Abstract Prognostic analysis for early-stage (stage I/II) melanomas is of paramount importance for customized surveillance and treatment plans. Since immune checkpoint inhibitors have recently been approved for stage IIB and IIC melanomas, prognostic tools to identify patients at high risk of recurrence have become even more critical. This study aims to assess the effectiveness of machine-learning algorithms in predicting melanoma recurrence using clinical and histopathologic features from Electronic Health Records (EHRs). We collected 1720 early-stage melanomas: 1172 from the Mass General Brigham healthcare system (MGB) and 548 from the Dana-Farber Cancer Institute (DFCI). We extracted 36 clinicopathologic features and used them to predict the recurrence risk with supervised machine-learning algorithms. Models were evaluated internally and externally: (1) five-fold cross-validation of the MGB cohort; (2) the MGB cohort for training and the DFCI cohort for testing independently. In the internal and external validations, respectively, we achieved a recurrence classification performance of AUC: 0.845 and 0.812, and a time-to-event prediction performance of time-dependent AUC: 0.853 and 0.820. Breslow tumor thickness and mitotic rate were identified as the most predictive features. Our results suggest that machine-learning algorithms can extract predictive signals from clinicopathologic features for early-stage melanoma recurrence prediction, which will enable the identification of patients that may benefit from adjuvant immunotherapy.

Abstract 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. Highlights (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 Graphical abstract

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.

Microphthalmia-associated transcription factor (MITF) plays pivotal roles in melanocyte development, function, and melanoma pathogenesis. MITF amplification occurs in melanoma and has been associated with resistance to targeted therapies. Here, we show that MITF regulates a global antioxidant program that increases survival of melanoma cell lines by protecting the cells from reactive oxygen species (ROS)-induced damage. In addition, this redox program is correlated with MITF expression in human melanoma cell lines and patient-derived melanoma samples. Using a zebrafish melanoma model, we show that MITF decreases ROS-mediated DNA damage in vivo . Some of the MITF target genes involved, such as IDH1 and NNT , are regulated through direct MITF binding to canonical enhancer box (E-BOX) sequences proximal to their promoters. Utilizing functional experiments, we demonstrate the role of MITF and its target genes in reducing cytosolic and mitochondrial ROS. Collectively, our data identify MITF as a significant driver of the cellular antioxidant state.MITF promote melanoma survival via increasing ROS tolerance.

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.