Objective

 The nature of the tumour-infiltrating leucocytes (TILs) is known to impact clinical outcome in carcinomas, including hepatocellular carcinoma (HCC). However, the role of tumour-infiltrating B cells (TIBs) remains controversial. Here, we investigate the impact of TIBs and their interaction with T cells on HCC patient prognosis. 

Design

 Tissue samples were obtained from 112 patients with HCC from Singapore, Hong Kong and Zurich and analysed using immunohistochemistry and immunofluorescence. RNA expression of CD19, CD8A, IFNG was analysed using quantitative PCR. The phenotype of freshly isolated TILs was analysed using flow cytometry. A mouse model depleted of mature B cells was used for functional study. 

Results

 Tumour-infiltrating T cells and B cells were observed in close contact with each other and their densities are correlated with superior survival in patients with HCC. Furthermore, the density of TIBs was correlated with an enhanced expression of granzyme B and IFN-γ, as well as with reduced tumour viability defined by low expression of Ki-67, and an enhanced expression of activated caspase-3 on tumour cells. CD27 and CD40 costimulatory molecules and TILs expressing activation marker CD38 in the tumour were also correlated with patient survival. Mice depleted of mature B cells and transplanted with murine hepatoma cells showed reduced tumour control and decreased local T cell activation, further indicating the important role of B cells. 

Conclusions

 The close proximity of tumour-infiltrating T cells and B cells indicates a functional interaction between them that is linked to an enhanced local immune activation and contributes to better prognosis for patients with HCC.

Background and aims Chronic inflammation induced by chronic hepatitis B virus (HBV) infection increases the risk of hepatocellular carcinoma (HCC). However, little is known about the immune landscape of HBV-related HCC and its influence on the design of effective cancer immunotherapeutics. Methods We interrogated the immune microenvironments of HBV-related HCC and non-viral-related HCC using immunohistochemistry and cytometry by time-of-flight (CyTOF). On identifying unique immune subsets enriched in HBV-related HCC, we further interrogated their phenotypes and functions using next-generation sequencing (NGS) and in vitro T-cell proliferation assays. Results In-depth interrogation of the immune landscapes showed that regulatory T cells (T REG ) and CD8 + resident memory T cells (T RM ) were enriched in HBV-related HCC, whereas Tim-3 + CD8 + T cells and CD244 + natural killer cells were enriched in non-viral-related HCC. NGS of isolated T REG and T RM from HBV-related HCC and non-viral-related HCC identified distinct functional signatures associated with T-cell receptor signalling, T-cell costimulation, antigen presentation and programmed cell death protein 1 (PD-1) signalling. T REG and T RM from HBV-related HCC expressed more PD-1 and were functionally more suppressive and exhausted than those from non-virus-related HCC. Furthermore, immunosuppression by PD-1 + T REG could be reversed with anti-PD-1 blockade. Using multiplexed tissue immunofluorescence, we further demonstrated that T REG and T RM contributed to overall patient survival: T REG were associated with a poor prognosis and T RM were associated with a good prognosis in HCC. Conclusion We have shown that the HBV-related HCC microenvironment is more immunosuppressive and exhausted than the non-viral-related HCC microenvironment. Such in-depth understanding has important implications in disease management and appropriate application of immunotherapeutics.

Abstract Spatial transcriptomics has been emerging as a powerful technique for resolving gene expression profiles while retaining tissue spatial information. These spatially resolved transcriptomics make it feasible to examine the complex multicellular systems of different microenvironments. To answer scientific questions with spatial transcriptomics and expand our understanding of how cell types and states are regulated by microenvironment, the first step is to identify cell clusters by integrating the available spatial information. Here, we introduce SC-MEB, an empirical Bayes approach for spatial clustering analysis using a hidden Markov random field. We have also derived an efficient expectation-maximization algorithm based on an iterative conditional mode for SC-MEB. In contrast to BayesSpace, a recently developed method, SC-MEB is not only computationally efficient and scalable to large sample sizes but is also capable of choosing the smoothness parameter and the number of clusters. We performed comprehensive simulation studies to demonstrate the superiority of SC-MEB over some existing methods. We applied SC-MEB to analyze the spatial transcriptome of human dorsolateral prefrontal cortex tissues and mouse hypothalamic preoptic region. Our analysis results showed that SC-MEB can achieve a similar or better clustering performance to BayesSpace, which uses the true number of clusters and a fixed smoothness parameter. Moreover, SC-MEB is scalable to large ‘sample sizes’. We then employed SC-MEB to analyze a colon dataset from a patient with colorectal cancer (CRC) and COVID-19, and further performed differential expression analysis to identify signature genes related to the clustering results. The heatmap of identified signature genes showed that the clusters identified using SC-MEB were more separable than those obtained with BayesSpace. Using pathway analysis, we identified three immune-related clusters, and in a further comparison, found the mean expression of COVID-19 signature genes was greater in immune than non-immune regions of colon tissue. SC-MEB provides a valuable computational tool for investigating the structural organizations of tissues from spatial transcriptomic data.

