Cancer treatment by immune checkpoint blockade (ICB) can bring long-lasting clinical benefits, but only a fraction of patients respond to treatment. To predict ICB response, we developed TIDE, a computational method to model two primary mechanisms of tumor immune evasion: the induction of T cell dysfunction in tumors with high infiltration of cytotoxic T lymphocytes (CTL) and the prevention of T cell infiltration in tumors with low CTL level. We identified signatures of T cell dysfunction from large tumor cohorts by testing how the expression of each gene in tumors interacts with the CTL infiltration level to influence patient survival. We also modeled factors that exclude T cell infiltration into tumors using expression signatures from immunosuppressive cells. Using this framework and pre-treatment RNA-Seq or NanoString tumor expression profiles, TIDE predicted the outcome of melanoma patients treated with first-line anti-PD1 or anti-CTLA4 more accurately than other biomarkers such as PD-L1 level and mutation load. TIDE also revealed new candidate ICB resistance regulators, such as SERPINB9, demonstrating utility for immunotherapy research. An algorithm-selected gene signature focused on tumor immune evasion and suppression predicts response to immune checkpoint blockade in melanoma, exceeding the accuracy of current clinical biomarkers.

ABSTRACT The chromatin adaptor Menin interacts with oncogenic fusion proteins encoded by MLL1 -rearrangements ( MLL1 -r), and small molecules that disrupt these associations are currently in clinical trials for the treatment of leukemia. By integrating chromatin-focused and genome-wide CRISPR screens with genetic, pharmacological, and biochemical approaches in mouse and human systems, we discovered a molecular switch between the MLL1-Menin and MLL3/4-UTX chromatin modifying complexes that dictates response to Menin-MLL inhibitors. We show that MLL1-Menin safeguards leukemia survival by impeding binding of the MLL3/4-UTX complex at a subset of target gene promoters. Disrupting the interaction between Menin and MLL1 leads to UTX-dependent transcriptional activation of a tumor suppressor gene-program that is crucial for a therapeutic response in murine and human leukemia. We establish the therapeutic relevance of this mechanism by showing that CDK4/6 inhibitors allow re-activation of this tumor-suppressor program in Menin-inhibitor insensitive leukemia cells, mitigating treatment resistance. The discovery of a molecular switch between MLL1-Menin and MLL3/4-UTX complexes on chromatin sheds light on novel functions of these evolutionary conserved epigenetic mediators and is particularly relevant to understand and target molecular pathways determining response and resistance in ongoing phase 1/2 clinical trials.

Abstract Purpose Predictive biomarkers of immune checkpoint inhibitors (ICIs) efficacy are currently lacking for non-small cell lung cancer (NSCLC). Here, we describe the results from the Anti–PD-1 Response Prediction DREAM Challenge, a crowdsourced initiative that enabled the assessment of predictive models by using data from two randomized controlled clinical trials (RCTs) of ICIs in first-line metastatic NSCLC. Methods Participants developed and trained models using public resources. These were evaluated with data from the CheckMate 026 trial ( NCT02041533 ), according to the model-to-data paradigm to maintain patient confidentiality. The generalizability of the models with the best predictive performance was assessed using data from the CheckMate 227 trial ( NCT02477826 ). Both trials were phase III RCTs with a chemotherapy control arm, which supported the differentiation between predictive and prognostic models. Isolated model containers were evaluated using a bespoke strategy that considered the challenges of handling transcriptome data from clinical trials. Results A total of 59 teams participated, with 417 models submitted. Multiple predictive models, as opposed to a prognostic model, were generated for predicting overall survival, progression-free survival, and progressive disease status with ICIs. Variables within the models submitted by participants included tumor mutational burden (TMB), programmed death ligand 1 (PD-L1) expression, and gene-expression–based signatures. The bestperforming models showed improved predictive power over reference variables, including TMB or PD-L1. Conclusion This DREAM Challenge is the first successful attempt to use protected phase III clinical data for a crowdsourced effort towards generating predictive models for ICIs clinical outcomes and could serve as a blueprint for similar efforts in other tumor types and disease states, setting a benchmark for future studies aiming to identify biomarkers predictive of ICIs efficacy. Context summary Key objective Not all patients with non-small cell lung cancer (NSCLC) eligible for immune checkpoint inhibitor (ICIs) respond to treatment, but accurate predictive biomarkers of ICIs clinical outcomes are currently lacking. This crowdsourced initiative enabled the robust assessment of predictive models using data from two randomized clinical trials of first-line ICI in metastatic NSCLC. Knowledge generated Models submitted indicate that a combination of programmed death ligand 1 (PD-L1), tumor mutational burden (TMB), and immune gene signatures might be able to identify patients more likely to respond to ICIs. TMB and PD-L1 seemed important to predict progression-free survival and overall survival. Mechanisms including apoptosis, T-cell crosstalk, and adaptive immune resistance appeared essential to predict response. Relevance

