Abstract Dimension reduction and (spatial) clustering is usually performed sequentially; however, the low-dimensional embeddings estimated in the dimension-reduction step may not be relevant to the class labels inferred in the clustering step. We therefore developed a computation method, Dimension-Reduction Spatial-Clustering (DR-SC), that can simultaneously perform dimension reduction and (spatial) clustering within a unified framework. Joint analysis by DR-SC produces accurate (spatial) clustering results and ensures the effective extraction of biologically informative low-dimensional features. DR-SC is applicable to spatial clustering in spatial transcriptomics that characterizes the spatial organization of the tissue by segregating it into multiple tissue structures. Here, DR-SC relies on a latent hidden Markov random field model to encourage the spatial smoothness of the detected spatial cluster boundaries. Underlying DR-SC is an efficient expectation-maximization algorithm based on an iterative conditional mode. As such, DR-SC is scalable to large sample sizes and can optimize the spatial smoothness parameter in a data-driven manner. With comprehensive simulations and real data applications, we show that DR-SC outperforms existing clustering and spatial clustering methods: it extracts more biologically relevant features than conventional dimension reduction methods, improves clustering performance, and offers improved trajectory inference and visualization for downstream trajectory inference analyses.

Abstract Motivation Spatially resolved transcriptomics (SRT) technologies have been developed to simultaneously profile gene expression while retaining physical information. To explore differentially expressed genes using SRT in the context of various conditions, statistical methods are needed to perform spatial differential expression analysis. Results We propose that a new probabilistic framework, spatialDEG, can perform differential expression analysis by leveraging spatial information on gene expression with spatial information. SpatialDEG utilizes the average information algorithm and can be scalable to tens of thousands of genes. Comprehensive simulations demonstrated that spatialDEG can identify genes differentially expressed in tissues across different conditions with a controlled type-I error rate. We further applied spatialDEG to analyze datasets for human dorsolateral prefrontal cortex and mouse whole liver. Availability The R package spatialDEG can be downloaded from https://github.com/Shufeyangyi2015310117/spatialDEG .

Abstract Objective Gastric cancer (GC) tumors are highly heterogenous with different subpopulations of epithelial cells. We employed single cell RNA sequencing (scRNA-seq) to dissect the heterogeneity and identified subpopulations of cancer cells with stem-like properties. We further investigated their resistance to oxaliplatin chemotherapy and their contribution to gastric cancer outcome. Design We performed scRNA-seq on FACS sorted epithelial and immune cells from paired samples of GC tumors and normal adjacent tissues. We identified two epithelial subpopulations (STMN1 + IQGAP3 + and STMN1 + IQGAP3 − ) with stem-like properties. We characterized and compared them to known healthy gastric stem cell populations. We also cultivated GC derived organoids to study the chemoresistance of similarly marked populations. Lastly, we employed immunohistochemistry (IHC) staining to ascertain the predicted immunosuppressive interactions. Results The STMN1 + IQGAP3 + subpopulation showed a higher tumor mutation burden, upregulated proliferative pathways and transcriptomically resembled proliferative healthy gastric isthmus stem cells. The STMN1 + IQGAP3 − subpopulation were comparatively quiescent and transcriptomically resembled enteroendocrine cells. Both transcriptomic signatures were associated with worse mortality than other epithelial subpopulations with the quiescent being associated with the poorest patient survival. GC tissue derived organoids were dominated by STMN1 + IQGAP3 + cells but the STMN1 + IQGAP3 − compartment was more resistant to chemotherapy. We also verified the likely suppression of CD8 T cell cytotoxicity by STMN1 + IQGAP3 + cells through the NECTIN2/TIGIT interaction. Conclusions Cancer cells with stem-like characteristics are associated with poor survival through chemoresistance and immunosuppression. Reactivating the immune system through checkpoint blockade is an opportunity to eliminate these cells. What is already known on this topic Multiple gastric stem cell populations have been identified and linked to tumor initiation in rodent-based studies. However, none of them have been conclusively proven in human tumors. Isolating and characterizing tumor cells with stem-like properties will help shed light on their possible origin and possible mitigation strategies. What this study adds Here we identified two sets of stem-like gastric cancer cells that are associated with poorer patient prognosis. One set is highly proliferative and exhibits oxaliplatin susceptibility. It also engages in immunosuppressive interactions such as NECTIN2/TIGIT. The other set is quiescent and highly resistant to oxaliplatin. How this study might affect research, practice or policy The transcriptome signatures of the identified stem-like cells can aid in patient prognosis and identify patients who can benefit from checkpoint blockade therapy to reactivate their immune response towards gastric cancer cells.

