Abstract Epithelial-mesenchymal plasticity (EMP) involves bidirectional transitions between epithelial, mesenchymal and multiple intermediary hybrid epithelial/mesenchymal phenotypes. While the process of epithelial-mesenchymal transition (EMT) and its associated transcription factors are well-characterised, the transcription factors that promote mesenchymal-epithelial transition (MET) and stabilise hybrid E/M phenotypes are less well understood. Here, we analyse multiple publicly-available transcriptomic datasets at bulk and single-cell level and pinpoint ELF3 as a factor that is strongly associated with an epithelial phenotype and is inhibited during EMT. Using mechanism-based mathematical modelling, we also show that ELF3 inhibits the progression of EMT, suggesting ELF3 may be able to counteract EMT induction, including in the presence of EMT-inducing factors, such as WT1. Our model predicts that the MET induction capacity of ELF3 is stronger than that of KLF4, but weaker than that of GRHL2. Finally, we show that ELF3 levels correlates with worse patient survival in a subset of solid tumor types, suggesting cell-of-origin or lineage specificity in the prognostic capacity of ELF3.

Abstract Phenotypic plasticity is a hallmark of cancer metastasis. Epithelial-mesenchymal transition (EMT) is an important axis of phenotypic plasticity. Raf kinase-B inhibitor protein (RKIP) and BTB and CNC homology 1 (BACH1) are two proteins reported to influence EMT. In breast cancer, they act antagonistically, but the exact nature of their roles in mediating EMT and associated other axes of plasticity remains unclear. Here, analysing transcriptomic data, we reveal their antagonistic trends in a pan-cancer manner, in terms of association with EMT, metabolic reprogramming and immune evasion via PD-L1. Next, we developed and simulated a mechanism-based gene regulatory network that captures how RKIP and BACH1 engage in feedback loops with drivers of EMT and stemness. We found that RKIP and BACH1 belong to two separate “teams” of players – while BACH1 belonged to the one that drove pro-EMT, stem-like and therapy-resistant cell-states, RKIP is a member of a team that enables pro-epithelial, less stem-like and therapy-sensitive phenotypes. Finally, we observed that low RKIP levels and concomitant upregulated BACH1 levels associated with worse clinical outcomes in many cancer types. Together, our systems-level analysis indicates that the emergent dynamics of underlying regulatory network underlie the antagonistic patterns of RKIP and BACH1 with various axes of cancer cell plasticity, as well as with patient survival data.

Intra-tumoral phenotypic heterogeneity promotes tumor relapse and therapeutic resistance and remains an unsolved clinical challenge. It manifests along multiple phenotypic axes and decoding the interconnections among these different axes is crucial to understand its molecular origins and to develop novel therapeutic strategies to control it. Here, we use multi-modal transcriptomic data analysis - bulk, single-cell and spatial transcriptomics - from breast cancer cell lines and primary tumor samples, to identify associations between epithelial-mesenchymal transition (EMT) and luminal-basal plasticity - two key processes that enable heterogeneity. We show that luminal breast cancer strongly associates with an epithelial cell state, but basal breast cancer is associated with hybrid epithelial/mesenchymal phenotype(s) and higher phenotypic heterogeneity. These patterns were inherent in methylation profiles, suggesting an epigenetic crosstalk between EMT and lineage plasticity in breast cancer. Mathematical modelling of core underlying gene regulatory networks representative of the crosstalk between the luminal-basal and epithelial-mesenchymal axes recapitulate and thus elucidate mechanistic underpinnings of the observed associations from transcriptomic data. Our systems-based approach integrating multi-modal data analysis with mechanism-based modeling offers a predictive framework to characterize intra-tumor heterogeneity and to identify possible interventions to restrict it.

