As next-generation sequencing becomes a clinical tool, a full understanding of the variables affecting sequencing analysis output is required. Through the International Cancer Genome Consortium (ICGC), we compared sequencing pipelines at five independent centers (CNAG, DKFZ, OICR, RIKEN and WTSI) using a single tumor-blood DNA pair. Analyses by each center and with one standardized algorithm revealed significant discrepancies. Although most pipelines performed well for coding mutations, library preparation methods and sequencing coverage metrics clearly influenced downstream results. PCR-free methods showed reduced GC-bias and more even coverage. Increasing sequencing depth to ~100x (two- to three-fold higher than current standards) showed a benefit, as long as the tumor:control coverage ratio remained balanced. To become part of routine clinical care, high-throughput sequencing must be globally compatible and comparable. This benchmarking exercise has highlighted several fundamental parameters to consider in this regard, which will allow for better optimization and planning of both basic and translational studies.

The emergence of next generation DNA sequencing technology is enabling high-resolution cancer genome analysis. Large-scale projects like the International Cancer Genome Consortium (ICGC) are systematically scanning cancer genomes to identify recurrent somatic mutations. Second generation DNA sequencing, however, is still an evolving technology and procedures, both experimental and analytical, are constantly changing. Thus the research community is still defining a set of best practices for cancer genome data analysis, with no single protocol emerging to fulfil this role. Here we describe an extensive benchmark exercise to identify and resolve issues of somatic mutation calling. Whole genome sequence datasets comprising tumor-normal pairs from two different types of cancer, chronic lymphocytic leukaemia and medulloblastoma, were shared within the ICGC and submissions of somatic mutation calls were compared to verified mutations and to each other. Varying strategies to call mutations, incomplete awareness of sources of artefacts, and even lack of agreement on what constitutes an artefact or real mutation manifested in widely varying mutation call rates and somewhat low concordance among submissions. We conclude that somatic mutation calling remains an unsolved problem. However, we have identified many issues that are easy to remedy that are presented here. Our study highlights critical issues that need to be addressed before this valuable technology can be routinely used to inform clinical decision-making.

Abstract Pancreatic ductal adenocarcinoma (PDAC) is projected to be the second leading cause of cancer mortality by 2030. Bulk transcriptomic analyses have distinguished ‘classical’ pancreatic tumors from ‘basal-like’ tumors with more aggressive clinical behaviour. We derived PDAC organoids from primary tumors of 18 patients, together with two matched samples from liver metastases. By single-cell RNA sequencing, we show that PDAC organoids consist of ductal cells with patient-specific expression of several gene groups, including genes which encode cell surface proteins. We report ‘classical’ and ‘basal-like’ cells coexisting within single primary tumors or metastases, with greater intratumor subtype heterogeneity linked to higher tumor grade. Single-cell transcriptome analysis of PDAC organoids and primary PDAC identified distinct tumor cell states shared across patients, including a cycling progenitor cell state and a differentiated secretory state. We show that these cell states are connected by a differentiation hierarchy, with ‘classical’ subtype cells concentrated at the endpoint of this hierarchy. In an imaging-based drug screen, expression of ‘classical’ subtype genes also correlates with better response to clinical drugs. Our results thus uncover a functional hierarchy of PDAC cell states linked to transcriptional tumor subtypes, and support the use of PDAC organoids as a clinically relevant model for in vitro studies of tumor heterogeneity.

Abstract Background Cancer evolution depends on epigenetic and genetic diversity. Historically, in multiple myeloma (MM), subclonal diversity and tumor evolution have been investigated mostly from a genetic perspective. Results Here, we combined the notions of epipolymorphism and epiallele switching to analyze DNA methylation heterogeneity in MM patients. We show that MM is characterized by the continuous accumulation of stochastic methylation at the promoters of development-related genes. High entropy change is associated with poor outcomes and depends predominantly on partially methylated domains (PMDs). These PMDs, which represent the major source of inter- and intrapatient DNA methylation heterogeneity in MM, are linked to other key epigenetic aberrations, such as CpG island (CGI)/transcription start site (TSS) hypermethylation and H3K27me3 redistribution as well as 3D organization alterations. In addition, transcriptome analysis revealed that intratumor methylation heterogeneity was associated with low-level expression and high variability. Conclusion We propose that disordered methylation in MM is responsible for high epigenetic and transcriptomic instability allowing tumor cells to adapt to environmental changes by tapping into a pool of evolutionary trajectories.

Summary Pre-eclampsia (PE) is a syndrome that affects multiple organ systems and is the most severe hypertensive disorder in pregnancy. It frequently leads to preterm delivery, maternal and fetal morbidity and mortality and life-long complications 1 . We currently lack efficient screening tools 2, 3 and early therapies 4, 5 to address PE. To investigate the early stages of early onset PE, and identify candidate markers and pathways, we performed spatio-temporal multi-omics profiling of human PE placentae and healthy controls and validated targets in early gestation in a longitudinal clinical cohort. We used a single-nuclei RNA-seq approach combined with spatial proteo- and transcriptomics and mechanistic in vitro signalling analyses to bridge the gap from late pregnancy disease to early pregnancy pathomechanisms. We discovered a key disruption in villous trophoblast differentiation, which is driven by the increase of transcriptional coactivator p300, that ultimately ends with a senescence-associated secretory phenotype (SASP) of trophoblasts. We found a significant increase in the senescence marker activin A in preeclamptic maternal serum in early gestation, before the development of clinical symptoms, indicating a translation of the placental syndrome to the maternal side. Our work describes a new disease progression, starting with a disturbed transition in villous trophoblast differentiation. Our study identifies potential pathophysiology-relevant biomarkers for the early diagnosis of the disease as well as possible targets for interventions, which would be crucial steps toward protecting the mother and child from gestational mortality and morbidity and an increased risk of cardiovascular disease later in life.