ABSTRACT c-MYC (MYC) is a major driver of prostate cancer tumorigenesis and progression. Although MYC is overexpressed in both early and metastatic disease and associated with poor survival, its impact on prostate transcriptional reprogramming remains elusive. We demonstrate that MYC overexpression significantly diminishes the androgen receptor (AR) transcriptional program (the set of genes directly targeted by the AR protein) in luminal prostate cells without altering AR expression. Importantly, analyses of clinical specimens revealed that concurrent low AR and high MYC transcriptional programs accelerate prostate cancer progression toward a metastatic, castration-resistant disease. Data integration of single-cell transcriptomics together with ChIP-seq revealed an increased RNA polymerase II (Pol II) promoter-proximal pausing at AR-dependent genes following MYC overexpression without an accompanying deactivation of AR-bound enhancers. Altogether, our findings suggest that MYC overexpression antagonizes the canonical AR transcriptional program and contributes to prostate tumor initiation and progression by disrupting transcriptional pause release at AR-regulated genes. STATEMENT OF SIGNIFICANCE AR and MYC are key to prostate cancer etiology but our current understanding of their interplay is scarce. Here we show that the oncogenic transcription factor MYC can pause the transcriptional program of the master transcription factor in prostate cancer, AR, while turning on its own, even more lethal program.

Abstract Recent advances in single-cell RNA sequencing have revealed heterogeneous cell types and gene expression states in the non-cancerous cells in tumors. The integration of multiple scRNA-seq datasets across tumors can reveal common cell types and states in the tumor microenvironment (TME). We developed a data driven framework, MetaTiME, to overcome the limitations in resolution and consistency that result from manual labelling using known gene markers. Using millions of TME single cells, MetaTiME learns meta-components that encode independent components of gene expression observed across cancer types. The meta-components are biologically interpretable as cell types, cell states, and signaling activities. By projecting onto the MetaTiME space, we provide a tool to annotate cell states and signature continuums for TME scRNA-seq data. Leveraging epigenetics data, MetaTiME reveals critical transcriptional regulators for the cell states. Overall, MetaTiME learns data-driven meta-components that depict cellular states and gene regulators for tumor immunity and cancer immunotherapy.

Abstract Drugs that kill tumors through multiple mechanisms have potential for broad clinical benefits, with a reduced propensity to resistance. We developed BipotentR, a computational approach to find cancer-cell-specific regulators that simultaneously modulate tumor immunity and another oncogenic pathway. Using tumor metabolism as proof-of-principle, BipotentR identified 38 candidate immune-metabolic regulators by combining epigenomes with bulk and single-cell tumor transcriptomes from patients. Inhibition of top candidate ESRRA (Estrogen Related Receptor Alpha) killed tumors by direct effects on energy metabolism and two immune mechanisms: (i) cytokine induction, causing proinflammatory macrophage polarization (ii) antigen-presentation stimulation, recruiting CD8 + T cells into tumors. ESRRA is activated in immune-suppressive and immunotherapy-resistant tumors of many types, suggesting broad clinical relevance. We also applied BipotentR to angiogenesis and growth-suppressor pathways, demonstrating a widely applicable approach to identify drug targets that act simultaneously through multiple mechanisms. BipotentR is publicly available at http://bipotentr.dfci.harvard.edu/ . One-Sentence Summary BipotentR identifies targets for bipotent anticancer drugs, as shown by the energy and immune effects of ESRRA inhibition.

