Abstract High-throughput biological data analysis commonly involves identifying features such as genes, genomic regions, and proteins, whose values differ between two conditions, from numerous features measured simultaneously. The most widely-used criterion to ensure the analysis reliability is the false discovery rate (FDR), which is primarily controlled based on p-values. However, obtaining valid p-values relies on either reasonable assumptions of data distribution or large numbers of replicates under both conditions. Clipper is a general statistical framework for FDR control without relying on p-values or specific data distributions. Clipper outperforms existing methods for a broad range of applications in high-throughput data analysis.

ABSTRACT Chimeric antigen receptor (CAR) T cell immunotherapy is emerging as a powerful strategy for cancer therapy; however, an important safety consideration is the potential for off-tumor recognition of normal tissue. This is particularly important as ligand-based CARs are optimized for clinical translation. Our group has developed and clinically translated an IL13(E12Y) ligand- based CAR targeting the cancer antigen IL13Rα2 for treatment of glioblastoma (GBM). There remains limited understanding of how IL13-ligand CAR design impacts the activity and selectivity for the intended tumor-associated target IL13Rα2 versus the more ubiquitous unintended target IL13Rα1. In this study, we functionally compared IL13(E12Y)-CARs incorporating different intracellular signaling domains, including first-generation CD3ζ- containing CARs (IL13ζ), second-generation 4-1BB- (CD137) or CD28-containing CARs (IL13- BBζ or IL13-28ζ), and third-generation CARs containing both 4-1BB and CD28 (IL13-28BBζ). In vitro co-culture assays at high tumor burden establish that 2 nd generation IL13-BBζ or IL13- 28ζ outperform first-generation IL13ζ and 3 rd generation IL13-28BBζ CAR designs, with IL13- BBζ providing superior CAR proliferation and in vivo anti-tumor potency in human xenograft mouse models. IL13-28ζ displayed a lower threshold for antigen recognition, resulting in higher off-target IL13Rα1 reactivity both in vitro and in vivo . Syngeneic mouse models of GBM also demonstrate safety and anti-tumor potency of murine IL13-BBζ CAR T cells delivered systemically after lymphodepletion. These findings support the use of IL13-BBζ CARs for greater selective recognition of IL13Rα2 over IL13Rα1, higher proliferative potential, and superior anti-tumor responsiveness. This study exemplifies the potential of modulating factors outside the antigen targeting domain of a CAR to improve selective tumor recognition..

Abstract Advances in mass spectrometry (MS) have enabled high-throughput analysis of proteomes in biological systems. The state-of-the-art MS data analysis relies on database search algorithms to quantify proteins by identifying peptide-spectrum matches (PSMs), which convert mass spectra to peptide sequences. Different database search algorithms use distinct search strategies and thus may identify unique PSMs. However, no existing approaches can aggregate all user-specified database search algorithms with a guaranteed increase in the number of identified peptides and control on the false discovery rate (FDR). To fill in this gap, we propose a statistical framework, Aggregation of Peptide Identification Results (APIR), that is universally compatible with all database search algorithms. Notably, under an FDR threshold, APIR is guaranteed to identify at least as many, if not more, peptides as individual database search algorithms do. Evaluation of APIR on a complex proteomics standard shows that APIR outpowers individual database search algorithms and empirically controls the FDR. Real data studies show that APIR can identify disease-related proteins and post-translational modifications missed by some individual database search algorithms. The APIR framework is easily extendable to aggregating discoveries made by multiple algorithms in other high-throughput biomedical data analysis, e.g., differential gene expression analysis on RNA sequencing data. The APIR R package is available at https://github.com/yiling0210/APIR .

Rho family GTPases are critical for normal B cell development and function and their activity is regulated by a large and complex network of guanine nucleotide exchange factors (GEFs) and GTPase activating proteins (GAPs). However, the role of GAPs in B cell development is poorly understood. Here we show that the novel Rac-GAP ARHGAP25 is important for B cell development in a CXCR4-dependent manner. We show that Arhgap25 deficiency leads to a significant decrease in peripheral blood B cell numbers, as well as defects in mature B cell differentiation. Arhgap25-/- B cells respond to antigen stimulation in vitro and in vivo but have impaired germinal center formation and decreased IgG1 class switching. Additionally, Arhgap25-/- B cells exhibit increased chemotaxis to CXCL12. Taken together, these studies demonstrate an important role for Arhgap25 in peripheral B cell development and antigen response.