Abstract Objective Gastric cancer (GC) tumors are highly heterogenous with different subpopulations of epithelial cells. We employed single cell RNA sequencing (scRNA-seq) to dissect the heterogeneity and identified subpopulations of cancer cells with stem-like properties. We further investigated their resistance to oxaliplatin chemotherapy and their contribution to gastric cancer outcome. Design We performed scRNA-seq on FACS sorted epithelial and immune cells from paired samples of GC tumors and normal adjacent tissues. We identified two epithelial subpopulations (STMN1 + IQGAP3 + and STMN1 + IQGAP3 − ) with stem-like properties. We characterized and compared them to known healthy gastric stem cell populations. We also cultivated GC derived organoids to study the chemoresistance of similarly marked populations. Lastly, we employed immunohistochemistry (IHC) staining to ascertain the predicted immunosuppressive interactions. Results The STMN1 + IQGAP3 + subpopulation showed a higher tumor mutation burden, upregulated proliferative pathways and transcriptomically resembled proliferative healthy gastric isthmus stem cells. The STMN1 + IQGAP3 − subpopulation were comparatively quiescent and transcriptomically resembled enteroendocrine cells. Both transcriptomic signatures were associated with worse mortality than other epithelial subpopulations with the quiescent being associated with the poorest patient survival. GC tissue derived organoids were dominated by STMN1 + IQGAP3 + cells but the STMN1 + IQGAP3 − compartment was more resistant to chemotherapy. We also verified the likely suppression of CD8 T cell cytotoxicity by STMN1 + IQGAP3 + cells through the NECTIN2/TIGIT interaction. Conclusions Cancer cells with stem-like characteristics are associated with poor survival through chemoresistance and immunosuppression. Reactivating the immune system through checkpoint blockade is an opportunity to eliminate these cells. What is already known on this topic Multiple gastric stem cell populations have been identified and linked to tumor initiation in rodent-based studies. However, none of them have been conclusively proven in human tumors. Isolating and characterizing tumor cells with stem-like properties will help shed light on their possible origin and possible mitigation strategies. What this study adds Here we identified two sets of stem-like gastric cancer cells that are associated with poorer patient prognosis. One set is highly proliferative and exhibits oxaliplatin susceptibility. It also engages in immunosuppressive interactions such as NECTIN2/TIGIT. The other set is quiescent and highly resistant to oxaliplatin. How this study might affect research, practice or policy The transcriptome signatures of the identified stem-like cells can aid in patient prognosis and identify patients who can benefit from checkpoint blockade therapy to reactivate their immune response towards gastric cancer cells.

Abstract Growing evidence supports the importance of understanding tumor-immune spatial relationship in the tumor microenvironment in order to achieve precision cancer therapy. However, existing methods, based on oversimplistic cell-to-cell proximity, are largely confounded by immune cell density and are ineffective in capturing tumor-immune spatial patterns. Here we developed a novel computational algorithm, termed Tumor-Immune Partitioning and Clustering (TIPC), to offer an effective solution for spatially informed tumor subtyping. Our method could measure the extent of immune cell partitioning between tumor epithelial and stromal areas as well as the degree of immune cell clustering. Using a U.S. nation-wide colorectal cancer database, we showed that TIPC could determine tumor subtypes with unique tumor-immune spatial patterns that were significantly associated with patient survival and key tumor molecular features. We also demonstrated that TIPC was robust to parameter settings and readily applicable to different immune cell types. The capability of TIPC in delineating clinically relevant patient subtypes that encapsulate tumor-immune spatial relationship, immune density, and tumor morphology is expected to shed light on underlying immune mechanisms. Hence, TIPC can be a useful bioinformatics tool for effective characterization of the spatial composition of the tumor-immune microenvironment to inform precision immunotherapy.

Hepatocellular carcinoma (HCC) is the fourth leading cause of cancer-associated mortality in the world. However, with the associated low five-year survival and high recurrence rates, alternative treatment modalities specifically immunotherapy have been researched. A correlation between CD38+ tumour-infiltrating leukocyte (TIL) density and improved prognosis was found in a recent study. However, studies relating to CD38 expression in immune infiltrates within tumours are limited. In the present study, we confirmed the expression of CD38 on macrophages in HCC and determined the relationship between CD38+ leukocytes and lymphocytes and patient response to immunotherapy. Using immunohistochemistry, we analysed tissue samples obtained from 20 patients from Singapore with HCC prior to immunotherapy. Tumour infiltrating leukocytes expression within tumour were correlated to the responsiveness of patients to immunotherapy. Expression of CD38 was found within the tumour cells and surrounding immune infiltrates including lymphocytes and macrophages. We then ask whether CD38 expression by the distinct cell populations may acquire theranostic relevance. Patients with higher level of CD38+ immune infiltrate subsets had significantly better response to anti-PD-1 immunotherapy, and this is also true for CD38+ lymphocytes within the tumour microenvironment. In particular, a cut-off of 13.0% positive out of total leukocytes and 12.4% positive out of total lymphocytes is found to be of strong predictive value of responsiveness to immunotherapy treatment, thus a strong theranostic impact is seen by using CD38 as a biomarker for anti-PD-1 therapy. The establishment of an association between CD38 expression and the response to anti-PD-1 immunotherapy in HCC, could be applied to a larger cohort outside Singapore. These may eventually change the routine testing in clinical practice to identify HCC patients suitable for immunotherapy.

