Pancreatic ductal adenocarcinoma (PDAC) remains a lethal disease with a 5-year survival rate of 4%. A key hallmark of PDAC is extensive stromal involvement, which makes capturing precise tumor-specific molecular information difficult. Here we have overcome this problem by applying blind source separation to a diverse collection of PDAC gene expression microarray data, including data from primary tumor, metastatic and normal samples. By digitally separating tumor, stromal and normal gene expression, we have identified and validated two tumor subtypes, including a 'basal-like' subtype that has worse outcome and is molecularly similar to basal tumors in bladder and breast cancers. Furthermore, we define 'normal' and 'activated' stromal subtypes, which are independently prognostic. Our results provide new insights into the molecular composition of PDAC, which may be used to tailor therapies or provide decision support in a clinical setting where the choice and timing of therapies are critical.

We performed integrated genomic, transcriptomic, and proteomic profiling of 150 pancreatic ductal adenocarcinoma (PDAC) specimens, including samples with characteristic low neoplastic cellularity. Deep whole-exome sequencing revealed recurrent somatic mutations in KRAS, TP53, CDKN2A, SMAD4, RNF43, ARID1A, TGFβR2, GNAS, RREB1, and PBRM1. KRAS wild-type tumors harbored alterations in other oncogenic drivers, including GNAS, BRAF, CTNNB1, and additional RAS pathway genes. A subset of tumors harbored multiple KRAS mutations, with some showing evidence of biallelic mutations. Protein profiling identified a favorable prognosis subset with low epithelial-mesenchymal transition and high MTOR pathway scores. Associations of non-coding RNAs with tumor-specific mRNA subtypes were also identified. Our integrated multi-platform analysis reveals a complex molecular landscape of PDAC and provides a roadmap for precision medicine.

Abstract Pancreatic cancer is the most lethal common solid malignancy. Systemic therapies are often ineffective, and predictive biomarkers to guide treatment are urgently needed. We generated a pancreatic cancer patient–derived organoid (PDO) library that recapitulates the mutational spectrum and transcriptional subtypes of primary pancreatic cancer. New driver oncogenes were nominated and transcriptomic analyses revealed unique clusters. PDOs exhibited heterogeneous responses to standard-of-care chemotherapeutics and investigational agents. In a case study manner, we found that PDO therapeutic profiles paralleled patient outcomes and that PDOs enabled longitudinal assessment of chemosensitivity and evaluation of synchronous metastases. We derived organoid-based gene expression signatures of chemosensitivity that predicted improved responses for many patients to chemotherapy in both the adjuvant and advanced disease settings. Finally, we nominated alternative treatment strategies for chemorefractory PDOs using targeted agent therapeutic profiling. We propose that combined molecular and therapeutic profiling of PDOs may predict clinical response and enable prospective therapeutic selection. Significance: New approaches to prioritize treatment strategies are urgently needed to improve survival and quality of life for patients with pancreatic cancer. Combined genomic, transcriptomic, and therapeutic profiling of PDOs can identify molecular and functional subtypes of pancreatic cancer, predict therapeutic responses, and facilitate precision medicine for patients with pancreatic cancer. Cancer Discov; 8(9); 1112–29. ©2018 AACR. See related commentary by Collisson, p. 1062. This article is highlighted in the In This Issue feature, p. 1047

We describe a comprehensive genomic characterization of adrenocortical carcinoma (ACC). Using this dataset, we expand the catalogue of known ACC driver genes to include PRKAR1A, RPL22, TERF2, CCNE1, and NF1. Genome wide DNA copy-number analysis revealed frequent occurrence of massive DNA loss followed by whole-genome doubling (WGD), which was associated with aggressive clinical course, suggesting WGD is a hallmark of disease progression. Corroborating this hypothesis were increased TERT expression, decreased telomere length, and activation of cell-cycle programs. Integrated subtype analysis identified three ACC subtypes with distinct clinical outcome and molecular alterations which could be captured by a 68-CpG probe DNA-methylation signature, proposing a strategy for clinical stratification of patients based on molecular markers.

Abstract Purpose: To perform real-time whole genome sequencing (WGS) and RNA sequencing (RNASeq) of advanced pancreatic ductal adenocarcinoma (PDAC) to identify predictive mutational and transcriptional features for better treatment selection. Experimental Design: Patients with advanced PDAC were prospectively recruited prior to first-line combination chemotherapy. Fresh tumor tissue was acquired by image-guided percutaneous core biopsy for WGS and RNASeq. Laser capture microdissection was performed for all cases. Primary endpoint was feasibility to report WGS results prior to first disease assessment CT scan at 8 weeks. The main secondary endpoint was discovery of patient subsets with predictive mutational and transcriptional signatures. Results: Sixty-three patients underwent a tumor biopsy between December 2015 and June 2017. WGS and RNASeq were successful in 62 (98%) and 60 (95%), respectively. Genomic results were reported at a median of 35 days (range, 19–52 days) from biopsy, meeting the primary feasibility endpoint. Objective responses to first-line chemotherapy were significantly better in patients with the classical PDAC RNA subtype compared with those with the basal-like subtype (P = 0.004). The best progression-free survival was observed in those with classical subtype treated with m-FOLFIRINOX. GATA6 expression in tumor measured by RNA in situ hybridization was found to be a robust surrogate biomarker for differentiating classical and basal-like PDAC subtypes. Potentially actionable genetic alterations were found in 30% of patients. Conclusions: Prospective genomic profiling of advanced PDAC is feasible, and our early data indicate that chemotherapy response differs among patients with different genomic/transcriptomic subtypes. Clin Cancer Res; 24(6); 1344–54. ©2017 AACR.

