Cancer drugs that can potentially treat Angelman syndrome are identified. Genomic imprinting disorders arise owing to a loss of function of non-imprinted alleles expressed from one parent. In Angelman syndrome, a neurodevelopmental disorder caused by dysfunction of the maternal allele of the Ube3a gene, the paternal allele remains intact but is epigenetically silenced. Benjamin Philpot and colleagues perform an unbiased drug screen on mouse cortical neurons expressing fluorescent Ube3a and identify topoisomerase inhibitors that are capable of activating paternal Ube3a, including topotecan, a cancer therapeutic approved by the US Food and Drug Administration. When the drug is delivered in vivo, paternal Ube3a is activated in multiple regions of the brain, and effects persist for several weeks after drug cessation. This demonstrates a potential method for reactivating dormant alleles of imprinted genes, which may be a therapeutic strategy in disorders such as Angelman syndrome. Angelman syndrome is a severe neurodevelopmental disorder caused by deletion or mutation of the maternal allele of the ubiquitin protein ligase E3A (UBE3A)1,2,3. In neurons, the paternal allele of UBE3A is intact but epigenetically silenced4,5,6, raising the possibility that Angelman syndrome could be treated by activating this silenced allele to restore functional UBE3A protein7,8. Using an unbiased, high-content screen in primary cortical neurons from mice, we identify twelve topoisomerase I inhibitors and four topoisomerase II inhibitors that unsilence the paternal Ube3a allele. These drugs included topotecan, irinotecan, etoposide and dexrazoxane (ICRF-187). At nanomolar concentrations, topotecan upregulated catalytically active UBE3A in neurons from maternal Ube3a-null mice. Topotecan concomitantly downregulated expression of the Ube3a antisense transcript that overlaps the paternal copy of Ube3a9,10,11. These results indicate that topotecan unsilences Ube3a in cis by reducing transcription of an imprinted antisense RNA. When administered in vivo, topotecan unsilenced the paternal Ube3a allele in several regions of the nervous system, including neurons in the hippocampus, neocortex, striatum, cerebellum and spinal cord. Paternal expression of Ube3a remained elevated in a subset of spinal cord neurons for at least 12 weeks after cessation of topotecan treatment, indicating that transient topoisomerase inhibition can have enduring effects on gene expression. Although potential off-target effects remain to be investigated, our findings suggest a therapeutic strategy for reactivating the functional but dormant allele of Ube3a in patients with Angelman syndrome.

Neuroblastoma is a common pediatric cancer, where preclinical studies suggest that a mesenchymal-like gene expression program contributes to chemotherapy resistance. However, clinical outcomes remain poor, implying we need a better understanding of the relationship between patient tumor heterogeneity and preclinical models. Here, we generated single-cell RNA-seq maps of neuroblastoma cell lines, patient-derived xenograft models (PDX), and a genetically engineered mouse model (GEMM). We developed an unsupervised machine learning approach ('automatic consensus nonnegative matrix factorization' (acNMF)) to compare the gene expression programs found in preclinical models to a large cohort of patient tumors. We confirmed a weakly expressed, mesenchymal-like program in otherwise adrenergic cancer cells in some pre-treated high-risk patient tumors, but this appears distinct from the presumptive drug-resistance mesenchymal programs evident in cell lines. Surprisingly however, this weak-mesenchymal-like program was maintained in PDX and could be chemotherapy-induced in our GEMM after only 24 hours, suggesting an uncharacterized therapy-escape mechanism. Collectively, our findings improve the understanding of how neuroblastoma patient tumor heterogeneity is reflected in preclinical models, provides a comprehensive integrated resource, and a generalizable set of computational methodologies for the joint analysis of clinical and pre-clinical single-cell RNA-seq datasets.