Abstract Growing evidence supports the importance of understanding tumor-immune spatial relationship in the tumor microenvironment in order to achieve precision cancer therapy. However, existing methods, based on oversimplistic cell-to-cell proximity, are largely confounded by immune cell density and are ineffective in capturing tumor-immune spatial patterns. Here we developed a novel computational algorithm, termed Tumor-Immune Partitioning and Clustering (TIPC), to offer an effective solution for spatially informed tumor subtyping. Our method could measure the extent of immune cell partitioning between tumor epithelial and stromal areas as well as the degree of immune cell clustering. Using a U.S. nation-wide colorectal cancer database, we showed that TIPC could determine tumor subtypes with unique tumor-immune spatial patterns that were significantly associated with patient survival and key tumor molecular features. We also demonstrated that TIPC was robust to parameter settings and readily applicable to different immune cell types. The capability of TIPC in delineating clinically relevant patient subtypes that encapsulate tumor-immune spatial relationship, immune density, and tumor morphology is expected to shed light on underlying immune mechanisms. Hence, TIPC can be a useful bioinformatics tool for effective characterization of the spatial composition of the tumor-immune microenvironment to inform precision immunotherapy.

Signaling between cancer and nonmalignant (stromal) cells in the tumor microenvironment (TME) is key to tumorigenesis yet challenging to decipher from tumor transcriptomes. Here, we report an unbiased, data-driven approach to deconvolute bulk tumor transcriptomes and predict crosstalk between ligands and receptors on cancer and stromal cells in the TME of solid tumor types. Our approach recovers known transcriptional hallmarks of cancer and stromal cells and is concordant with single-cell and immunohistochemistry data, underlining its robustness. Pan-cancer analysis reveals previously unrecognized features of cancer stromal crosstalk. We find that autocrine cancer cell cross-talk varied between tissues but often converged on known cancer signaling pathways. In contrast, many stromal cross-talk interactions were highly conserved across tumor types. Interestingly, the immune checkpoint ligand PD-L1 was overexpressed in stromal rather than cancer cells across all tumor types. Moreover, we predicted and experimentally validated aberrant ligand and receptor expression in cancer cells of basal and luminal breast cancer, respectively. Collectively, our findings validate a data-driven method for tumor transcriptome deconvolution and establishes a new resource for hypothesis generation and downstream functional interrogation of the TME in tumorigenesis and disease progression.

Abstract Immunotherapy interventions relies heavily on neoantigen availability. The human genome encodes non-canonical/mutant proteins that potentially contain neoantigenic peptides. Nevertheless, their typically low expression, potentially moderated by the Nonsense-Mediated Decay (NMD) pathway, restricts their therapeutic utility. In this study, we explored the NMD pathway influence on non-canonical/mutant protein expression, specifically focusing on UPF1 knockdown. We implemented proteogenomic approaches to ascertain if the encoding transcripts and their respective proteins were upregulated post-knockdown. Complementary to this, we conducted a comprehensive pan-cancer survey of UPF1 expression and an in vivo evaluation of UPF1 expression in Triple-Negative Breast Cancer (TNBC) tissue. Our empirical results delineated that UPF1 knockdown precipitates an increase in the transcription of non-canonical/mutant proteins, especially those originating from retained-introns, pseudogenes, long non-coding RNAs, and unannotated biotypes. Furthermore, the analysis revealed that UPF1 expression was conspicuously high across a range of neoplastic tissues, with protein levels notably amplified in patient derived TNBC tumours in comparison to adjacent tissues. Our study elucidates UPF1 functional role in attenuating transcriptional noise through the degradation of transcripts encoding non-canonical/mutant proteins. Interestingly, we observed an upregulation of the NMD pathway in cancer, potentially functioning as a “neoantigen masking” mechanism that subdues non-canonical/mutant protein expression. Suppressing this mechanism may unveil a new cadre of neoantigens accessible to the antigen presentation pathway. Our novel findings proffer a solid base for devising therapeutic strategies targeting UPF1 or the NMD pathway, given the pronounced presence of UPF1 in malignant cells, thus potentially augmenting immunotherapeutic responses in cancer.

Abstract Gastric cancer (GC) is a major cause of global cancer mortality with high heterogeneity levels. To explore geospatial interactions in tumor ecosystems, we integrated 1,563 spatial transcriptomic regions-of-interest (ROIs) with 152,423 single-cell expression profiles across 130 GC samples from 70 patients. We observed pervasive expression-based intratumor heterogeneity, recapitulating tumor progression through spatially localized and functionally ordered subgroups with specific immune microenvironments and immune checkpoint profiles. Evolutionary phylogenetic analysis revealed two different evolutionary trajectories (branched evolution and diaspora evolution) associated with distinct molecular subtypes, clinical prognoses, stromal neighborhoods including VWF + ACKR1 + endothelial cells, and genetic drivers such as SOX9 . Spatial analysis of tumor-stromal interfaces across multiple GCs highlighted new ecosystem states not attributable to mere tumor/stroma admixture, landmarked by increased GREM1 expression. Our results provide insights into how the cellular ecosystems of individual GCs are sculpted by tumor intrinsic and extrinsic selective pressures, culminating in individualized patient-specific cancer cartographies.

