ABSTRACT Here we report Single CEll Variational ANeuploidy analysis (SCEVAN), a fast variational algorithm for the deconvolution of the clonal substructure of tumors from single cell data. It uses a multichannel segmentation algorithm exploiting the assumption that all the cells in a given copy number clone share the same breakpoints. Thus, the smoothed expression profile of every individual cell constitutes part of the evidence of the copy number profile in each subclone. SCEVAN can automatically and accurately discriminate between malignant and non-malignant cells, resulting in a practical framework to analyze tumors and their microenvironment. We apply SCEVAN to several datasets encompassing 106 samples and 93,322 cells from different tumors types and technologies. We demonstrate its application to characterize the intratumor heterogeneity and geographic evolution of malignant brain tumors.

Abstract Deconvolution methods infer levels of immune and stromal infiltration from bulk expression of tumor samples. These methods allow projection of characteristics of the tumor microenvironment, known to affect patient outcome and therapeutic response, onto the millions of bulk transcriptional profiles in public databases, many focused on uniquely valuable and clinically-annotated cohorts. Despite the wide development of such methods, a standardized dataset with ground truth to evaluate their performance has been lacking. We generated and sequenced in vitro and in silico admixtures of tumor, immune, and stromal cells and used them as ground truth in a community-wide DREAM Challenge that provided an objective, unbiased assessment of six widely-used published deconvolution methods and of 22 new analytical approaches developed by international teams. Our results demonstrate that existing methods predict many cell types well, while team-contributed methods highlight the potential to resolve functional states of T cells that were either not covered by published reference signatures or estimated poorly by some published methods. Our assessment and the open-source implementations of top-performing methods will allow researchers to apply the deconvolution approach most appropriate to querying their cell type of interest. Further, our publicly-available admixed and purified expression profiles will be a valuable resource to those developing deconvolution methods, including in non-malignant settings involving immune cells.

Abstract We evaluate deconvolution methods, which infer levels of immune infiltration from bulk expression of tumor samples, through a community-wide DREAM Challenge. We assess six published and 22 community-contributed methods using in vitro and in silico transcriptional profiles of admixed cancer and healthy immune cells. Several published methods predict most cell types well, though they either were not trained to evaluate all functional CD8+ T cell states or do so with low accuracy. Several community-contributed methods address this gap, including a deep learning-based approach, whose strong performance establishes the applicability of this paradigm to deconvolution. Despite being developed largely using immune cells from healthy tissues, deconvolution methods predict levels of tumor-derived immune cells well. Our admixed and purified transcriptional profiles will be a valuable resource for developing deconvolution methods, including in response to common challenges we observe across methods, such as sensitive identification of functional CD4+ T cell states.

Abstract Background Innovative cancer immunotherapy approaches aim at combining immune checkpoint inhibitors with other immunomodulatory agents. Epigenetic regulators can control immune-related genes, therefore targeting them with specific inhibitors may be a potential way forward. Here we identified immune-related signatures induced by four classes of epigenetic drugs in human melanoma cells to define the most promising agent and to understand its biological activity in-vitro, in-vivo and in clinical samples. Methods Human melanoma cell lines were characterized for mutational and differentiation profile and treated with inhibitors of DNA methyltransferases (guadecitabine), histone deacetylases (givinostat), bromodomain and extraterminal domain proteins (JQ1 and OTX-015) and enhancer of zeste homolog 2 (GSK126). Drug-specific gene signatures were identified by Clariom S and Nanostring platforms. Modulation of 14 proteins was determined by quantitative western blot. Ingenuity Pathway Analysis (IPA) identified Upstream Regulator (UR) molecules explaining changes in gene expression and biological activity of drugs. Gene set enrichment and IPA were used to test modulation of guadecitabine-specific gene and UR signatures, respectively, in on-treatment tumor biopsies from melanoma patients enrolled in the Phase Ib NIBIT-M4 Guadecitabine + Ipilimumab Trial. Results Drug-specific gene and UR signatures were identified for each of the four inhibitors. Immune-related genes were frequently upregulated by guadecitabine, to a lesser extent by givinostat, but downregulated by JQ1 and OTX-015. GSK126 was the least active drug. Treatment of melanoma cells with combination of two epigenetic drugs revealed a dominant effect of guadecitabine and JQ1 on immune-related gene modulation. Drug-specific modulatory profiles were confirmed at the protein level. The guadecitabine-specific UR signature was characterized by activated molecules of the TLR, NF-kB, and IFN innate immunity pathways and was induced in drug-treated melanoma, mesothelioma, hepatocarcinoma cell lines and human melanoma xenografts. Most of the guadecitabine-specific signature genes (n>160) were upregulated in on-treatment tumor biopsies from NIBIT-M4 trial. Progressive activation of guadecitabine UR signature molecules was observed in on-treatment tumor biopsies from responding compared to non-responding patients. Conclusions Guadecitabine was the most promising immunomodulatory agent among those investigated. This DNA methyltransferases inhibitor emerged as a strong inducer of innate immunity pathways, supporting the rationale for its use in combinatorial immunotherapy approaches.

