Abstract Patient derived tumor organoids (PDTOs) have become relevant pre-clinical models for therapeutic modelling since they highly recapitulate patients’ response to treatment. Nevertheless, their value for immunotherapy modelling has not been fully explored. We developed a tumor processing protocol that enable the establishment of PDTOs and tumor infiltrating lymphocytes (TILs) isolation. By the optimization of functional assays, we compared the T-cells effector functions of matching PBMCs and TILs, demonstrating that PBMCs after co-culture and TILs after initial expansion display similar responses. In addition, the evaluation of cytokine production by fluorospot in combination with an image-based killing assay enable the screening of different immune-checkpoint inhibitors as well as its combination with target inhibitors. Our proof-of-concept functional assays showed the potential and versatility of PDTOs and T-cells co-culture systems for immunotherapy screening. The optimization of scalable functional assays downstream co-culture represents a significant step forward to increase the value of PDTOs as pre-clinical models for immunotherapeutic screens.

Abstract Precision medicine approaches to cancer treatment aim to exploit genomic alterations that are specific to individual patients to tailor therapy strategies. These alterations are usually revealed via next generation sequencing of the tumor tissue. Yet, it is clear that some targetable genes and pathways are essential for tumor cell viability even in the absence of direct genomic alterations. This is especially important in under-represented populations, whose mutational landscape and determinants of response to existing therapies are poorly characterized due to limited inclusion in clinical trials and studies. One way to reveal tumor essential genes is with genetic screens. Most screens are conducted on cell lines that bear little resemblance to patient tumors, after years of culture in non-physiological conditions. To address this problem, we aimed to develop a CRISPR screening pipeline in 3D-grown patient-derived tumor organoid (PDTO) models. We focused on identifying essential kinases that may translate to options for targeted therapies, including combination therapies. We first established a breast cancer PDTO biobank focused on underrepresented populations, including West African patients. We then performed a negative selection kinome-focused CRISPR screen to identify kinases essential for organoid growth and potential targets for combination therapy with EGFR or MEK inhibitors. We identified several previously unidentified kinase targets and showed that combination of FGFR1 and EGFR inhibitors synergizes to block organoids proliferation. Together these data demonstrate feasibility of CRISPR-based genetic screens in patient-derived tumor models, including PDTOs from under-represented cancer patients, and identify new targets for cancer therapy.

Abstract Estimating tumor purity is especially important in the age of precision medicine. Purity estimates have been shown to be critical for correction of tumor sequencing results, and higher purity samples allow for more accurate interpretations from next-generation sequencing results. In addition, tumor purity has been shown to be correlated with survival outcomes for several diseases. Molecular-based purity estimates using computational approaches require sequencing of tumors, which is both time-consuming and expensive. Here we propose an approach, weakly-supervised purity (wsPurity), which can accurately quantify tumor purity within a slide, using multiple and different types of cancer. This approach allows for a flexible analysis of tumors from whole slide imaging (WSI) of histology hematoxylin and eosin (H&E) slides. Our model predicts tumor type with high accuracy (greater than 80% on an independent test cohort), and tumor purity at a higher accuracy compared to a comparable fully-supervised approach (0.1335 MAE on an independent test cohort). In addition to tumor purity prediction, our approach can identify high resolution tumor regions within a slide, to enrich tumor cell selection for downstream analyses. This model could also be used in a clinical setting, to stratify tumors into high and low tumor purity, using different thresholds, in a cancer-dependent manner, depending on what purity levels correlate with worse disease outcomes. In addition, this approach could be used in clinical practice to select the best tissue block for sequencing. Overall, this approach can be used in several different ways to analyze WSIs of tumor H&E sections.