Abstract Microsatellite instability (MSI) is a critical phenotype of cancer genomes and an FDA-recognized biomarker that can guide treatment with immune checkpoint inhibitors. Recent work has demonstrated that next-generation sequencing data can be used to identify samples with MSI-high phenotype. However, low tumor purity, as frequently observed in routine clinical samples, poses a challenge to the sensitivity of existing algorithms. To overcome this critical issue, we developed MiMSI, an MSI classifier based on deep neural networks and trained using a dataset that included low tumor purity MSI cases in a multiple instance learning framework. On a challenging yet representative set of cases, MiMSI showed higher sensitivity (0.940) and auROC (0.988) than MSISensor(sensitivity: 0.57; auROC: 0.911), an open-source software previously validated for clinical use at our institution using MSK-IMPACT large panel targeted NGS data.

Abstract Although cancer immunotherapy with PD-(L)1 blockade is now routine treatment for patients with lung cancer, remarkably little is known about acquired resistance. We examined 1,201 patients with NSCLC treated with PD-(L)1 blockade to clinically characterize acquired resistance, finding it to be common (occurring in more than 60% of initial responders), with persistent but diminishing risk over time, and with distinct metastatic and survival patterns compared to primary resistance. To examine the molecular phenotype and potential mechanisms of acquired resistance, we performed whole transcriptome and exome tumor profiling in a subset of NSCLC patients (n=29) with acquired resistance. Systematic immunogenomic analysis revealed that tumors with acquired resistance generally had enriched signals of inflammation (including IFNγ signaling and inferred CD8+ T cells) and could be separated into IFNγ upregulated and stable subsets. IFNγ upregulated tumors had putative routes of resistance with signatures of dysfunctional interferon signaling and mutations in antigen presentation genes. Transcriptomic profiling of cancer cells from a murine model of acquired resistance to PD-(L)1 blockade also showed evidence of dysfunctional interferon signaling and acquired insensitivity to in vitro interferon gamma treatment. In summary, we characterized clinical and molecular features of acquired resistance to PD-(L)1 blockade in NSCLC and found evidence of ongoing but dysfunctional IFN response. The persistently inflamed, rather than excluded or deserted, tumor microenvironment of acquired resistance informs therapeutic strategies to effectively reprogram and reverse acquired resistance.

Abstract Anti-PD(L)-1 inhibition combined with platinum doublet chemotherapy (Chemo-IO) has become the most frequently used standard of care regimen in patients with non-small cell lung cancer (NSCLC). The negative impact of antibiotics on clinical outcomes prior to anti-PD(L)-1 inhibition monotherapy (IO) has been demonstrated in multiple studies, but the impact of antibiotic exposure prior to initiation of Chemo-IO is controversial. We assessed antibiotic exposures at two time windows: within 60 days prior to therapy (-60 d window) and within 60 days prior to therapy and 42 days after therapy (-60 + 42d window) in 2028 patients with advanced NSCLC treated with Chemo-IO and IO monotherapy focusing on objective response rate (ORR: rate of partial response and complete response), progression-free survival (PFS), and overall survival (OS). We also assessed impact of antibiotic exposure in an independent cohort of 53 patients. Univariable and multivariable analyses were conducted along with a meta-analysis from similar studies. For the -60 d window, in the Chemo-IO group ( N = 769), 183 (24%) patients received antibiotics. Antibiotic exposure was associated with worse ORR (27% vs 40%, p = 0.001), shorter PFS (3.9 months vs. 5.9 months, hazard ratio [HR] 1.35, 95%CI 1.1,1.6, p = 0.0012), as well as shorter OS (10 months vs. 15 months, HR 1.50, 95%CI 1.2,1.8, p = 0.00014). After adjusting for known prognostic factors in NSCLC, antibiotic exposure was independently associated with worse PFS (HR 1.39, 95%CI 1.35,1.7, p = 0.002) and OS (HR 1.61, 95%CI 1.28,2.03, p < 0.001). Similar results were obtained in the -60 + 42d window, and also in an independent cohort. In a meta-analysis of patients with NSCLC treated with Chemo-IO ( N = 4) or IO monotherapy ( N = 13 studies) antibiotic exposure before treatment was associated with worse OS among all patients ( n = 11,351) (HR 1.93, 95% CI 1.52, 2.45) and Chemo-IO-treated patients ( n = 1201) (HR 1.54, 95% CI 1.28, 1.84). Thus, antibiotics exposure prior to Chemo-IO is common and associated with worse outcomes, even after adjusting for other factors. These results highlight the need to implement antibiotic stewardship in routine oncology practice.

