Genomic profiling has identified a subtype of high-risk B-progenitor acute lymphoblastic leukemia (B-ALL) with alteration of IKZF1, a gene expression profile similar to BCR-ABL1-positive ALL and poor outcome (Ph-like ALL). The genetic alterations that activate kinase signaling in Ph-like ALL are poorly understood. We performed transcriptome and whole genome sequencing on 15 cases of Ph-like ALL and identified rearrangements involving ABL1, JAK2, PDGFRB, CRLF2, and EPOR, activating mutations of IL7R and FLT3, and deletion of SH2B3, which encodes the JAK2-negative regulator LNK. Importantly, several of these alterations induce transformation that is attenuated with tyrosine kinase inhibitors, suggesting the treatment outcome of these patients may be improved with targeted therapy.

The genetic basis of hypodiploid acute lymphoblastic leukemia (ALL), a subtype of ALL characterized by aneuploidy and poor outcome, is unknown. Genomic profiling of 124 hypodiploid ALL cases, including whole-genome and exome sequencing of 40 cases, identified two subtypes that differ in the severity of aneuploidy, transcriptional profiles and submicroscopic genetic alterations. Near-haploid ALL with 24-31 chromosomes harbor alterations targeting receptor tyrosine kinase signaling and Ras signaling (71%) and the lymphoid transcription factor gene IKZF3 (encoding AIOLOS; 13%). In contrast, low-hypodiploid ALL with 32-39 chromosomes are characterized by alterations in TP53 (91.2%) that are commonly present in nontumor cells, IKZF2 (encoding HELIOS; 53%) and RB1 (41%). Both near-haploid and low-hypodiploid leukemic cells show activation of Ras-signaling and phosphoinositide 3-kinase (PI3K)-signaling pathways and are sensitive to PI3K inhibitors, indicating that these drugs should be explored as a new therapeutic strategy for this aggressive form of leukemia.

Recent genomic studies have identified chromosomal rearrangements defining new subtypes of B-progenitor acute lymphoblastic leukemia (B-ALL), however many cases lack a known initiating genetic alteration. Using integrated genomic analysis of 1,988 childhood and adult cases, we describe a revised taxonomy of B-ALL incorporating 23 subtypes defined by chromosomal rearrangements, sequence mutations or heterogeneous genomic alterations, many of which show marked variation in prevalence according to age. Two subtypes have frequent alterations of the B lymphoid transcription-factor gene PAX5. One, PAX5alt (7.4%), has diverse PAX5 alterations (rearrangements, intragenic amplifications or mutations); a second subtype is defined by PAX5 p.Pro80Arg and biallelic PAX5 alterations. We show that p.Pro80Arg impairs B lymphoid development and promotes the development of B-ALL with biallelic Pax5 alteration in vivo. These results demonstrate the utility of transcriptome sequencing to classify B-ALL and reinforce the central role of PAX5 as a checkpoint in B lymphoid maturation and leukemogenesis. Analysis of 1,988 cases of B-cell acute lymphoblastic leukemia characterizes 23 subtypes defined by genomic features and shows that two of the subtypes have frequent PAX5 alterations.

Charles Mullighan, Jinghui Zhang and colleagues characterize a subtype of B-progenitor acute lymphoblastic leukemia with deregulated DUX4 and ERG. They find that aberrant DUX4 activation results in loss of ERG function, either through deletion or by the induction a novel transforming ERG isoform, ERGalt, that inhibits wild-type ERG activity. Chromosomal rearrangements deregulating hematopoietic transcription factors are common in acute lymphoblastic leukemia (ALL). Here we show that deregulation of the homeobox transcription factor gene DUX4 and the ETS transcription factor gene ERG is a hallmark of a subtype of B-progenitor ALL that comprises up to 7% of B-ALL. DUX4 rearrangement and overexpression was present in all cases and was accompanied by transcriptional deregulation of ERG, expression of a novel ERG isoform, ERGalt, and frequent ERG deletion. ERGalt uses a non-canonical first exon whose transcription was initiated by DUX4 binding. ERGalt retains the DNA-binding and transactivation domains of ERG, but it inhibits wild-type ERG transcriptional activity and is transforming. These results illustrate a unique paradigm of transcription factor deregulation in leukemia in which DUX4 deregulation results in loss of function of ERG, either by deletion or induced expression of an isoform that is a dominant-negative inhibitor of wild-type ERG function.

