Murat Günel and colleagues use an integrated genomic approach to analyze the malignant progression of IDH1-mutant gliomas. They observe nonlinear clonal expansion of the original tumors and identify oncogenic pathways driving progression, including activation of MYC and RTK-RAS-PI3K pathways and epigenetic silencing of developmental transcription factors. Gliomas represent approximately 30% of all central nervous system tumors and 80% of malignant brain tumors1. To understand the molecular mechanisms underlying the malignant progression of low-grade gliomas with mutations in IDH1 (encoding isocitrate dehydrogenase 1), we studied paired tumor samples from 41 patients, comparing higher-grade, progressed samples to their lower-grade counterparts. Integrated genomic analyses, including whole-exome sequencing and copy number, gene expression and DNA methylation profiling, demonstrated nonlinear clonal expansion of the original tumors and identified oncogenic pathways driving progression. These include activation of the MYC and RTK-RAS-PI3K pathways and upregulation of the FOXM1- and E2F2-mediated cell cycle transitions, as well as epigenetic silencing of developmental transcription factor genes bound by Polycomb repressive complex 2 in human embryonic stem cells. Our results not only provide mechanistic insight into the genetic and epigenetic mechanisms driving glioma progression but also identify inhibition of the bromodomain and extraterminal (BET) family as a potential therapeutic approach.

Abstract Single cell RNA-sequencing has revolutionized transcriptome analysis. ScRNA-seq provides a massive resource for studying biological phenomena at single cell level. One of the most important applications of scRNA-seq is the inference of dynamic cell states through modeling of transcriptional dynamics. Understanding the full transcriptional dynamics using the concept named RNA Velocity enables us to identify cell states, regimes of regulatory changes in cell states, and putative drivers within these states. We present scRegulocity that integrates RNA-velocity estimates with locality information from cell embedding coordinates. scRegulocity focuses on velocity switching patterns, local patterns where velocity of nearby cells change abruptly. These different transcriptional dynamics patterns can be indicative of transitioning cell states. scRegulocity annotates these patterns with genes and enriched pathways and also analyzes and visualizes the velocity switching patterns at the regulatory network level. scRegulocity also combines velocity estimation, pattern detection and visualization steps.

Abstract Prior studies have described the complex interplay that exists between glioma cells and neurons, however, the electrophysiological properties endogenous to tumor cells remain obscure. To address this, we employed Patch-sequencing on human glioma specimens and found that one third of patched cells in IDH mutant (IDH mut ) tumors demonstrate properties of both neurons and glia by firing single, short action potentials. To define these hybrid cells (HCs) and discern if they are tumor in origin, we developed a computational tool, Single Cell Rule Association Mining (SCRAM), to annotate each cell individually. SCRAM revealed that HCs represent tumor and non-tumor cells that feature GABAergic neuron and oligodendrocyte precursor cell signatures. These studies are the first to characterize the combined electrophysiological and molecular properties of human glioma cells and describe a new cell type in human glioma with unique electrophysiological and transcriptomic properties that are likely also present in the non-tumor mammalian brain.

Abstract Gene expression profiling via RNA-sequencing has become standard for measuring and analyzing the gene activity in bulk and at single cell level. Increasing sample sizes and cell counts provides substantial information about transcriptional architecture of samples. In addition to quantification of expression at cellular level, RNA-seq can be used for detecting of variants, including single nucleotide variants and small insertions/deletions and also large variants such as copy number variants. The joint analysis of variants with transcriptional state of cells or samples can provide insight about impact of mutations. To provide a comprehensive method to jointly analyze the genetic variants and cellular states, we introduce XCVATR, a method that can identify variants, detect local enrichment of expressed variants, within embedding of samples and cells. The embeddings provide information about cellular states among cells by defining a cell-cell distance metric. Unlike clustering algorithms, which depend on a cell-cell distance and use it to define clusters that explain cell clusters globally, XCVATR detects the local enrichment of expressed variants in the embedding space such that embedding can be computed using any type of measurement or method, for example by PCA or tSNE of the expression levels. XCVATR searches local patterns of association of each variant with the positions of cells in an embedding of the cells. XCVATR also visualizes the local clumps of small and large-scale variant calls in single cell and bulk RNA-sequencing datasets. We perform simulations and demonstrate that XCVATR can identify the enrichments of expressed variants. We also apply XCVATR on single cell and bulk RNA-seq datasets and demonstrate its utility.