Microsatellite instability (MSI) is a critical phenotype of cancer genomes and an FDA-recognized biomarker that can guide treatment with immune checkpoint inhibitors. Previous work has demonstrated that next-generation sequencing data can be used to identify samples with MSI-high phenotype. However, low tumor purity, as frequently observed in routine clinical samples, poses a challenge to the sensitivity of existing algorithms. To overcome this critical issue, we developed MiMSI, an MSI classifier based on deep neural networks and trained using a dataset that included low tumor purity MSI cases in a multiple instance learning framework. On a challenging yet representative set of cases, MiMSI showed higher sensitivity (0.895) and auROC (0.971) than MSISensor (sensitivity: 0.67; auROC: 0.907), an open-source software previously validated for clinical use at our institution using MSK-IMPACT large panel targeted NGS data. In a separate, prospective cohort, MiMSI confirmed that it outperforms MSISensor in low purity cases (P = 8.244e-07). Identifying microsatellite instability (MSI) from routine next generation sequencing assays is an important part of clinical patient care. Here, authors develop a deep-learning based algorithm, highlighting its performance in a large validation cohort.

Abstract Comprehensive molecular profiling by next-generation sequencing has revolutionized tumor classification and biomarker evaluation. However, routine implementation is challenged by the scant nature of diagnostic material obtained through minimally invasive procedures. Here, we describe our long-term experience in profiling cytology samples with an in-depth assessment of the performance, quality metrics, biomarker identification capabilities, and potential pitfalls. We highlight the impact of several optimization strategies to maximize performance with 4,871 prospectively sequenced clinical cytology samples tested by MSK-IMPACT TM . Special emphasis is given to the use of residual supernatant cell-free DNA (ScfDNA) as a valuable source of tumor DNA. Overall, cytology samples are similar in performance to surgical samples in identifying clinically relevant genomic alterations, achieving success rates up to 93% with full optimization. While cell block (CB) samples have excellent performance overall, low-level cross-contamination is identified in a small proportion of cases (4.7%), a common pitfall intrinsic to the processing of paraffin blocks, suggesting that more stringent precautions and processing modifications should be considered in quality control initiatives. By contrast ScfDNA samples have negligible contamination. Finally, ScfDNA testing exclusively used as a rescue strategy, delivered successful results in 71% of cases where tumor tissue from CB was depleted.

Aims Chondromyxoid fibroma (CMF) is a rare, benign bone tumour which arises primarily in young adults and is occasionally diagnostically challenging. Glutamate metabotropic receptor 1 ( GRM1 ) gene encodes a metabotropic glutamate receptor and was recently shown to be up‐regulated in chondromyxoid fibroma through gene fusion and promoter swapping. The aim of this study was to interrogate cases of CMF for the presence of GRM1 gene rearrangements, gene fusions and GRM1 protein overexpression. Methods and results Selected cases were subjected to testing by fluorescent in‐situ hybridisation (FISH) with a GRM1 break‐apart probe, a targeted RNA sequencing method and immunohistochemical study with an antibody to GRM1 protein. Two cases were subjected to whole transcriptomic sequencing. In 13 of 13 cases, GRM1 protein overexpression was detected by immunohistochemistry using the GRM1 antibody. Of the 12 cases successfully tested by FISH, nine of 12 showed GRM1 rearrangements by break‐apart probe assay. Targeted RNA sequencing analysis did not detect gene fusions in any of the eight cases tested, but there was an increase in GRM1 mRNA expression in all eight cases. Two cases subjected to whole transcriptomic sequencing (WTS) showed elevated GRM1 expression and no gene fusions. Conclusion GRM1 gene rearrangements can be detected using FISH break‐apart probes in approximately 75% of cases, and immunohistochemical detection of GRM1 protein over‐expression is a sensitive diagnostic method. The gene fusion was not detected by targeted RNA sequencing, due most probably to the complexity of fusion mechanism, and is not yet a reliable method for confirming a diagnosis of CMF in the clinical setting.

Abstract Circulating cell-free DNA (cfDNA) from blood plasma of cancer patients can be used to interrogate somatic tumor alterations non-invasively or when adequate tissue is unavailable. We have developed and clinically implemented MSK-ACCESS (Analysis of Circulating cfDNA to Evaluate Somatic Status), an NGS assay for detection of very low frequency somatic alterations in select exons and introns of 129 genes. Analytical validation demonstrated 92% sensitivity in de-novo mutation calling down to 0.5% allele frequency and 98% for a priori mutation profiling. To evaluate the performance and utility of MSK-ACCESS, we report results from the first 681 prospective blood samples (617 patients) that underwent clinical analysis to guide patient management. Somatic mutations, copy number, and/or structural variants were detected in 73% of the samples, and 56% of these circulating-tumor DNA (ctDNA) positive samples had clinically actionable alterations. The utilization of matched white blood cell sequencing allowed retention of somatic alterations while filtering out over 10,000 germline and clonal hematopoiesis variants, thereby greatly enhancing the specificity of the assay. Taken together, our experience illustrates the importance of analyzing a matched normal sample when interpreting cfDNA results and highlights the potential of cfDNA profiling to guide treatment selection, monitor treatment response, and identify mechanisms of treatment resistance.