Validating prognostic or predictive candidate genes in appropriately powered breast cancer cohorts are of utmost interest. Our aim was to develop an online tool to draw survival plots, which can be used to assess the relevance of the expression levels of various genes on the clinical outcome both in untreated and treated breast cancer patients. A background database was established using gene expression data and survival information of 1,809 patients downloaded from GEO (Affymetrix HGU133A and HGU133+2 microarrays). The median relapse free survival is 6.43 years, 968/1,231 patients are estrogen-receptor (ER) positive, and 190/1,369 are lymph-node positive. After quality control and normalization only probes present on both Affymetrix platforms were retained (n = 22,277). In order to analyze the prognostic value of a particular gene, the cohorts are divided into two groups according to the median (or upper/lower quartile) expression of the gene. The two groups can be compared in terms of relapse free survival, overall survival, and distant metastasis free survival. A survival curve is displayed, and the hazard ratio with 95% confidence intervals and logrank P value are calculated and displayed. Additionally, three subgroups of patients can be assessed: systematically untreated patients, endocrine-treated ER positive patients, and patients with a distribution of clinical characteristics representative of those seen in general clinical practice in the US. Web address: www.kmplot.com . We used this integrative data analysis tool to confirm the prognostic power of the proliferation-related genes TOP2A and TOP2B, MKI67, CCND2, CCND3, CCNDE2, as well as CDKN1A, and TK2. We also validated the capability of microarrays to determine estrogen receptor status in 1,231 patients. The tool is highly valuable for the preliminary assessment of biomarkers, especially for research groups with limited bioinformatic resources.

Tumour-infiltrating lymphocytes (TILs) are predictive for response to neoadjuvant chemotherapy in triple-negative breast cancer (TNBC) and HER2-positive breast cancer, but their role in luminal breast cancer and the effect of TILs on prognosis in all subtypes is less clear. Here, we assessed the relevance of TILs for chemotherapy response and prognosis in patients with TNBC, HER2-positive breast cancer, and luminal-HER2-negative breast cancer.Patients with primary breast cancer who were treated with neoadjuvant combination chemotherapy were included from six randomised trials done by the German Breast Cancer Group. Pretherapeutic core biopsies from 3771 patients included in these studies were assessed for the number of stromal TILs by standardised methods according to the guidelines of the International TIL working group. TILs were analysed both as a continuous parameter and in three predefined groups of low (0-10% immune cells in stromal tissue within the tumour), intermediate (11-59%), and high TILs (≥60%). We used these data in univariable and multivariable statistical models to assess the association between TIL concentration and pathological complete response in all patients, and between the amount of TILs and disease-free survival and overall survival in 2560 patients from five of the six clinical trial cohorts.In the luminal-HER2-negative breast cancer subtype, a pathological complete response (pCR) was achieved in 45 (6%) of 759 patients with low TILs, 48 (11%) of 435 with intermediate TILs, and 49 (28%) of 172 with high TILs. In the HER2-positive subtype, pCR was observed in 194 (32%) of 605 patients with low TILs, 198 (39%) of 512 with intermediate TILs, and 127 (48%) of 262 with high TILs. Finally, in the TNBC subtype, pCR was achieved in 80 (31%) of 260 patients with low TILs, 117 (31%) of 373 with intermediate TILs, and 136 (50%) of 273 with high TILs (p<0·0001 for each subtype, χ2 test for trend). In the univariable analysis, a 10% increase in TILs was associated with longer disease-free survival in TNBC (hazard ratio [HR] 0·93 [95% CI 0·87-0·98], p=0·011) and HER2-positive breast cancer (0·94 [0·89-0·99], p=0·017), but not in luminal-HER2-negative tumours (1·02 [0·96-1·09], p=0·46). The increase in TILs was also associated with longer overall survival in TNBC (0·92 [0·86-0·99], p=0·032), but had no association in HER2-positive breast cancer (0·94 [0·86-1·02], p=0·11), and was associated with shorter overall survival in luminal-HER2-negative tumours (1·10 [1·02-1·19], p=0·011).Increased TIL concentration predicted response to neoadjuvant chemotherapy in all molecular subtypes assessed, and was also associated with a survival benefit in HER2-positive breast cancer and TNBC. By contrast, increased TILs were an adverse prognostic factor for survival in luminal-HER2-negative breast cancer, suggesting a different biology of the immunological infiltrate in this subtype. Our data support the hypothesis that breast cancer is immunogenic and might be targetable by immune-modulating therapies. In light of the results in luminal breast cancer, further research investigating the interaction of the immune system with different types of endocrine therapy is warranted.Deutsche Krebshilfe and European Commission.