ABSTRACT Spatial transcriptomics technologies have recently emerged as a powerful tool for measuring spatially resolved gene expression directly in tissues sections, revealing cell types and their dysfunction in unprecedented detail. However, spatial transcriptomics technologies are limited in their ability to separate transcriptionally similar cell types and can suffer further difficulties identifying cell types in slide regions where transcript capture is low. Here, we describe a conceptually novel methodology that can computationally integrate spatial transcriptomics data with cell-type-informative paired tissue images, obtained from, for example, the reverse side of the same tissue section, to improve inferences of tissue cell type composition in spatial transcriptomics data. The underlying statistical approach is generalizable to any spatial transcriptomics protocol where informative paired tissue images can be obtained. We demonstrate a use case leveraging cell-type-specific immunofluorescence markers obtained on mouse brain tissue sections and a use case for leveraging the output of AI annotated H&E tissue images, which we used to markedly improve the identification of clinically relevant immune cell infiltration in breast cancer tissue. Thus, combining spatial transcriptomics data with paired tissue images has the potential to improve the identification of cell types and hence to improve the applications of spatial transcriptomics that rely on accurate cell type identification.

ABSTRACT Combination chemotherapy is crucial for achieving durable cancer cures, however, developing safe and effective drug combinations has been a significant challenge. To improve this process, we conducted large-scale targeted CRISPR knockout screens in drug-treated cells, creating a genetic map of druggable genes that sensitize cells to commonly used chemotherapeutics. We prioritized neuroblastoma, the most common pediatric solid tumor, where 50% of high-risk patients do not survive. Our screen examined all druggable gene knockouts in 18 cell lines (10 neuroblastoma, 8 others) treated with 8 widely used drugs, resulting in 94,320 unique combination-cell line perturbations, which is comparable to the largest drug combination screens ever reported. Remarkably, using dense drug-drug rescreening, we found that the top CRISPR-nominated drug combinations were far more synergistic than standard-of-care combinations, suggesting existing combinations could be improved. As proof of principle, we discovered that inhibition of PRKDC, a component of the non-homologous end-joining pathway, sensitizes high-risk neuroblastoma cells to the standard-of-care drug doxorubicin in vitro and in vivo using PDX models. Our findings provide a valuable resource for the development of improved chemotherapeutic strategies and demonstrate the feasibility of using targeted CRISPR knockout to discover new combinations with common chemotherapeutics, a methodology with application across all cancers.

Abstract Background Neuroblastoma is a common pediatric cancer, where preclinical studies suggest that a mesenchymal-like gene expression program contributes to chemotherapy resistance. However, clinical outcomes remain poor, implying we need a better understanding of the relationship between patient tumor heterogeneity and preclinical models. Results Here, we generate single-cell RNA-seq maps of neuroblastoma cell lines, patient-derived xenograft models (PDX), and a genetically engineered mouse model (GEMM). We develop an unsupervised machine learning approach (“automatic consensus nonnegative matrix factorization” (acNMF)) to compare the gene expression programs found in preclinical models to a large cohort of patient tumors. We confirm a weakly expressed, mesenchymal-like program in otherwise adrenergic cancer cells in some pre-treated high-risk patient tumors, but this appears distinct from the presumptive drug-resistance mesenchymal programs evident in cell lines. Surprisingly, however, this weak-mesenchymal-like program is maintained in PDX and could be chemotherapy-induced in our GEMM after only 24 h, suggesting an uncharacterized therapy-escape mechanism. Conclusions Collectively, our findings improve the understanding of how neuroblastoma patient tumor heterogeneity is reflected in preclinical models, provides a comprehensive integrated resource, and a generalizable set of computational methodologies for the joint analysis of clinical and pre-clinical single-cell RNA-seq datasets.

Retinoic acid (RA) is a standard-of-care neuroblastoma drug thought to be effective by inducing differentiation. Curiously, RA has little effect on primary human tumors during upfront treatment but can eliminate neuroblastoma cells from the bone marrow during post-chemo consolidation therapy-a discrepancy that has never been explained. To investigate this, we treated a large cohort of neuroblastoma cell lines with RA and observed that the most RA-sensitive cells predominantly undergo apoptosis or senescence, rather than differentiation. We conducted genome-wide CRISPR knockout screens under RA treatment, which identified BMP signaling as controlling the apoptosis/senescence vs differentiation cell fate decision and determining RA's overall potency. We then discovered that BMP signaling activity is markedly higher in neuroblastoma patient samples at bone marrow metastatic sites, providing a plausible explanation for RA's ability to clear neuroblastoma cells specifically from the bone marrow, seemingly mimicking interactions between BMP and RA during normal development.

