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 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.

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.

Pericentromeric satellite repeats are enriched in 5-methylcytosine (5mC). Loss of 5mC at these sequences is common in cancer and is a hallmark of Immunodeficiency, Centromere and Facial abnormalities (ICF) syndrome. While the general importance of 5mC is well-established, the specific functions of 5mC at pericentromeres are less clear. To address this deficiency, we generated a viable animal model of pericentromeric hypomethylation through mutation of the ICF-gene ZBTB24. Deletion of zebrafish zbtb24 caused a progressive loss of 5mC at pericentromeres and ICF-like phenotypes. Hypomethylation of these repeats triggered derepression of pericentromeric transcripts and activation of an interferon-based innate immune response. Injection of pericentromeric RNA is sufficient to elicit this response in wild-type embryos, and mutation of the MDA5-MAVS dsRNA-sensing machinery blocks the response in mutants. These findings identify activation of the innate immune system as an early consequence of pericentromeric hypomethylation, implicating derepression of pericentromeric transcripts as a trigger of autoimmunity.

Heterochromatin constitutes a fundamental aspect of genomes that is crucial for maintaining genome stability. In flowering plants, maintenance of heterochromatin relies on a positive feedback loop involving the histone 3 lysine nine methyltransferase (H3K9), KRYPTONITE (KYP), and the DNA methyltransferase, CHROMOMETHYLASE3 (CMT3). An H3K9 demethylase, INCREASED IN BONSAI METHYLATION 1 (IBM1), has evolved to modulate the activity of KYP-CMT3 within transcribed genes. The absence of IBM1 activity results in aberrant methylation of gene bodies, which is deleterious. This study demonstrates extensive genetic and gene expression variations in KYP, CMT3, and IBM1 within and between flowering plant species. IBM1 activity in Arabidopsis thaliana is uniquely regulated by the abundance of H3K9me2 in a repetitive sequence within an intron preceding the histone demethylase domain. This mechanism enables IBM1 to monitor global levels of H3K9me2. We discovered that the methylated intron is prevalent across flowering plants, however, its underlying sequence exhibits dynamic evolution. Its absence in species lacking gene body DNA methylation suggests its primary role in sensing H3K9me2 and preventing its integration into these constitutively expressed genes. Furthermore, our investigation uncovered Arabidopsis thaliana accessions resembling weak ibm1 mutants, several Brassicaceae species with reduced IBM1 expression, and an IBM1 deletion. Evolution towards reduced IBM1 activity in some flowering plants could explain the frequent natural occurrence of diminished or lost CMT3 activity, as cmt3 mutants in A. thaliana mitigate the deleterious effects of IBM1.

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.

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.