Abstract Precision medicine approaches in pancreatic ductal adenocarcinoma (PDAC) are imperative for improving disease outcomes. However, the long-term fidelity of recently deployed ex vivo preclinical platforms, such as patient-derived organoids (PDOs) remains unknown. Through single-cell RNA sequencing (scRNA-seq), we identify substantial transcriptomic evolution of PDOs propagated from the parental tumor, which may alter predicted drug sensitivity. In contrast, scRNA-seq is readily applicable to limited biopsies from human primary and metastatic PDAC and identifies most cancers as being an admixture of previously described epithelial transcriptomic subtypes. Integrative analyses of our data provide an in-depth characterization of the heterogeneity within the tumor microenvironment, including cancer-associated fibroblast (CAF) subclasses, and predicts for a multitude of ligand-receptor interactions, revealing potential targets for immunotherapy approaches. While PDOs continue to enable prospective therapeutic prediction, our analysis also demonstrates the complementarity of using orthogonal de novo biopsies from PDAC patients paired with scRNA-seq to inform clinical decision-making. Statement of Significance The application of single-cell RNA sequencing to diagnostic pancreatic cancer biopsies provides in-depth transcriptomic characterization of the tumor epithelium and microenvironment, while minimizing potential artifacts introduced by an intervening ex vivo passaging step. Thus, this approach can complement the use of patient-derived organoids in implementing precision oncology.

Abstract Intratumoral heterogeneity (ITH) is a hallmark of cancer. The advent of single-cell technologies has helped uncover ITH in a high-throughput manner in different cancers across varied contexts. Here we apply single-cell sequencing technologies to reveal striking ITH in assumptively oligoclonal pancreatic ductal adenocarcinoma (PDAC) cell lines. Our findings reveal a high degree of both genomic and transcriptomic heterogeneity in established and globally utilized PDAC cell lines, custodial variation induced by growing apparently identical PDAC cell lines in different laboratories, and profound transcriptomic shifts in transitioning from 2D to 3D spheroid growth models. Our findings also call into question the validity of widely available immortalized, non-transformed pancreatic lines as contemporaneous “control” lines in experiments. Further, while patient-derived organoid (PDOs) are known to reflect the cognate in vivo biology of the parental tumor, we identify transcriptomic shifts during ex vivo passage that might hamper their predictive abilities over time. The impact of these findings on rigor and reproducibility of experimental data generated using established preclinical PDAC models between and across laboratories is uncertain, but a matter of concern.

Background: Early detection of pancreatic ductal adenocarcinoma (PDAC) remains elusive. Cystic precursor lesions of PDAC, specifically, intraductal papillary mucinous neoplasms (IPMNs) represent a bona fide pathway to invasive neoplasia, although the molecular correlates of progression remain to be fully elucidated. Single cell transcriptomics provides a unique avenue for dissecting both the epithelial and microenvironmental heterogeneity that accompany multistep progression from non-invasive IPMNs to PDAC. Methods: Single cell RNA sequencing was performed through droplet-based sequencing on 5,403 cells derived from two low grade IPMNs (LGD-IPMN), two high grade IPMNs (HGD-IPMN), and two PDACs (all surgically resected). Results: Analysis of single cell transcriptomes revealed heterogeneous alterations within both the epithelium and in the tumor microenvironment during the progression of non-invasive dysplasia to invasive cancer. Specifically, while HGD-IPMNs expressed many core-signaling pathways described in PDAC, even LGD-IPMNs harbored subsets of single cells with a transcriptomic profile that overlapped with invasive cancer. Notably, a pro-inflammatory immune component was readily seen in low-grade IPMNs, comprised of cytotoxic T cells, activated T helper cells, and dendritic cells, which was progressively depleted during neoplastic progression, accompanied by infiltration of myeloid-derived suppressor cells. Finally, stromal myofibroblast populations were heterogeneous, and acquired a previously described tumor-promoting and immune-evading phenotype during invasive carcinogenesis. Conclusions: This study demonstrates the ability to perform high resolution profiling of the transcriptomic changes that occur during the multistep progression of cystic PDAC precursors to cancer. Notably, single cell analysis provides an unparalleled insight into both the epithelial and microenvironmental heterogeneity that accompany early cancer pathogenesis, and might be a useful substrate to identify targets for cancer interception.

Abstract Longitudinal monitoring of patients with advanced cancers is crucial to evaluate both disease burden and treatment response. Current liquid biopsy approaches mostly rely on the detection of DNA-based biomarkers. However, plasma RNA analysis can unleash tremendous opportunities for tumor state interrogation and molecular subtyping. Through the application of deep learning algorithms to the deconvolved transcriptomes of RNA within plasma extracellular vesicles (evRNA), we successfully predict consensus molecular subtypes in metastatic colorectal cancer patients. We further demonstrate the ability to monitor changes in transcriptomic subtype under treatment selection pressure and identify molecular pathways in evRNA associated with recurrence. Our approach also identified expressed gene fusions and neoepitopes from evRNA. These results demonstrate the feasibility of transcriptomic-based liquid biopsy platforms for precision oncology approaches, spanning from the longitudinal monitoring of tumor subtype changes to identification of expressed fusions and neoantigens as cancer-specific therapeutic targets, sans the need for tissue-based sampling. Statement of significance We have developed an approach to interrogate changes in cancer molecular subtypes and differentially expressed genes, through the analysis and deconvolution of RNA sequencing of plasma EVs. Serial analyses of tumor-encoded transcriptomes in liquid biopsies can enable facile cancer detection and monitor for recurrences and therapy-induced tumor evolution.