To evaluate the role of oncogenic RAS mutations in pancreatic tumorigenesis, we directed endogenous expression of KRASG12D to progenitor cells of the mouse pancreas. We find that physiological levels of KrasG12D induce ductal lesions that recapitulate the full spectrum of human pancreatic intraepithelial neoplasias (PanINs), putative precursors to invasive pancreatic cancer. The PanINs are highly proliferative, show evidence of histological progression, and activate signaling pathways normally quiescent in ductal epithelium, suggesting potential therapeutic and chemopreventive targets for the cognate human condition. At low frequency, these lesions also progress spontaneously to invasive and metastatic adenocarcinomas, establishing PanINs as definitive precursors to the invasive disease. Finally, mice with PanINs have an identifiable serum proteomic signature, suggesting a means of detecting the preinvasive state in patients.

As precision medicine demands molecular determinants of drug response, CellMinerCDB provides (https://discover.nci.nih.gov/cellminercdb/) a web-based portal for multiple forms of pharmacological, molecular, and genomic analyses, unifying the richest cancer cell line datasets (NCI-60, NCI-SCLC, Sanger/MGH GDSC, and Broad CCLE/CTRP). CellMinerCDB enables genomic and pharmacological data queries for identifying pharmacogenomic determinants, drug signatures, and gene regulatory networks for researchers without requiring specialized bioinformatics support. It leverages overlaps of cell lines and tested drugs to allow assessment of data reproducibility. It builds on the complementarity and strength of each dataset. A panel of 41 drugs evaluated in parallel in the NCI-60 and GDSC is reported, supporting drug reproducibility across databases, repositioning of bisacodyl and acetalax for triple negative breast cancer, and identifying novel drug response determinants and genomic signatures for topoisomerase inhibitors and schweinfurthins in development. CellMinerCDB also allowed the identification of LIX1L as a novel mesenchymal gene regulating cellular migration and invasiveness.

Model systems are necessary to understand the biology of SCLC and develop new therapies against this recalcitrant disease. Here we provide the first online resource, CellMiner-SCLC ( ) incorporating 118 individual SCLC cell lines and extensive omics and drug sensitivity datasets, including high resolution methylome performed for the purpose of the current study. We demonstrate the reproducibility of the cell lines and genomic data across the CCLE, GDSC, CTRP, NCI and UTSW datasets. We validate the SCLC classification based on four master transcription factors: NEUROD1, ASCL1, POU2F3 and YAP1 (NAPY classification) and show transcription networks connecting each them with their downstream and upstream regulators as well as with the NOTCH and HIPPO pathways and the MYC genes (MYC, MYCL1 and MYCN). We find that each of the 4 subsets express specific surface markers for antibody-targeted therapies. The SCLC-Y cell lines differ from the other subsets by expressing the NOTCH pathway and the antigen-presenting machinery (APM), and responding to mTOR and AKT inhibitors. Our analyses suggest the potential value of NOTCH activators, YAP1 inhibitors and immune checkpoint inhibitors in SCLC-Y tumors that can now be independently validated.![Figure][1] Highlights [1]: pending:yes

Small-cell lung cancer (SCLC) is the most fatal form of lung cancer. Intratumoral heterogeneity, marked by neuroendocrine (NE) and non-neuroendocrine (non-NE) cell states, defines SCLC, but the cell-extrinsic drivers of SCLC plasticity are poorly understood. To map the landscape of SCLC tumor microenvironment (TME), we apply spatially resolved transcriptomics and quantitative mass spectrometry-based proteomics to metastatic SCLC tumors obtained via rapid autopsy. The phenotype and overall composition of non-malignant cells in the TME exhibit substantial variability, closely mirroring the tumor phenotype, suggesting TME-driven reprogramming of NE cell states. We identify cancer-associated fibroblasts (CAFs) as a crucial element of SCLC TME heterogeneity, contributing to immune exclusion, and predicting exceptionally poor prognosis. Our work provides a comprehensive map of SCLC tumor and TME ecosystems, emphasizing their pivotal role in SCLC's adaptable nature, opening possibilities for reprogramming the TME-tumor communications that shape SCLC tumor states.

