Abstract The consensus molecular subtype (CMS) classification of colorectal cancer is based on bulk transcriptomics. The underlying epithelial cell diversity remains unclear. We analyzed 373,058 single-cell transcriptomes from 63 patients, focusing on 49,155 epithelial cells. We identified a pervasive genetic and transcriptomic dichotomy of malignant cells, based on distinct gene expression, DNA copy number and gene regulatory network. We recapitulated these subtypes in bulk transcriptomes from 3,614 patients. The two intrinsic subtypes, iCMS2 and iCMS3, refine CMS. iCMS3 comprises microsatellite unstable (MSI-H) cancers and one-third of microsatellite-stable (MSS) tumors. iCMS3 MSS cancers are transcriptomically more similar to MSI-H cancers than to other MSS cancers. CMS4 cancers had either iCMS2 or iCMS3 epithelium; the latter had the worst prognosis. We defined the intrinsic epithelial axis of colorectal cancer and propose a refined ‘IMF’ classification with five subtypes, combining intrinsic epithelial subtype (I), microsatellite instability status (M) and fibrosis (F).

Abstract Over-consumption of iron-rich red meat and hereditary or genetic iron overload are associated with increased risk of colorectal carcinogenesis, yet the mechanistic basis of how metal-mediated signaling leads to oncogenesis remains enigmatic. Using fresh colorectal cancer (CRC) samples we identify Pirin, an iron sensor, that overcomes a rate-limiting step in oncogenesis, by re-activating the dormant human-reverse-transcriptase (hTERT) subunit of telomerase holoenzyme in an iron-(Fe3+)-dependent-manner and thereby drives CRCs. Chemical genetic screens combined with isothermal-dose response fingerprinting and mass-spectrometry identified a small molecule SP2509, that specifically inhibits Pirin-mediated hTERT reactivation in CRCs by competing with iron-(Fe3+) binding. Our findings, first to document how metal ions reactivate telomerase, provide a molecular mechanism for the well-known association between red meat, and increased incidence of CRCs. Small molecules like SP2509 represent a novel modality to target telomerase that acts as driver of 90% human cancers and is yet to be targeted in clinic.

Hepatocellular carcinoma (HCC) is a deadly cancer with a high global mortality rate, and the downregulation of GATA binding protein 4 (GATA4) has been implicated in HCC progression. In this study, we investigated the role of GATA4 in shaping the immune landscape of HCC.

Summary Steatotic liver disease-related hepatocellular carcinoma (SLD-HCC) poses significant challenges in liver cancer management. Our current study investigates the tumor microenvironment (TME) of SLD-HCC using single-cell transcriptomic, proteomic and spatial transcriptomic analyses. We identified altered immune-related and lipid metabolism pathways, particularly in regulatory T cells (Tregs) and cancer-associated fibroblasts (CAFs) within the SLD-HCC microenvironment, suggesting distinct cellular adaptations to a high-fat TME and general immunosuppression. Cytometry by time-of-flight revealed a cold and immunosuppressive TME depleted with CD8 + T cells and enriched with Tregs, while spatial transcriptomics uncovered a unique spatial architecture with Treg/CAF clusters specifically located at the tumor margins in SLD-HCC. Crucially, we identified Treg-CAF interactions as a key mediator associated with lack of response to immunotherapy in SLD-HCC. Our findings highlight the intricate immune dynamics of SLD-HCC, indicating potential therapeutic targets to counteract immune evasion and restore anti-tumor immunity in SLD-HCC. Highlights The TME of SLD-HCC exhibits altered immune and lipid pathways Immunosuppressive SLD-HCC TME is depleted with CD8 + T cells and enriched with Tregs SLD-HCC has a unique spatial architecture with Treg-CAF clusters at tumor margins Treg-CAF interaction via TNFSF14-TNFRSF14 axis mediates immunotherapy resistance

Abstract Hepatocellular carcinomas (HCC) are driven by various etiologies and molecular diversity at presentation. Patient prognosis post-surgery is generally dismal, and the majority respond poorly to adjuvant targeted and/or immuno-therapies. Tumours are an ecosystem comprised of organization and interaction between different cell types that may contribute to clinically significant outcomes, such as disease recurrence. To better understand this phenomenon, we leveraged on a local cohort of patients with or without recurrence to generate spatial transcriptome profiles from multiple sectors from each tumour. We identified widespread gene expression intra- and inter tumour heterogeneity observed across the tumour sectors. Our analysis also revealed the cell type enrichment and localization, and ligand-receptor interactions identify a specific subset of endothelial cell enriched in primary tumours of patients with recurrence. Altogether, this study describes the spatial gene expression landscape in HCC patients associated with disease recurrence.

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.

Abstract Quality control (QC) is the first critical step in single cell and spatial data analysis pipelines. QC is particularly important when analysing data from primary human samples, since genuine biological signals can be obscured by debris, perforated cells, cell doublets and ambient RNA released into the “soup” by cell lysis. Consequently, several QC methods for single cell data, employ fixed or data-driven quality thresholds. While these approaches efficiently remove empty droplets, they often retain low-quality cells. Here, we propose cell type-specific QC ( ctQC ), a stringent, data-driven QC approach that adapts to cell type differences and discards soup and debris. Evaluating single cell RNA-seq data from colorectal tumors, human spleen, and peripheral blood mononuclear cells, we demonstrate that ctQC outperforms existing methods by improving cell type separation in downstream clustering, suppressing cell stress signatures, revealing patient-specific cell states, eliminating artefactual clusters and reducing ambient RNA artifacts. When applied to sequencing-based spatial RNA profiling data (Slide-seq), ctQC improved spatial coherence of cell clusters and consistency with anatomical structures. These results demonstrate that strict, data-driven, cell-type-specific QC is applicable to diverse sample types and substantially improves the quality and reliability of biological inferences from single cell and spatial RNA profiles.