A computational method to identify cell types within a complex tissue, based on analysis of gene expression profiles, is described in this paper. We introduce CIBERSORT, a method for characterizing cell composition of complex tissues from their gene expression profiles. When applied to enumeration of hematopoietic subsets in RNA mixtures from fresh, frozen and fixed tissues, including solid tumors, CIBERSORT outperformed other methods with respect to noise, unknown mixture content and closely related cell types. CIBERSORT should enable large-scale analysis of RNA mixtures for cellular biomarkers and therapeutic targets ( http://cibersort.stanford.edu/ ).

Single-cell RNA-sequencing has emerged as a powerful technique for characterizing cellular heterogeneity, but it is currently impractical on large sample cohorts and cannot be applied to fixed specimens collected as part of routine clinical care. We previously developed an approach for digital cytometry, called CIBERSORT, that enables estimation of cell type abundances from bulk tissue transcriptomes. We now introduce CIBERSORTx, a machine learning method that extends this framework to infer cell-type-specific gene expression profiles without physical cell isolation. By minimizing platform-specific variation, CIBERSORTx also allows the use of single-cell RNA-sequencing data for large-scale tissue dissection. We evaluated the utility of CIBERSORTx in multiple tumor types, including melanoma, where single-cell reference profiles were used to dissect bulk clinical specimens, revealing cell-type-specific phenotypic states linked to distinct driver mutations and response to immune checkpoint blockade. We anticipate that digital cytometry will augment single-cell profiling efforts, enabling cost-effective, high-throughput tissue characterization without the need for antibodies, disaggregation or viable cells.

A searchable pan-cancer resource generated using data from nearly 18,000 human tumors reveals links between tumor infiltration by particular leukocyte subsets, tumor expression of particular gene signatures, and patient prognosis. Molecular profiles of tumors and tumor-associated cells hold great promise as biomarkers of clinical outcomes. However, existing data sets are fragmented and difficult to analyze systematically. Here we present a pan-cancer resource and meta-analysis of expression signatures from ∼18,000 human tumors with overall survival outcomes across 39 malignancies. By using this resource, we identified a forkhead box MI (FOXM1) regulatory network as a major predictor of adverse outcomes, and we found that expression of favorably prognostic genes, including KLRB1 (encoding CD161), largely reflect tumor-associated leukocytes. By applying CIBERSORT, a computational approach for inferring leukocyte representation in bulk tumor transcriptomes, we identified complex associations between 22 distinct leukocyte subsets and cancer survival. For example, tumor-associated neutrophil and plasma cell signatures emerged as significant but opposite predictors of survival for diverse solid tumors, including breast and lung adenocarcinomas. This resource and associated analytical tools ( http://precog.stanford.edu ) may help delineate prognostic genes and leukocyte subsets within and across cancers, shed light on the impact of tumor heterogeneity on cancer outcomes, and facilitate the discovery of biomarkers and therapeutic targets.

Tumor infiltrating leukocytes (TILs) are an integral component of the tumor microenvironment and have been found to correlate with prognosis and response to therapy. Methods to enumerate immune subsets such as immunohistochemistry or flow cytometry suffer from limitations in phenotypic markers and can be challenging to practically implement and standardize. An alternative approach is to acquire aggregative high dimensional data from cellular mixtures and to subsequently infer the cellular components computationally. We recently described CIBERSORT, a versatile computational method for quantifying cell fractions from bulk tissue gene expression profiles (GEPs). Combining support vector regression with prior knowledge of expression profiles from purified leukocyte subsets, CIBERSORT can accurately estimate the immune composition of a tumor biopsy. In this chapter, we provide a primer on the CIBERSORT method and illustrate its use for characterizing TILs in tumor samples profiled by microarray or RNA-Seq.

Aaron Newman and his colleagues introduce a next-generation sequencing–based approach for the cost-effective detection and quantitation of tumor-derived circulating DNA in both early- and advanced-stage tumors and with high levels of sensitivity and specificity. CAPP-Seq (cancer personalized profiling by deep sequencing) can simultaneously detect multiple mutations and mutation types, including rearrangements. Here, utility is demonstrated for non–small-cell lung cancer. Circulating tumor DNA (ctDNA) is a promising biomarker for noninvasive assessment of cancer burden, but existing ctDNA detection methods have insufficient sensitivity or patient coverage for broad clinical applicability. Here we introduce cancer personalized profiling by deep sequencing (CAPP-Seq), an economical and ultrasensitive method for quantifying ctDNA. We implemented CAPP-Seq for non–small-cell lung cancer (NSCLC) with a design covering multiple classes of somatic alterations that identified mutations in >95% of tumors. We detected ctDNA in 100% of patients with stage II–IV NSCLC and in 50% of patients with stage I, with 96% specificity for mutant allele fractions down to ∼0.02%. Levels of ctDNA were highly correlated with tumor volume and distinguished between residual disease and treatment-related imaging changes, and measurement of ctDNA levels allowed for earlier response assessment than radiographic approaches. Finally, we evaluated biopsy-free tumor screening and genotyping with CAPP-Seq. We envision that CAPP-Seq could be routinely applied clinically to detect and monitor diverse malignancies, thus facilitating personalized cancer therapy.