Chimeric antigen receptor (CAR) T cell therapeutic responses are hampered by limited T cell trafficking, persistence, and durable anti-tumor activity in solid tumor microenvironments. However, these challenges can be largely overcome by relatively unconstrained synthetic engineering strategies, which are being harnessed to improve solid tumor CAR T cell therapies. Here, we describe fully optimized CAR T cells targeting tumor-associated glycoprotein-72 (TAG72) for the treatment of solid tumors, identifying the CD28 transmembrane domain upstream of the 4-1BB co-stimulatory domain as a driver of potent anti-tumor activity and IFNγ secretion. These findings have culminated into a phase 1 trial evaluating safety, feasibility, and bioactivity of TAG72-CAR T cells for the treatment of patients with advanced ovarian cancer ( NCT05225363 ). Preclinically, we found that CAR T cell-mediated IFNγ production facilitated by IL-12 signaling was required for tumor cell killing, which was recapitulated by expressing an optimized membrane-bound IL-12 (mbIL12) molecule on CAR T cells. Critically, mbIL12 cell surface expression and downstream signaling was induced and sustained only following CAR T cell activation. CAR T cells with mbIL12 demonstrated improved antigen-dependent T cell proliferation and potent cytotoxicity in recursive tumor cell killing assays in vitro and showed robust in vivo anti-tumor efficacy in human xenograft models of ovarian cancer peritoneal metastasis. Further, locoregional administration of TAG72-CAR T cells with antigen-dependent IL-12 signaling promoted durable anti-tumor responses against both regional and systemic disease in mice and was associated with improved systemic T cell persistence. Our study features a clinically-applicable strategy to improve the overall efficacy of locoregionally-delivered CAR T cells engineered with antigen-dependent immune-modulating cytokines in targeting both regional and systemic disease.

ABSTRACT Background Glioblastoma (GBM) is refractory to checkpoint blockade immunotherapy (CPI). We sought to determine to what extent this immune evasion is due to intrinsic properties of the tumor cells versus the specialized immune context of the brain, and if it can be reversed. Methods We used CyTOF mass cytometry to compare the tumor immune microenvironments (TIME) of human tumors that are generally CPI-refractory (GBM and sarcoma) or CPI-responsive (renal cell carcinoma), as well as mouse models of GBM that are CPI-responsive (GL261) or CPI-refractory (SB28). We further compared SB28 tumors grown intracerebrally versus subcutaneously to determine how tumor site affects TIME and responsiveness to dual CTLA-4/PD-1 blockade. Informed by these data, we explored rational immunotherapeutic combinations. Results CPI-sensitivity in human and mouse tumors was associated with increased T cells and dendritic cells, and fewer myeloid cells, in particular PD-L1+ tumor associated macrophages. The SB28 mouse model of GBM responded to CPI when grown subcutaneously but not intracerebrally, providing a system to explore mechanisms underlying CPI resistance in GBM. The response to CPI in the subcutaneous SB28 model required CD4 T cells and NK cells, but not CD8 T cells. Recombinant FLT3L expanded dendritic cells, improved antigen-specific T cell priming, and prolonged survival of mice with intracerebral SB28 tumors, but at the cost of increased Tregs. Targeting PD-L1 also prolonged survival, especially when combined with stereotactic radiation. Conclusions Our data suggest that a major obstacle for effective immunotherapy of GBM is the low antigenicity of the tumor cells coupled with poor antigen presentation in the brain, rather than intrinsic immunosuppressive properties of GBM tumor cells. Deep immune profiling identified dendritic cells and PD-L1+ tumor-associated macrophages as promising targetable cell populations, which was confirmed using therapeutic interventions in vivo . Graphical Abstract In Brief In mice and humans, tumors that were sensitive to checkpoint blockade had consistent immunological features. A mouse model of glioma that is refractory to checkpoint blockade was sensitized by increasing antigen presentation through a variety of approaches.

SUMMARY Age is the major risk factor in most carcinomas, yet little is known about how proteomes change with age in any human epithelium. We present comprehensive proteomes comprised of >9,000 total proteins, and >15,000 phosphopeptides, from normal primary human mammary epithelia at lineage resolution from ten women ranging in age from 19 to 68. Data were quality controlled, and results were biologically validated with cell-based assays. Age-dependent protein signatures were identified using differential expression analyses and weighted protein co-expression network analyses. Up-regulation of basal markers in luminal cells, including KRT14 and AXL, were a prominent consequence of aging. PEAK1 was identified as an age-dependent signaling kinase in luminal cells, which revealed a potential age-dependent vulnerability for targeted ablation. Correlation analyses between transcriptome and proteome revealed age-associated loss of proteostasis regulation. Protein expression and phosphorylation changes in the aging breast epithelium identify potential therapeutic targets for reducing breast cancer susceptibility.

