Abstract Glioblastomas (GBMs) are biologically heterogeneous within and between patients. Many previous attempts to characterize this heterogeneity have classified tumors according to their omics similarities. These discrete classifications have predominantly focused on characterizing malignant cells, neglecting the immune and other cell populations that are known to be present. We leverage a manifold learning algorithm to define a low-dimensional transcriptional continuum along which heterogeneous GBM samples organize. This reveals three polarized states: invasive, immune/inflammatory, and proliferative. The location of each sample along this continuum correlates with the abundance of eighteen malignant, immune, and other cell populations. We connect these cell abundances with magnetic resonance imaging and find that the relationship between contrast enhancement and tumor composition varies with patient sex and treatment status. These findings suggest that GBM transcriptional biology is a predictably constrained continuum that contains a limited spectrum of viable cell cohabitation ecologies. Since the relationships between this ecological continuum and imaging vary with patient sex and tumor treatment status, studies that integrate imaging features with tumor biology should incorporate these variables in their design.

Purpose: Patient sex is recognized as a significant determinant of outcome but the relative prognostic importance of molecular, imaging, and other clinical features of GBM has not yet been thoroughly explored for male versus female patients. Combining multi-modal MR images and patient clinical information, this investigation assesses which pretreatment MRI-based and clinical variables impact sex-specific survivorship in glioblastoma patients. Methods: We considered the multi-modal MRI and clinical data of 494 patients newly diagnosed with primary glioblastoma (299 males and 195 females). Patient MR images (T1Gd, T2, and T2-FLAIR) were segmented to quantify imageable tumor volumes for each MR sequence. Cox proportional hazard (CPH) models and Students t-tests were used to assess which variables were significantly associated with survival outcomes. We used machine learning algorithms to develop pruned decision trees to integrate the impact of these variables on patient survival. Results: Among males, tumor (T1Gd) radius was a significant predictor of overall survival (HR=1.027, p=0.044). Among females, higher tumor cell net invasion rate was a significant detriment to overall survival (HR=1.011, p<0.001). Female extreme survivors had significantly smaller tumors (T1Gd) (p=0.010 t-test), but tumor size was not significantly correlated with female overall survival (p=0.955 CPH). Both male and female extreme survivors had significantly lower tumor cell net proliferation rates than patients in other survival groups (M p=0.004, F p=0.001, t-test). Age at diagnosis was a significant predictive factor for overall survival length for both males and females (M HR= 1.030, F HR=1.022). Additional variables like extent of resection, tumor laterality, and IDH1 mutation status were also found to have sex-specific effects on overall survival. Conclusion: The results indicated that some variables, like the tumor cell diffuse invasion rate and tumor size, had sex-specific implications for survival, while other variables, such as age at diagnosis and tumor cell proliferation rate, impacted both sexes in the same way. Despite similar distributions of the MR imaging parameters between males and females, there was a sex-specific difference in how these parameters related to outcomes. The sex differences in the predictive value of these and other variables emphasizes the importance of considering sex as a biological factor when determining patient prognosis and treatment approach.

A typical feature of glioblastoma (GBM) growth is local recurrence after surgery. However, some GBMs recur distally. It has been noted that GBM patients with perioperative ischemia are more likely to have distal recurrence and that GBM cells migrate faster under hypoxic conditions. We apply the Proliferation Invasion Hypoxia Necrosis Angiogenesis (PIHNA) model to examine the effect of faster hypoxic cell migration on simulated GBM growth. Results suggest that a highly migratory hypoxic cell population drives the growth of the whole tumor and leads to distant recurrence, as do higher normoxic tumor cell migration and low cellular proliferation rates.