Acute myeloid leukemia (AML) is organized as a cellular hierarchy initiated and maintained by a subset of self-renewing leukemia stem cells (LSC). We hypothesized that increased CD47 expression on human AML LSC contributes to pathogenesis by inhibiting their phagocytosis through the interaction of CD47 with an inhibitory receptor on phagocytes. We found that CD47 was more highly expressed on AML LSC than their normal counterparts, and that increased CD47 expression predicted worse overall survival in three independent cohorts of adult AML patients. Furthermore, blocking monoclonal antibodies directed against CD47 preferentially enabled phagocytosis of AML LSC and inhibited their engraftment in vivo. Finally, treatment of human AML LSC-engrafted mice with anti-CD47 antibody depleted AML and targeted AML LSC. In summary, increased CD47 expression is an independent, poor prognostic factor that can be targeted on human AML stem cells with blocking monoclonal antibodies capable of enabling phagocytosis of LSC.

Gene amplifications and deletions frequently contribute to tumorigenesis. Characterization of these DNA copy-number changes is important for both the basic understanding of cancer and its diagnosis. Comparative genomic hybridization (CGH) was developed to survey DNA copy-number variations across a whole genome. With CGH, differentially labelled test and reference genomic DNAs are co-hybridized to normal metaphase chromosomes, and fluorescence ratios along the length of chromosomes provide a cytogenetic representation of DNA copy-number variation. CGH, however, has a limited ( approximately 20 Mb) mapping resolution, and higher-resolution techniques, such as fluorescence in situ hybridization (FISH), are prohibitively labour-intensive on a genomic scale. Array-based CGH, in which fluorescence ratios at arrayed DNA elements provide a locus-by-locus measure of DNA copy-number variation, represents another means of achieving increased mapping resolution. Published array CGH methods have relied on large genomic clone (for example BAC) array targets and have covered only a small fraction of the human genome. cDNAs representing over 30,000 radiation-hybrid (RH)-mapped human genes provide an alternative and readily available genomic resource for mapping DNA copy-number changes. Although cDNA microarrays have been used extensively to characterize variation in human gene expression, human genomic DNA is a far more complex mixture than the mRNA representation of human cells. Therefore, analysis of DNA copy-number variation using cDNA microarrays would require a sensitivity of detection an order of magnitude greater than has been routinely reported. We describe here a cDNA microarray-based CGH method, and its application to DNA copy-number variation analysis in breast cancer cell lines and tumours. Using this assay, we were able to identify gene amplifications and deletions genome-wide and with high resolution, and compare alterations in DNA copy number and gene expression.

CD47, a “don't eat me” signal for phagocytic cells, is expressed on the surface of all human solid tumor cells. Analysis of patient tumor and matched adjacent normal (nontumor) tissue revealed that CD47 is overexpressed on cancer cells. CD47 mRNA expression levels correlated with a decreased probability of survival for multiple types of cancer. CD47 is a ligand for SIRPα, a protein expressed on macrophages and dendritic cells. In vitro, blockade of CD47 signaling using targeted monoclonal antibodies enabled macrophage phagocytosis of tumor cells that were otherwise protected. Administration of anti-CD47 antibodies inhibited tumor growth in orthotopic immunodeficient mouse xenotransplantation models established with patient tumor cells and increased the survival of the mice over time. Anti-CD47 antibody therapy initiated on larger tumors inhibited tumor growth and prevented or treated metastasis, but initiation of the therapy on smaller tumors was potentially curative. The safety and efficacy of targeting CD47 was further tested and validated in immune competent hosts using an orthotopic mouse breast cancer model. These results suggest all human solid tumor cells require CD47 expression to suppress phagocytic innate immune surveillance and elimination. These data, taken together with similar findings with other human neoplasms, show that CD47 is a commonly expressed molecule on all cancers, its function to block phagocytosis is known, and blockade of its function leads to tumor cell phagocytosis and elimination. CD47 is therefore a validated target for cancer therapies.

The most common human leukemia is B cell chronic lymphocytic leukemia (CLL), a malignancy of mature B cells with a characteristic clinical presentation but a variable clinical course. The rearranged immunoglobulin (Ig) genes of CLL cells may be either germ-line in sequence or somatically mutated. Lack of Ig mutations defined a distinctly worse prognostic group of CLL patients raising the possibility that CLL comprises two distinct diseases. Using genomic-scale gene expression profiling, we show that CLL is characterized by a common gene expression “signature,” irrespective of Ig mutational status, suggesting that CLL cases share a common mechanism of transformation and/or cell of origin. Nonetheless, the expression of hundreds of other genes correlated with the Ig mutational status, including many genes that are modulated in expression during mitogenic B cell receptor signaling. These genes were used to build a CLL subtype predictor that may help in the clinical classification of patients with this disease.