Abstract Multiplexed and spatially resolved single-cell analyses that intend to study tissue heterogeneity and cell organization invariably face as a first step the challenge of cell classification. Accuracy and reproducibility are important for the down-stream process of counting cells, quantifying cell-cell interactions, and extracting information on disease-specific localized cell niches. Novel staining techniques make it possible to visualize and quantify large numbers of cell-specific molecular markers in parallel. However, due to variations in sample handling and artefacts from staining and scanning, cells of the same type may present different marker profiles both within and across samples. We address multiplexed immunofluorescence data from tissue microarrays of low grade gliomas and present a methodology using two different machine learning architectures and features insensitive to illumination to perform cell classification. The fully automated cell classification provides a measure of confidence for the decision and requires a comparably small annotated dataset for training, which can be created using freely available tools. Using the proposed method, we reached an accuracy of 83.1% on cell classification without the need for standardization of samples. Using our confidence measure, cells with low-confidence classifications could be excluded, pushing the classification accuracy to 94.5%. Next, we used the cell classification results to search for cell niches with an unsupervised learning approach based on graph neural networks. We show that the approach can re-detect specialized tissue niches in previously published data, and that our proposed cell classification leads to niche definitions that may be relevant for sub-groups of glioma, if applied to larger datasets.

Tertiary lymphoid structures (TLS) are ectopic lymphoid aggregates associated with improved prognosis in numerous tumors. To date, their prognostic value in central nervous system cancers and the events underlying their formation remain unclear. Here, we find that TLS correlate with improved survival in glioblastoma patients. Furthermore, combining spatial transcriptomics of human tissues with longitudinal studies in murine glioma, we establish that the assembly of T cell-rich clusters is a prerequisite for the development of canonical TLS, and show that CD4 T cells play a central role in this process. Indeed, we provide evidence that IL7R+CCR7+ Th1 lymphocytes with lymphoid tissue-inducing potential are recruited to TLS nucleation sites, where they can initiate TLS assembly by expressing lymphotoxin β. Our work defines TLS as a potential prognostic factor in glioblastoma and identifies cellular and molecular mechanisms of TLS formation. These findings have broader implications for the development of TLS-inducing therapies for cancer.

Abstract Gliomas are brain tumors characterized by immunosuppression. Immunostimulatory agonistic CD40 antibodies (αCD40) are in clinical development for solid tumors but are yet to be evaluated for glioma. Here, systemic delivery of αCD40 led to cytotoxic T cell dysfunction and impaired the response to immune checkpoint inhibitors in preclinical glioma models. This was associated with an accumulation of suppressive CD11b + B cells. However, αCD40 also induced tertiary lymphoid structures (TLS). In human glioma, TLS correlated with increased T cell infiltration indicating enhanced immune responses. Our work unveils the pleiotropic effects of αCD40 therapy in glioma, which is of high clinical relevance.

Abstract The outcome of pilocytic astrocytoma (PA) depends heavily on the success of surgery. In cases where surgery alone is not curative, genetic analysis can be used to identify treatment targets for precision medicine. Here, we report a pediatric PA case that underwent incomplete surgical resection due to the tumor location. Clinical routine analyses demonstrated that the tumor did not carry any BRAF alteration. After postoperative surveillance, according to the low-grade glioma (LGG) protocol, recurrent tumor progressions resulted in multiple chemotherapy regimens. Screening formalin-fixed paraffin-embedded tumor material using an open-ended RNA sequencing panel revealed a novel in-frame autophagy related 16 like 1-neurotrophic receptor tyrosine kinase 2 (ATG16L1::NTRK2) fusion gene. The NTRK2 rearrangement was subsequently confirmed by fluorescent in situ hybridization on tumor tissue sections. Functional validation was performed by in vitro transient transfection of HEK293 cells and showed the ATG16L1::TRKB fusion protein to activate both the mitogen-activated protein kinase pathway and the phosphoinositide 3-kinase oncogenic pathways through increased phosphorylation of extracellular signal-regulated kinase, AKT, and S6. As a result of the identification of the NTRK fusion, the patient was enrolled in a phase I/II clinical trial of the highly selective TRK inhibitor larotrectinib. The patient responded well without significant side effects, and 8 months after the start of treatment, the contrast-enhancing tumor lesions were no longer detectable, consistent with a complete response as per Response Assessment in Neuro-Oncology (RANO) criteria. Presently, after 22 months of treatment, the patient’s complete remission is sustained. Our findings highlight the importance of screening for other oncogenic drivers in BRAF-negative LGGs since rare fusion genes may serve as targets for precision oncology therapy.