By implementing the conditions for orthotopic implantation of different types of human breast tumors, the authors have created a publicly available bank of new mouse models that more faithfully recreate individual tumor properties and provide individualized information about tumor behavior and prognosis. Development and preclinical testing of new cancer therapies is limited by the scarcity of in vivo models that authentically reproduce tumor growth and metastatic progression. We report new models for breast tumor growth and metastasis in the form of transplantable tumors derived directly from individuals undergoing treatment for breast cancer. These tumor grafts illustrate the diversity of human breast cancer and maintain essential features of the original tumors, including metastasis to specific sites. Co-engraftment of primary human mesenchymal stem cells maintains phenotypic stability of the grafts and increases tumor growth by promoting angiogenesis. We also report that tumor engraftment is a prognostic indicator of disease outcome for women with newly diagnosed breast cancer; orthotopic breast tumor grafting is a step toward individualized models for tumor growth, metastasis and prognosis. This bank of tumor grafts also serves as a publicly available resource for new models in which to study the biology of breast cancer.

Mammary epithelium can functionally regenerate upon transplantation. This renewal capacity has been classically ascribed to the function of a multipotent mammary gland stem cell population, which has been hypothesized to be a primary target in the etiology of breast cancer. Several complementary approaches were employed in this study to identify and enrich mammary epithelial cells that retain stem cell characteristics. Using long-term BrdU labeling, a population of label retaining cells (LRCs) that lack expression of differentiation markers has been identified. LRCs isolated from mammary primary cultures were enriched for stem cell antigen-1 (Sca-1) and Hoechst dye-effluxing "side population" properties. Sca-1(pos) cells in the mammary gland were localized to the luminal epithelia by using Sca-1(+/GFP) mice, were progesterone receptor-negative, and did not bind peanut lectin. Finally, the Sca-1(pos) population is enriched for functional stem/progenitor cells, as demonstrated by its increased regenerative potential compared with Sca-1(neg) cells when transplanted into the cleared mammary fat pads of host mice.

Pancreatic ductal adenocarcinoma (PDA) was responsible for ~ 44,000 deaths in the United States in 2018 and is the epitome of a recalcitrant cancer driven by a pharmacologically intractable oncoprotein, KRAS1-4. Downstream of KRAS, the RAF→MEK→ERK signaling pathway plays a central role in pancreatic carcinogenesis5. However, paradoxically, inhibition of this pathway has provided no clinical benefit to patients with PDA6. Here we show that inhibition of KRAS→RAF→MEK→ERK signaling elicits autophagy, a process of cellular recycling that protects PDA cells from the cytotoxic effects of KRAS pathway inhibition. Mechanistically, inhibition of MEK1/2 leads to activation of the LKB1→AMPK→ULK1 signaling axis, a key regulator of autophagy. Furthermore, combined inhibition of MEK1/2 plus autophagy displays synergistic anti-proliferative effects against PDA cell lines in vitro and promotes regression of xenografted patient-derived PDA tumors in mice. The observed effect of combination trametinib plus chloroquine was not restricted to PDA as other tumors, including patient-derived xenografts (PDX) of NRAS-mutated melanoma and BRAF-mutated colorectal cancer displayed similar responses. Finally, treatment of a patient with PDA with the combination of trametinib plus hydroxychloroquine resulted in a partial, but nonetheless striking disease response. These data suggest that this combination therapy may represent a novel strategy to target RAS-driven cancers.

Breast cancer is a genetically and clinically heterogeneous disease, and the contributions of different target cells and different oncogenic mutations to this heterogeneity are not well understood. Here we report that mammary tumors induced by components of the Wnt signaling pathway contain heterogeneous cell types and express early developmental markers, in contrast to tumors induced by other signaling elements. Expression of the Wnt-1 protooncogene in mammary glands of transgenic mice expands a population of epithelial cells expressing progenitor cell markers, keratin 6 and Sca-1; subsequent tumors express these markers and contain luminal epithelial and myoepithelial tumor cells that share a secondary mutation, loss of Pten , implying that they arose from a common progenitor. Mammary tumors arising in transgenic mice expressing β- catenin and c-Myc , downstream components of the canonical Wnt signaling pathway, also contain a significant proportion of myoepithelial cells and cells expressing keratin 6. Progenitor cell markers and myoepithelial cells, however, are lacking in mammary tumors from transgenic mice expressing Neu , H- Ras , or polyoma middle T antigen . These results suggest that mammary stem cells and/or progenitors to mammary luminal epithelial and myoepithelial cells may be the targets for oncogenesis by Wnt-1 signaling elements. Thus, the developmental heterogeneity of different breast cancers is in part a consequence of differential effects of oncogenes on distinct cell types in the breast.

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.

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.

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.

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 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.