Abstract Glioblastoma (GBM) is the most common and aggressive malignant primary brain tumor, and surgical resection is a key part of the standard-of-care. In fluorescence-guided surgery (FGS), fluorophores are used to differentiate tumor tissue from surrounding normal brain. The heme synthesis pathway converts 5-aminolevulinic acid (5-ALA), a fluorogenic substrate used for FGS, to fluorescent protoporphyrin IX (PpIX). The resulting fluorescence is thought to be specific to transformed glioma cells, but this specificity has not been examined at single-cell level. We performed paired single-cell imaging and RNA sequencing of individual cells (SCOPE-seq2) on human GBM surgical specimens with visible PpIX fluorescence from patients who received 5-ALA prior to surgery. SCOPE-seq2 allows us to simultaneously image PpIX fluorescence and unambiguously identify transformed glioma cells from single-cell RNA-seq (scRNA-seq). We observed that 5-ALA treatment results in labeling that is not specific to transformed tumor cells. In cell culture, we further demonstrated that untransformed cells can be labeled by 5-ALA directly or by PpIX secreted from surrounding transformed cells. In acute slice cultures from mouse glioma models, we showed that 5-ALA preferentially labels GBM tumor tissue over non-neoplastic brain tissue, and that this contrast is not due to blood-brain-barrier disruption. Taken together, our findings support the use of 5-ALA as an indicator of GBM tissue, but not as a specific marker of transformed glioma cells.

Abstract Glioblastoma (GBM) is an aggressive diffusely infiltrating neoplasm that spreads beyond surgical resection margins, where it intermingles with non-neoplastic brain cells. This complex microenvironment harboring infiltrating glioma and non-neoplastic brain cells is the origin of tumor recurrence. Thus, understanding the cellular and molecular features of the glioma microenvironment is therapeutically and prognostically important. We used single-nucleus RNA sequencing (snRNAseq) to determine the cellular composition and transcriptional states in primary and recurrent glioma and identified three compositional ‘tissue-states’ defined by the observed patterns of cohabitation between neoplastic and non-neoplastic brain cells. These comprise states enriched in A) neurons and non-neoplastic glia, B) reactive astrocytes and inflammatory cells, and C) proliferating tumor cells. The tissue states also showed distinct associations with the different transcriptional states of GBM cells. Spatial transcriptomics revealed that the cell-types/transcriptional-states associated with each tissue state colocalize in space. Tissue states are clinically significant because they correlate with radiographic, histopathologic, and prognostic features. Importantly, we found that our compositionally-defined tissue states are enriched in distinct metabolic pathways. One such pathway is fatty acid biosynthesis, which was enriched in tissue state B – a state enriched in recurrent glioblastoma and associated with shorter overall survival- and composed of astrocyte-like/mesenchymal glioma cells, reactive astrocytes, and monocyte-like myeloid cells. We showed that treating acute slices of GBM with a fatty acid synthesis inhibitor is sufficient to deplete the transcriptional signature of tissue state B. Our findings define a novel compositional approach to analyze glioma-infiltrated tissue which allows us to discover prognostic and targetable features, paving the way to new mechanistic and therapeutic discoveries.

Glioma cells hijack developmental transcriptional programs to control cell state. During neural development, lineage trajectories rely on specialized metabolic pathways. However, the link between tumor cell state and metabolic programs is poorly understood in glioma. Here we uncover a glioma cell state-specific metabolic liability that can be leveraged therapeutically. To model cell state diversity, we generated genetically engineered murine gliomas, induced by deletion of p53 alone (p53) or with constitutively active Notch signaling (N1IC), a pathway critical in controlling cellular fate. N1IC tumors harbored quiescent astrocyte-like transformed cell states while p53 tumors were predominantly comprised of proliferating progenitor-like cell states. N1IC cells exhibit distinct metabolic alterations, with mitochondrial uncoupling and increased ROS production rendering them more sensitive to inhibition of the lipid hydroperoxidase GPX4 and induction of ferroptosis. Importantly, treating patient-derived organotypic slices with a GPX4 inhibitor induced selective depletion of quiescent astrocyte-like glioma cell populations with similar metabolic profiles.