Pancreatic ductal adenocarcinoma (PDAC) is one of the leading cause of cancer death worldwide. PDACs are characterized by centrosome aberrations, but whether centrosome-related genes influence patient outcomes has not been tested.

Single-cell RNA sequencing is the reference technique to characterize the heterogeneity of tumor microenvironment and can be efficiently used to discover cross-talk mechanisms between immune cells and cancer cells. We present a novel method, single cell Tumor-Host Interaction tool (scTHI), to identify significantly activated ligand-receptor interactions across clusters of cells from single-cell RNA sequencing data. We apply our approach to uncover the ligand-receptor interactions in glioma using six publicly available human glioma datasets encompassing 71 patients. We provide a comprehensive map of the signalling mechanisms between malignant cells and non-malignant cells in glioma uncovering potential novel therapeutic targets.

Abstract Background co-targeting of immune checkpoint inhibitors (ICI) CTLA-4 and PD-1 has recently become the new first-line standard of care therapy of pleural mesothelioma (PM) patients, with a significant improvement of overall survival over conventional chemotherapy. The analysis by tumor histotype demonstrated a greater efficacy of ICI therapy in non-epithelioid (non-E) vs epithelioid (E) PM; although some E PM patients also benefit from treatment. This evidence suggests that molecular tumor features, beyond histotype, could be relevant to improve the efficacy of ICI therapy in PM. Among these, tumor DNA methylation emerges as a promising factor to explore, due to its potential role in driving the immune phenotype of cancer cells. Thus, we utilized a panel of cultured PM cells of different histotype, to provide preclinical evidence supporting the role of the tumor methylation landscape and of its pharmacologic modulation, to prospectively improve the efficacy of ICI therapy of PM patients. Methods the methylome profile (EPIC array) of distinct E (#5) and non-E (#9) PM cell lines was analyzed, followed by integrated analysis with their associated transcriptomic profile (Clariom S array), before and after in vitro treatment with the DNA hypomethylating agent (DHA) guadecitabine. The most variable methylated probes were selected to calculate the methylation score (CIMP index) for each cell line at baseline. Genes that were differentially expressed and methylated were then selected for gene ontology analysis. Results the CIMP index stratified PM cell lines in two distinct classes, CIMP (hyper-methylated; #7) and LOW (hypo-methylated; #7), regardless of their E or non-E histotype. Integrated analyses of methylome and transcriptome data revealed that CIMP PM cells had a substantial number of hyper-methylated, silenced genes, which negatively impacted their immune phenotype compared to LOW PM cells. Treatment with DHA reverted the methylation-driven immune-compromised profile of CIMP PM cells and enhanced the constitutive immune-favorable profile of LOW PM cells. Conclusion the study highlighted the relevance of DNA methylation in shaping the constitutive immune classification of PM cells, that is independent from their histological subtypes. The identified role of DHA in shifting the phenotype of PM cells towards an immune-favorable state supports its role in clinical trials of precision epigenetic therapy combined with ICI.