Abstract Despite advances in molecular profiling, therapeutic development has been hindered by the inability to identify and target tumour-specific mechanisms without consequence to healthy tissue. Correspondingly, a computational framework capable of accurately distinguishing tumour from non-tumour cells has yet to be developed and cell annotation algorithms are unable to assign integrated genomic and transcriptional profiles to single cells on a cell-by-cell basis. To address these barriers, we developed the Single Cell Rule Association Mining (SCRAM) tool that integrates RNA-inferred genomic alterations with co-occurring cell type signatures for individual cells. Applying SCRAM to glioma, we identified tumour cell trajectories recapitulate temporally-restricted developmental paradigms and feature unique co-occurring identities. Specifically, we validated two previously unreported tumour cell populations with immune and neuronal signatures as hallmarks of human glioma subtypes. In vivo modeling revealed a rare immune-like tumour cell population resembling antigen presenting cells can direct CD8+ T cell responses. In parallel, Patch sequencing studies in human tumours confirmed that neuronal-like glioma cells fire action potentials and represent 40% of IDH1 mutant tumor cells. These studies identified new glioma cell types with functional properties similar to their non-tumour analogues and demonstrate the ability of SCRAM to identify these cell types in unprecedented detail.

Abstract Accurate classification of cancer subgroups is essential for precision medicine, tailoring treatments to individual patients based on their cancer subtypes. In recent years, advances in high-throughput sequencing technologies have enabled the generation of large-scale transcriptomic data from cancer samples. These data have provided opportunities for developing computational methods that can improve cancer subtyping and enable better personalized treatment strategies. Here in this study, we evaluated different feature selection schemes in the context of meningioma classification. While the scheme relying solely on bulk transcriptomic data showed good classification accuracy, it exhibited confusion between malignant and benign molecular classes in approximately ~8% of meningioma samples. In contrast, models trained on features learned from meningioma single-cell data accurately resolved the sub-groups confused by bulk-transcriptomic data but showed limited overall accuracy. To integrate interpretable features from the bulk (n=78 samples) and single-cell profiling (~10K cells), we developed an algorithm named CLIPPR which combines the top-performing single-cell models with RNA-inferred copy number variation (CNV) signals and the initial bulk model to create a meta-model, which exhibited the strongest performance in meningioma classification. CLIPPR showed superior overall accuracy and resolved benign-malignant confusion as validated on n=792 bulk meningioma samples gathered from multiple institutions. Finally, we showed the generalizability of our algorithm using our in-house single-cell (~200K cells) and bulk TCGA glioma data (n=711 samples). Overall, our algorithm CLIPPR synergizes the resolution of single-cell data with the depth of bulk sequencing and enables improved cancer sub-group diagnoses and insights into their biology.

Abstract The reactivation of neurodevelopmental programs in cancer highlights parallel biological processes that occur in both normal development and brain tumors. Achieving a deeper understanding of how dysregulated developmental factors play a role in the progression of brain tumors is therefore crucial for identifying potential targets for therapeutic interventions. Single-cell RNA sequencing (scRNA-Seq) provides an opportunity to understand how developmental programs are dysregulated and reinitiated in brain tumors at single-cell resolution. Here, we introduce COORS (Cell Of ORigin like CellS), as a computational tool trained on developmental human brain single-cell datasets that enables annotation of “developmental-like” cell states in brain tumor cells. Applying COORS to various brain cancer datasets, including medulloblastoma (MB), glioma, and diffuse midline glioma (DMG), we identified developmental-like cells that represent putative cells of origin in these tumors. Our work adds to our cumulative understanding of brain tumor heterogeneity and helps pave the way for tailored treatment strategies.