BACKGROUND Although adverse technical events during aortic root replacement (ARR) are not uncommon and are extremely challenging, there is little literature to help surgeons prepare for such situations. We describe our experience of outstanding technical events during ARR. METHODS This is a retrospective study of 830 consecutive ARR at a single center from 2012-2022. Technical events were defined as intraoperative events that led to an unplanned cardiac procedure, need for mechanical circulatory support, or additional aortic cross-clamping. Logistic regression identified factors associated with operative mortality and technical events. RESULTS Technical events occurred in 90 (10.8%) patients, and were attributed to bleeding (n=26), nonischemic ventricular dysfunction (n=23), residual valve disease (n=20), myocardial ischemia (n=19), and iatrogenic dissection (n=2). Prior sternotomy (OR 2.38 [1.36-4.19], p=0.002) and complex aortic valve disease (OR 3.09 [1.09-8.75], p=0.03) were associated with technical events. Patients with technical events had higher rates of operative mortality (6.7% vs 2.3%, p=0.03) and all major postoperative complications. Surgical indications of dissection (OR 13.57 [4.95-37.23], p<0.001) and complex aortic valve disease (OR 14.09 [3.67-54.02], p<0.001) but not adverse technical events (OR 2.42 [0.81-7.26], p=0.11) were associated with operative mortality. CONCLUSIONS Adverse technical events occur in 10.8% of ARR and were associated with reoperative sternotomies. Technical events are associated with increased postoperative complications.

Abstract While efforts to identify microglial subtypes have recently accelerated, the relation of transcriptomically defined states to function has been largely limited to in silico annotations. Here, we characterize a set of pharmacological compounds that have been proposed to polarize human microglia towards two distinct states – one enriched for AD and MS genes and another characterized by increased expression of antigen presentation genes. Using different model systems including HMC3 cells, iPSC-derived microglia and cerebral organoids, we characterize the effect of these compounds in mimicking human microglial subtypes in vitro . We show that the Topoisomerase I inhibitor Camptothecin induces a CD74 high /MHC high microglial subtype which is specialized in amyloid beta phagocytosis. Camptothecin suppressed amyloid toxicity and restored microglia back to their homeostatic state in a zebrafish amyloid model. Our work provides avenues to recapitulate human microglial subtypes in vitro , enabling functional characterization and providing a foundation for modulating human microglia in vivo .

Abstract Intratumoral heterogeneity poses a significant challenge to the diagnosis and treatment of glioblastoma (GBM). This heterogeneity is further exacerbated during GBM recurrence, as treatment-induced reactive changes produce additional intratumoral heterogeneity that is ambiguous to differentiate on clinical imaging. There is an urgent need to develop non-invasive approaches to map the heterogeneous landscape of histopathological alterations throughout the entire lesion for each patient. We propose to predictively fuse Magnetic Resonance Imaging (MRI) with the underlying intratumoral heterogeneity in recurrent GBM using machine learning (ML) by leveraging image-localized biopsies with their associated locoregional MRI features. To this end, we develop BioNet, a biologically-informed neural network model, to predict regional distributions of three tissue-specific gene modules: proliferating tumor, reactive/inflammatory cells, and infiltrated brain tissue. BioNet offers valuable insights into the integration of multiple implicit and qualitative biological domain knowledge, which are challenging to describe in mathematical formulations. BioNet performs significantly better than a range of existing methods on cross-validation and blind test datasets. Voxel-level prediction maps of the gene modules by BioNet help reveal intratumoral heterogeneity, which can improve surgical targeting of confirmatory biopsies and evaluation of neuro-oncological treatment effectiveness. The non-invasive nature of the approach can potentially facilitate regular monitoring of the gene modules over time, and making timely therapeutic adjustment. These results also highlight the emerging role of ML in precision medicine.