Aberrant HOXA9 expression is a hallmark of most aggressive acute leukemias, including human acute myeloid leukemia (AML) and subtypes of acute lymphoblastic leukemia (ALL). HOXA9 overexpression not only predicts poor diagnosis and outcome but also plays a critical role in leukemia transformation and maintenance. However, our current understanding of HOXA9 regulation in leukemia is limited, hindering development of therapeutic strategies to treat HOXA9-driven leukemia. To mitigate these challenges, we generated the first HOXA9-mCherry knock-in reporter in an MLL-rearranged (MLLr) B-ALL cell line to dissect HOXA9 regulation. By utilizing the reporter and CRISPR/Cas9 mediated screens, we identified transcription factors controlling HOXA9 expression, including a novel regulator, USF2 and its homolog USF1. USF1/USF2 depletion significantly down-regulated HOXA9 expression and impaired MLLr leukemia cell proliferation. Ectopic expression of HOXA9-MEIS1 fusion protein rescued the impaired leukemia cell proliferation upon USF2 loss. Cut&Run analysis revealed the direct occupancy of USF2 onto HOXA9 promoter in MLLr leukemia cells. Collectively, the HOXA9 reporter facilitated the functional interrogation of the HOXA9 regulome and has advanced our understanding of the molecular regulation network in HOXA9-driven leukemia.### Competing Interest StatementThe authors have declared no competing interest.

Abstract Preclinical models such as cell lines and mice are the backbone of drug development and experimental-mechanistic oncology. However, we currently lack a detailed understanding of the direct clinical relevance of data collected in most preclinical models, hampering the development of new treatments. Despite this, few formal approaches have been proposed to determine how the various preclinical models represent/resemble primary patient tumors. Here, we present the first comprehensive single-cell RNA-seq analysis of neuroblastoma across an extensive cohort of patient tumors and a variety of preclinical model systems (n = 126 total samples assembled – the largest cohort of its kind). By developing an unsupervised machine learning method, which we term “automatic consensus nonnegative matrix factorization” (acNMF), we have integrated and contrasted the transcriptional landscapes of patient tumors with those of cell lines, patient-derived xenografts (PDX), and genetic mouse models (GEMM). We discovered that the dominant adrenergic gene expression programs commonly found in neuroblastoma patient tumors were generally preserved across all preclinical models. However, the presumptive chemo-resistant mesenchymal-like programs, while identifiable in cell lines, were primarily restricted to subpopulations of cancer-associated fibroblasts and Schwann-like cells in vivo. Surprisingly however, a mesenchymal-like program could be acutely chemotherapy-induced in GEMM and was evident in pre-treated patient and PDX samples, suggesting a previously uncharacterized mechanism of therapy escape resulting from an acute shift in cell state. In addition, our approach could further delineate the classical neuroblastoma adrenergic and mesenchymal gene expression programs, discovering for example, novel subpopulations of cancer associated fibroblasts and reproducible subtypes of adrenergic programs. These behaviors were conserved across tumors and preclinical models, which we validated by RNA in situ hybridization, an ultra-sensitive, high resolution, spatial transcriptomics technology. Overall, we offer a nuanced, high-resolution view of neuroblastoma pre-clinical systems for advancing therapeutic development, as well as a generalizable set of computational tools, which can be applied in other diseases. We have created an open-source web resource, featuring this integrated map to aid the scientific community in further exploration of these integrated data (available at http://pscb.stjude.org). Citation Format: Richard H. Chapple, Xueying Liu, Sivaraman Natarajan, Margaret I.M. Alexander, Yuna Kim, Anand G. Patel, Christy W. LaFlamme, Min Pan, William C. Wright, Hyeong-Min Lee, Yinwen Zhang, Meifen Lu, Selene C. Koo, Courtney Long, John Harper, Chandra Savage, Melissa D. Johnson, Thomas Confer, Walter J. Akers, Michael A. Dyer, Heather Sheppard, John Easton, Paul Geeleher. An integrated single-cell RNA-seq map of human neuroblastoma tumors and preclinical models uncovers divergent mesenchymal-like gene expression programs [abstract]. In: Proceedings of the AACR Special Conference in Cancer Research: Advances in Pediatric Cancer Research; 2024 Sep 5-8; Toronto, Ontario, Canada. Philadelphia (PA): AACR; Cancer Res 2024;84(17 Suppl):Abstract nr B006.