An oligonucleotide probe was used to isolate a clone encoding prostaglandin endoperoxide synthetase (cyclooxygenase, EC 1.14.99.1) from a sheep seminal vesicle cDNA library. The protein predicted from nucleic acid sequence contains 599 amino acids including a 23-amino acid signal sequence. Thus, the mature cyclooxygenase deduced from the cDNA compares favorably in molecular size to the 70-kDa protein determined by gel electrophoresis. A putative transmembrane region and potential carbohydrate addition sites for N-linked sugars can be inferred from the amino acid sequence. Significantly, sequence similarities exist between cyclooxygenase, myeloperoxidase, and several other heme-containing proteins. The putative glycosylation sites, transmembrane domain, and sequence similarities with functionally related enzymes have been incorporated into a model for the topology of cyclooxygenase in the endoplasmic reticulum.

Chromatin accessibility is essential in regulating gene expression and cellular identity, and alterations in accessibility have been implicated in driving cancer initiation, progression and metastasis1-4. Although the genetic contributions to oncogenic transitions have been investigated, epigenetic drivers remain less understood. Here we constructed a pan-cancer epigenetic and transcriptomic atlas using single-nucleus chromatin accessibility data (using single-nucleus assay for transposase-accessible chromatin) from 225 samples and matched single-cell or single-nucleus RNA-sequencing expression data from 206 samples. With over 1 million cells from each platform analysed through the enrichment of accessible chromatin regions, transcription factor motifs and regulons, we identified epigenetic drivers associated with cancer transitions. Some epigenetic drivers appeared in multiple cancers (for example, regulatory regions of ABCC1 and VEGFA; GATA6 and FOX-family motifs), whereas others were cancer specific (for example, regulatory regions of FGF19, ASAP2 and EN1, and the PBX3 motif). Among epigenetically altered pathways, TP53, hypoxia and TNF signalling were linked to cancer initiation, whereas oestrogen response, epithelial-mesenchymal transition and apical junction were tied to metastatic transition. Furthermore, we revealed a marked correlation between enhancer accessibility and gene expression and uncovered cooperation between epigenetic and genetic drivers. This atlas provides a foundation for further investigation of epigenetic dynamics in cancer transitions.

Abstract Interactions between immune and tumor cells are critical to determining cancer progression and response. In addition, preclinical prediction of immune-related drug efficacy is limited by inter-species differences between human and mouse, as well as inter-person germline and somatic variation. Here we develop an autologous system that models the TME in individual patients. With patient-derived bone marrow, we engrafted a patient’s hematopoietic system in MISTRG6 mice followed by patient-derived xenograft (PDX) tissue, providing a genetically matched autologous model. We used this system to prospectively study tumor-immune interactions in solid tumor patients. Autologous PDX mice generated innate and adaptive immune populations; these cells populated the TME; and tumors from autologously engrafted mice grew larger than tumors from non-engrafted littermate controls. Single-cell transcriptomics revealed a prominent VEGF-A signature in TME myeloid cells, and inhibition of human VEGF-A abrogated enhanced growth, demonstrating the utility of the autologous PDX system for pre-clinical testing.

Abstract Patient-derived xenografts (PDXs) model human intra-tumoral heterogeneity in the context of the intact tissue of immunocompromised mice. Histological imaging via hematoxylin and eosin (H&E) staining is performed on PDX samples for routine assessment and, in principle, captures the complex interplay between tumor and stromal cells. Deep learning (DL)-based analysis of large human H&E image repositories has extracted inter-cellular and morphological signals correlated with disease phenotype and therapeutic response. Here, we present an extensive, pan-cancer repository of nearly 1,000 PDX and paired human progenitor H&E images. These images, curated from the PDXNet consortium, are associated with genomic and transcriptomic data, clinical metadata, pathological assessment of cell composition, and, in several cases, detailed pathological annotation of tumor, stroma, and necrotic regions. We demonstrate that DL can be applied to these images to classify tumor regions and to predict xenograft-transplant lymphoproliferative disorder, the unintended outgrowth of human lymphocytes at the transplantation site. This repository enables PDX-specific, investigations of cancer biology through histopathological analysis and contributes important model system data that expand on existing human histology repositories. We expect the PDXNet Image Repository to be valuable for controlled digital pathology analysis, both for the evaluation of technical issues such as stain normalization and for development of novel computational methods based on spatial behaviors within cancer tissues.