Tumor-macrophage Interactions - The Promised Land for Identifying Novel Anti-cancer Targets

Brystkreft er den vanligste kreftformen blant kvinner i Norge, med mer enn 3000 nye diagnoser i 2020. Dødeligheten er hovedsakelig et resultat av spredning av kreftceller, med påfølgende dannelse av svulster i nye organer. Mange pasienter har effekt av kreftmedisinene tilgengelig per i dag, men en stor andel vil likevel få tilbakefall og utvikle kreft resistent mot denne type behandling. Dette fører ofte til spredning av kreften, med få eller ingen effektive medisiner mot dette. Derfor er forståelse av kreftspredning essensiell for å kunne finne både nye metoder for diagnostisering, og nye behandlingsformer for disse pasientene. En tumor består i tillegg til kreftceller, av flere andre celletyper. Disse inkluderer blant annet diverse immunceller, og i dette prosjektet ønsket vi å se nærmere på hvordan tumoren kan påvirkes av spesielt en type immunceller, kalt makrofager. Dette er spesielt interessant siden disse immuncellene kan legge til rette for tumorvekst, men også hjelpe kreftcellene til å bli mindre mottakelige for kjemoterapi. Ved å undersøke signalene som sendes mellom brystkreftceller og disse immuncellene i tumoren, vil det være mulig å identifisere sentrale faktorer som er viktige for tumorens evne til å tilpasse seg behandling, samt hvordan immuncellene brukes til å legge til rette for dette. Våre data viser hvordan nye behandlingskombinasjoner i en dyremodell for aggressive brystkreft kan redusere tumorvekst ved å både øke effekten av cellegift i selve tumoren, men også ved å redusere spredning til andre organer. Siden mekanismen bak denne økte responsen fortsatt er uklar, valgte vi å bruke forskjellige såkalt «high-throughput» metoder for å få en generell oversikt over aktiviteten i tumor og immunceller, og kommunikasjonen mellom disse etter behandling. Slike metoder samler inn store mengder data fra f.eks. alle gener og/eller celler som finnes i en tumor. På den måten kan vi undersøke hvordan spesifikke celler endrer seg under behandling, og hva som skiller disse i tumorer som responderer på behandling. Dette er spesielt relevant for immunceller, som basert på hvilke gener de utrykker, enten kan legge til rette for eller motvirke tumorvekst. Flow cytometri (som blant annet lar oss identifisere endring i immunceller) av tumorprøver fra dyr behandlet med kjemoterapi sammen med de forskjellige målrettede behandlingene, viste redusert antall pro-tumor makrofager (som normalt hjelper fremveksten av tumorceller). Vi kunne også se økning i andre immuncellepopulasjoner som er gunstig for å motarbeide kreftcellene, og som er en god indikasjon på at behandlingene har ønsket effekt. For å undersøke hvilke endringer disse tumorene gikk gjennom, gejnnomførte vi RNA-sekvensering (RNA-seq) av behandlede tumorer. Dette lot oss undersøke hvordan gener endrer seg som følge av behandling. Disse dataene ble så sammen med proteindata fra flow cytometri brukt for å validere endringer etter behandling. For å bedre forståelsen av respons på behandling gjorde vi så single-cell RNA-seq (scRNA-seq), som lar oss se på enkeltcellers endring som følge av behandling. Dette kan være spesielt gunstig om kun en mindre populasjon av celler er viktig, siden disse signalene vil være vanskelig å identifisere ved vanlig RNA-seq (som kun gir et oversiktsbilde over hele tumoren). Ved hjelp av disse metodene identifiserte vi endringer som ser ut til å være sentrale i responsen til behandling (eller fravær av denne), både for konvensjonell kjemoterapi, men også de nye behandlingsmetodene testet i dyremodeller. Disse observasjonene ble så bekreftet ved å se etter tilsvarende endringer i både datasett tilgjengelig fra tidligere studier og gjennom andre pågående studier i forskningsgruppen ved OHSU, hvor preliminære pasientdata er tilgjengelig for noen av de nye behandling vi har testet ut i dyr. På den måten har vi mulighet til å relatere funnene i dyr til pasientmateriale. På samme måte, ble pasientdata tilgjengelig ved forskningsgruppen i Norge brukt til å bekrefte funn knyttet til fravær av respons på vanlig kjemoterapi. For øyeblikket arbeides det med å ferdigstille de siste analysene for ytterlige detaljer rundt hvilke signaler og immunceller som er viktig i respons på behandling. De endelige analysene vil så bli sendt for publikasjon i internasjonalt anerkjente tidsskrifter for kreftforskning. Disse studiene vil ikke bare gi informasjon om nye alternativ for behandling av pasienter med få alternativer per i dag, men vil også være viktig i videre forståelse av hvordan kreftceller kan omgå effekten av kjemoterapi i pasienter med brystkreft og identifikasjon av hvilke pasienter som er mer utsatt for nettop dette.