BCR-ABL1-targeting tyrosine kinase inhibitors (TKIs) have revolutionized treatment of Philadelphia chromosome-positive (Ph+) hematologic neoplasms. Nevertheless, acquired TKI resistance remains a major problem in chronic myeloid leukemia (CML), and TKIs are less effective against Ph+ B-cell acute lymphoblastic leukemia (B-ALL). GAB2, a scaffolding adaptor that binds and activates SHP2, is essential for leukemogenesis by BCR-ABL1, and a GAB2 mutant lacking SHP2 binding cannot mediate leukemogenesis. Using a genetic loss-of-function approach and bone marrow transplantation (BMT) models for CML and BCR-ABL1+ B-ALL, we show that SHP2 is required for BCR-ABL1-evoked myeloid and lymphoid neoplasia. Ptpn11 deletion impairs initiation and maintenance of CML-like myeloproliferative neoplasm, and compromises induction of BCR-ABL1+ B-ALL. SHP2, and specifically, its SH2 domains, PTP activity and C-terminal tyrosines, is essential for BCR-ABL1+, but not WT, pre-B cell proliferation. The MEK/ERK pathway is regulated by SHP2 in WT and BCR-ABL1+ pre-B cells, but is only required for the proliferation of BCR-ABL1+ cells. SHP2 is required for SRC family kinase (SFK) activation only in BCR-ABL1+ pre-B cells. RNAseq reveals distinct SHP2-dependent transcriptional programs in BCR-ABL1+ and WT pre-B cells. Our results suggest that SHP2, via SFKs and ERK, represses MXD3/4 to facilitate a MYC-dependent proliferation program in BCR-ABL1-transformed pre-B cells.

BRAF is a serine-threonine kinase that harbors activating mutations in ~7% of human malignancies and ~60% of melanomas. Despite initial clinical responses to BRAF inhibitors (BRAFi), patients frequently develop drug resistance. To identify candidate therapeutic targets for BRAFi-resistant melanoma, we conducted CRISPR screens in melanoma cells harboring an activating BRAF mutation that had also acquired resistance to BRAFi. The screens identified pathways and genes critical for BRAFi resistance in melanoma cells. To investigate the mechanisms and pathways enabling resistance to BRAFi in melanomas, we integrated expression data, ATAC-seq, and CRISPR screen results. We identified the JUN family of transcription factors and the ETS family transcription factor ETV5 as key regulators of CDK6 that enabled resistance to BRAFi in melanoma cells. Our findings reveal genes whose loss of function conferred resistance to a selective BRAF inhibitor, providing new insight into signaling pathways that contribute to acquired resistance in melanoma.

Abstract ChIP-seq and ATAC-seq have become essential technologies used as effective methods of measuring protein-DNA interactions and chromatin accessibility. However, there is a need for a scalable and reproducible pipeline that incorporates correct normalization between samples, adjustment of copy number variations, and integration of new downstream analysis tools. Here we present CoBRA, a modularized computational workflow which quantifies ChIP and ATAC-seq peak regions and performs unsupervised and supervised analysis. CoBRA provides a comprehensive state-of-the-art ChIP and ATAC-seq analysis pipeline that is usable by scientists with limited computational experience. This enables researchers to gain rapid insight into protein-DNA interactions and chromatin accessibility through sample clustering, differential peak calling, motif enrichment, comparison of sites to a reference DB and pathway analysis. Code availability: https://bitbucket.org/cfce/cobra