Abstract BACKGROUND Colorectal cancer (CRC) primary tumours are molecularly classified into four consensus molecular subtypes (CMS1-4). Genetically engineered mouse models aim to faithfully mimic the complexity of human cancers and, when appropriately aligned, represent ideal pre-clinical systems to test new drug treatments. Despite its importance, dual-species classification has been limited by the lack of a reliable approach. Here we utilise, develop and test a set of options for human-to-mouse CMS classifications of CRC tissue. METHODS Using transcriptional data from established collections of CRC tumours, including human (TCGA cohort; n=577) and mouse (n=57 across n=8 genotypes) tumours with combinations of random forest and nearest template prediction algorithms, alongside gene ontology collections, we comprehensively assess the performance of a suite of new dual-species classifiers. RESULTS We developed three approaches: MmCMS-A; a gene-level classifier, MmCMS-B; an ontology-level approach and MmCMS-C; a combined pathway system encompassing multiple biological and histological signalling cascades. Although all options could identify tumours associated with stromal-rich CMS4-like biology, MmCMS-A was unable to accurately classify the biology underpinning epithelial-like subtypes (CMS2/3) in mouse tumours. CONCLUSIONS When applying human-based transcriptional classifiers to mouse tumour data, a pathway-level classifier, rather than an individual gene-level system, is optimal. Our R package with three options helps researchers select suitable mouse models of human CRC subtype for their experimental testing.

ABSTRACT Neutrophils are a highly heterogenous cellular population. However, a thorough examination of the different transcriptional neutrophil states, between health and malignancy, has not been performed. We utilised single-cell RNA-sequencing of human and murine datasets, both publicly available and independently generated, to identify neutrophil transcriptomic subtypes and their developmental lineages in health and malignancy. Datasets of lung, breast and colorectal cancer (CRC) were integrated to establish and validate the reproducibility of neutrophil gene-signatures. Pseudo-time analysis was used to identify genes driving neutrophil development from health to cancer. Finally, ligand-receptor interactions and signalling pathways between neutrophils and other immune cell populations in primary CRC and metastatic CRC were investigated. We define two main neutrophil subtypes in primary tumours: an activated subtype sharing the transcriptomic signatures of healthy neutrophils; and a tumour-specific subtype. This signature is conserved in murine and human cancer, across different tumour types. In CRC metastases, neutrophils are more heterogenous, exhibiting additional transcriptomic subtypes. Pseudo-time analysis implicates an IL1B/CXCL8/CXCR2 axis in the progression of neutrophils from health to cancer and metastasis, with effects on T-cell effector function. Assessment of global communication signalling identified CD4+ T-cells and macrophages as dominant regulators of the immunosuppressive, metastatic niche, whereas CD8+ T-cells are receivers of signals from other immune cells. We propose that the emergence of metastatic-specific neutrophil subtypes is driven by an IL1/CXCL8/CXCR2 axis, with the evolution of different transcriptomic signals that impair T-cell function at the metastatic site. Thus, a better understanding of the neutrophil transcriptomic programming could optimise immunotherapeutic interventions into early and late interventions, targeting different neutrophil subtypes.