Validating advanced MRI features as surrogate biomarkers of the molecular subgroups of glioblastoma by exploiting patient-specific cancer stem cell (CSC)-based animal models.

INTRODUZIONE: Il glioblastoma (GBM) è il tumore cerebrale più maligno degli adulti. Sono stati identificati sottogruppi trascrizionali (proneurale, PN, classico, CL e mesenchimale, MES), con il MES che è il più aggressivo. La radiomica è stata recentemente applicata alla neurooncologia, ma generalmente non all'affiliazione trascrizionale. Le cellule staminali di glioma derivate da GBM (CSG) vengono utilizzate per modellizzare il GBM, ma le condizioni di coltura possono influire sull’efficacia del modello. MATERIALI E METODI: 36 GBM IDHwt sono stati studiati con protocolli di RM avanzata, comprese le sequenze di diffusione. Sono state stabilite 14 linee CSG da 48 GBM e sono state trapiantate per generare xenotrapianti. Le caratteristiche radiomiche sono state estratte dai pazienti e xenotrapianti per creare un modello che determini l'affiliazione MES. I GBM umani e le loro linee di CSG sono stati profilati a livello trascrizionale e proteico. RISULTATI: Nella prima traccia del nostro studio, abbiamo sfruttato le caratteristiche radiomiche estratte da DTI e NODDI che indicano che i tumori MES sono più localmente infiltrativi e hanno un segnale più eterogeneo rispetto ai tumori non MES, probabilmente a causa di cellule maggiormente proliferanti e meno migratorie e che depositano matrice extracellulare. I modelli basati su tali caratteristiche riescono a prevedere l'affiliazione MES. Nella seconda traccia di studio, abbiamo dimostrato una progressiva deriva in vitro nell'affiliazione trascrizionale di CSG derivate da GBM, con alcune divergenti verso un profilo PN, mentre altre verso un profilo MES. La componente CL risultava generalmente sottoregolata in vitro. Tuttavia, le linee PN modellizzano in modo efficiente i GBM PN, così come le CSG MES fanno con i GBM MES. Abbiamo anche dimostrato che le classificazioni basate sulle proteine approssimano efficacemente la classificazione trascrizionale. Nella terza traccia, abbiamo dimostrato una divergenza trascrizionale crescente dei GBM PN, CL e MES dal tessuto cerebrale sano, suggerendo una probabile progressione da PN a MES. I GBM MES sono più ipossici e angiogenici e più dipendenti dalla matrice extracellulare. Al contrario, i tumori PN sfruttano ontologie neuronali, in grado di stabilire sinapsi con i neuroni per guidare l'infiltrazione lungo i tratti della sostanza bianca. Nell'ultima traccia, abbiamo identificato IL7R come un candidato mediatore specifico per il sottogruppo MES. Da notare, l'espressione tumorale di IL7R evidente in ospiti murini immunocompetenti ma non in immunocompromessi suggerisce un rapporto tra il microambiente immunitario e le cellule tumorali. CONCLUSIONI: abbiamo identificato nuove caratteristiche radiomiche derivate da risonanza magnetica di diffusione che correlano e predicono l'affiliazione MES dei GBM. Abbiamo confermato le CSG come potenti strumenti per modellizzare l'eterogeneità dei GBM, specialmente nei passaggi precoci e intermedi, nonostante la progressiva deriva in vitro dell'affiliazione trascrizionale. Abbiamo postulato un'evoluzione trascrizionale dei GBM, suggerendo anche diversi meccanismi di infiltrazione. Abbiamo proposto anche un ruolo per IL7R come potenziale biomarcatore dei GBM MES.

Introduction: Glioblastoma (GBM) is the most malignant brain tumor in adults. Transcriptional subgroups (proneural, PN, classical, CL, and mesenchymal, MES) have been identified, with MES being the most aggressive. Radiomics has been recently applied to neurooncology, but generally not to transcriptional affiliation. GBM derived glioma stem cells (GSCs) are used to model GBM, but culturing conditions may affect effective modeling. Materials and Methods: 36 IDHwt GBMs have been studied with advanced MRI protocols including diffusion sequences. 14 GSC lines were established from 48 GBMs and were transplanted to generate xenografts. Radiomic features were extracted from humans and xenografts to train a model predicting MES affiliation. Human GBMs and their GSC lines were profiled at the transcriptional and protein level. Results: In the first track of our study, we exploited radiomic features extracted from DTI and NODDI that indicate that MES tumors are more locally infiltrative and have more heterogeneous signal than non-MES tumors, probably due to more proliferative, less migrating cells and deposition of extracellular matrix. Models based on such features can predict MES affiliation. In the second study track, we demonstrated a progressive in vitro drift in transcriptional affiliation of GBM-derived GSCs, with some diverging to a PN profile, while other to a MES. CL component was generally downregulated in vitro. Still, PN lines efficiently model PN GBMs, as do MES GSCs for MES GBMs. We also demonstrated that protein-based categorizations effectively approximate transcriptional classification. In the third track, we demonstrated an increasing transcriptional distance of PN, CL and MES GBMs from healthy brain tissue, suggesting a likely progression from PN to MES. MES GBMs are more hypoxic and angiogenic and more dependent on extracellular matrix. On the contrary, PN tumors exploit neuronal ontologies, likely to establish synapses with neurons to guide infiltration along white matter tracts. In the last track, we identified IL7R as a candidate MES-specific mediator. Of note, tumor expression of IL7R in immunocompetent but not in immunocompromised murine recipients suggests a crosstalk between the immune microenvironment and tumor cells. Conclusions: We identified novel diffusion MRI radiomic features that correlate and predict MES affiliation of GBMs. We confirmed GSCs as powerful tools to model GBM heterogeneity, especially at early and intermediate passages, notwithstanding the progressive in vitro drift in transcriptional affiliation. We postulated a transcriptional-based evolution of GBMs, suggesting also different mechanisms of infiltration. We also propose a role of IL7R in MES GBM as potential biomarker.