Summary

 Eradicating tumor dormancy that develops following epidermal growth factor receptor (EGFR) tyrosine kinase inhibitor (TKI) treatment of EGFR-mutant non-small cell lung cancer, is an attractive therapeutic strategy but the mechanisms governing this process are poorly understood. Blockade of ERK1/2 reactivation following EGFR TKI treatment by combined EGFR/MEK inhibition uncovers cells that survive by entering a senescence-like dormant state characterized by high YAP/TEAD activity. YAP/TEAD engage the epithelial-to-mesenchymal transition transcription factor SLUG to directly repress pro-apoptotic BMF, limiting drug-induced apoptosis. Pharmacological co-inhibition of YAP and TEAD, or genetic deletion of YAP1, all deplete dormant cells by enhancing EGFR/MEK inhibition-induced apoptosis. Enhancing the initial efficacy of targeted therapies could ultimately lead to prolonged treatment responses in cancer patients.

Summary Human cancers often re-express germline factors, yet their mechanistic role in oncogenesis and cancer progression remains unknown. Here we demonstrate that DDX4, a germline factor and RNA helicase conserved in all multicellular organisms, contributes to epithelial mesenchyme transition (EMT)-like features and cisplatin resistance in small cell lung cancer (SCLC) cells. DDX4 depletion in H69AR and SHP77 cell lines decreased motility and resistance to cisplatin, whereas its overexpression increased these features. Proteomic analysis suggests that DDX4 upregulates metabolic protein expression related to DNA repair and immune/inflammatory response, suggesting its fundamental function may be in regulating cellular metabolism. Consistent with these trends in cell lines, DDX4 depletion compromised in vivo tumor development while its overexpression enhanced tumor growth even after cisplatin treatment in nude mice. Although the DDX4 expression level in somatic tumors is generally low compared to that in the germline, the relatively higher DDX4 expression in SCLC patients correlates with decreased survival and shows increased expression of EMT and cisplatin resistance markers. Taken together, we conclude that DDX4 influences the survival of SCLC patients by altering cellular metabolism in response to environmental cues such as drug treatments. This fundamental function of DDX4 as a germline factor might be applicable in other cancer types that express DDX4 and may serve as a key to combat specific tumors that are highly resistant to treatments. Highlights DDX4 contributes to cellular motility and drug resistance in SCLC cells. DDX4-overexpression globally alters the proteome and suppresses cytokine production. DDX4 promotes tumorigenesis and drug resistance in vitro and in vivo . DDX4 expression correlates with survival in SCLC patients and with immune/inflammatory response both in cell lines and patient samples.

4505 Background: P + A improved OS, PFS, and ORR over S in 1L advanced RCC in KEYNOTE-426 (NCT02853331).Here, we present exploratory biomarker results including RNAseq, WES, and PD-L1. Methods: Patients (pts) with treatment-naive advanced RCC were randomly assigned 1:1 to P + A or S. Association between T-cell–inflamed gene signature (Tcell inf GEP), angiogenesis gene signature (RNAseq), and PD-L1 CPS (22C3 IHC) with clinical outcomes were tested at prespecified α=0.05. Other RNA signatures (Cristescu et al. Clin Cancer Res. 2022. 2022;28:1680) and molecular subtypes, based on clustering identified from IMmotion151 (Motzer et al. Cancer Cell. 2020;38:803), were tested at prespecified α = 0.10 after multiplicity adjustment. DNA mutations ( VHL, PBRM1, SETD2, and BAP1) by WES were tested at prespecified α = 0.10 after multiplicity adjustment. Results: Of 861 pts, 369 (P + A) and 361 (S) had archival samples for RNAseq; 347 (P + A) and 351 (S) had WES samples. PD-L1 CPS was negatively associated with OS ( P=0.013) for S. There was a strong positive association of Tcell inf GEP with OS ( P=0.003), PFS ( P<0.0001), and ORR ( P<0.0001) for P + A. Angiogenesis was positively associated with OS ( P=0.013) for P + A; there was a strong positive association with OS ( P<0.0001), PFS ( P<0.001), and ORR ( P=0.002) for S. For other RNA signatures, positive association with mMDSC was found for PFS ( P=0.018) and ORR ( P=0.093) with P + A. For S, positive association was found with hypoxia (OS, P=0.034; ORR, P=0.071) and negative associations with MYC (OS, P<0.001; PFS, P=0.012) and proliferation (OS, P=0.002). Across all molecular clusters, ORR favored P + A over S, with the highest P + A ORR in the immune/proliferative cluster (Table). By WES, PBRM1 mutation had positive association with ORR ( P=0.004) and PFS ( P=0.079) for P + A. For S, positive associations were observed with OS for VHL ( P=0.073) and PBRM1 ( P=0.001) mutations and a negative one observed for BAP1 mutation ( P=0.046). P + A improved ORR over S regardless of mutational status. Conclusions: There was a strong relationship of Tcell inf GEP with clinical outcomes with P + A. Angiogenesis was positively associated with outcomes with S and only with OS with P + A. Further understanding the role of the immune microenvironment in combination therapy will be critical to advance treatment strategies. Clinical trial information: NCT02853331 . [Table: see text]

