Abstract Glioblastoma (GB) is a devastating primary brain malignancy. Recurrence of GB is inevitable despite the standard treatment of surgery, chemotherapy, and radiation, and the median survival is limited to around 15 months. Barriers to treatment include the complex interactions among the different cellular components inhabitant of the tumor microenvironment. These challenges are further compounded by extensive inter- and intra-tumor heterogeneity and by the dynamic plasticity of GB cells. The complex heterogeneous nature of GB cells is helped by the local inflammatory tumor microenvironment, which mostly induces tumor aggressiveness and drug resistance. More effective therapy development heavily depends on higher resolution molecular subtype signatures. All cellular components of a GB tumor are subjected to a continuous pressure inducing proliferation that might favor the accumulation of genetic mutations. Understanding the genetic background of several cellular component s belonging to a GB microenvironment could give insights into tumor behavior and progression. In the present study by using fluorescent multiple labeling and DEPArray cell separator, we recovered several single cells or groups of single cells from populations of different origins from IDH-WT GB samples. From each GB sample, we collected astrocytes (GFAP+), microglia (IBA+), stem cells (CD133+), and endothelial cells (CD105+) and performed Copy Number Aberration (CNA) analysis with a low sequencing depth. The same tumors were subjected to a bulk CNA analysis. The tumor partition in its single components allowed single-cell molecular subtyping which revealed new aspects of GB altered genetic background. Nowadays, single-cell approaches are leading to a new understanding of GB physiology and disease. Moreover, single-cell CNAs resource will permit new insights into genome heterogeneity, mutational processes, and clonal evolution in malignant tissues.

Abstract Background Glioblastoma (GB) is the most severe form of brain cancer, with a 12-15 month median survival. Surgical resection, temozolomide (TMZ) treatment, and radiotherapy (RT) remain the primary therapeutic options for GB, and no new therapies have been introduced in recent years. This therapeutic standstill is primarily due to preclinical approaches that do not fully respect the complexity of GB cell biology and fail to test efficiently anti-cancer treatments. Therefore, better treatment screening approaches are needed. In this study, we have developed a novel functional precision medicine approach to test the response to anticancer treatments in organoids derived from the resected tumors of glioblastoma patients. Methods GB organoids were grown for a short period of time to prevent any genetic and morphological evolution and divergence from the tumor of origin. We chose metabolic imaging by NAD(P)H fluorescence lifetime imaging microscopy (FLIM) to predict early and non-invasively ex-vivo anti-cancer treatment responses of GB organoids. TMZ was used as the benchmark drug to validate the approach. Whole-transcriptome and whole-exome analyses were then performed to characterize tumor cases stratification. Results Our functional precision medicine approach was completed within one week after surgery and two groups of TMZ Responder and Non Responder tumors were identified. FLIM-based metabolic tumor stratification was well-reflected at the molecular level, confirming the validity of our approach, highlighting also new target genes associated with TMZ treatment and identifying a new 17 gene molecular signature associated with survival. The number of promoter methylated tumors for the MGMT gene was higher in the responsive group, as expected, however, some non-methylated tumor cases turned out to be nevertheless responsive to TMZ, suggesting that our procedure could be synergistic with the classical MGMT methylation biomarker. Conclusions For the first time, FLIM-based metabolic imaging was used on ex-vivo live glioblastoma organoids. Unlike other approaches, ex-vivo patient-tailored drug response is performed at an early stage of tumor culturing with no animal involvement and with minimal tampering with the original tumor cytoarchitecture. This functional precision medicine approach can be exploited in a range of clinical and laboratory settings to improve the clinical management of GB patients and implemented on other cancers as well.

