Fumarate hydratase (FH) mutation causes hereditary type 2 papillary renal cell carcinoma (PRCC2). The main effect of FH mutation is fumarate accumulation. The current paradigm posits that the main consequence of fumarate accumulation is HIF-α stabilization. Paradoxically, FH mutation differs from other HIF-α stabilizing mutations, such as VHL and SDH mutations, in its associated tumor types. We identified that fumarate can directly up-regulate antioxidant response element (ARE)–controlled genes. We demonstrated that aldo-keto reductase family 1 member B10 (AKR1B10) is an ARE-controlled gene and is up-regulated upon FH knockdown as well as in FH null cell lines. AKR1B10 overexpression is also a prominent feature in both hereditary and sporadic PRCC2. This phenotype better explains the similarities between hereditary and sporadic PRCC2.

Muscle-invasive bladder carcinoma (MIBC) constitutes a heterogeneous group of tumors with a poor outcome. Molecular stratification of MIBC may identify clinically relevant tumor subgroups and help to provide effective targeted therapies. From seven series of large-scale transcriptomic data (383 tumors), we identified an MIBC subgroup accounting for 23.5% of MIBC, associated with shorter survival and displaying a basal-like phenotype, as shown by the expression of epithelial basal cell markers. Basal-like tumors presented an activation of the epidermal growth factor receptor (EGFR) pathway linked to frequent EGFR gains and activation of an EGFR autocrine loop. We used a 40-gene expression classifier derived from human tumors to identify human bladder cancer cell lines and a chemically induced mouse model of bladder cancer corresponding to human basal-like bladder cancer. We showed, in both models, that tumor cells were sensitive to anti-EGFR therapy. Our findings provide preclinical proof of concept that anti-EGFR therapy can be used to target a subset of particularly aggressive MIBC tumors expressing basal cell markers and provide diagnostic tools for identifying these tumors.

Abstract Artificial intelligence (AI) has shown promise for diagnosing prostate cancer in biopsies. However, results have been limited to individual studies, lacking validation in multinational settings. Competitions have been shown to be accelerators for medical imaging innovations, but their impact is hindered by lack of reproducibility and independent validation. With this in mind, we organized the PANDA challenge—the largest histopathology competition to date, joined by 1,290 developers—to catalyze development of reproducible AI algorithms for Gleason grading using 10,616 digitized prostate biopsies. We validated that a diverse set of submitted algorithms reached pathologist-level performance on independent cross-continental cohorts, fully blinded to the algorithm developers. On United States and European external validation sets, the algorithms achieved agreements of 0.862 (quadratically weighted κ, 95% confidence interval (CI), 0.840–0.884) and 0.868 (95% CI, 0.835–0.900) with expert uropathologists. Successful generalization across different patient populations, laboratories and reference standards, achieved by a variety of algorithmic approaches, warrants evaluating AI-based Gleason grading in prospective clinical trials.

Abstract Purpose: Selecting patients with metastatic clear-cell renal cell carcinoma (m-ccRCC) who might benefit from treatment with targeted tyrosine kinase inhibitors (TKI) is a challenge. Our aim was to identify molecular markers associated with outcome in patients with m-ccRCC treated with sunitinib. Experimental Design: We performed global transcriptome analyses on 53 primary resected ccRCC tumors from patients who developed metastatic disease and were treated with first-line sunitinib. We also determined chromosome copy-number aberrations, methylation status, and gene mutations in von Hippel–Lindau and PBRM1. Molecular data were analyzed in relation with response rate (RR), progression-free survival (PFS), and overall survival (OS). Validation was performed in 47 additional ccRCC samples treated in first-line metastatic setting with sunitinib. Results: Unsupervised transcriptome analysis identified 4 robust ccRCC subtypes (ccrcc1 to 4) related to previous molecular classifications that were associated with different responses to sunitinib treatment. ccrcc1/ccrcc4 tumors had a lower RR (P = 0.005) and a shorter PFS and OS than ccrcc2/ccrcc3 tumors (P = 0.001 and 0.0003, respectively). These subtypes were the only significant covariate in the multivariate Cox model for PFS and OS (P = 0.017 and 0.006, respectively). ccrcc1/ccrcc4 tumors were characterized by a stem-cell polycomb signature and CpG hypermethylation, whereas ccrcc3 tumors, sensitive to sunitinib, did not exhibit cellular response to hypoxia. Moreover, ccrcc4 tumors exhibited sarcomatoid differentiation with a strong inflammatory, Th1-oriented but suppressive immune microenvironment, with high expression of PDCD1 (PD-1) and its ligands. Conclusions: ccRCC molecular subtypes are predictive of sunitinib response in metastatic patients, and could be used for personalized mRCC treatment with TKIs, demethylating or immunomodulatory drugs. Clin Cancer Res; 21(6); 1329–39. ©2015 AACR.