Abstract Targeted therapy is effective in many tumor types including lung cancer, the leading cause of cancer mortality. Paradigm defining examples are targeted therapies directed against non-small cell lung cancer (NSCLC) subtypes with oncogenic alterations in EGFR, ALK and KRAS. The success of targeted therapy is limited by drug-tolerant tumor cells which withstand and adapt to treatment and comprise the residual disease state that is typical during treatment with clinical targeted therapies. Here, we integrate studies in patient-derived and immunocompetent lung cancer models and clinical specimens obtained from patients on targeted therapy to uncover a focal adhesion kinase (FAK)-YAP signaling axis that promotes residual disease during oncogenic EGFR-, ALK-, and KRAS-targeted therapies. FAK-YAP signaling inhibition combined with the primary targeted therapy suppressed residual drug-tolerant cells and enhanced tumor responses. This study unveils a FAK-YAP signaling module that promotes residual disease in lung cancer and mechanism-based therapeutic strategies to improve tumor response.

Abstract Motivation Anticancer combination therapy has been developed to increase efficacy by enhancing synergy. Patient-derived xenografts (PDXs) have emerged as reliable preclinical models to develop effective treatments in translational cancer research. However, in most PDX combination experiments, PDXs are tested on single dose levels and dose-response surface methods are not applicable for testing synergism. Results We propose a comprehensive statistical framework to assess joint action of drug combinations from PDX tumor growth curve data. We provide various metrics and robust statistical inference procedures that locally (at a fixed time) and globally (across time) access combination effects under classical drug interaction models. Integrating genomic and pharmacological profiles in non-small-cell lung cancer (NSCLC), we have shown the utilities of combPDX in discovering effective therapeutic combinations and relevant biological mechanisms. Availability We provide an interactive web server, combPDX ( https://licaih.shinyapps.io/CombPDX/ ), to analyze PDX tumor growth curve data and perform power analyses. Contact MJHa@mdanderson.org Supplementary information Supplementary data are available at Bioinformatics online.

Abstract Osimertinib sensitive and resistant NSCLC NCI-H1975 clones were used to model osimertinib acquired resistance in humanized mice and delineate potential resistance mechanisms. No new EGFR mutations or loss of the EGFR T790M mutation were found in resistant clones. Resistant tumors in humanized mice were initially partially responsive to osimertinib, then aggressive tumor regrowth occurred accompanied by an immunosuppressive tumor microenvironment. 3-phosphoinositide-dependent kinase 1 (PDK1) was identified as a potential driver of osimertinib acquired resistance, and its selective inhibition by BX795 and CRISPR gene knock out, sensitized resistant clones and a patient derived xenograft (PDX) with acquired resistance to osimertinib. PDK1 knock-out dysregulated PI3K/Akt/mTOR signaling, promoted cell cycle arrest at the G1 phase, and inhibited nuclear translocation of yes-associated protein (YAP). Higher expression of PDK1 was found in patients with progressive disease following osimertinib treatment. PDK1 is a central upstream regulator of two critical drug resistance pathways: PI3K/AKT/mTOR and YAP.

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.

Patient-Derived Xenografts (PDXs) are tumor-in-mouse models for cancer. PDX collections, such as those supported by the NCI PDXNet program, are powerful resources for preclinical therapeutic testing. However, variations in experimental design and analysis procedures have limited interpretability. To determine the robustness of PDX studies, the PDXNet tested temozolomide drug response for three pre-validated PDX models (sensitive, resistant, and intermediate) across four blinded PDX Development and Trial Centers (PDTCs) using independently selected SOPs. Each PDTC was able to correctly identify the sensitive, resistant, and intermediate models, and statistical evaluations were concordant across all groups. We also developed and benchmarked optimized PDX informatics pipelines, and these yielded robust assessments across xenograft biological replicates. These studies show that PDX drug responses and sequence results are reproducible across diverse experimental protocols. Here we share the range of experimental procedures that maintained robustness, as well as standardized cloud-based workflows for PDX exome-seq and RNA-Seq analysis and for evaluating growth.

NPRL2/TUSC4 is a tumor suppressor gene whose expression is reduced in many cancers including NSCLC. Restoration of NPRL2 expression in cancer cells induces DNA damage which leads to cell cycle arrest and apoptosis. We investigated the antitumor immune responses to NPRL2 gene therapy in aPD1R/ KRAS/STK11mt NSCLC in a humanized mouse model. Humanized mice were generated by transplanting fresh human cord blood derived CD34 stem cells into sub-lethally irradiated NSG mice. Lung metastases were developed from KRAS/STK11mt/aPD1R A549 cells in humanized mice and treated with NPRL2 gene-loaded cationic lipid nanoparticles (DOTAP-NPRL2) with or without pembrolizumab (aPD1). NPRL2 treatment reduced lung metastases significantly, whereas pembrolizumab was ineffective. The antitumor effect was greater in humanized than non-humanized mice suggesting that an immune response contributed to antitumor activity. NPRL2 combined with pembrolizumab was not synergistic in the KRAS/STK11mt/aPD1R tumors but was synergistic in the KRASwt/aPD1S H1299 tumors. Consistent with the A549 humanized mouse model, NPRL2 showed a significantly strong antitumor effect on KRASmt/aPD1R LLC2 syngeneic tumors, whereas aPD1 was ineffective. The antitumor effect of NPRL2 was correlated with increased infiltration of human cytotoxic immune cells and Ag-presenting HLA-DR+ DC, CD11c DC, and downregulation of myeloid and regulatory T cells in the TME. The antitumor effect of NPRL2 was significantly abolished upon in-vivo depletion of CD8 T, macrophages, and CD4 T cells. However, the antitumor effect remained unaffected upon in-vivo depletion of NK cells. A distinct pattern of gene expression profile was found in lung met after NPRL2 treatment in humanized mice. The expression of genes associated with T cell functions, including IFNγ, CD8b, CD7, TNFSF18, ITGA1, GATA3, and TBX21 was significantly increased, whereas the expression of genes associated with negative regulation of T cell functions, including FOXP3, TGFB1, TGFB2, and IL-10RA were strongly inhibited upon NPRL2 treatment. NPRL2 downregulated the expression of T cell co-inhibitory molecules, including CTLA4, ICOS, LAG3, PDCD1, CD274, IDO1, PDCD1LG2, CD47, and KLRB1. Tumors established from NPRL2 stably expressing cells in humanized mice exhibited significantly slower growth compared to controls. TME analysis showed an increased presence of human CD45+, CD3+ T, CD8+ T cells, and HLA-DR+ dendritic cells and a decreased percentage of Treg, CD3+PD1+T cells, MDSC, and CD163+ TAM in NPRL2-expressing tumors. In-vitro, NPRL2 stably expressing cells showed a substantial increase in colony formation inhibition and heightened sensitivity to carboplatin in colony formation, apoptosis, and PARP cleavage assays. Stable expression of NPRL2 resulted in the downregulation of MAPK and AKT-mTOR growth signaling through inhibition of pAKT, pmTOR, pPRAS40, p4E-BP1, and pS6 expression. Taken together, these data suggest that NPRL2 gene therapy induces antitumor activity on KRAS/STK11mt/aPD1R tumors through DC-mediated antigen presentation and cytotoxic immune cell activation.

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 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.