ABSTRACT Background Glioblastoma (GB) is an incurable malignant tumor of the central nervous system, with a poor prognosis. Robust molecular biomarkers associated with therapeutic response or survival are still lacking in GB. Previously, using NADH-fluorescence lifetime imaging (NADH-FLIM), as a new drug screening precision medicine ex-vivo approach, we categorized patient-derived vital tumors into TMZ responder (Resp) and non-responder (Non-Resp) groups, revealing differentially expressed genes. Methods Expanding on our previous study, we assessed TMZ response in a larger cohort of primary and recurrent ex-vivo live GB tumors (n=33) using NADH-FLIM. Transcriptome analysis was performed to characterize TMZ Resp and Non-Resp cases, and in-silico and functional cellular investigations were conducted to explore the efficacy of potential biomarkers. Results Genes dysregulated in the previous study showed consistent expression patterns. BIRC3, a potent apoptosis inhibitor, was significantly upregulated in TMZ-resistant samples. BIRC3 expression complemented MGMT status as a prognostic factor in multiple TCGA cohorts. BIRC3 functioned as a prognostic factor of survival also in separate European private glioblastoma cohorts. The BIRC3 antagonist, AZD5582, in combination with TMZ, effectively reversed TMZ resistance by restoring apoptosis in glioblastoma cell lines and patient-derived organoids. Conclusions BIRC3 holds promise as a prognostic biomarker and predictor of TMZ response in GB. Assessing BIRC3 expression could aid in stratifying patients for combined TMZ and AZD5582 therapy. Our study highlights the potential of functional precision medicine and BIRC3 assessment as a standard tool in glioblastoma clinical oncology, improving outcomes. KEYPOINTS BIRC3, previously overlooked, identified through dynamic precision medicine using TMZ perturbation of glioblastoma tissue as a robust prognostic factor. The gene BIRC3 is an independent prognostic factor associated with shorter survival and TMZ resistance, rigorously validated across various case studies and datasets, including two expansive European case studies. Proposal of anti-BIRC3 drug, AZD5582, shows promise as a novel therapeutic option to overcome TMZ resistance in GB tumors, providing hope for improved outcomes and personalized treatment strategies for patients with limited treatment options IMPORTANCE OF THE STUDY Glioblastoma (GB), an aggressive cancer type with a bleak prognosis, lacks dependable biomarkers for treatment prediction. Few markers like MGMT promoter methylation, IDH1 mutation, TERT gene mutations, and EGFR amplification are known, but their predictive consistency varies. Temozolomide (TMZ) resistance, seen in over 50% of GB patients, complicates matters. BIRC3, an apoptosis-inhibiting gene, displays heightened expression in TMZ-resistant tumors. Our study examined BIRC3 in GB patient samples, finding it an independent prognostic factor linked to shorter survival and TMZ resistance. Our research builds upon Wang et al.’s 2016 and 2017 findings, delving deeper through TCGA data and European case studies. BIRC3’s consistent prominence suggests its significance, with functional experiments confirming its role. We assessed AZD5582, targeting BIRC3, which, when combined with TMZ, curtailed cell growth and induced apoptosis. Notably, AZD5582 countered TMZ resistance in patient-derived GB-EPXs, except for low BIRC3 cases. Our precision medicine approach enhances personalized therapies and outcomes, highlighting BIRC3’s potential as a prognostic marker and AZD5582 as a new therapy for TMZ-resistant GB.

High-throughput screening platforms for the profiling of drug sensitivity of hundreds of cancer cell lines (CCLs) have generated large datasets that hold the potential to unlock targeted, anti-tumor therapies. In this study, we leveraged these datasets to create predictive models of cancer cells drug sensitivity. To this aim we trained explainable machine learning algorithms by employing cell line transcriptomics to predict the growth inhibitory potential of drugs. We used large language models (LLMs) to expand descriptions of the mechanisms of action (MOA) for each drug starting from available annotations, which were matched to the semantically closest pathways from reference knowledge bases. By leveraging this AI-curated resource, and the interpretability of our model, we demonstrated that pathways enriched for genes crucial for prediction often matched known drug-MOAs and essential genes, suggesting that our models learned the molecular determinants of drug response. Furthermore, we demonstrated that by incorporating only LLM-curated genes associated with MOAs, we enhanced the predictive accuracy of our drug models. To enhance translatability to a clinical setting, we employed a pipeline to align bulk RNAseq from CCLs, used for training the models, to those from patient samples, used for inference. We proved the effectiveness of our approach on TCGA samples, where patients best scoring drugs matched those prescribed for their cancer type. We further showed its usefulness by predicting and experimentally validating effective drugs for the patients of two highly lethal solid tumors, i.e. pancreatic cancer and glioblastoma. In summary, our method facilitates the inference and interpretation of cancer cell line drug sensitivity and holds potential to effectively translate them into new cancer therapeutics.