Summary Malignant melanoma (MM) develops from the melanocytes and in its advanced stage is the most aggressive type of skin cancer. Here we report a comprehensive analysis on a prospective cohort study, including non-tumor, primary and metastasis tissues (n=77) with the corresponding plasma samples (n=56) from patients with malignant melanoma. The tumors and surrounding tissues were characterized with a combination of high-throughput analyses including quantitative proteomics, phosphoproteomics, acetylomics, and whole exome sequencing (WES) combined with in-depth histopathology analysis. Melanoma cell proliferation highly correlates with dysregulation at the proteome, at the posttranslational- and at the transcriptome level. Some of the changes were also verified in the plasma proteome. The metabolic reprogramming in melanoma includes upregulation of the glycolysis and the oxidative phosphorylation, and an increase in glutamine consumption, while downregulated proteins involved in the degradation of amino acids, fatty acids, and the extracellular matrix (ECM) receptor interaction. The pathways most dysregulated in MM including the MAP kinases-, the PI3K-AKT signaling, and the calcium homeostasis, are among the most affected by mutations, thus, dysregulation in these pathways can be manifested as drivers in melanoma development and progression. The phosphoproteome analysis combined with target-based prediction mapped 75% of the human kinome. Melanoma cell proliferation was driven by two key factors: i) metabolic reprogramming leading to upregulation of the glycolysis and oxidative phosphorylation, supported by HIF-1 signaling pathway and mitochondrial translation; and ii) a dysregulation of the immune system response, which was mirrored by immune system processes in the plasma proteome. Regulation of the melanoma acetylome and expression of deacetylase enzymes discriminated between groups based on tissue origin and proliferation, indicating a way to guide the successful use of HDAC inhibitors in melanoma. The disease progression toward metastasis is driven by the downregulation of the immune system response, including MHC class I and II, which allows tumors to evade immune surveillance. Altogether, new evidence is provided at different molecular levels to allow improved understanding of the melanoma progression, ultimately contributing to better treatment strategies. TOC figure

The utilization of PD1 and CTLA4 inhibitors has revolutionized the treatment of malignant melanoma (MM). However, resistance to targeted and immune-checkpoint-based therapies still poses a significant problem. Here we mine large scale MM proteogenomic data integrating it with MM cell line dependency screen, and drug sensitivity data to identify druggable targets and forecast treatment efficacy and resistance. Leveraging protein profiles from established MM subtypes and molecular structures of 82 cancer treatment drugs, we identified nine candidate hub proteins, mTOR, FYN, PIK3CB, EGFR, MAPK3, MAP4K1, MAP2K1, SRC and AKT1, across five distinct MM subtypes. These proteins serve as potential drug targets applicable to one or multiple MM subtypes. By analyzing transcriptomic data from 48 publicly accessible melanoma cell lines sourced from Achilles and CRISPR dependency screens, we forecasted 162 potentially targetable genes. We also identified genetic resistance in 260 genes across at least one melanoma subtype. In addition, we employed publicly available compound sensitivity data (Cancer Therapeutics Response Portal, CTRPv2) on the cell lines to assess the correlation of compound effectiveness within each subtype. We have identified 20 compounds exhibiting potential drug impact in at least one melanoma subtype. Remarkably, employing this unbiased approach, we have uncovered compounds targeting ferroptosis, that demonstrate a striking 30x fold difference in sensitivity among different subtypes. This implies that the proteogenomic classification of melanoma has the potential to predict sensitivity to ferroptosis compounds. Our results suggest innovative and novel therapeutic strategies by stratifying melanoma samples through proteomic profiling, offering a spectrum of novel therapeutic interventions and prospects for combination therapy.(1) Proteogenomic subtype classification can define the landscape of genetic dependencies in melanoma (2) Nine proteins from molecular subtypes were identified as potential drug targets for specified MM patients (3) 20 compounds identified that show potential effectiveness in at least one melanoma subtype (4) Proteogenomics can predict specific ferroptosis inducers, HDAC, and RTK Inhibitor sensitivity in melanoma subtypes.