Advances in mass spectrometry (MS) have enabled high-throughput analysis of proteomes in biological systems. The state-of-the-art MS data analysis relies on database search algorithms to quantify proteins by identifying peptide-spectrum matches (PSMs), which convert mass spectra to peptide sequences. Different database search algorithms use distinct search strategies and thus may identify unique PSMs. However, no existing approaches can aggregate all user-specified database search algorithms with a guaranteed increase in the number of identified peptides and a control on the false discovery rate (FDR). To fill in this gap, we proposed a statistical framework, Aggregation of Peptide Identification Results (APIR), that is universally compatible with all database search algorithms. Notably, under an FDR threshold, APIR is guaranteed to identify at least as many, if not more, peptides as individual database search algorithms do. Evaluation of APIR on a complex proteomics standard dataset showed that APIR outpowers individual database search algorithms and empirically controls the FDR. Real data studies showed that APIR can identify disease-related proteins and post-translational modifications missed by some individual database search algorithms. The APIR framework is easily extendable to aggregating discoveries made by multiple algorithms in other high-throughput biomedical data analysis, e.g., differential gene expression analysis on RNA sequencing data. The APIR R package is available at https://github.com/yiling0210/APIR.

Temporal dynamics of gene expression are informative of changes associated with disease development and evolution. Given the complexity of high-dimensional temporal datasets, an analytical framework guided by a robust theory is needed to interpret time-sequential changes and to predict system dynamics. Herein, we use acute myeloid leukemia as a proof-of-principle to model gene expression dynamics in a transcriptome state-space constructed based on time-sequential RNA-sequencing data. We describe the construction of a state-transition model to identify state-transition critical points which accurately predicts leukemia development. We show an analytical approach based on state-transition critical points identified step-wise transcriptomic perturbations driving leukemia progression. Furthermore, the gene(s) trajectory and geometry of the transcriptome state-space provides biologically-relevant gene expression signals that are not synchronized in time, and allows quantification of gene(s) contribution to leukemia development. Therefore, our state-transition model can synthesize information, identify critical points to guide interpretation of transcriptome trajectories and predict disease development.Graphical Abstract ![Figure][1] In brief The theory of state-transition is applied to acute myeloid leukemia (AML) to model transcriptome dynamics and trajectories in a state-space, and is used to identify critical points corresponding to critical transcriptomic perturbations that predict leukemia development.Highlights [1]: pending:yes

Abstract BACKGROUND Immunotherapies are increasingly being explored as potential therapeutic modalities for the treatment of central nervous system (CNS) tumors and have unique toxicity profiles. Toxicity syndromes such as cytokine release syndrome (CRS) and immune effector-cell associated neurotoxicity (ICANS) were identified through experiences with chimeric antigen receptor (CAR) T-cell therapies for B cell malignancies; the creation of grading scales for these toxicities standardized the reporting and enabled management. METHODS From our collective experiences in treating patients with immunotherapies for CNS tumors, we have identified a localized neurotoxicity syndrome, distinct from the systemic toxicities of CRS and ICANS, termed tumor inflammation-associated neurotoxicity (TIAN). RESULTS TIAN develops secondary to localized inflammation at the tumor site. From a mechanistic perspective, we identified two types of TIAN: 1) type 1 TIAN arises in the setting of mechanical space constraints when peritumoral edema results in tissue shifts and increased intracranial pressure, which if untreated, can lead to a life-threatening herniation syndrome and 2) type 2 TIAN occurs when local neuronal dysfunction causes transient worsening/new neurological deficits. Whereas type 1 TIAN encompasses the concept of “pseudoprogression,” type 2 TIAN can occur in the absence of edema when neural-immune interactions disrupt local neural function. Patients can have both type 1 and type 2 TIAN simultaneously; understanding the type of TIAN can inform management. To facilitate the uniform reporting and management of TIAN, we created a TIAN grading scale that applies to both types of TIAN. Although, type 1 TIAN is generally associated with higher-grade toxicity, high-grade type 2 TIAN can occur when local inflammation compromises respiratory or autonomic functions. CONCLUSIONS Recognizing TIAN as a distinct, local neurotoxicity syndrome is critical to guiding clinical management and prognostication when treating patients with CNS tumors with immunotherapies.