) for both taxane (docetaxel or paclitaxel) and platinum-based (carboplatin or cisplatin) response, thereby demonstrating both cross expression platform and cross drug class robustness. Biomarker panels were also predictive in clinical datasets with response to cisplatin or paclitaxel, thus demonstrating translational potential of PDX-based preclinical trials. This network-based approach is highly adaptable and can be used to evaluate biomarkers of response to other agents.

SUMMARY The characterization of cancer cell states within the tumor microenvironment is a key to understanding tumor biology and an important step toward the development of precision therapies. To reconstruct this information from bulk RNA-seq profiles, we developed the XDec Simplex Mapping (XDec-SM) approach, a reference-optional deconvolution method that leverages single-cell information, when such information is available, to map tumors and the states of constituent cells onto a biologically interpretable, low-dimensional space. When applied to breast tumors in The Cancer Genome Atlas (TCGA), XDec-SM infers the identity of constituent cell types and their proportions. XDec-SM also infers cancer cells states within individual tumors that associate with DNA methylation patterns, driver somatic mutations, pathway activation and metabolic coupling between stromal and breast cancer cells. By projecting tumors, cancer cell lines, and PDX models onto the same map, we identify both in vitro and in vivo models with matching cancer cell states. Map position is also predictive of therapy response, thus opening the prospects for precision therapy informed by experiments in model systems matched to tumors in vivo by cancer cell state.

ABSTRACT Objective Mouse Patient-Derived Xenograft (PDX) models are essential tools for evaluating experimental therapeutics. Baylor College of Medicine (BCM) established a PDX Core to provide technical support and infrastructure for PDX-based research. To manage PDX collections effectively, de-identified patient clinical and omics data, as well as PDX-related information and omics data, must be curated and stored. Data must then be analyzed and visualized for each case. To enhance PDX collection management and data dissemination, the BCM Biomedical Informatics Core created the BCM PDX Portal ( https://pdxportal.research.bcm.edu/ ). Materials and Methods Patient clinical data are abstracted from medical records for each PDX and stored in a central database. Annotations are reviewed by a clinician and de-identified. PDX development method and biomarker expression are annotated. DNAseq, RNAseq, and proteomics data are processed through standardized pipelines and stored. PDX gene expression (mRNA/protein), copy number alterations, and mutations can be searched in combination with clinical markers to identify models potentially useful as a PDX cohort. Results PDX collection management and PDX selection of models for drug evaluation are facilitated using the PDX Portal. Discussion To improve the translational effectiveness of PDX models, it is beneficial to use a tool that captures and displays multiple features of the patient clinical and molecular data. Selection of models for studies should be representative of the patient cohort from which they originated. Conclusion The BCM PDX Portal is a highly effective PDX collection management tool allowing data access in a visual, intuitive manner thereby enhancing the utility of PDX collections.

SUMMARY Tumor-initiating cells (TIC) are a tumor cell subpopulation thought to be responsible for therapeutic resistance and metastasis. Using a S ignal T ransducer and A ctivator of T ranscription (STAT) reporter, and a STAT-responsive lineage tracing system, we enriched for cells with enhanced mammosphere-forming potential in some, but not all, triple-negative breast cancer xenograft models (TNBC) indicating TIC-related and TIC-independent functions for STAT signaling. Single-cell RNA sequencing (scRNA-seq) of reporter-tagged xenografts identified a common interferon-associated transcriptional state, previously linked to inflammation and macrophage differentiation, in TIC. Similar transcriptional states exist in human breast cancer patient scRNA-seq datasets. Flow cytometric sorting using bone marrow stromal cell antigen 2 (BST2), a marker of this state, enriched for TIC, and BST2 knockdown reduced mammosphere-forming potential. These results suggest TIC may exploit the interferon response pathway to promote their activity in TNBC. Our results lay the groundwork to target interferon-associated pathways in TIC in a subset of TNBC.

Abstract Patient-derived xenografts (PDXs) model human intra-tumoral heterogeneity in the context of the intact tissue of immunocompromised mice. Histological imaging via hematoxylin and eosin (H&E) staining is performed on PDX samples for routine assessment and, in principle, captures the complex interplay between tumor and stromal cells. Deep learning (DL)-based analysis of large human H&E image repositories has extracted inter-cellular and morphological signals correlated with disease phenotype and therapeutic response. Here, we present an extensive, pan-cancer repository of nearly 1,000 PDX and paired human progenitor H&E images. These images, curated from the PDXNet consortium, are associated with genomic and transcriptomic data, clinical metadata, pathological assessment of cell composition, and, in several cases, detailed pathological annotation of tumor, stroma, and necrotic regions. We demonstrate that DL can be applied to these images to classify tumor regions and to predict xenograft-transplant lymphoproliferative disorder, the unintended outgrowth of human lymphocytes at the transplantation site. This repository enables PDX-specific, investigations of cancer biology through histopathological analysis and contributes important model system data that expand on existing human histology repositories. We expect the PDXNet Image Repository to be valuable for controlled digital pathology analysis, both for the evaluation of technical issues such as stain normalization and for development of novel computational methods based on spatial behaviors within cancer tissues.