Immunophenotyping via multi-marker assays significantly contributes to patient selection, therapeutic monitoring, biomarker discovery, and personalized treatments. Despite its potential, the multiplex immunofluorescence (mIF) technique faces adoption challenges due to technical and financial constraints. Alternatively, hematoxylin and eosin (H&E)-based prediction models of cell phenotypes can provide crucial insights into tumor-immune cell interactions and advance immunotherapy. Current methods mostly rely on manually annotated cell label ground truths, with limitations including high variability and substantial labor costs. To mitigate these issues, researchers are increasingly turning to digitized cell-level data for accurate in-situ cell type prediction. Typically, immunohistochemical (IHC) staining is applied to a tissue section serial to one stained with H&E. However, this method may introduce distortions and tissue section shifts, challenging the assumption of consistent cellular locations. Conversely, mIF overcomes these limitations by allowing for mIF and H&E staining on the same tissue section. Importantly, the multiplexing capability of mIF allows for a thorough analysis of the tumor microenvironment by quantifying multiple cell markers within the same tissue section. In this study, we introduce a Pix2Pix generative adversarial network (P2P-GAN)-based virtual staining model, using CD3+ T-cells in lung cancer as a proof-of-concept. Using an independent CD3 IHC-stained lung cohort, we demonstrate that the model trained with cell label ground-truth from the same tissue section as H&E staining performed significantly better in both CD3+ and CD3- T-cell prediction. Moreover, the model also displayed prognostic significance on a public lung cohort, demonstrating its potential clinical utility. Notably, our proposed P2P-GAN virtual staining model facilitates image-to-image translation, enabling further spatial analysis of the predicted immune cells, deepening our understanding of tumor-immune interactions, and propelling advancements in personalized immunotherapy. This concept holds potential for the prediction of other cell phenotypes, including CD4+, CD8+, and CD20+ cells.

10585 Background: Clonal hematopoiesis (CH), defined by the expansion of mutated hematopoietic cells due to somatic mutations acquired during aging, is associated with increased age and inflammatory conditions. CH serves as a predictor for the risks of cancer and cardiovascular events, highlighting the importance of early detection of genetic alterations for proactive intervention. As Asian societies are experiencing rapid aging alongside genetic and environmental variations distinct from Western cohorts, we aimed to evaluate the predictive significance of CH in solid cancer in an Asian cohort. Methods: We conducted a nested case-control study within Singapore Longitudinal Ageing Study 1 (SLAS1; NCT03405675). Chinese females (aged 55.0-83.9), comprising 31 patients with solid cancers (breast, lung, colon) who developed cancer during the follow-up, and 29 controls, were randomly selected from the SLAS1. SLAS1 is a community-based longitudinal aging cohort study. Subjects aged 55 years or older, capable of self-ambulation, were recruited between 2003 and 2005 (n=2804) and were followed up in 2005-2007, 2008-2009, and 2018-2020. We linked SLAS1 with records from the Singapore National Death Registry to identify subjects with cancers as cause of death during this period (median follow-up period 17 years). Buffy coat samples taken at baseline were sequenced using the 42-gene target HemeMark panel (Lucence, Singapore) with a reported 0.1% limit of detection. Chi-square test and t-test were performed to compare the frequency of CH variants and the mean number of mutations per person in the case and control group. We evaluated multiple variant allele frequency (VAF) thresholds on an exploratory basis (0.1% to 2%). The relationship between CH mutations and the likelihood of developing cancer was investigated through a logistic regression model, considering CH mutation defined at various cutoff points. Results: CH was found in 29.0% (9/31) of cases and 37.9% (11/29) of controls, with common mutated genes being TET2 (8/31, 25.8%), ASXL1 (4/31, 12.9%), and DNMT3A (2/31, 6.5%) in case group (VAF threshold=0.5%). Multi-gene CH did not predict cancer at any threshold (with the lowest P value of 0.5858 corresponding to VAF 0.5), Genes correlating with increased cancer risk included TET2 with adjusting for age, which was notably significant at thresholds of 0.3% and above (VAF 0.3%, adjusted OR=2.25, 95% CI: 1.14-4.47, p=0.0201; 0.5%, adjusted OR=4.12, 95% CI: 2.00-8.88, p=0.0002). Conclusions: CH determined through multi-genes was not associated with solid cancers, but TET2 mutations at 0.3-0.5% VAF thresholds were more prevalent in cancer cases, as compared to the current 2% threshold used for calling CHIP. The finding in this nested case-control study, conducted within a cohort with a 17-year follow-up, implies a potential association between TET2 mutation and solid cancer. Further study is warranted on a larger cohort.