Abstract Chromosomal rearrangements are initiating events in acute lymphoblastic leukaemia (ALL). Here using RNA sequencing of 560 ALL cases, we identify rearrangements between MEF2D (myocyte enhancer factor 2D) and five genes ( BCL9 , CSF1R , DAZAP1 , HNRNPUL1 and SS18 ) in 22 B progenitor ALL (B-ALL) cases with a distinct gene expression profile, the most common of which is MEF2D-BCL9 . Examination of an extended cohort of 1,164 B-ALL cases identified 30 cases with MEF2D rearrangements, which include an additional fusion partner, FOXJ2 ; thus, MEF2D- rearranged cases comprise 5.3% of cases lacking recurring alterations. MEF2D- rearranged ALL is characterized by a distinct immunophenotype, DNA copy number alterations at the rearrangement sites, older diagnosis age and poor outcome. The rearrangements result in enhanced MEF2D transcriptional activity, lymphoid transformation, activation of HDAC9 expression and sensitive to histone deacetylase inhibitor treatment. Thus, MEF2D- rearranged ALL represents a distinct form of high-risk leukaemia, for which new therapeutic approaches should be considered.

ABSTRACT Evidence supports significant interactions among microbes, immune cells, and tumor cells in at least 10–20% of human cancers, emphasizing the importance of further investigating these complex relationships. However, the implications and significance of tumor-related microbes remain largely unknown. Studies have demonstrated the critical roles of host microbes in cancer prevention and treatment responses. Understanding interactions between host microbes and cancer can drive cancer diagnosis and microbial therapeutics (bugs as drugs). Computational identification of cancer-specific microbes and their associations is still challenging due to the high dimensionality and high sparsity of intratumoral microbiome data, which requires large datasets containing sufficient event observations to identify relationships, and the interactions within microbial communities, the heterogeneity in microbial composition, and other confounding effects that can lead to spurious associations. To solve these issues, we present a bioinformatics tool, MEGA, to identify the microbes most strongly associated with 12 cancer types. We demonstrate its utility on a dataset from a consortium of 9 cancer centers in the Oncology Research Information Exchange Network (ORIEN). This package has 3 unique features: species-sample relations are represented in a heterogeneous graph and learned by a graph attention network; it incorporates metabolic and phylogenetic information to reflect intricate relationships within microbial communities; and it provides multiple functionalities for association interpretations and visualizations. We analyzed 2704 tumor RNA-seq samples and MEGA interpreted the tissue-resident microbial signatures of each of 12 cancer types. MEGA can effectively identify cancer-associated microbial signatures and refine their interactions with tumors. SIGNIFICANCE Studying the tumor microbiome in high-throughput sequencing data is challenging because of the extremely sparse data matrices, heterogeneity, and high likelihood of contamination. We present a new deep-learning tool, microbial graph attention (MEGA), to refine the organisms that interact with tumors.

Emerging evidence supports the important role of the tumor microbiome in oncogenesis, cancer immune phenotype, cancer progression, and treatment outcomes in many malignancies. In this study, we investigated the metastatic melanoma tumor microbiome and its potential roles in association with clinical outcomes, such as survival, in patients with metastatic disease treated with immune checkpoint inhibitors (ICI). Baseline tumor samples were collected from 71 patients with metastatic melanoma before treatment with ICIs. Bulk RNA sequencing (RNA-seq) was conducted on the formalin-fixed, paraffin-embedded and fresh frozen tumor samples. Durable clinical benefit (primary clinical endpoint) following ICIs was defined as overall survival >24 months and no change to the primary drug regimen (responders). We processed RNA-seq reads to carefully identify exogenous sequences using the {exotic} tool. The age of the 71 patients with metastatic melanoma ranged from 24 to 83 years, 59% were male, and 55% survived >24 months following the initiation of ICI treatment. Exogenous taxa were identified in the tumor RNA-seq, including bacteria, fungi, and viruses. We found differences in gene expression and microbe abundances in immunotherapy-responsive versus nonresponsive tumors. Responders showed significant enrichment of bacteriophages in the phylum Uroviricota, and nonresponders showed enrichment of several bacteria, including Campylobacter jejuni. These microbes correlated with immune-related gene expression signatures. Finally, we found that models for predicting prolonged survival with immunotherapy using both microbe abundances and gene expression outperformed models using either dataset alone. Our findings warrant further investigation and potentially support therapeutic strategies to modify the tumor microbiome in order to improve treatment outcomes with ICIs.

