Mechanisms driving malignant degeneration of burn scars remain elusive. While wound healing was traditionally seen as concluding with matrix remodeling, it is now understood as "activated fibrosis" where scars evolve from sustained inflammation ( Foster et al., 2021 Foster D.S. Januszyk M. Yost K.E. Chinta M.S. Gulati G.S. Nguyen A.T. et al. Integrated spatial multiomics reveals fibroblast fate during tissue repair. Proceedings of the National Academy of Sciences. 2021; 118 Crossref Scopus (74) Google Scholar ). Recent work has shown that extracellular matrix regulates regional competence for tumorigenesis ( Bansaccal et al., 2023 Bansaccal N. Vieugue P. Sarate R. Song Y. Minguijon E. Miroshnikova Y.A. et al. The extracellular matrix dictates regional competence for tumour initiation. Nature. 2023; : 1-8 Google Scholar ). This prompts an evaluation of whether immunity and scar matrix drive Marjolin's ulcer (MU), a highly aggressive skin cancer that most commonly arises in non-healed burn wounds or established burn scars. MU is most commonly squamous cell carcinoma (SCC) with metastasis rates up to 40% with ∼50% recurrence and ∼50% 5-year survival ( Khan et al., 2020 Khan K. Schafer C. Wood J. Marjolin ulcer: a comprehensive review. Advances in Skin & Wound Care. 2020; 33: 629-634 Crossref Scopus (19) Google Scholar ).

Abstract Advances in molecular profiling have facilitated generation of large multi-modal datasets that can potentially reveal critical axes of biological variation underlying complex diseases. Distilling biological meaning, however, requires computational strategies that can perform mosaic integration across diverse cohorts and datatypes. Here, we present mosaicMPI, a framework for discovery of low to high-resolution molecular programs representing both cell types and states, and integration within and across datasets into a network representing biological themes. Using existing datasets in glioblastoma, we demonstrate that this approach robustly integrates single cell and bulk programs across multiple platforms. Clinical and molecular annotations from cohorts are statistically propagated onto this network of programs, yielding a richly characterized landscape of biological themes. This enables deep understanding of individual tumor samples, systematic exploration of relationships between modalities, and generation of a reference map onto which new datasets can rapidly be mapped. mosaicMPI is available at https://github.com/MorrissyLab/mosaicMPI .

Diffuse invasion of glioblastoma cells through normal brain tissue is a key contributor to tumor aggressiveness, resistance to conventional therapies, and dismal prognosis in patients. A deeper understanding of how components of the tumor microenvironment (TME) contribute to overall tumor organization and to programs of invasion may reveal opportunities for improved therapeutic strategies. Towards this goal, we applied a novel computational workflow to a spatiotemporally profiled GBM xenograft cohort, leveraging the ability to distinguish human tumor from mouse TME to overcome previous limitations in analysis of diffuse invasion. Our analytic approach, based on unsupervised deconvolution, performs reference-free discovery of cell types and cell activities within the complete GBM ecosystem. We present a comprehensive catalogue of 15 tumor cell programs set within the spatiotemporal context of 90 mouse brain and TME cell types, cell activities, and anatomic structures. Distinct tumor programs related to invasion were aligned with routes of perivascular, white matter, and parenchymal invasion. Furthermore, sub-modules of genes serving as program network hubs were highly prognostic in GBM patients. The compendium of programs presented here provides a basis for rational targeting of tumor and/or TME components. We anticipate that our approach will facilitate an ecosystem-level understanding of immediate and long-term consequences of such perturbations, including identification of compensatory programs that will inform improved combinatorial therapies.

Abstract CAR T-cell therapy has remarkably succeeded in treating lymphoblastic leukemia. However, its success in AML remains elusive due to the risk of on-target off-tumor toxicity to hematopoietic stem and progenitor cells (HSPC) and insufficient T-cell persistence and longevity. Using a SynNotch circuit, we generated a high-precision “IF-THEN” gated logical circuit against the combination of CD33 and CD123 AML antigens and demonstrated anti-tumor efficacy against AML cell lines and patient-derived xenografts. Unlike constitutively expressed CD123 CAR-T cells, those expressed through the CD33 SynNotch circuit could preserve HSPCs and lower the risk of on-target off-tumor hematopoietic toxicity. These gated CAR-T cells exhibited lower expression of exhaustion markers (PD1, Tim3, LAG3, and CD39), higher frequency of memory T cells (CD62L+CD45RA+), and enhanced expansion. While targeting AML, the moderated circuit CAR signal also helped to mitigate cytokine release syndrome, potentially addressing one of the ongoing challenges in CAR-T immunotherapy.

Abstract Diffuse invasion of glioblastoma cells through normal brain tissue is a key contributor to tumor aggressiveness, resistance to conventional therapies, and dismal prognosis in patients. A deeper understanding of how components of the tumor microenvironment (TME) contribute to overall tumor organization and to programs of invasion may reveal opportunities for improved therapeutic strategies. Towards this goal, we applied a novel computational workflow to a spatiotemporally profiled GBM xenograft cohort, leveraging the ability to distinguish human tumor from mouse TME to overcome previous limitations in analysis of diffuse invasion. Our analytic approach, based on unsupervised deconvolution, performs reference-free discovery of cell types and cell activities within the complete GBM ecosystem. We present a comprehensive catalogue of 15 tumor cell programs set within the spatiotemporal context of 90 mouse brain and TME cell types, cell activities, and anatomic structures. Distinct tumor programs related to invasion were aligned with routes of perivascular, white matter, and parenchymal invasion. Furthermore, sub-modules of genes serving as program network hubs were highly prognostic in GBM patients. The compendium of programs presented here provides a basis for rational targeting of tumor and/or TME components. We anticipate that our approach will facilitate an ecosystem-level understanding of immediate and long-term consequences of such perturbations, including identification of compensatory programs that will inform improved combinatorial therapies.