We analyze the wave-speed of the Proliferation Invasion Hypoxia Necrosis Angiogenesis (PIHNA) model that was previously created and applied to simulate the growth and spread of glioblastoma (GBM), a particularly aggressive primary brain tumor. We extend the PIHNA model by allowing for different hypoxic and normoxic cell migration rates and study the impact of these differences on the wave-speed dynamics. Through this analysis, we find key variables that drive the outward growth of the simulated GBM. We find a minimum tumor wave-speed for the model; this depends on the migration and proliferation rates of the normoxic cells and is achieved under certain conditions on the migration rates of the normoxic and hypoxic cells. If the hypoxic cell migration rate is greater than the normoxic cell migration rate above a threshold, the wave-speed increases above the predicted minimum. This increase in wave-speed is explored through an eigenvalue and eigenvector analysis of the linearized PIHNA model, which yields an expression for this threshold. The PIHNA model suggests that an inherently faster-diffusing hypoxic cell population can drive the outward growth of a GBM as a whole, and that this effect is more prominent for faster proliferating tumors that recover relatively slowly from a hypoxic phenotype.

We leverage an integrative mathematical modeling framework to translate the impact of preclinical findings in virtual clinical trials. We develop a virtual clinical trial pipeline to face the real-world problem of numerous of actual early phase clinical trials that have failed for glioma/glioblastoma, the most common primary brain tumor. Even with the most promising preclinical data, designing clinical trials is fraught with challenges, including controlling for the many parameters used to inform patient selection criteria. Here, we introduce a virtual trial pipeline that allows us to consider the variability from some of these criteria that can be used for future trials of novel therapies. As an example, we apply this to the proposed delivery of BMP4 to stem cell niches present in glioblastoma, the most aggressive glioma, known for its inter- and intra-patient heterogeneity. The proposed approach of BMP4 treatment, delivered through adipose-derived mesenchymal stem cells, aims to promote cellular differentiation away from the treatment-resistance stem cell niches towards a more treatment-vulnerable state. This pipeline will help us narrow down strategies for future trials, optimize timing of treatments relative to key standard-of-care treatments, and predict synergy amongst the developed treatments.

Glioblastoma (GBM) is the most aggressive primary brain tumor with a short median survival. Tumor recurrence is a clinical expectation of this disease and usually occurs along the resection cavity wall. However, previous clinical observations have suggested that in cases of perioperative ischemia, tumors are more likely to recur distally. Through the use of a mechanistic model, the Proliferation Invasion Hypoxia Necrosis Angiogenesis (PIHNA) model, we explore the phenotypic drivers of this observed behavior. We have extended the PIHNA model to include a new nutrient-based vascular efficiency term. The model suggests sensitivity to a hypoxic microenvironment and the inherent migration and proliferation rates of the tumor cells are key factors that drive distant recurrences.

Glioblastomas (GBMs) are the most aggressive primary brain tumours and have no known cure. Each individual tumour comprises multiple sub-populations of genetically-distinct cells that may respond differently to targeted therapies and may contribute to disappointing clinical trial results. Image-localized biopsy techniques allow multiple biopsies to be taken during surgery and provide information that identifies regions where particular sub-populations occur within an individual GBM, thus providing insight into their regional genetic variability. These sub-populations may also interact with one another through a competitive or cooperative nature; it is important to ascertain the nature of these interactions, as they may have implications for responses to targeted therapies. We combine genetic information from biopsies with a mechanistic model of interacting GBM sub-populations to characterise the nature of interactions between two commonly occurring GBM sub-populations, those with EGFR and PDGFRA genes amplified. We study population levels found across image-localized biopsy data from a cohort of 25 patients and compare this to model outputs under competitive, cooperative and neutral interaction assumptions. We explore other factors affecting the observed simulated sub-populations, such as selection advantages and phylogenetic ordering of mutations, which may also contribute to the levels of EGFR and PDGFRA amplified populations observed in biopsy data.