Emerging evidence supports the important role of the tumor microbiome in oncogenesis, cancer immune phenotype, cancer progression, and treatment outcomes in many malignancies. In this study, we investigated the metastatic melanoma tumor microbiome and potential roles in association with clinical outcomes, such as survival, in patients with metastatic disease treated with immune checkpoint inhibitors (ICIs). Baseline tumor samples were collected from 71 patients with metastatic melanoma before treatment with ICIs. Bulk RNA-seq was conducted on the formalin-fixed paraffin-embedded (FFPE) tumor samples. Durable clinical benefit (primary clinical endpoint) following ICIs was defined as overall survival ≥24 months and no change to the primary drug regimen (responders). We processed RNA-seq reads to carefully identify exogenous sequences using the {exotic} tool. The 71 patients with metastatic melanoma ranged in age from 24 to 83 years, 59% were male, and 55% survived >24 months following the initiation of ICI treatment. Exogenous taxa were identified in the tumor RNA-seq, including bacteria, fungi, and viruses. We found differences in gene expression and microbe abundances in immunotherapy responsive versus non-responsive tumors. Responders showed significant enrichment of several microbes including Fusobacterium nucleatum, and non-responders showed enrichment of fungi, as well as several bacteria. These microbes correlated with immune-related gene expression signatures. Finally, we found that models for predicting prolonged survival with immunotherapy using both microbe abundances and gene expression outperformed models using either dataset alone. Our findings warrant further investigation and potentially support therapeutic strategies to modify the tumor microbiome in order to improve treatment outcomes with ICIs.

Abstract Purpose: The promise of immune checkpoint inhibitor (ICI) therapy underlines the importance of comprehensively investigating the rationale for combinations with diverse immune modulators across different cancer types. Given the progress made with PD1 blockade to date, we examined mRNA co-expression levels of PD-1 with 13 immune checkpoints, including co-inhibitory receptors (LAG3, CTLA4, PD-L1, TIGIT, TIM3, VISTA, BTLA) and co-stimulatory molecules (CD28, OX40, GITR, CD137, CD27, HVEM), using RNA-Seq by Expectation-Maximization (RSEM). Methods: We analyzed real-world clinical and transcriptomic data from the Total Cancer Care Protocol (NCT03977402) and Avatar® project of patients with cancer treated within the Oncology Research Information Exchange Network (ORIEN) network. Using anti-PD1 as a backbone, we intended to investigate the rationale for combinations in different cancers. Pearson's R coefficients and associated P-values were calculated using SciPy 1.7.0. Results: The co-expression of PD1 with 13 immune checkpoints and PD-L1 varies across selected malignancies included. In cutaneous melanoma, PD1 expression correlated significantly with four co-inhibitory receptors (LAG3, TIM3, TIGIT, VISTA) and one co-stimulatory molecule (CD137). In urothelial carcinoma, PD1 expression significantly correlated with four co-inhibitory (TIGIT, CTLA4, LAG3, VISTA) and four co-stimulatory (OX40, CD27, CD137, HVEM) molecules. In pancreatic adenocarcinoma, only CD28 showed a significant correlation with PD1 expression. No significant correlations with PD1 expression were found in the ovarian cancer cohort. Notably, melanoma and urothelial carcinoma exhibited a dominant co-expression of co-inhibitory molecules with PD1, indicative of exhausted T cells, in contrast to the co-stimulatory molecule dominance in ovarian and pancreatic cancers, suggesting less differentiated T cells. Conclusions: Our findings highlight the potential for diverse combination strategies in immunotherapy, particularly with PD1 blockade, across various cancers.

ABSTRACT Tumor genomic alterations have been associated with altered tumor immune microenvironments and therapeutic outcomes. These studies raise a critical question: are there additional genomic variations altering the immune microenvironment in tumors that can provide insight into mechanisms of immune evasion? This question is the backbone of precision immuno-oncology. Current computational approaches to estimate immunity in bulk RNA sequencing (RNAseq) from tumors include gene set enrichment analysis and cellular deconvolution, but these techniques do not consider the spatial organization of lymphocytes or connect immune phenotypes with gene activity. Our new software package, Rapid Identification of Genomic Alterations in Tumors affecting lymphocyte Infiltration (RIGATonI), addresses these two gaps in separate modules: the Immunity Module and the Function Module. Using pathologist-reviewed histology slides and paired bulk RNAseq expression data, we trained a machine learning algorithm to detect high, medium, and low levels of immune infiltration (Immunity Module). We validated this technique using a subset of pathologist-reviewed slides not included in the training data, multiplex immunohistochemistry, flow cytometry, and digital staining of The Cancer Genome Atlas (TCGA). In addition to immune infiltrate classification, RIGATonI leverages another novel machine learning algorithm for the prediction of gain- and loss-of-function genomic alterations (Function Module). We validated this approach using clinically relevant and function-impacting genomic alterations from the OncoKB database. Combining these two modules, we analyzed all genomic alterations present in solid tumors in TCGA for their resulting protein function and immune phenotype. We visualized these results on a publicly available website. To illustrate RIGATonI’s potential to identify novel genomic variants with associated altered immune phenotypes, we describe increased anti-tumor immunity in renal cell carcinoma tumors harboring 14q deletions and confirmed these results with previously published single-cell RNA sequencing. Thus, we present our R package and online database, RIGATonI: an innovative software for precision immuno-oncology research.