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

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.

Bioinformatics workflows for analyzing genomic data obtained from xenografted tumor (e.g., human tumors engrafted in a mouse host) must address several challenges, including separating mouse and human sequence reads and accurate identification of somatic mutations and copy number aberrations when paired normal DNA from the patient is not available. We report here data analysis workflows that address these challenges and result in reliable identification of somatic mutations, copy number alterations, and transcriptomic profiles of tumors from patient derived xenograft models. We validated our analytical approaches using simulated data and by assessing concordance of the genomic properties of xenograft tumors with data from primary human tumors in The Cancer Genome Atlas (TCGA). The commands and parameters for the workflows are available at https://github.com/TheJacksonLaboratory/PDX-Analysis- Workflows.

Abstract Patient-derived xenograft models (PDXs) are an effective preclinical in vivo platform for testing the efficacy of novel drug and drug combinations for cancer therapeutics. Here we describe a repository of 79 genomically and clinically annotated lung cancer PDXs available from The Jackson Laboratory that have been extensively characterized for histopathological features, mutational profiles, gene expression, and copy number aberrations. Most of the PDXs are models of non-small cell lung cancer (NSCLC), including 37 lung adenocarcinoma (LUAD) and 33 lung squamous cell carcinoma (LUSC) models. Other lung cancer models in the repository include four small cell carcinomas, two large cell neuroendocrine carcinomas, two adenosquamous carcinomas, and one pleomorphic carcinoma. Models with both de novo and acquired resistance to targeted therapies with tyrosine kinase inhibitors are available in the collection. The genomic profiles of the LUAD and LUSC PDX models are consistent with those observed in patient tumors of the same tumor type from The Cancer Genome Atlas (TCGA) and to previously characterized gene expression-based molecular subtypes. Clinically relevant mutations identified in the original patient tumors were confirmed in engrafted tumors. Treatment studies performed for a subset of the models recapitulated the responses expected based on the observed genomic profiles. Significance The collection of lung cancer Patient Derived Xenograft (PDX) models maintained at The Jackson Laboratory retain both the histologic features and treatment-relevant genomic alterations observed in the originating patient tumors and show expected responses to treatment with standard-of-care agents. The models serve as a valuable preclinical platform for translational cancer research. Information and data for the models are freely available from the Mouse Models of Human Cancer database (MMHCdb, http://tumor.informatics.jax.org/mtbwi/pdxSearch.do ).

Abstract We created the PDX Network (PDXNet) Portal ( https://portal.pdxnetwork.org/ ) to centralize access to the National Cancer Institute-funded PDXNet consortium resources (i.e., PDX models, sequencing data, treatment response data, and bioinformatics workflows), to facilitate collaboration among researchers, and to make resources easily available for research. The portal includes sections for resources, analysis results, metrics for PDXNet activities, data processing protocols, and training materials for processing PDX data. The initial portal release highlights PDXNet model and data resources, including 334 new models across 33 cancer types. Tissue samples of these models were deposited in the NCI’s Patient-Derived Model Repository (PDMR) for public access. These models have 2,822 associated sequencing files from 873 samples across 307 patients, which are hosted on the Cancer Genomics Cloud powered by Seven Bridges and the NCI Cancer Data Service for long-term storage and access with dbGaP permissions. The portal also includes results from standardized analysis workflows on PDXNet sequencing files and PDMR data (2,594 samples from 463 patients across 78 disease types). These 15 analysis workflows for whole-exome and RNA-Seq data are freely available, robust, validated, and standardized. The model and data lists will grow substantially over the next two years and will be continuously updated as new data are available. PDXNet models support multi-agent treatment studies, determination of sensitivity and resistance mechanisms, and preclinical trials. The PDXNet portal is a centralized location for these data and resources, which we expect to be of significant utility for the cancer research community.