Abstract Ischemic stroke and glioma are two deadly neurological disorders worldwide. Recent epidemiological studies reveal an increased risk of brain tumors, notably glioma, in patients with a history of stroke, resulting in a 10% co-occurrence. Comparative transcriptome analyses of brain samples collected from patients with common neurological disorders show that glioma is particularly enriched with stroke-associated gene signatures, especially in pathways related to their shared pathological features. These findings suggest a stroke-glioma interrelationship; however, it remains unknown how stroke alters the brain microenvironment to drive tumor progression. Here, we induced photothrombotic stroke in three mouse glioma models recapitulating multiple aspects of human glioma. Across all glioma models, we consistently observed that stroke increases tumor proliferation and infiltration towards stroke-affected regions, accompanied by reduced survival compared to sham control groups. Further analyses using single-cell RNA sequencing and spatial transcriptomic profiling in our stroke-glioma models reveal pronounced stroke-induced glioma microenvironment changes, among which tumor-associated astrocytes (TAAs) are most dramatically remodeled. Remarkably, we identified a unique stroke-induced astrocyte (SAA) at the tumor leading edge of the stroke-glioma group, characterized by diminished physiological astrocyte signatures and increased chromosomal and metabolic reprogramming. Among the top differentially expressed genes in SAA compared with TAA, the sodium-bicarbonate cotransporter Slc4a4 is interesting due to its enriched expression in TAA in both human and mouse gliomas, and it is significantly down-regulated at the infiltrating tumor edge. Consequently, we examine whether restoring astrocytic Slc4a4 expression rescues stroke-induced glioma progression. We found that astrocytic Slc4a4 overexpression reduces glioma growth and infiltration, accompanied by extended astroglial scar formation. Collectively, our study demonstrates that a subset of TAAs induced by stroke exacerbates glioma pathology, highlighting an indispensable astrocytic contribution to the stroke-glioma interaction.

ABSTRACT Background World Health Organization Grade 2 meningiomas (G2Ms) exhibit an aggressive natural history characterized by recurrence and therapy resistance. G2Ms with histopathological necrosis have been associated with worse local control (LC) following radiation therapy, but drivers and biomarkers of radiation resistance in these G2Ms remain unknown. Methods We performed genetic sequencing and histopathological analysis of 113 G2Ms and investigated the role of intratumoral hypoxia as well as genes of interest through knockdown and clonogenic survival following ionizing radiation. Lastly, we performed transcriptional profiling of our in vitro model and 18 G2M tumors using RNA sequencing. Results NF2 loss-of-function (LOF) mutations were associated with necrosis in G2Ms (p=0.0127). Tumors with NF2 mutation and necrosis had worse post-radiation LC compared to NF2 wildtype tumors without necrosis (p=0.035). Under hypoxic conditions, NF2 knockdown increased radiation resistance in vitro (p<0.001). Bulk RNA sequencing of our in vitro model revealed NF2 - and hypoxia-specific changes and a 50-gene set signature specific to radiation resistant, NF2 knockdown and hypoxic cells, which could distinguish NF2 mutant and necrotic patient G2Ms by unsupervised clustering. Gene set enrichment analysis of patient tumor and in vitro data revealed downregulation of apoptosis and upregulation of proliferation in NF2 -deficient and hypoxic cells, which we validated with functional assays. Conclusions NF2 LOF in the setting of hypoxia confers radiation resistance through transcriptional programs that reduce apoptosis and promote proliferation. These pathways may identify tumors resistant to radiation and represent therapeutic targets that in the future could improve LC in patients with radiation resistant G2Ms. KEY POINTS 1. Spontaneous necrosis with NF2 mutations is associated with radio-resistance in WHO G2Ms. 2. NF2 knockdown in the setting of hypoxia confers radio-resistance to meningioma cells in vitro and is driven by increased cell proliferation and decreased apoptosis. IMPORTANCE OF THE STUDY World Health Organization Grade 2 meningiomas (G2M) are often treated with surgical resection followed by radiation, especially in the case of recurrence. However, the mechanisms underlying radiation resistance in G2Ms remain to be identified, and moreover, we lack biomarkers to distinguish G2Ms that will respond to radiotherapy from those that are refractory. In this study we perform histological and molecular analysis of a large cohort of G2Ms to identify predictors of radiation resistance. Using these data and an in vitro model of radiation therapy, we demonstrate that radiation resistance in G2Ms is likely driven by the combination of NF2 gene mutations and the hypoxia that accompanies tumor necrosis. Patients whose tumors bear these two features may therefore benefit from alternative treatments that target specific pathways implicated in radiation resistance.