For many solid malignancies, lymph node (LN) involvement represents a harbinger of distant metastatic disease and, therefore, an important prognostic factor. Beyond its utility as a biomarker, whether and how LN metastasis plays an active role in shaping distant metastasis remains an open question. Here, we develop a syngeneic melanoma mouse model of LN metastasis to investigate how tumors spread to LNs and whether LN colonization influences metastasis to distant tissues. We show that an epigenetically instilled tumor-intrinsic interferon response program confers enhanced LN metastatic potential by enabling the evasion of NK cells and promoting LN colonization. LN metastases resist T cell-mediated cytotoxicity, induce antigen-specific regulatory T cells, and generate tumor-specific immune tolerance that subsequently facilitates distant tumor colonization. These effects extend to human cancers and other murine cancer models, implicating a conserved systemic mechanism by which malignancies spread to distant organs.

ABSTRACT Advances in multiplexed in situ imaging are revealing important insights in spatial biology. However, cell type identification remains a major challenge in imaging analysis, with most existing methods involving substantial manual assessment and subjective decisions for thousands of cells. We propose a novel machine learning algorithm, CELESTA, which uses both cell’s protein expression and spatial information to identify cell type of individual cells. We demonstrate the performance of CELESTA on multiplexed immunofluorescence in situ images of colorectal cancer and head and neck cancer. Using the cell types identified by CELESTA, we identify tissue architecture associated with lymph node metastasis in HNSCC, which we validate in an independent cohort. By coupling our in situ spatial analysis with single-cell RNA-sequencing data on proximal sections of the same tissue specimens, we identify and validate cell-cell crosstalk associated with lymph node metastasis, demonstrating the power of spatial biology to reveal clinically-relevant cellular interactions.