While Immune checkpoint inhibition (ICI) therapy shows significant efficacy in metastatic melanoma, only about 50% respond, lacking reliable predictive methods. We introduce a panel of six proteins aimed at predicting response to ICI therapy. Evaluating previously reported proteins in two untreated melanoma cohorts, we used a published predictive model (EaSIeR score) to identify potential proteins distinguishing responders and non-responders. Six proteins initially identified in the ICI cohort correlated with predicted response in the untreated cohort. Additionally, three proteins correlated with patient survival, both at the protein, and at the transcript levels, in an independent immunotherapy treated cohort. Our study identifies predictive biomarkers across three melanoma cohorts, suggesting their use in therapeutic decision-making.

Here we describe the histopathology-driven proteogenomic landscape of 142 treatment-naive metastatic melanoma samples. We identified five proteomic subtypes that integrate the immune and stroma microenvironment components, and associate with clinical and histopathological parameters, providing foundations for an in-depth molecular classification of melanoma. Our study shows that BRAF V600 mutated melanomas display heterogeneous biology, where the presence of an oncogene-induced senescence-like phenotype improves patient survival. Therefore, we propose a mortality-risk-based stratification, which may contribute to a more personalized approach to patient treatment. We also found a strong association between tumor microenvironment composition, disease progression, and patient outcome supported by single-cell omic signatures that point to straightforward histopathological connective tissue-to-tumor ratio assessment for better informed medical decisions. A melanoma-associated signature of single amino acid variants (SAAV) responsible for remodeling the extracellular matrix was uncovered together with SAAV-derived neoantigen candidates as targets of anti-tumor immune responses. Overall, this study offers comprehensive stratifications of melanoma metastases that may help develop tailored strategies for diagnosing and treating the disease.

Abstract Spectrum clustering is a powerful strategy to minimize redundant mass spectral data by grouping highly similar mass spectra corresponding to repeatedly measured analytes. Based on spectrum similarity, near-identical spectra are grouped in clusters, after which each cluster can be represented by its so-called consensus spectrum for downstream processing. Although several algorithms for spectrum clustering have been adequately benchmarked and tested, the influence of the consensus spectrum generation step is rarely evaluated. Here, we present an implementation and benchmark of common consensus spectrum algorithms, including spectrum averaging, spectrum binning, the most similar spectrum, and the best-identified spectrum. We have analyzed diverse public datasets using two different clustering algorithms (spectra-cluster and MaRaCluster) to evaluate how the consensus spectrum generation procedure influences downstream peptide identification. The BEST and BIN methods were found the most reliable methods for consensus spectrum generation, including for datasets with post-translational modifications (PTM) such as phosphorylation. All source code and data of the present study are freely available on GitHub at https://github.com/statisticalbiotechnology/representative-spectra-benchmark .

Summary The dynamics of more than 1900 mitochondrial proteins was explored through quantitative proteomics in 151 melanoma-related tissue samples of both surgical and autopsy origin. Dysregulation of mitochondrial pathways in primary tumors, metastases, and peritumoral tissues was correlated with age and survival of patients, as well as with tumor cell proliferation and the BRAF mutation status of the tumors. The outlined proteomic landscape confirmed the central role of a pathologically upregulated mitochondrial translation machinery and oxidative phosphorylation (OXPHOS) in the development, proliferation, and progression of melanomas. Our results from different melanoma cell lines confirmed our findings and we could document that treatments with selected OXPHOS inhibitors and antibiotics successfully impaired tumor cell proliferation. In addition, we provided proteomic evidence on the mechanism-of-action of the different treatments. These observations could contribute to the development of therapeutic approaches targeting the mitochondrial pathology in melanoma. TOC figure Highlights Mitochondrial proteome landscape outlined in 151 melanoma-related samples Mitochondrial Translation and OXPHOS impact disease severity and survival BRAF V600E mutation correlates with upregulation of mitochondrial energy production Targeting the mitochondrial OXPHOS and ribosomes impairs tumor cell proliferation Therapeutic opportunities complementary to the standard of care are proposed In brief Mitochondrial proteome profiling of melanomas reveals dysregulation in major metabolic pathways, suggesting a central role of the mitochondria within the development and progression of melanoma. Targeting mitochondrial pathways has the potential to impact the course of the disease, which provides opportunities for complementary drug interventions.