Gene or protein expression data are usually represented by metric or at least ordinal variables. In order to translate a continuous variable into a clinical decision, it is necessary to determine a cutoff point and to stratify patients into two groups each requiring a different kind of treatment. Currently, there is no standard method or standard software for biomarker cutoff determination. Therefore, we developed Cutoff Finder, a bundle of optimization and visualization methods for cutoff determination that is accessible online. While one of the methods for cutoff optimization is based solely on the distribution of the marker under investigation, other methods optimize the correlation of the dichotomization with respect to an outcome or survival variable. We illustrate the functionality of Cutoff Finder by the analysis of the gene expression of estrogen receptor (ER) and progesterone receptor (PgR) in breast cancer tissues. This distribution of these important markers is analyzed and correlated with immunohistologically determined ER status and distant metastasis free survival. Cutoff Finder is expected to fill a relevant gap in the available biometric software repertoire and will enable faster optimization of new diagnostic biomarkers. The tool can be accessed at http://molpath.charite.de/cutoff.

Purpose Our aim was to analyze and validate the prognostic impact of the novel International Association for the Study of Lung Cancer (IASLC)/American Thoracic Society (ATS)/European Respiratory Society (ERS) proposal for an architectural classification of invasive pulmonary adenocarcinomas (ADCs) across all tumor stages. Patients and Methods The architectural pattern of a large cohort of 500 patients with resected ADCs (stages I to IV) was retrospectively analyzed in 5% increments and classified according to their predominant architecture (lepidic, acinar, solid, papillary, or micropapillary), as proposed by the IASLC/ATS/ERS. Subsequently, histomorphologic data were correlated with clinical data, adjuvant therapy, and patient outcome. Results Overall survival differed significantly between lepidic (78.5 months), acinar (67.3 months), solid (58.1 months), papillary (48.9 months), and micropapillary (44.9 months) predominant ADCs (P = .007). When patterns were lumped into groups, this resulted in even more pronounced differences in survival (pattern group 1, 78.5 months; group 2, 67.3 months; group 3, 57.2 months; P = .001). Comparable differences were observed for overall, disease-specific, and disease-free survival. Pattern and pattern groups were stage- and therapy-independent prognosticators for all three survival parameters. Survival differences according to patterns were influenced by adjuvant chemoradiotherapy; in particular, solid-predominant tumors had an improved prognosis with adjuvant radiotherapy. The predominant pattern was tightly linked to the risk of developing nodal metastases (P < .001). Conclusion Besides all recent molecular progress, architectural grading of pulmonary ADCs according to the novel IASLC/ATS/ERS scheme is a rapid, straightforward, and efficient discriminator for patient prognosis and may support patient stratification for adjuvant chemoradiotherapy. It should be part of an integrated clinical, morphologic, and molecular subtyping to further improve ADC treatment.

Abstract Tumor mutational burden (TMB), defined as the number of somatic mutations per megabase of interrogated genomic sequence, varies across malignancies. Panel sequencing–based estimates of TMB have largely replaced whole-exome sequencing–derived TMB in the clinic. Retrospective evidence suggests that TMB can predict the efficacy of immune checkpoint inhibitors, and data from KEYNOTE-158 led to the recent FDA approval of pembrolizumab for the TMB-high tumor subgroup. Unmet needs include prospective validation of TMB cutoffs in relationship to tumor type and patient outcomes. Furthermore, standardization and harmonization of TMB measurement across test platforms are important to the successful implementation of TMB in clinical practice. Significance: Evaluation of TMB as a predictive biomarker creates the need to harmonize panel-based TMB estimation and standardize its reporting. TMB can improve the predictive accuracy for immunotherapy outcomes, and has the potential to expand the candidate pool of patients for treatment with immune checkpoint inhibitors.

