Invasive lobular breast carcinoma (ILC), one of the major breast cancer histological subtypes, exhibits unique clinical and molecular features compared to the other well-studied ductal cancer subtype (IDC). The pathognomonic feature of ILC is loss of E-cadherin, mainly caused by inactivating mutations within the CDH1 gene, but the extent of contribution of this genetic alteration to ILC-specific molecular characteristics remains largely understudied. To profile these features transcriptionally, we conducted single cell RNA sequencing on a panel of IDC and ILC cell lines, as well as an IDC cell line (T47D) with CRISPR-Cas9-mediated knock out (KO) of CDH1. Inspection of intra-cell line heterogeneity illustrated genetically and transcriptionally distinct subpopulations in multiple cell lines and highlighted rare populations of MCF7 cells highly expressing an apoptosis-related signature, positively correlated with a pre-adaptation signature to estrogen deprivation. Investigation of CDH1 KO-induced alterations showed transcriptomic membranous systems remodeling, elevated resemblance to ILCs in regulon activation, and suggests IRF1 as a potential mediator of reduced proliferation and increased cytokine-mediated immune-reactivity in ILCs.

Current clinical tests for prostate cancer (PCa), such as the PSA test, are not fully capable of discerning patients that are highly likely to develop metastatic prostate cancer (MPCa). Hence, more accurate prediction tools are needed to provide treatment strategies that are focused on the different risk groups. Cancer/testis antigens (CTAs) are expressed during embryonic development and present aberrant expression in cancer making them ideal tumor specific biomarkers. Here, the potential use of a panel of CTAs as a biomarker for PCa detection as well as metastasis prediction is explored. We initially identified eight CTAs ( CEP55, NUF2, PAGE4, PBK, RQCD1, SPAG4, SSX2 and TTK ) that are differentially expressed in MPCa when compared to local disease and used this panel to compare the gene and protein expression profiles in paired PCa and normal adjacent prostate tissue. We identified differential expression of all eight CTAs at the protein level when comparing 80 paired samples of PCa and the adjacent non-cancer tissue. Using multiple logistic regression we also show that a panel of these CTAs present high accuracy to discriminate normal from tumor samples. In summary, this study provides evidence that a panel of CTAs, differentially expressed in aggressive PCa, is a potential biomarker for diagnosis and prognosis to be used in combination with the current clinically available tools and is also a potential target for immunotherapy development.

Choosing Wisely recommendations advocate against routine use of axillary staging in older women with early-stage, clinically node-negative (cN0), hormone receptor-positive (HR+), and HER2-negative breast cancer. However, rates of sentinel lymph node biopsy (SLNB) in this population remain persistently high.

Abstract Motivation Biomarker detection plays a pivotal role in biomedical research. Integrating omics studies from multiple cohorts can enhance statistical power, accuracy and robustness of the detection results. However, existing methods for horizontally combining omics studies are mostly designed for two-class scenarios (e.g., cases versus controls) and are not directly applicable for studies with multi-class design (e.g., samples from multiple disease subtypes, treatments, tissues, or cell types). Results We propose a statistical framework, namely Mutual Information Concordance Analysis (MICA), to detect biomarkers with concordant multi-class expression pattern across multiple omics studies from an information theoretic perspective. Our approach first detects biomarkers with con-cordant multi-class patterns across partial or all of the omics studies using a global test by mutual information. A post hoc analysis is then performed for each detected biomarkers and identify studies with concordant pattern. Extensive simulations demonstrate improved accuracy and successful false discovery rate control of MICA compared to an existing MCC method. The method is then applied to two practical scenarios: four tissues of mouse metabolism-related transcriptomic studies, and three sources of estrogen treatment expression profiles. Detected biomarkers by MICA show intriguing biological insights and functional annotations. Additionally, we implemented MICA for single-cell RNA-Seq data for tumor progression biomarkers, highlighting critical roles of ribosomal function in the tumor microenvironment of triple-negative breast cancer and underscoring the potential of MICA for detecting novel therapeutic targets. Availability https://github.com/jianzou75/MICA

e13700 Background: Targeted therapies such as PI3K inhibitors have revolutionized the treatment of patients with metastatic breast cancer (MBC). Their selective use is enabled by next-generation sequencing (NGS) approaches, which help identify actionable tumor alterations. There may be socioeconomic disparities in NGS testing and NGS-guided treatment selection. This study aimed to investigate the role of socioeconomic status (SES) (race and area deprivation index [ADI]) among patients with MBC undergoing NGS. Methods: Our retrospective study included 418 adult patients (pts) with MBC treated at the Magee Women’s Cancer Center in Pittsburgh, PA between September 2016 and December 2022. Demographic information, including race and ADI, clinicopathologic information, and NGS results were collected. ADI based on zip code was derived utilizing Neighborhood Atlas. Scores range from 0-10 (higher score = higher deprivation), representing the census-based ranking of the ZIP code at the state level based on the composite of several factors, including income, education, employment, and housing quality. Descriptive statistics, chi-squared, and independent sample t tests were used. Multivariate logistic regression analysis was done to evaluate potential associations with receipt of NGS and NGS-directed therapy. Results: 89% of pts were non-Hispanic white (NHW); 11% were non-Hispanic black (NHB). A greater proportion of NHB pts were from higher ADI (6-10) neighborhoods (p=0.00001), suggesting lower SES. NHW pts were more likely to have hormone receptor (HR)+/human epidermal growth factor receptor (HER)2- tumors compared with NHB pts (p=0.022). 219 (52.4%) total pts had NGS tumor testing performed: 53% of NHW and 47.8% of NHB pts (p=0.511). 55.1% (102/185) of pts living in higher SES neighborhoods (ADI 1-5) and 50.2% (117/233) living in lower SES neighborhoods (ADI 6-10) received NGS testing (p=0.317). Of the 219 pts who got NGS testing, 62.6% (137) had a clinically actionable alteration identified, and of those, 46% (63) received corresponding targeted therapy. Of the 63 pts who received NGS-guided therapy, 88.9% were NHW and 11.1% were NHB (p=0.849), and 50.8% were from neighborhoods with ADI 1-5 and 49.2% were from neighborhoods with ADI 6-10 (p=0.571). In multivariate analysis including race, ADI, insurance status, year of MBC diagnosis, and tumor subtype, only tumor subtype (non-HR+/HER2- tumors) was significantly associated with a lower likelihood of both receiving NGS testing (p=0.032) and receiving NGS-directed therapy (p=0.001). Conclusions: There was a higher numerical rate of NGS testing and NGS-guided therapy initiation in NHW pts and pts from lower ADI (1-5 vs. 6-10) neighborhoods, but this did not reach statistical significance. Overall, in this single institution cohort limited by small numbers, there were no differences in NGS tumor testing based on race and SES.

Biomarker detection plays a pivotal role in biomedical research. Integrating omics studies from multiple cohorts can enhance statistical power, accuracy, and robustness of the detection results. However, existing methods for horizontally combining omics studies are mostly designed for two-class scenarios (e.g. cases versus controls) and are not directly applicable for studies with multi-class design (e.g. samples from multiple disease subtypes, treatments, tissues, or cell types).