Abstract The complexity of the ER-negative subtype of breast cancer arises due to the heterogeneous nature of the disease rendering them more aggressive and this poses a challenge to effective treatment and eventually the prognosis of the patients. We have explored the miRNA regulation of altered molecular signatures and the effect on tumour progression in ER-negative breast cancer. Using breast tumour specimens, gene expression data from public datasets and in-vitro and in-vivo model systems we have shown that low-levels of miR-18a in ER-negative tumours drives enrichment of hybrid Epithelial/Mesenchymal (E/M) cells with luminal attributes. On inhibition of miR-18a in ER-negative breast cancer cell lines, the cells showed traits of increased migration, stemness and drug-resistance. miR-18a/low tumours were also associated with increased expression of genes associated with EMT, stemness, drug resistance and immune-suppression. Further analysis of the miR-18a targets pointed out at a possible HIF-1α mediated signalling in these tumours. HIF-1α inhibition reduced the enrichment of the hybrid E/M cells and decreased the migratory ability of miR-18a/low cells. Our study reports for the first time a dual role of miR-18a in breast cancer that is subtype specific based on hormone receptor expression and a novel association of low miR-18a levels and enrichment of hybrid E/M cells. The results highlight the possibility of stratifying the ER-negative disease into clinically relevant groups by analysing epigenetic signatures.

Abstract PTPN11/SHP2, a non-receptor protein tyrosine phosphatase is a prominent target of the receptor tyrosine kinase that participates in positive feedback signalling of the human epidermal growth factor receptors and helps in growth and migration. PTPN11/SHP2 is widely believed to be an oncoprotein, although it’s possible tumor-suppressor role is also reported. Our analysis of breast cancer metadata shows, PTPN11/SHP2 copy number loss in luminal A subtype is correlated to poor disease-specific survival and late-stage cancer at diagnosis. Analysis of the level 4 Reverse Phase Protein Array (RPPA) data available on the TCGA database resulted in positive correlations between the lower expression levels of constitutively active variant, the phospho-SHP2-Y542, of PTPN11/SHP2 and larger tumor size and lymph node positivity. We experimentally examined possible negative regulation of growth by PTPN11/SHP2 using MCF10A, a normal breast epithelial cell line. Knock-down of PTPN11/SHP2 resulted in increased cell migration, cell shape changes to mesenchymal morphology, and increased survival in cells treated with epirubicin, a DNA-damaging drug. However, it did not alter the rate of cell proliferation. It is possible that PTPN11/SHP2 might function as a tumor suppressor by potentiating proliferating cells with increased cell migration and resistance to apoptosis. Statement of Significance Molecules like PTPN11 /SHP2, among many others that show dual specificity in tumorigenesis in the same tissue depending on the upstream signaling cues, present challenges in the field of targeted drug therapy. This study puts forth the importance of understanding the mechanism of one of the two outcomes and thereby helps better clinical management of a subgroup of cancer.

Intra-tumoral phenotypic heterogeneity promotes tumor relapse and therapeutic resistance and remains an unsolved clinical challenge. It manifests along multiple phenotypic axes and decoding the interconnections among these different axes is crucial to understand its molecular origins and to develop novel therapeutic strategies to control it. Here, we use multi-modal transcriptomic data analysis - bulk, single-cell and spatial transcriptomics - from breast cancer cell lines and primary tumor samples, to identify associations between epithelial-mesenchymal transition (EMT) and luminal-basal plasticity - two key processes that enable heterogeneity. We show that luminal breast cancer strongly associates with an epithelial cell state, but basal breast cancer is associated with hybrid epithelial/mesenchymal phenotype(s) and higher phenotypic heterogeneity. These patterns were inherent in methylation profiles, suggesting an epigenetic crosstalk between EMT and lineage plasticity in breast cancer. Mathematical modelling of core underlying gene regulatory networks representative of the crosstalk between the luminal-basal and epithelial-mesenchymal axes recapitulate and thus elucidate mechanistic underpinnings of the observed associations from transcriptomic data. Our systems-based approach integrating multi-modal data analysis with mechanism-based modeling offers a predictive framework to characterize intra-tumor heterogeneity and to identify possible interventions to restrict it.

Abstract Background Androgen receptor (AR) is considered marker associated with better prognosis within hormone receptor positive tumors. Its role in triple negative tumors however is controversial showing both better and worse prognosis and different methods are used for identification of AR driven tumors. Conflicting results could be due to intrinsic molecular differences or scoring method for AR positivity. We attempted to develop an AR driven gene score and examined its utility in subtypes of breast cancer (BC). Methods A bioinformatic pipeline was constructed and applied on publicly available microarray data sets obtained from AR positive BC cell lines treated with dihydrotestosterone (DHT). Expression levels of genes identified through the pipeline along with set of epithelial mesenchymal transition (EMT) markers, proliferation associated genes and enzymes involved in intracrinal androgen metabolism was evaluated in a cohort of Indian Breast cancer patients. Tumors were divided into AR high and low based on the gene score and association with clinical parameters, circulating androgens, disease free survival, proliferation and EMT markers were examined, all results were further validated in external public datasets. Results AR driven gene score was calculated as average expression of the 6 genes selected through bioinformatic analysis. 53% (133/249) tumors were classified as AR high by the gene score and had significantly better clinical parameters such as higher age, smaller tumor size, lower grade and lower proliferation. Tumors with high AR driven gene score had significantly better disease-free survival (mean survival time of 86.13 vs 72.69 months, log rank p=0.032) when compared to the AR low tumors. A subset analysis within TNBC (N=66) showed 36% (24/66) were AR high and had significantly higher expression of EMT markers (p=0.024). Though circulating levels of total testosterone was not different between the groups, intratumoral levels of 5 alfa reductase (SRD5A1) was significantly high in tumors with high AR driven score. Conclusion Role of AR in breast cancer is debatable and difficult to decipher with protein detection alone. Our results support the context dependent function of AR in driving better prognosis, while identifying its role in driving EMT within TNBC tumors.

Intra-tumoral phenotypic heterogeneity promotes tumor relapse and therapeutic resistance and remains an unsolved clinical challenge. Decoding the interconnections among different biological axes of plasticity is crucial to understand the molecular origins of phenotypic heterogeneity. Here, we use multi-modal transcriptomic data-bulk, single-cell, and spatial transcriptomics-from breast cancer cell lines and primary tumor samples, to identify associations between epithelial-mesenchymal transition (EMT) and luminal-basal plasticity-two key processes that enable heterogeneity. We show that luminal breast cancer strongly associates with an epithelial cell state, but basal breast cancer is associated with hybrid epithelial/mesenchymal phenotype(s) and higher phenotypic heterogeneity. Mathematical modeling of core underlying gene regulatory networks representative of the crosstalk between the luminal-basal and epithelial-mesenchymal axes elucidate mechanistic underpinnings of the observed associations from transcriptomic data. Our systems-based approach integrating multi-modal data analysis with mechanism-based modeling offers a predictive framework to characterize intra-tumor heterogeneity and identify interventions to restrict it.