Abstract Polo-like kinase (PLK) family members play important roles in cell cycle regulation. The founding member PLK1 is oncogenic and preclinically validated as a cancer therapeutic target. Paradoxically, PLK2 (chromosome 5q11.2) is frequently deleted in human breast cancers, preferentially in basal-like and triple-negative breast cancer subtypes. Here, we found that PLK2 was tumor suppressive in breast cancer and knockdown of PLK1 rescued phenotypes induced by PLK2-loss both in vitro and in vivo . We also demonstrated that PLK2 directly interacted with PLK1 at prometaphase and that mutations in the kinase domain of PLK2, but not polo-box binding domains, changed their interaction pattern. Furthermore, treatment of syngeneic transplantation mouse tumor models and patient-derived xenografts using the PLK1 inhibitor volasertib alone, or in combination with carboplatin, indicated that PLK2-low breast tumors had a significantly better response to these drugs. Re-expression of PLK2 in an inducible PLK2-null mouse model reduced the therapeutic efficacy of volasertib. Taken together, our data suggest PLK2 loss may serve as a biomarker to predict response to PLK1 therapeutics, alone and in combination with chemotherapy. Significance The tumor suppressive role of PLK2, and its relationship with the oncogene PLK1, provide a mechanistic rationalization to use PLK1 inhibitors in combination with chemotherapy to treat PLK2 low/deleted tumors. TNBC, and other cancers with low PLK2 expression, are such candidates to leverage precision medicine to identify patients who might benefit from treatment with these inhibitors.

SUMMARY Loss of homologous recombination repair (HRR) via germline and somatic BRCA1 or BRCA2 gene mutations and via BRCA1 promoter methylation has been associated with better response to platinum agents and PARP inhibitors, in both triple negative breast cancer (TNBC) and ovarian carcinoma (OvCa). A major conundrum arising from recent clinical studies is why cancers with BRCA1 promoter methylation ( BRCA1 meth) respond more poorly as compared to those bearing mutations in BRCA1 and BRCA2 ( BRCA mut), given the biologically equivalent HRR deficiency in both states. We dissected this problem through detailed genomic analyses of primary TNBC and OvCa cohorts, as well as experimentation with patient-derived xenograft (PDX) models and genetically engineered cell lines. Using the precise genomic scar of the tandem duplicator phenotype as a precise genomic indicator of BRCA1 deficiency, we found that, in all cohorts, BRCA1 mut and BRCA1 meth cancers share an equivalent degree of BRCA1-linked genomic rearrangements. Nonetheless, we consistently found that patients with BRCA mut cancers, but not those with BRCA1 meth cancers, had significantly better response outcomes when compared to those with BRCA proficient cancers. When fully promoter methylated BRCA1 PDX TNBCs were exposed to a single short course of platinum chemotherapy an unmethylated BRCA1 promoter allele emerged in resultant tumors associated with an increase in BRCA1 expression. A separate analysis of PDXs derived from treatment naïve TNBCs featured complete methylation of the BRCA1 promoter, whereas those derived from post-chemotherapy TNBCs invariably had only partial methylation. PDXs with partial methylation were significantly associated with lower response rates to in vivo platinum-based therapy compared to those with complete promoter methylation. Using single cell clonal expansions from a partially BRCA1 meth PDX, we confirmed that the reduced level of methylation was due to the demethylation of one of the BRCA1 promoter alleles and not to the outgrowth of a non-methylated clone. Clinically, analysis of primary OvCas confirmed that high levels of BRCA1 methylation were significantly associated with reduced BRCA1 gene expression whereas cancers with lower levels of BRCA1 methylation had expression levels approaching those found in BRCA1 proficient cancers. These data suggest that unlike BRCA mut cancers, where HRR deficiency is achieved via mutations that are genetically ‘fixed’, BRCA1 meth cancers are highly adaptive to genotoxin exposure and more likely to recover BRCA1 expression, which may explain their poorer therapeutic response. We further found that an increased immune transcriptional signal, especially an elevated M1 macrophage signature, is associated with enhanced response to platinum-based chemotherapy only in patients with BRCA proficient cancers, in both TNBC and OvCa cohorts underscoring the importance of characterizing molecular heterogeneity to enhance predictive precision in assigning response probabilities in TNBC and OvCa.

Abstract Despite strong preclinical data, the therapeutic benefit of the RANKL inhibitor denosumab in BC patients, beyond its bone-related effects, is unclear. Here, we investigated the prognostic value of RANK expression and its functionality in human BC. We analyzed RANK and RANKL expression in more than 1500 BC cases (777 being estrogen receptor-negative (ER - )) from four independent cohorts. We confirmed that RANK is more frequently expressed in ER - tumors, but it is also found in a subset of ER + tumors. In ER - BC, RANK expression was independently associated with poor outcome, especially in postmenopausal patients and those who received adjuvant chemotherapy. Gene expression analyses unraveled distinct biology associated with RANK in relation to ER expression and menopause, and evidenced enhanced RANK activation in ER - postmenopausal tumors, together with regulation of metabolic pathways. Functional studies and transcriptomic analyses in ER - RANK + patients-derived orthoxenografts demonstrated that activation of RANK signaling pathway promotes tumor cell proliferation and stemness, and regulates multiple biological processes including tumor immune surveillance and metabolism. Our results demonstrate that RANK expression is an independent poor prognosis biomarker in postmenopausal ER - BC patients and support the rational of using RANK pathway inhibitors in combination with chemotherapy in ER - BC.