ABSTRACT Glioblastoma develops an immunosuppressive microenvironment that fosters tumorigenesis and resistance to current therapeutic strategies. Here we use multiplexed tissue imaging and single-cell RNA-sequencing to characterize the composition, spatial organization, and clinical significance of extracellular purinergic signaling in glioblastoma. We show that glioblastoma exhibit strong expression of CD39 and CD73 ectoenzymes, correlating with increased adenosine levels. Microglia are the predominant source of CD39, while CD73 is principally expressed by tumor cells, particularly in tumors with amplification of EGFR and astrocyte-like differentiation. Spatially-resolved single-cell analyses demonstrate strong spatial correlation between tumor CD73 and microglial CD39, and that their spatial proximity is associated with poor clinical outcomes. Together, this data reveals that tumor CD73 expression correlates with tumor genotype, lineage differentiation, and functional states, and that core purine regulatory enzymes expressed by neoplastic and tumor-associated myeloid cells interact to promote a distinctive adenosine-rich signaling niche and immunosuppressive microenvironment potentially amenable to therapeutic targeting.

Abstract New highly-multiplexed imaging technologies have enabled the study of tissues in unprecedented detail. These methods are increasingly being applied to understand how cancer cells and immune response change during tumor development, progression, and metastasis, as well as following treatment. Yet, existing analysis approaches focus on investigating small tissue samples on a per-cell basis, not taking into account the spatial proximity of cells, which indicates cell-cell interaction and specific biological processes in the larger cancer microenvironment. We present Visinity, a scalable visual analytics system to analyze cell interaction patterns across cohorts of whole-slide multiplexed tissue images. Our approach is based on a fast regional neighborhood computation, leveraging unsupervised learning to quantify, compare, and group cells by their surrounding cellular neighborhood. These neighborhoods can be visually analyzed in an exploratory and confirmatory workflow. Users can explore spatial patterns present across tissues through a scalable image viewer and coordinated views highlighting the neighborhood composition and spatial arrangements of cells. To verify or refine existing hypotheses, users can query for specific patterns to determine their presence and statistical significance. Findings can be interactively annotated, ranked, and compared in the form of small multiples. In two case studies with biomedical experts, we demonstrate that Visinity can identify common biological processes within a human tonsil and uncover novel white-blood cell networks and immune-tumor interactions.

ABSTRACT Lymphocytes play a key role in immune surveillance of tumors, but our understanding of the spatial organization and physical interactions that facilitate lymphocyte anti-cancer functions is limited. Here, we used multiplexed imaging, quantitative spatial analysis, and machine learning to create high-definition maps of tumor-bearing lung tissues from a Kras/p53 (KP) mouse model and human resections. Networks of directly interacting lymphocytes (‘lymphonets’) emerge as a distinctive feature of the anti-cancer immune response. Lymphonets nucleate from small T-cell clusters and incorporate B cells with increasing size. CXCR3-mediated trafficking modulates lymphonet size and number, but neoantigen expression directs intratumoral localization. Lymphonets preferentially harbor TCF1+/PD1+ progenitor CD8 T cells involved in responses to immune checkpoint blockade (ICB). Upon treatment of mice with ICB therapy or a neoantigen-targeted vaccine, lymphonets retain progenitor and gain cytotoxic CD8 T-cell populations, likely via progenitor differentiation. These data show that lymphonets create a spatial environment supportive of CD8 T-cell anti-tumor responses.