Abstract Activation of lipid metabolism is an early event in carcinogenesis and a central hallmark of many cancers. However, the precise molecular composition of lipids in tumors remains generally poorly characterized. The aim of the present study was to analyze the global lipid profiles of breast cancer, integrate the results to protein expression, and validate the findings by functional experiments. Comprehensive lipidomics was conducted in 267 human breast tissues using ultraperformance liquid chromatography/ mass spectrometry. The products of de novo fatty acid synthesis incorporated into membrane phospholipids, such as palmitate-containing phosphatidylcholines, were increased in tumors as compared with normal breast tissues. These lipids were associated with cancer progression and patient survival, as their concentration was highest in estrogen receptor–negative and grade 3 tumors. In silico transcriptomics database was utilized in investigating the expression of lipid metabolism related genes in breast cancer, and on the basis of these results, the expression of specific proteins was studied by immunohistochemistry. Immunohistochemical analyses showed that several genes regulating lipid metabolism were highly expressed in clinical breast cancer samples and supported also the lipidomics results. Gene silencing experiments with seven genes [ACACA (acetyl-CoA carboxylase α), ELOVL1 (elongation of very long chain fatty acid–like 1), FASN (fatty acid synthase), INSIG1 (insulin-induced gene 1), SCAP (sterol regulatory element–binding protein cleavage–activating protein), SCD (stearoyl-CoA desaturase), and THRSP (thyroid hormone–responsive protein)] indicated that silencing of multiple lipid metabolism–regulating genes reduced the lipidomic profiles and viability of the breast cancer cells. Taken together, our results imply that phospholipids may have diagnostic potential as well as that modulation of their metabolism may provide therapeutic opportunities in breast cancer treatment. Cancer Res; 71(9); 3236–45. ©2011 AACR.

Abstract Metabolites are the end products of cellular regulatory processes, and their levels can be regarded as the ultimate response of biological systems to genetic or environmental changes. We have used a metabolite profiling approach to test the hypothesis that quantitative signatures of primary metabolites can be used to characterize molecular changes in ovarian tumor tissues. Sixty-six invasive ovarian carcinomas and nine borderline tumors of the ovary were analyzed by gas chromatography/time-of-flight mass spectrometry (GC-TOF MS) using a novel contamination-free injector system. After automated mass spectral deconvolution, 291 metabolites were detected, of which 114 (39.1%) were annotated as known compounds. By t test statistics with P &lt; 0.01, 51 metabolites were significantly different between borderline tumors and carcinomas, with a false discovery rate of 7.8%, estimated with repeated permutation analysis. Principal component analysis (PCA) revealed four principal components that were significantly different between both groups, with the highest significance found for the second component (P = 0.00000009). PCA as well as additional supervised predictive models allowed a separation of 88% of the borderline tumors from the carcinomas. Our study shows for the first time that large-scale metabolic profiling using GC-TOF MS is suitable for analysis of fresh frozen human tumor samples, and that there is a consistent and significant change in primary metabolism of ovarian tumors, which can be detected using multivariate statistical approaches. We conclude that metabolomics is a promising high-throughput, automated approach in addition to functional genomics and proteomics for analyses of molecular changes in malignant tumors. (Cancer Res 2006; 66(22): 10795-804)

Apart from genetic alterations, development and progression of colorectal cancer has been linked to influences from nutritional intake, hyperalimentation, and cellular metabolic changes that may be the basis for new diagnostic and therapeutic approaches. However, in contrast to genomics and proteomics, comprehensive metabolomic investigations of alterations in malignant tumors have rarely been conducted. In this study we investigated a set of paired samples of normal colon tissue and colorectal cancer tissue with gas-chromatography time-of-flight mass-spectrometry, which resulted in robust detection of a total of 206 metabolites. Metabolic phenotypes of colon cancer and normal tissues were different at a Bonferroni corrected significance level of p = 0.00170 and p = 0.00005 for the first two components of an unsupervised PCA analysis. Subsequent supervised analysis found 82 metabolites to be significantly different at p < 0.01. Metabolites were connected to abnormalities in metabolic pathways by a new approach that calculates the distance of each pair of metabolites in the KEGG database interaction lattice. Intermediates of the TCA cycle and lipids were found down-regulated in cancer, whereas urea cycle metabolites, purines, pyrimidines and amino acids were generally found at higher levels compared to normal colon mucosa. This study demonstrates that metabolic profiling facilitates biochemical phenotyping of normal and neoplastic colon tissue at high significance levels and points to GC-TOF-based metabolomics as a new method for molecular pathology investigations.