Clinically relevant subtypes exist for pancreatic ductal adenocarcinoma (PDAC), but molecular characterization is not yet standard in clinical care. We implemented a biopsy protocol to perform time-sensitive whole-exome sequencing and RNA sequencing for patients with advanced PDAC. Therapeutically relevant genomic alterations were identified in 48% (34/71) and pathogenic/likely pathogenic germline alterations in 18% (13/71) of patients. Overall, 30% (21/71) of enrolled patients experienced a change in clinical management as a result of genomic data. Twenty-six patients had germline and/or somatic alterations in DNA-damage repair genes, and 5 additional patients had mutational signatures of homologous recombination deficiency but no identified causal genomic alteration. Two patients had oncogenic in-frame BRAF deletions, and we report the first clinical evidence that this alteration confers sensitivity to MAPK pathway inhibition. Moreover, we identified tumor/stroma gene expression signatures with clinical relevance. Collectively, these data demonstrate the feasibility and value of real-time genomic characterization of advanced PDAC.Significance: Molecular analyses of metastatic PDAC tumors are challenging due to the heterogeneous cellular composition of biopsy specimens and rapid progression of the disease. Using an integrated multidisciplinary biopsy program, we demonstrate that real-time genomic characterization of advanced PDAC can identify clinically relevant alterations that inform management of this difficult disease. Cancer Discov; 8(9); 1096-111. ©2018 AACR.See related commentary by Collisson, p. 1062This article is highlighted in the In This Issue feature, p. 1047.

The National COVID Cohort Collaborative (N3C) is a centralized, harmonized, high-granularity electronic health record repository that is the largest, most representative COVID-19 cohort to date. This multicenter data set can support robust evidence-based development of predictive and diagnostic tools and inform clinical care and policy.

Abstract Background Although the COVID-19 pandemic has persisted for over 3 years, reinfections with SARS-CoV-2 are not well understood. We aim to characterize reinfection, understand development of Long COVID after reinfection, and compare severity of reinfection with initial infection. Methods We use an electronic health record study cohort of over 3 million patients from the National COVID Cohort Collaborative as part of the NIH Researching COVID to Enhance Recovery Initiative. We calculate summary statistics, effect sizes, and Kaplan–Meier curves to better understand COVID-19 reinfections. Results Here we validate previous findings of reinfection incidence (6.9%), the occurrence of most reinfections during the Omicron epoch, and evidence of multiple reinfections. We present findings that the proportion of Long COVID diagnoses is higher following initial infection than reinfection for infections in the same epoch. We report lower albumin levels leading up to reinfection and a statistically significant association of severity between initial infection and reinfection (chi-squared value: 25,697, p -value: <0.0001) with a medium effect size (Cramer’s V : 0.20, DoF = 3). Individuals who experienced severe initial and first reinfection were older in age and at a higher mortality risk than those who had mild initial infection and reinfection. Conclusions In a large patient cohort, we find that the severity of reinfection appears to be associated with the severity of initial infection and that Long COVID diagnoses appear to occur more often following initial infection than reinfection in the same epoch. Future research may build on these findings to better understand COVID-19 reinfections.

Abstract Background Myeloid involvement in High Grade Gliomas, such as Glioblastoma, has become apparent and detrimental to disease outcomes. There is great interest in characterizing the HGG tumor microenvironment to understand how neoplastic lesions are supported, and to devise novel therapeutic targets. The tumor microenvironment of the central nervous system is unique as it contains neural and specialized glial cells, including the resident myeloid cells, microglia. Glioma-associated microglia and peripherally infiltrating monocytes/macrophages (GAM) accumulate within the neoplastic lesion where they facilitate tumor growth and drive immunosuppression. A longstanding limitation has been the ability to accurately differentiate microglia and macrophage roles in pathology, and identify the consequences of the spatial organization of these cells. Results Here we characterize the tumor-stroma border and identify peripheral glioma-associated microglia (PGAM) at the tumor leading edge as a unique subpopulation of GAM. Using data mining and analyses of samples derived from both murine and human sources, we show that PGAM exhibit a pro-inflammatory and chemotactic phenotype that is associated with peripheral monocyte recruitment, poorly enhancing radiomic features, and decreased overall survival. Conclusions PGAM act as a unique subset of GAM, at the tumor-stroma interface, corresponding to disease outcomes. We propose the application of a novel gene signature to identify these cells, and suggest that PGAM constitute a cellular target of the TME. Graphical abstract