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.

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.

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.

ABSTRACT Tumor hypoxia has been shown to predict poor patient outcomes in several cancer types, partially because it reduces radiation’s ability to kill cells. We investigated whether some of the clinical effects of hypoxia could also be due to its impact on the tumor microbiome. We examined the RNA-seq data from the Oncology Research Information Exchange Network (ORIEN) database of colorectal cancer (CRC) patients treated with radiotherapy. For each tumor, we identified microbial RNAs and related them to the hypoxic gene expression scores calculated from host mRNA. Our analysis showed that the hypoxia expression score predicted poor patient outcomes and identified tumors enriched with certain microbes such as Fusobacterium nucleatum . The presence of other microbes, such as Fusobacterium canifelinum, predicted poor patient outcomes, suggesting a potential interaction between hypoxia, the microbiome, and radiation response. To investigate this concept experimentally, we implanted CT26 CRC cells into both immune-competent BALB/c and immune-deficient athymic nude mice. After growth, where tumors passively acquired microbes from the gastrointestinal tract, we harvested tumors, extracted nucleic acids, and sequenced host and microbial RNAs. We stratified tumors based on their hypoxia score and performed metatranscriptomic analysis of microbial gene expression. In addition to hypoxia-trophic and -phobic microbial populations, analysis of microbial gene expression at the strain level showed expression differences based on the hypoxia score. Hypoxia appears to not only associate with different microbial populations but also elicit an adaptive transcriptional response in intratumoral microbes. SIGNIFICANCE Tumor hypoxia reduces radiation’s ability to kill cells. We explored whether some of the clinical effects of hypoxia could also be due to interaction with the tumor microbiome. Hypoxic expression scores associated with certain microbes and elicited an adaptive transcriptional response in others.

Abstract Tumor hypoxia has been shown to predict poor patient outcomes in several cancer types, partially because it reduces radiation’s ability to kill cells. We hypothesized that some of the clinical effects of hypoxia could also be due to its impact on the tumor microbiome. Therefore, we examined the RNA sequencing data from the Oncology Research Information Exchange Network database of patients with colorectal cancer treated with radiotherapy. We identified microbial RNAs for each tumor and related them to the hypoxic gene expression scores calculated from host mRNA. Our analysis showed that the hypoxia expression score predicted poor patient outcomes and identified tumors enriched with certain microbes such as Fusobacterium nucleatum. The presence of other microbes, such as Fusobacterium canifelinum, predicted poor patient outcomes, suggesting a potential interaction between hypoxia, the microbiome, and radiation response. To experimentally investigate this concept, we implanted CT26 colorectal cancer cells into immune-competent BALB/c and immune-deficient athymic nude mice. After growth, in which tumors passively acquired microbes from the gastrointestinal tract, we harvested tumors, extracted nucleic acids, and sequenced host and microbial RNAs. We stratified tumors based on their hypoxia score and performed a metatranscriptomic analysis of microbial gene expression. In addition to hypoxia-tropic and -phobic microbial populations, analysis of microbial gene expression at the strain level showed expression differences based on the hypoxia score. Thus, hypoxia gene expression scores seem to associate with different microbial populations and elicit an adaptive transcriptional response in intratumoral microbes, potentially influencing clinical outcomes. Significance: Tumor hypoxia reduces radiotherapy efficacy. In this study, we explored whether some of the clinical effects of hypoxia could be due to interaction with the tumor microbiome. Hypoxic gene expression scores associated with certain microbes and elicited an adaptive transcriptional response in others that could contribute to poor clinical outcomes.

e15618 Background: Colorectal cancer (CRC) is the third most common cancer globally and ranks second as a cause of cancer-related death. As survival rates among CRC patients continue to rise, addressing accompanying metabolic comorbidities is becoming increasingly important. This study aims to explore the prevalence of metabolic comorbidities and metabolic syndrome among CRC patients, as well as their impact on survival. Methods: The ColoCare Study is a prospective cohort study conducted across seven U.S. and European sites. Data from a single site, Cedars-Sinai Medical Center in Los Angeles, California was analyzed. Adults with newly diagnosed stage I-IV CRC and available medical records were eligible. Basic demographic information and medical history, including hypertension, hyperlipidemia, and diabetes mellitus (DM) diagnosis at or before CRC diagnosis were collected by manually reviewing electronic medical records. Additionally, BMI was calculated using patients' weight and height at the time of diagnosis and classified according to the CDC’s published ranges. Patients were considered to have metabolic syndrome if they met three or more of the following criteria: hypertension, hyperlipidemia, DM, or obesity. Overall survival rates for patients with each metabolic condition were compared. Results: A total of 295 patients (58.3% male, 41.7% female, mean age at diagnosis = 58.3) were identified. 172 were non-Hispanic White (58.3%), 52 were Hispanic/Latino (17.6%), 36 (12.2%) were Asian, 27 (9.2%) were Black, and 8 (1.8%) were unknown/other. Metabolic conditions were prevalent in the cohort: hypertension affected 33.9%, hyperlipidemia affected 21.4%, and DM affected 13% of patients. Additionally, over half of the patients (56.6%) were overweight or obese. Individuals meeting criteria for metabolic syndrome (8.8%) had lower survival rates compared to those without this condition (73.1% vs. 81.4%). Similarly, patients with DM had lower survival rates compared to their counterparts without DM (72.5% vs. 82.0%). Patients with hypertension, hyperlipidemia, and elevated BMI did not have significantly different survival rates compared to patients without such conditions. Conclusions: Our study highlights the prevalence of metabolic comorbidities, specifically metabolic syndrome and DM, among CRC patients and emphasizes how these factors can impact patient outcomes post-diagnosis. This information is valuable for physicians when considering lifestyle changes or treatment strategies following CRC diagnosis. Further, it highlights the importance of coordination between oncologists and primary care providers to effectively manage metabolic diseases in CRC patients.