Abstract The SARS-CoV-2 pandemic has challenged researchers at a global scale. The scientific community’s massive response has resulted in a flood of experiments, analyses, hypotheses, and publications, especially in the field of drug repurposing. However, many of the proposed therapeutic compounds obtained from SARS-CoV-2 specific assays are not in agreement and thus demonstrate the need for a singular source of COVID-19 related information from which a rational selection of drug repurposing candidates can be made. In this paper, we present the COVID-19 PHARMACOME, a comprehensive drug-target-mechanism graph generated from a compilation of 10 separate disease maps and sources of experimental data focused on SARS-CoV-2 / COVID-19 pathophysiology. By applying our systematic approach, we were able to predict the synergistic effect of specific drug pairs, such as Remdesivir and Thioguanosine or Nelfinavir and Raloxifene, on SARS-CoV-2 infection. Experimental validation of our results demonstrate that our graph can be used to not only explore the involved mechanistic pathways, but also to identify novel combinations of drug repurposing candidates.

Abstract The worldwide spread of severe acute respiratory syndrome-related coronavirus-2 (SARS-CoV-2) caused an urgent need for an in-depth understanding of interactions between the virus and its host. Here, we dissected the dynamics of virus replication and the host cell transcriptional response to SARS-CoV-2 infection at a systems level by combining time-resolved RNA sequencing with mathematical modeling. We observed an immediate transcriptional activation of inflammatory pathways linked to the anti-viral response followed by increased expression of genes involved in ribosome and mitochondria function, thus hinting at rapid alterations in protein production and cellular energy supply. At later stages, metabolic processes, in particular those depending on cytochrome P450 enzymes, were downregulated. To gain a deeper understanding of the underlying transcriptional dynamics, we developed an ODE model of SARS-CoV-2 infection and replication. Iterative model reduction and refinement revealed that a negative feedback from virus proteins on the expression of anti-viral response genes was essential to explain our experimental dataset. Our study provides insights into SARS-CoV-2 virus-host interaction dynamics and facilitates the identification of druggable host pathways supporting virus replication.

Abstract Early genetic studies hinted the role of airway epithelial cells in the development of idiopathic pulmonary fibrosis (IPF), while recent single-cell RNA sequencing (scRNA-seq) atlases utilized explant IPF lungs and therefore represent late-stage disease. Here, we used air liquid interface (ALI) cultures of primary cells taken from the subsegmental bronchi of newly diagnosed IPF patients, reflecting early-stage fibrosis, to interrogate the transcriptional landscape of the airway mucosa. Profiling of 129,986 cells identified a shared proinflammatory state in epithelial cells and an early activation state of fibroblasts. Moreover, IPF basal cells initiated awry repair mechanisms and primed the airway mucosa for TGF-β activation. Treatment with nintedanib, pirfenidone, both established antifibrotic drugs, and saracatinib, an Src kinase inhibitor that can limit IPF progression, only significantly affected certain IPF signatures. This study provides insight into the early disease mechanisms of IPF and may serve as a resource to further investigate pharmacological inhibition effects.

Abstract Regulation of gene expression through multiple epigenetic components is a highly combinatorial process. Alterations in any of these layers, as is commonly found in cancer diseases, can lead to a cascade of downstream effects on tumor suppressor or oncogenes. Hence, deciphering the effects of epigenetic alterations on regulatory elements requires innovative computational approaches that can benefit from the huge amounts of epigenomic datasets that are available from multiple consortia, such as Roadmap or BluePrint. We developed a software tool named Irene (Integrative Ranking of Epigenetic Network of Enhancers), which performs quantitative analyses on differential epigenetic modifications through an integrated, network-based approach. The method takes into account the additive effect of alterations on multiple regulatory elements of a gene. Applying this tool to well-characterized test cases, it successfully found many known cancer genes from publicly available cancer epigenome datasets.

Abstract Pancreatic ductal adenocarcinoma (PDAC) is characterized by high drug resistance and poor prognosis. Novel therapeutic and stratification strategies are urgently needed. Here, we present an integration of in-depth genomic and transcriptomic characterization with drug screening and clinical outcome based on a catalogue of 51 patient-derived tumor organoids (PDOs) from resected PDAC. Known PDAC molecular subtypes and their prognostic value are conserved in organoids. Integration of transcriptomic and drug response profiles suggest a metabolism-mediated modulations of drug resistance. Copy number alterations on chromosome 13q and wild-type status of TP53 emerged as potential novel genomic biomarkers for sensitivity to 5-FU and oxaliplatin treatment, respectively. Functional testing of targeted drugs in PDOs revealed its additional value for genome-driven personalized oncology. Co-deletion of TP53 / POLR2A increased vulnerability to RNA polymerase II inhibition, pointing to a promising target for personalized treatment in PDAC. Significance Patient-derived PDAC organoids hold great promise as surrogate tumor models for personalized oncology. By integrating highly granular molecular, drug sensitivity and clinical data, we demonstrate that PDOs are valid models for molecular characterization and response prediction that also enable identification of novel drug sensitivity biomarkers and resistance mechanisms in PDAC.