ABSTRACT Drug-tolerant “dormant” cells (DTC) have emerged as one of the major non-genetic mechanisms driving resistance to targeted therapy in lung cancer, although the sequence of events leading to entry and exit from dormancy remain poorly described. Here, we performed real-time monitoring of the cell cycle dynamics during the adaptive response to Epidermal Growth Factor Receptor tyrosine kinase inhibitors (EGFR-TKi) in a panel of EGFR-mutated lung cancer cell lines. We identified a rare population of S/G2 cycling cells (referred to as early escapers) that emerged in the first hours of treatment amongst stably arrested and progressively dying G1 cells. We determined that early escapers evolved from a non-proliferative differentiated alveolar type 1 (AT1) phenotype which was invariably associated with cytoskeletal remodeling through Rho/ROCK pathway activation. Using a panel of Rho-pathway inhibitors, we found that the farnesyltransferase inhibitor tipifarnib induced a complete clearance of EGFR-TKi-induced DTC thus fully preventing relapse in vitro . Using a xenograft model and a PDX model of EGFR L858R/T790M lung cancer, co-treatment with tipifarnib prevented relapse to osimertinib for up to 6 months with no evidence of toxicity. Among the farnesylated proteins regulated during osimertinib treatment, concomitant inhibition of RHOE and LaminB1 was sufficient to recapitulated FTIs’ effect. Osimertinib and tipifarnib co-treatment completely suppressed the emergence of AT1 phenotype, prevented mitosis of S/G2-treated cells and increased the apoptotic response through activation of ATF4-CHOP-dependent Integrated Stress Response (ISR) pathway. Our data strongly support the use of tipifarnib in combination with osimertinib in patients to effectively and durably prevent relapse.

Abstract The development of high-throughput genomic technologies associated with recent genetic perturbation techniques such as short hairpin RNA (shRNA), gene trapping, or gene editing (CRISPR/Cas9) has made it possible to obtain large perturbation data sets. These data sets are invaluable sources of information regarding the function of genes, and they offer unique opportunities to reverse engineer gene regulatory networks in specific cell types. Modular response analysis (MRA) is a well-accepted mathematical modeling method that is precisely aimed at such network inference tasks, but its use has been limited to rather small biological systems so far. In this study, we show that MRA can be employed on large systems with almost 1,000 network components. In particular, we show that MRA performance surpasses general-purpose mutual information-based algorithms. Part of these competitive results was obtained by the application of a novel heuristic that pruned MRA-inferred interactions a posteriori . We also exploited a block structure in MRA linear algebra to parallelize large system resolutions. Author Summary The knowledge of gene and protein regulatory networks in specific cell types, including pathologic cells, is an important endeavor in the post-genomic era. A particular type of data obtained through the systematic perturbation of the actors of such networks enables the reconstruction of the latter and is becoming available at a large scale (networks comprised of almost 1,000 genes). In this work, we benchmark the performance of a classical methodology for such data called modular response analysis, which has been so far applied to networks of modest sizes. We also propose improvements to increase performance and to accelerate computations on large problems.

The analysis of protein dynamics or turnover in patients has the potential to reveal altered protein recycling, such as in Alzheimer's disease, and to provide informative data regarding drug efficacy or certain biological processes. The observed protein dynamics in a solid tissue or a fluid is the net result of not only protein synthesis and degradation but also transport across biological compartments. We report an accurate 3-biological compartment model able to simultaneously account for the protein dynamics observed in blood plasma and the cerebrospinal fluid (CSF) including a hidden central nervous system (CNS) compartment. We successfully applied this model to 69 proteins of a single individual displaying similar or very different dynamics in plasma and CSF. This study puts a strong emphasis on the methods and tools needed to develop this type of model. We believe that it will be useful to any researcher dealing with protein dynamics data modeling.

Abstract Primary central nervous system diffuse large B-cell lymphoma (PCNSL) is a rare and aggressive entity that resides in an immune-privileged site. The tumor microenvironment (TME) and the disruption of the immune surveillance influence lymphoma pathogenesis and immunotherapy resistance. Despite growing knowledge on heterogeneous therapeutic responses, no comprehensive description of the PCNSL TME is available. We investigated the immune subtypes of PCNSL and their association with molecular signaling and survival. Bulk mRNA-sequencing (n=20) and microarray (n=34) data were exploited to identify three immune subtypes of PCNSL: immune-rich, poor, and intermediate. The immune-rich subtype was associated to better survival and characterized by hyper-activation of STAT3 signaling and inflammatory signaling, e.g. , IFNγ and TNF-α, resembling the hot subtype described in primary testicular lymphoma and solid cancer. WNT/β-catenin, HIPPO, and NOTCH signaling were hyper-activated in the immune-poor subtype. HLA down-modulation was clearly associated with a low or intermediate immune infiltration and the absence of T-cell activation. Moreover, HLA class I down-regulation was also correlated with worse survival with implications on immune-intermediate PCNSL that frequently feature reduced HLA expression. A ligand-receptor intercellular network revealed high expression of two immune checkpoints, i.e. , CTLA-4/CD86 and TIM-3/LAGLS9. Immunohistopathology and digital imaging showed that TIM-3 and galectin-9 proteins were clearly upregulated in PCNSL. Altogether, our study reveals that patient stratification according to immune subtypes, HLA status, and immune checkpoint molecule quantification should be considered prior to immune checkpoint inhibitor therapy. Moreover, TIM-3 protein should be considered an axis for future therapeutic development.