We describe the rapid and reproducible acquisition of quantitative proteome maps for the NCI-60 cancer cell lines and their use to reveal cancer biology and drug response determinants. Proteome datasets for the 60 cell lines were acquired in duplicate within 30 working days using pressure cycling technology and SWATH mass spectrometry. We consistently quantified 3,171 proteotypic proteins annotated in the SwissProt database across all cell lines, generating a data matrix with 0.1% missing values, allowing analyses of protein complexes and pathway activities across all the cancer cells. Systematic and integrative analysis of the genetic variation, mRNA expression and proteomic data of the NCI-60 cancer cell lines uncovered complementarity between different types of molecular data in the prediction of the response to 240 drugs. We additionally identified novel proteomic drug response determinants for clinically relevant chemotherapeutic and targeted therapies. We anticipate that this study represents a significant advance toward the translational application of proteotypes, which reveal biological insights that are easily missed in the absence of proteomic data.

Abstract Background Profiling circulating cell-free DNA (cfDNA) has become a fundamental practice in cancer medicine, but the effectiveness of cfDNA at elucidating tumor-derived molecular features has not been systematically compared to standard single-lesion tumor biopsies in prospective cohorts of patients. The use of plasma instead of tissue to guide therapy is particularly attractive for patients with small cell lung cancer (SCLC), a cancer whose aggressive clinical course making it exceedingly challenging to obtain tumor biopsies. Methods Here, a prospective cohort of 49 plasma samples obtained before, during, and after treatment from 20 patients with recurrent SCLC, we study cfDNA low pass whole genome (0.1X coverage) and exome (130X) sequencing in comparison with time-point matched tumor, characterized using exome and transcriptome sequencing. Results Direct comparison of cfDNA versus tumor biopsy reveals that cfDNA not only mirrors the mutation and copy number landscape of the corresponding tumor but also identifies clinically relevant resistance mechanisms and cancer driver alterations not found in matched tumor biopsies. Longitudinal cfDNA analysis reliably tracks tumor response, progression, and clonal evolution. Genomic sequencing coverage of plasma DNA fragments around transcription start sites shows distinct treatment-related changes and captures the expression of key transcription factors such as NEUROD1 and REST in the corresponding SCLC tumors, allowing prediction of SCLC neuroendocrine phenotypes and treatment responses. Conclusions These findings have important implications for non-invasive stratification and subtype-specific therapies for patients with SCLC, now treated as a single disease.

Abstract Treatment and relevant targets for breast cancer (BC) remain limited, especially for triple-negative BC (TNBC). We quantified the proteomes of 76 human BC cell lines using data independent acquisition (DIA) based proteomics, identifying 6091 proteins. We then established a 24-protein panel distinguishing TNBC from other BC types. Integrating prior multi-omics datasets with the present proteomic results to predict the sensitivity of 90 drugs, we found that proteomics data improved drug sensitivity predictions. The sensitivity of the 90 drugs was mainly associated with cell cytoskeleton, signal transduction and mitochondrial function. We next profiled the proteome changes of nine cell lines (five TNBC cell lines, four non-TNBC cell lines) perturbated by EGFR/AKT/mTOR inhibitors. In the TNBC cell lines, metabolism pathways were dysregulated after EGFR/mTOR inhibitors treatment, while RNA modification and cell cycle pathways were dysregulated after AKT inhibitor treatment. Our study presents a systematic multi-omics and in-depth analysis of the proteome of BC cells. This work aims to aid in prioritization of potential therapeutic targets for TNBC as well as to provide insight into adaptive drug resistance in TNBC.

Abstract Small-cell lung cancer (SCLC) is the most fatal form of lung cancer. Intra-tumoral heterogeneity, marked by neuroendocrine (NE) and non-neuroendocrine (non-NE) cell states, defines SCLC, but the drivers of SCLC plasticity are poorly understood. To map the landscape of SCLC tumor microenvironment (TME), we applied spatially resolved transcriptomics and quantitative mass spectrometry-based proteomics to metastatic SCLC tumors obtained via rapid autopsy. The phenotype and overall composition of non-malignant cells in the tumor microenvironment (TME) exhibits substantial variability, closely mirroring the tumor phenotype, suggesting TME-driven reprogramming of NE cell states. We identify cancer-associated fibroblasts (CAF) as a crucial element of SCLC TME heterogeneity, contributing to immune exclusion, and predicting an exceptionally poor prognosis. Together, our work provides the first comprehensive map of SCLC tumor and TME ecosystems, emphasizing their pivotal role in SCLCs adaptable nature, opening possibilities for re-programming the intercellular communications that shape SCLC tumor states. Abstract Figure