Abstract To map host-independent in vitro virulence traits of Toxoplasma gondii , evolve and resequencing (E&R) during the lab-adaption was applied. Phenotypic assessments of the lytic cycle revealed that only traits needed in the extracellular milieu evolved. Surprisingly, only non-synonymous mutations in a P4 flippase fixed in two populations. However, dramatic changes in the transcriptional signature of extracellular parasites revealed a “pro-tachyzoite” profile as well as upregulation of fatty acid biosynthesis (FASII) pathway genes. More general, a set of 300 genes which expression profile changes during evolution mapped to specific traits. Validation of a select number of genes in this set by knock-outs indeed confirmed their role in lab-adaptation. Finally, assembly of an ApiAP2 and Myb transcription factor network revealed the transcriptional program underlying the adapting extracellular state. Overall, E&R is a new genomic tool successfully applied to map the development of polygenic traits underlying in vitro virulence of T. gondii .

Abstract Some small cell lung cancers (SCLCs) are highly sensitive to inhibitors of the histone demethylase LSD1. LSD1 inhibitors are thought to induce their anti-proliferative effects by blocking neuroendocrine differentiation, but the mechanisms by which LSD1 controls the SCLC neuroendocrine phenotype are not well understood. To identify genes required for LSD1 inhibitor sensitivity in SCLC, we performed a positive selection genome-wide CRISPR/Cas9 loss of function screen and found that ZFP36L1 , an mRNA-binding protein that destabilizes mRNAs, is required for LSD1 inhibitor sensitivity. LSD1 binds and represses ZFP36L1 and upon LSD1 inhibition, ZFP36L1 expression is restored, which is sufficient to block the SCLC neuroendocrine differentiation phenotype and induce a non-neuroendocrine “inflammatory” phenotype. Mechanistically, ZFP36L1 binds and destabilizes SOX2 and INSM1 mRNAs, two transcription factors that are required for SCLC neuroendocrine differentiation. This work identifies ZFP36L1 as an LSD1 target gene that controls the SCLC neuroendocrine phenotype and demonstrates that modulating mRNA stability of lineage transcription factors controls neuroendocrine to non-neuroendocrine plasticity.

Over the past decade there have been impressive advances in determining the 3D structures of protein complexes. However, there are still many complexes with unknown structures, even when the structures of the individual proteins are known. The advent of protein sequence information provides an opportunity to leverage evolutionary information to enhance the accuracy of protein-protein interface prediction. To this end, several statistical and machine learning methods have been proposed. In particular, direct coupling analysis has recently emerged as a promising approach for identification of protein contact maps from sequential information. However, the ability of these methods to detect protein-protein inter-residue contacts remains relatively limited. In this work, we propose a method to integrate sequential and co-evolution information with structural and functional information to increase the performance of protein-protein interface prediction. Further, we present a post-processing clustering method that improves the average relative F1 score by 70 % and 24 % and the precision by 80 % and 36 % in comparison with two state-of-the-art methods PSICOV and GREMLIN.