Drug-tolerance has emerged as one of the major non-genetic adaptive processes driving resistance to targeted therapy (TT) in non-small cell lung cancer (NSCLC). However, the kinetics and sequence of molecular events governing this adaptive response remain poorly understood. Here, we combine real-time monitoring of the cell-cycle dynamics and single-cell RNA sequencing in a broad panel of oncogenic addiction such as EGFR-, ALK-, BRAF- and KRAS-mutant NSCLC, treated with their corresponding TT. We identify a common path of drug adaptation, which invariably involves alveolar type 1 (AT1) differentiation and Rho-associated protein kinase (ROCK)-mediated cytoskeletal remodeling. We also isolate and characterize a rare population of early escapers, which represent the earliest resistance-initiating cells that emerge in the first hours of treatment from the AT1-like population. A phenotypic drug screen identify farnesyltransferase inhibitors (FTI) such as tipifarnib as the most effective drugs in preventing relapse to TT in vitro and in vivo in several models of oncogenic addiction, which is confirmed by genetic depletion of the farnesyltransferase. These findings pave the way for the development of treatments combining TT and FTI to effectively prevent tumor relapse in oncogene-addicted NSCLC patients.

The analysis of protein dynamics or turnover in patients has the potential to reveal altered protein recycling such as in Alzheimer disease, and to provide informative data regarding drug efficacy, or certain biological processes. The observed protein dynamics in a solid tissue or a fluid is the net result of protein synthesis and degradation, but also transport across biological compartments. We report an accurate 3-biological compartment model able simultaneously account for the protein dynamics observed in blood plasma and the cerebrospinal fluid (CSF) including a hidden central nervous system (CNS) compartment. We successfully applied this model to 69 proteins of a single individual displaying similar or very different dynamics in plasma and CSF. This study put a strong emphasis on the methods and tools needed develop this type of model. We believe it will be useful to any researcher dealing with protein dynamics data modeling.

Single-cell transcriptomics offers unprecedented opportunities to infer the ligand-receptor interactions underlying cellular networks. We introduce a new, curated ligand-receptor database and a novel regularized score to perform such inferences. For the first time, we try to assess the confidence in predicted ligand-receptor interactions and show that our regularized score outperforms other scoring schemes while controlling false positives. SingleCellSignalR is implemented as an open-access R package accessible to entry-level users and available from https://github.com/SCA-IRCM. Analysis results come in a variety of tabular and graphical formats. For instance, we provide a unique network view integrating all the intercellular interactions, and a function relating receptors to expressed intracellular pathways. A detailed comparison with related tools is conducted. Among various examples, we demonstrate SingleCellSignalR on mouse epidermis data and discover an oriented communication structure from external to basal layers.

The extraction of accurate physiological parameters from clinical samples provides a unique perspective to understand disease etiology and evolution, including under therapy. We introduce a new proteomics framework to map patient proteome dynamics in vivo, either proteome wide or in large targeted panels. We applied it to ventricular cerebrospinal fluid (CSF) and could determine the turnover parameters of almost 200 proteins, whereas a handful were known previously. We covered a large number of neuron biology- and immune system-related proteins including many biomarkers and drug targets. This first large data set unraveled a significant relationship between turnover and protein origin that relates to our ability to investigate the central nervous system physiology precisely in future studies. Our data constitute a reference in CSF biology as well as a repertoire of peptides for the community to design new proteome dynamics analyses. The disclosed methods apply to other fluids or tissues provided sequential sample collection can be performed.

Salivary duct carcinoma (SDC) is a rare and aggressive salivary gland cancer subtype with poor prognosis. The mutational landscape of SDC has been described rather exhaustively; yet, with respect to functional genomics and tumor microenvironment, little is known. In this study, transcriptomics and proteomics were combined to obtain the first characterization of the pathways deregulated in SDC. The data revealed the importance of Notch, TGB-β, and interferon-γ signaling. After associating computational biology, immunohistochemistry, multiplexed immunofluorescence, and digital imaging the first steps towards charting the cellular network within the microenvironment was initiated. According to immune infiltrate, two well-defined groups of tumors were observed, novel SDC immune checkpoints were discovered, and the key role played by macrophages and potentially NK cells in immunosuppression was shown. Furthermore, a clear trend between recurrence-free survival and M2 macrophage abundance was apparent. Independently, a measure of desmoplastic stromal reaction as determined by α-SMA abundance, was also shown. Altogether, these many findings open new perspectives for understanding and treating SDC. Before applying an immunotherapy, classical patient stratification according to immune infiltrate should be taken into account. In the absence of an immune infiltrate, the microenvironment offers new potential targets including macrophages or NK cells, or even fibroblasts or hyaluronic acid. Related therapies that have been developed against, e.g., pancreatic tumors could inspire equivalent therapy for SDC. When combined with drugs targeting SDC-mutated genes, the potential to contribute to patient-specific regimens is high.

ABSTRACT RIP140 (receptor interacting protein of 140 kDa) is an important player in breast cancer (BC) by regulating key cellular pathways such as nuclear hormone receptors signaling. In order to identify additional genes specifically regulated by RIP140 in BC, we performed an RNA sequencing after silencing its expression in MCF-7 cells. Many genes were isolated including the vitamin D receptor, whose regulation was validated by qPCR. Most importantly, interferon γ (IFNγ) signaling was substantially controled by RIP140. We identified GBP1 (guanylate binding protein 1), a prime IFNγ effector, as robustly stimulated by RIP140 through an ISRE motif, while IFNγ-dependent expression of GBP1 was repressed by the transcriptional coregulator. Furthermore, we showed that RIP140 modulated IFNγ-dependent repression of BC cell proliferation. Finally, reanalysis of transcriptomic data revealed that IFNγ expression was associated with good prognosis only for BC patients exhibiting tumors expressing low levels of RIP140, thus confirming its effect on the anti-tumor activity of IFNγ provided by our experimental data. Altogether, this study identifies RIP140 as a major regulator of IFNγ signaling in breast tumorigenesis.