Abstract Introduction Urothelial carcinoma (UC) is the tenth most diagnosed cancer in humans worldwide. Dogs are a robust model for invasive UC as tumor development and progression is similar in humans and dogs. Recent studies on urine microbiota in humans revealed alterations in microbial diversity and composition in individuals with UC; however, the potential role of microbiota in UC has yet to be elucidated. Dogs could be valuable models for this research, but microbial alterations in dogs with UC have not been evaluated. Objective The objective of this this pilot study was to compare the urine and fecal microbiota of dogs with UC (n = 7) and age-, sex-, and breed-matched healthy controls (n = 7). Methods DNA was extracted from mid-stream free-catch urine and fecal samples using Qiagen Bacteremia and PowerFecal kits, respectively. 16S rRNA gene sequencing was performed followed by sequence processing and analyses (QIIME 2 and R). Results Canine urine and fecal samples were dominated by taxa similar to those found in humans. Significantly decreased microbial diversity (Kruskal-Wallis: Shannon, p = 0.048) and altered bacterial composition were observed in the urine but not feces of dogs with UC (PERMANOVA: Unweighted UniFrac, p = 0.011). The relative abundances of Fusobacterium was also increased, although not significantly, in the urine and feces of dogs with UC. Conclusion This study characterizes urine and fecal microbiota in dogs with UC, and it provides a foundation for future work exploring host-microbe dynamics in UC carcinogenesis, prognosis, and treatment.

ABSTRACT Immune checkpoint blockade therapy targeting the PD-1/PD-L1 axis has shown remarkable clinical impact in multiple cancer types. Nontheless, despite the recent success of PD-1/PD-L1 blockade therapy, such response rates in cancer patients have been limited to tumors encompassing specific tumor microenvironment characteristics. The altered metabolic activity of cancer cells shapes the anti-tumor immune response by affecting the activity of immune cells. However, it remains mostly unknown how the altered metabolic activity of cancer cells impacts their resistance to PD-1/PD-L1 blockade therapy. Here we found that tumor cell-derived lactic acid renders the immunosuppressive tumor microenvironment in the PD-1/PD-L1 blockade-resistant tumors by inhibiting the interaction between the PD-L1 protein and anti-PD-L1 antibody. Furthermore, we showed that the combination therapy of targeting PD-L1 with our PD-L1 antibody-drug conjugate (PD-L1-ADC) and reducing lactic acid with the MCT-1 inhibitor, AZD3965, can effectively treat the PD-1/PD-L1 blockade resistant tumors. The findings in this study provide a new mechanism of how lactic acid induces an immunosuppressive environment and suggest a potential combination treatment to overcome the PD-1/PD-L1 blockade therapy resistance.

Correctly identifying perturbed biological pathways is a critical step in uncovering basic disease mechanisms and developing much-needed therapeutic strategies. However, whether current tools are optimal for unbiased discovery of relevant pathways remains unclear. Here, we create "Benchmark" to critically evaluate existing tools and find that most function sub-optimally. We thus develop the "Pathway Ensemble Tool" (PET), which outperforms existing methods. Deploying PET, we identify prognostic pathways across 12 cancer types. PET-identified prognostic pathways offer additional insights, with genes within these pathways serving as reliable biomarkers for clinical outcomes. Additionally, normalizing these pathways using drug repurposing strategies represents therapeutic opportunities. For example, the top predicted repurposed drug for bladder cancer, a CDK2/9 inhibitor, represses cell growth in vitro and in vivo. We anticipate that using Benchmark and PET for unbiased pathway discovery will offer additional insights into disease mechanisms across a spectrum of diseases, enabling biomarker discovery and therapeutic strategies. Multiple cellular pathways are altered in cancer and identifying them is relevant for prognosis and therapy. Here, the authors develop Benchmark and Pathway Ensemble Tool (PET), two computational approaches to optimise pathway discovery in cancer and predict related biomarkers and therapeutic avenues.