The project will contribute significantly to the field of immune oncology, in particular the ongoing studies of interactions in the tumor-immune microenvironment (including tumor-or-macrophage interactions). It will also aid in development om novel drugs targeting these interactions. Multiple manuscripts (>3 manuscripts) are now in preparation and will be submitted during 2023. These cover the functional changes after treatment both with novel targeted drugs, as well as with treatments currently used as standard-of-care. The combination of conventional multiparametric flow, for identifying relevant immune sub-populations, with multiple levels of omics-data has been used in order to characterize changes associated with the treatments. Several nodes associated with response to the different treatments has been identified, both on gene and protein level, but also through changes in pathways and cell sub-populations after treatment. These specific results will be communicated through the manuscript in preparation.

Cancer is among the most common mortality factors in the western world. Many patients benefit from conventional therapy, nevertheless, a large subset experiences relapse and develops drug resistance. Eventually many of these patients will progress into metastatic disease, of which treatment is inadequate and in most cases not curative. Thus, there is an urgent clinical need for more effective anti-metastatic therapy. In addition to the cancer cells, tumors consist of distinct stromal cells, like tumor-associated macrophages (TAMs), and the dynamic interactions between these cells are crucial for growth and survival. Such interactions are also essential when cancer cells switch their phenotype to a more aggressive mesenchymal state, promoting metastatic progression and treatment resistance. By characterizing central nodes involved in this process, therapeutic targets with potential impact on clinical management of metastatic disease may be identified. This project aims to use an animal model of metastatic breast cancer, PyMT, to elucidate the bi-directional communication between the cancer cells and TAMs. Preliminary data has shown that targeting pro-tumorigenic TAMs (with Paclitaxel and anti-CSF1R) prior to treatment with immunotherapy (aPD-1), improves survival and reduces tumor growth. We are interested in identifying how addition of aPD-1 impacts the remaining TAMs. Particularly interesting is also the observation that animals treated with the triple combination can be divided into two distinct subgroups, responders and non-responders. In the present project we will elucidate whether the differences in response to treatment is due to differences in the macrophage compartment. Initially through use of bulk RNAseq, to identify large scale changes in the transcriptome of tumor responding and not responding to treatment. By combining this with single cell RNA-sequencing (scRNAseq) we would identify not only broad specter changes in tumors after treatment, but also cell specific changes in macrophages, as well as other distinct immune cell populations. This will allow us to examine how the addition of aPD-1 affect these, and whether specific signatures or targets can be used to identify responders and non-responders. Changes in expression of macrophages would be validated, before potential targets will undergo stringent evaluation in vitro before immune-competent mice will be used to validate the targets/factors. Finally, the clinical relevance of potential targets will be validated utilizing tumor tissue collected from breast cancer patients. We anticipate that through this study novel therapeutic targets/strategies and/or biomarkers to tailor phenotype-based treatment against metastatic cancer will be revealed.