Abstract Morphological characteristics have been linked to outcomes across a variety of cancers. Lacunarity is a quantitative morphological measure of how shapes fill space while fractal dimension is a morphological measure of the complexity of pixel arrangement. Glioblastoma is the most aggressive primary brain tumor with a short expected survival given the current standard-of-care treatment. Due to the sensitive location of the tumor, there is a heavy reliance on imaging to assess the state of the disease in the clinic. In this project, we computed lacunarity and fractal dimension values for glioblastoma-induced abnormalities on gadolinium-enhanced T1-weighted magnetic resonance imaging (T1Gd MRI) as well as T2-weighted (T2) and fluid-attenuated inversion recovery (FLAIR) MRIs. In our patient cohort (n=402), we aim to connect these morphological metrics calculated on pretreatment MRI with the survival of patients with GBM. We calculated lacunarity and fractal dimension across all MRI slices on necrotic regions (n=390) and abnormalities on T1Gd MRI (n=402), as well as on enhancing abnormalities present on T2/FLAIR MRI (n=257). We also explored the relationship between these metrics and age at diagnosis, as well as abnormality volume. We found statistically significant relationships to outcome across all three imaging subtypes, with the shape of T2/FLAIR abnormalities showing the strongest relationship with overall survival. The link between morphological and survival metrics could be driven by underlying biological phenomena, tumor location or microenvironmental factors that should be further explored.

Immune therapies have shown promise in a number of cancers, and clinical trials using the anti-PD-L1/PD-1 checkpoint inhibitor in lung cancer have been successful for a number of patients. However, some patients either do not respond to the treatment or have cancer recurrence after an initial response. It is not clear which patients might fall into these categories or what mechanisms are responsible for treatment failure. To explore the different underlying biological mechanisms of resistance, we created a spatially explicit mathematical model with a modular framework. This construction enables different potential mechanisms to be turned on and off in order to adjust specific tumor and tissue interactions to match a specific patient's disease. In parallel, we developed a software suite to identify significant computed tomography (CT) imaging features correlated with outcome using data from an anti-PDL-1 checkpoint inhibitor clinical trial for lung cancer and a tool that extracts these features from both patient CT images and "virtual CT" images created from the cellular density profile of the model. The combination of our two toolkits provides a framework that feeds patient data through an iterative pipeline to identify predictive imaging features associated with outcome, whilst at the same time proposing hypotheses about the underlying resistance mechanisms.

Abstract Magnetic resonance imaging (MRI) is key to clinically managing brain tumor patients, however connecting the biology to imaging remains challenging. We previously developed a two-compartment model of MRI signal intensity to quantitatively estimate relative edema abundance from T2-weighted MRIs. Using this model, we previously identified the fatty acid metabolism (FAM) and oxidative phosphorylation (OxPhos) pathways as sex-distinct, with both pathways amplified for high edema in males and low edema in females. The purpose of this project was to further delineate sex-distinct biology associated with MRI-estimated brain tumor edema abundance. We analyzed 179 multiregional samples (Female: 75; Male: 104) from 55 high grade glioma patients (Female: 21; Male: 34) for bulk RNA-Seq. Patients’ pre-surgical multiparametric MRIs were preprocessed and segmented for abnormal regions and normal tissue. Utilizing the segmentations and preprocessed images we estimated the relative fractions of extracellular and intracellular space based on the edema mathematical model. Samples were characterized by their edema scores, which were analyzed using differential expression for high and low edema, gene set enrichment analysis (GSEA) using MSigDB hallmarks, and leading edge interpretation. Based on transcriptomic leading edge analyses of high and low edema samples from sex-separated cohorts, we identified common and sex-distinct enrichment of the FAM and OxPhos pathways underlying edema patterns. Of the OxPhos pathway leading edge genes, 45 were common, 36 were unique to females, and 66 were unique to males. Of the FAM pathway leading edge genes, 8 were common, 39 were unique to females, and 29 were unique to males. Notably, expression of both IDH1 and IDH2 were increased for males in regions of high edema in the OxPhos pathway. IDH3a was decreased for females in regions of low edema in the OxPhos pathway. These data suggest that there may be sex-distinct metabolism underlying MRI measurable edema formation.