ABSTRACT Frequent metastatic relapses in Triple-Negative Breast Cancer (TNBC) patients with residual disease is a clinical challenge, largely due to tumor heterogeneity and absence of strategies that target proliferating chemo-tolerant cells. Here, we longitudinally modeled cellular state transitions from dormant drug-tolerant persister (DTP) into proliferating drug-tolerant persister (PDTP) in cells representing all TNBC subtypes. Combining subcellular imaging with phenotypic and biochemical assays, we identified distinct and converged spectrums of alterations in TNBC-PDTPs. We show that PDTPs retain acquired resistance with increased invasion potential. Moreover, Basal-Like DTPs enter into a non-reversible mesenchymal state while luminal androgen receptor-positive gain partial-Epithelial-to-Mesenchymal Transition (EMT) with vimentin upregulation. PDTP state dwells on high autophagy with reduced glutathione and GPX4 levels, rendering it vulnerable to autophagy suppression and ferroptosis. Interestingly, we find that GPX4 negatively regulates EMT and autophagy in TNBC, and an inverse correlation of GPX4-VIM expression along with autophagy genes predicts survival in TNBC patients undergoing chemotherapy.

Intra-tumoral phenotypic heterogeneity promotes tumor relapse and therapeutic resistance and remains an unsolved clinical challenge. Decoding the interconnections among different biological axes of plasticity is crucial to understand the molecular origins of phenotypic heterogeneity. Here, we use multi-modal transcriptomic data-bulk, single-cell, and spatial transcriptomics-from breast cancer cell lines and primary tumor samples, to identify associations between epithelial-mesenchymal transition (EMT) and luminal-basal plasticity-two key processes that enable heterogeneity. We show that luminal breast cancer strongly associates with an epithelial cell state, but basal breast cancer is associated with hybrid epithelial/mesenchymal phenotype(s) and higher phenotypic heterogeneity. Mathematical modeling of core underlying gene regulatory networks representative of the crosstalk between the luminal-basal and epithelial-mesenchymal axes elucidate mechanistic underpinnings of the observed associations from transcriptomic data. Our systems-based approach integrating multi-modal data analysis with mechanism-based modeling offers a predictive framework to characterize intra-tumor heterogeneity and identify interventions to restrict it.

Abstract Immune evasion and metabolic reprogramming are hallmarks of cancer progression often associated with a poor prognosis and frequently present significant challenge for cancer therapies. Recent studies have emphasized on the dynamic interaction between immunosuppression and the dysregulation of energy metabolism in modulating the tumor microenvironment to promote cancer aggressiveness. However, a pan-cancer association among these two hallmarks, and a potent common driver for them – Epithelial-Mesenchymal Transition (EMT) – remains to be done. Here, our meta-analysis across 184 publicly available transcriptomic datasets as well as The Cancer Genome Atlas (TCGA) data reveals that an enhanced PD-L1 activity signature along with other immune checkpoint markers correlate positively with a partial EMT and elevated glycolysis signature but a reduced OXPHOS signature in many carcinomas. These trends were also recapitulated in single-cell RNA-seq time-course EMT induction data across cell lines. Furthermore, across multiple cancer types, concurrent enrichment of glycolysis and PD-L1 results in worse outcomes in terms of overall survival as compared to enrichment for only PD-L1 activity or expression. Our results highlight potential functional synergy among these interconnected axes of cellular plasticity in enabling metastasis and/or multi-drug resistance in cancer.

Abstract Colorectal cancer (CRC) is highly heterogenous with variable survival outcomes and therapeutic vulnerabilities. A commonly used classification system in CRC is the Consensus Molecular Subtypes (CMS) based on gene expression patterns. However, how these CMS categories connect to axes of phenotypic plasticity and heterogeneity remains unclear. Here, we analyze 101 bulk transcriptomic datasets, along with patient tumor samples from TCGA and single-cell RNA sequencing data, to evaluate the extent of variation among CMS subtypes across metabolic plasticity and EMT axes. Our results show that CMS2 and CMS3 samples were relatively more epithelial as compared to CMS1 and CMS4. Single-cell RNA-seq analysis of CMS1 revealed two subpopulations: one close to CMS4 (more mesenchymal) and the other closer to CMS2 or CMS3 (more epithelial), indicating a partial EMT-like behavior. Further, in our meta-analysis and in TCGA data, epithelial phenotype score was positively correlated with scores of glycolysis, OXPHOS and FAO pathways, while mesenchymal scores showed CMS subtype-specific associations with metabolic axes. PD-L1 activity scores, however, consistently correlated positively with mesenchymal signature ones and negatively with epithelial signature ones, across the four CMS categories. Together, our results quantify the patterns of two interconnected axes of phenotypic heterogeneity - EMT and metabolic reprogramming - at a CMS subtype level in CRC.