Lymphoepithelioma-like carcinoma (LELC) is an uncommon lung cancer, typically observed in young, non-smoking Asian populations. LELC is associated with Epstein-Barr virus (EBV) infection of lung tumor cells of epithelial origin, suggesting a carcinogenic role of EBV as observed in nasopharyngeal carcinoma (NPC). Here, we studied the antigen specificity and phenotype of CD8+ tumor infiltrating lymphocytes (TILs) in one LELC patient positive for EBV infection in lung tumor cells. Using MHC class I tetramers, we detected two populations of EBV-specific CD8+ TILs, which can be considered as tumor-specific CD8+ T cells, in the tumor of this patient. Transcriptomic analyses of these two populations reveal their distinct exhausted profiles and polyclonal TCR repertoire. High dimensional analyses at single cell level using mass cytometry showed showed that populations of tumor specific CD8+ TILs are phenotypically heterogeneous, although they consistently express CD39. Unexpectedly, although the LELC tumor cells expressed abundant PD-L1, these tumor-specific CD8+ TILs mostly did not express PD-1, suggesting that anti-PD1/PD-L1 immunotherapy may not be an appropriate strategy for disinhibiting EBV-specific cells for the treatment of LELC patients. These results might also help to explain low rates of checkpoint blockade immunotherapy response for NPC, despite the antigenicity of EBV for both tumor types.

Abstract Biological techniques for spatially resolved transcriptomics (SRT) have advanced rapidly in both throughput and spatial resolution for a single spatial location. This progress necessitates the development of efficient and scalable spatial dimension reduction methods that can handle large-scale SRT data from multiple sections. Here, we developed ProFAST as a fast and efficient probabilistic factor analysis for spatially aware dimension reduction, which simultaneously extracts a low-dimensional representation of SRT data across multiple sections, while preserving biological effects with consideration of spatial smoothness among nearby locations. Compared with existing methods, ProFAST is applicable to SRT data across multiple sections while using a local spatial dependence with scalable computational complexity. Using both simulated and real datasets, we demonstrated the improved correlation between ProFAST estimated embeddings and annotated cell/domain types. Furthermore, ProFAST exhibits remarkable speed, being > 700 times faster, and requiring only 3% of the memory compared to the well-established tool, SpatialPCA, when applied to a Xenium dataset. Indeed, ProFAST was used to analyze a mouse embryo Stereo-seq dataset with > 2.3 million locations in only 2 hours. More importantly, ProFAST identified differential activities of immune-related transcription factors between tumor and non-tumor clusters and also predicted a carcinogenesis factor CCNH as the upstream regulator of differentially expressed genes in a breast cancer Xenium dataset.

Hepatocellular carcinoma (HCC) is the fourth leading cause of cancer-associated mortality in the world. However, with the associated low five-year survival and high recurrence rates, alternative treatment modalities specifically immunotherapy have been researched. A correlation between CD38+ tumour-infiltrating leukocyte (TIL) density and improved prognosis was found in a recent study. However, studies relating to CD38 expression in immune infiltrates within tumours are limited. In the present study, we confirmed the expression of CD38 on macrophages in HCC and determined the relationship between CD38+ leukocytes and lymphocytes and patient response to immunotherapy. Using immunohistochemistry, we analysed tissue samples obtained from 20 patients from Singapore with HCC prior to immunotherapy. Tumour infiltrating leukocytes expression within tumour were correlated to the responsiveness of patients to immunotherapy. Expression of CD38 was found within the tumour cells and surrounding immune infiltrates including lymphocytes and macrophages. We then ask whether CD38 expression by the distinct cell populations may acquire theranostic relevance. Patients with higher level of CD38+ immune infiltrate subsets had significantly better response to anti-PD-1 immunotherapy, and this is also true for CD38+ lymphocytes within the tumour microenvironment. In particular, a cut-off of 13.0% positive out of total leukocytes and 12.4% positive out of total lymphocytes is found to be of strong predictive value of responsiveness to immunotherapy treatment, thus a strong theranostic impact is seen by using CD38 as a biomarker for anti-PD-1 therapy. The establishment of an association between CD38 expression and the response to anti-PD-1 immunotherapy in HCC, could be applied to a larger cohort outside Singapore. These may eventually change the routine testing in clinical practice to identify HCC patients suitable for immunotherapy.