Abstract Background Predictive biomarkers in use for immunotherapy in advanced non-small cell lung cancer are of limited sensitivity and specificity. We analysed the potential of activating KRAS and pathogenic TP53 mutations to provide additional predictive information. Methods The study cohort included 713 consecutive immunotherapy patients with advanced lung adenocarcinomas, negative for actionable genetic alterations. Additionally, two previously published immunotherapy and two surgical patient cohorts were analyzed. Therapy benefit was stratified by KRAS and TP53 mutations. Molecular characteristics underlying KRASmut/TP53mut tumours were revealed by the analysis of TCGA data. Results An interaction between KRAS and TP53 mutations was observed in univariate and multivariate analyses of overall survival (Hazard ratio [HR] = 0.56, p = 0.0044 and HR = 0.53, p = 0.0021) resulting in a stronger benefit for KRASmut/TP53mut tumours (HR = 0.71, CI 0.55–0.92). This observation was confirmed in immunotherapy cohorts but not observed in surgical cohorts. Tumour mutational burden, proliferation, and PD-L1 mRNA were significantly higher in TP53-mutated tumours, regardless of KRAS status. Genome-wide expression analysis revealed 64 genes, including CX3CL1 (fractalkine), as specific transcriptomic characteristic of KRASmut/TP53mut tumours. Conclusions KRAS/TP53 co-mutation predicts ICI benefit in univariate and multivariate survival analyses and is associated with unique molecular tumour features. Mutation testing of the two genes can be easily implemented using small NGS panels.

e14656 Background: TMB determination is a prerequisite to stratify advanced cancer patients for pembrolizumab based on the histology-agnostic FDA approval. The accuracy of TMB measurement is challenged by low tumor purity resulting in a lower number of detected somatic variants for a fixed threshold of variant allele frequency (VAF) and a lower measured TMB level as a consequence. Methods: We derived a mathematical formula describing the influence of tumor purity on the VAF of somatic variants, in which the DNA copy number of the corresponding region of the tumor genome is a parameter. We simulated the effect of tumor purity in a cohort of 4,900 tumors from the TCGA project with tumor purity of at least 80%. TMB was calculated as the number of missense mutations with VAF greater or equal than 5%. Tumors were classified as TMB-high when harboring at least 199 missense mutations. This cutpoint corresponds to 10 mut/Mb as derived in the TMB bridging study. We compared tumors with a simulated tumor purity of 70%, 60%, ..., and 10% with tumors with a tumor purity of 80%, which served as reference. Results: The median of TMB in the pan-cancer cohort was reduced by 2%, 10%, and 32% for tumor purity of 60%, 40%, and 20% compared to the reference of 80%. For the 10% tumors with the worst estimation, TMB was reduced even by 12%, 35%, and 77% or more, respectively. In the pan-cancer cohort, the sensitivity to detect high TMB was 98%, 90%, and 62% for tumor purity of 60%, 40%, and 20%, respectively. For head and neck cancer, lung adenocarcinoma, lung squamous cell carcinoma, and cutaneous melanoma, the sensitivity to detect high TMB was 80%, 89%, 92%, and 91%, respectively, for tumors of tumor purity 40%. Conclusions: High tumor purity is critical for accurate determination of the TMB and to reach a high sensitivity concerning the selection of patients for immunotherapy. As shown by the simulations, the sensitivity to detect high TMB is close to 100% for tumor purity of at least 60%, while a substantial proportion of patients that could receive immunotherapy is missed for tumors with purity of 40% or less. Potential ways out of the TMB underestimation include increasing the sequencing coverage and lowering the VAF threshold for mutation calling or using clonal TMB with an adapted cutpoint instead of total TMB as biomarker for immunotherapy guidance.