Abstract We present an individualized systems medicine (ISM) approach to optimize cancer drug therapies one patient at a time. ISM is based on (i) molecular profiling and ex vivo drug sensitivity and resistance testing (DSRT) of patients' cancer cells to 187 oncology drugs, (ii) clinical implementation of therapies predicted to be effective, and (iii) studying consecutive samples from the treated patients to understand the basis of resistance. Here, application of ISM to 28 samples from patients with acute myeloid leukemia (AML) uncovered five major taxonomic drug-response subtypes based on DSRT profiles, some with distinct genomic features (e.g., MLL gene fusions in subgroup IV and FLT3-ITD mutations in subgroup V). Therapy based on DSRT resulted in several clinical responses. After progression under DSRT-guided therapies, AML cells displayed significant clonal evolution and novel genomic changes potentially explaining resistance, whereas ex vivo DSRT data showed resistance to the clinically applied drugs and new vulnerabilities to previously ineffective drugs. Significance: Here, we demonstrate an ISM strategy to optimize safe and effective personalized cancer therapies for individual patients as well as to understand and predict disease evolution and the next line of therapy. This approach could facilitate systematic drug repositioning of approved targeted drugs as well as help to prioritize and de-risk emerging drugs for clinical testing. Cancer Discov; 3(12); 1416–29. ©2013 AACR. See related commentary by Hourigan and Karp, p. 1336 This article is highlighted in the In This Issue feature, p. 1317

Abstract We developed a systematic algorithmic solution for quantitative drug sensitivity scoring (DSS), based on continuous modeling and integration of multiple dose-response relationships in high-throughput compound testing studies. Mathematical model estimation and continuous interpolation makes the scoring approach robust against sources of technical variability and widely applicable to various experimental settings, both in cancer cell line models and primary patient-derived cells. Here, we demonstrate its improved performance over other response parameters especially in a leukemia patient case study, where differential DSS between patient and control cells enabled identification of both cancer-selective drugs and drug-sensitive patient sub-groups, as well as dynamic monitoring of the response patterns and oncogenic driver signals during cancer progression and relapse in individual patient cells ex vivo . An open-source and easily extendable implementation of the DSS calculation is made freely available to support its tailored application to translating drug sensitivity testing results into clinically actionable treatment options.

Abstract T-cell acute lymphoblastic leukemia (T-ALL) is an aggressive immature T-cell cancer. Hotspot mutations in JAK-STAT pathway members IL7R , JAK1 and JAK3 were analyzed in depth. However, the role of STAT5A or STAT5B mutations promoting their hyperactivation is poorly understood in the context of T-cell cancer initiation and acute leukemia progression. Importantly, the driver mutation STAT5B N642H encodes the most frequent activating STAT5 variant in T-ALL associated with poor prognosis. Here, we show that hyperactive STAT5 promotes early T-cell progenitor (ETP)-ALL-like cancer in mice and upregulated genes involved in T-cell receptor signaling (TCR), even in absence of surface TCR promoting. Importantly, these genes were also overexpressed in human T-ALL and other STAT5-dependent T-cell cancers. Moreover, human T-ALL cells were sensitive to pharmacologic inhibition by dual STAT3/5 degraders or ZAP70 tyrosine kinase blockers. Thus, we define STAT5 target genes in T-ALL that promote pre-TCR signaling mimicry. We propose therapeutic targeting using selective ZAP70 or STAT3/5 inhibitors in a subgroup of T-ALL patients with prominent IL-7R-JAK1/3-STAT5 activity. Significance We provide detailed functional characterizations of hyperactive STAT5A or STAT5B in thymic T-cell development and transformation. We found that hyperactive STAT5 transcribes T-cell-specific kinases or pre-TCR signaling hubs to promote T-ALL. Biomolecular and next-generation-sequencing methods, transgenesis and pharmacologic interference revealed that hyperactive STAT5 is a key oncogenic driver that can be targeted in T-ALL using STAT3/5 or SYK family member tyrosine kinase inhibitors. Conflict of interest The authors declare no potential conflicts of interest.