SUMMARY Mutational signature analysis is commonly performed in genomic studies surveying cancer and normal somatic tissues. Here we present SigProfilerExtractor, an automated tool for accurate de novo extraction of mutational signatures for all types of somatic mutations. Benchmarking with a total of 34 distinct scenarios encompassing 2,500 simulated signatures operative in more than 60,000 unique synthetic genomes and 20,000 synthetic exomes demonstrates that SigProfilerExtractor outperforms thirteen other tools across all datasets with and without noise. For genome simulations with 5% noise, reflecting high-quality genomic datasets, SigProfilerExtractor outperforms other approaches by elucidating between 20% and 50% more true positive signatures while yielding more than 5-fold less false positive signatures. Applying SigProfilerExtractor to 4,643 whole-genome sequenced and 19,184 whole-exome sequenced cancers reveals four previously missed mutational signatures. Two of the signatures are confirmed in independent cohorts with one of these signatures associating with tobacco smoking. In summary, this report provides a reference tool for analysis of mutational signatures, a comprehensive benchmarking of bioinformatics tools for extracting mutational signatures, and several novel mutational signatures including a signature putatively attributed to direct tobacco smoking mutagenesis in bladder cancer and in normal bladder epithelium.

ABSTRACT To characterise the somatic alterations in colorectal cancer (CRC), we conducted whole-genome sequencing analysis of 2,023 tumours. We provide the most detailed high-resolution map to date of somatic mutations in CRC, and demonstrate associations with clinicopathological features, in particular location in the large bowel. We refined the mutational processes and signatures acting in colorectal tumorigenesis. In analyses across the sample set or restricted to molecular subtypes, we identified 185 CRC driver genes, of which 117 were previously unreported. New drivers acted in various molecular pathways, including Wnt ( CTNND1, AXIN1, TCF3 ), TGF-β/BMP ( TGFBR1 ) and MAP kinase ( RASGRF1, RASA1, RAF1 , and several MAP2K and MAP3K loc i ). Non-coding drivers included intronic neo-splice site alterations in APC and SMAD4 . Whilst there was evidence of an excess of mutations in functionally active regions of the non-coding genome, no specific drivers were called with high confidence. Novel recurrent copy number changes included deletions of PIK3R1 and PWRN1 , as well as amplification of CCND3 and NEDD9 . Putative driver structural variants included BRD4 and SOX9 regulatory elements, and ACVR2A and ANKRD11 hotspot deletions. The frequencies of many driver mutations, including somatic Wnt and Ras pathway variants, showed a gradient along the colorectum. The Pks-pathogenic E. coli signature and TP53 mutations were primarily associated with rectal cancer. A set of unreported immune escape driver genes was found, primarily in hypermutated CRCs, most of which showed evidence of genetic evasion of the anti-cancer immune response. About 25% of cancers had a potentially actionable mutation for a known therapy. Thirty-three of the new driver genes were predicted to be essential, 17 possessed a druggable structure, and nine had a bioactive compound available. Our findings provide further insight into the genetics and biology of CRC, especially tumour subtypes defined by genomic instability or clinicopathological features.

Abstract Tumours are dynamically evolving populations of cells. Subclonal reconstruction algorithms use bulk DNA sequencing data to quantify parameters of tumour evolution, allowing assessment of how cancers initiate, progress and respond to selective pressures. A plethora of subclonal reconstruction algorithms have been created, but their relative performance across the varying biological and technical features of real-world cancer genomic data is unclear. We therefore launched the ICGC-TCGA DREAM Somatic Mutation Calling -- Tumour Heterogeneity and Evolution Challenge. This seven-year community effort used cloud-computing to benchmark 31 containerized subclonal reconstruction algorithms on 51 simulated tumours. Each algorithm was scored for accuracy on seven independent tasks, leading to 12,061 total runs. Algorithm choice influenced performance significantly more than tumour features, but purity-adjusted read-depth, copy number state and read mappability were associated with performance of most algorithms on most tasks. No single algorithm was a top performer for all seven tasks and existing ensemble strategies were surprisingly unable to outperform the best individual methods, highlighting a key research need. All containerized methods, evaluation code and datasets are available to support further assessment of the determinants of subclonal reconstruction accuracy and development of improved methods to understand tumour evolution.

Multiple myeloma (MM) has a heterogeneous genome, evolving through both pre-clinical and post-diagnosis phases. Here, using sequences from 67 MM genomes serially collected from 30 patients together with public datasets, we establish a hierarchy of driver lesions. Point mutations, structural variants and copy number aberrations define at least 7 genomic subgroups of MM, each with distinct sets of co-operating driver mutations. Complex structural events are major drivers of MM, including chromothripsis, chromoplexy and a replication-based mechanism of templated insertions: these typically occur early. Hyperdiploidy also occurs early, with individual chromosomes often gained in more than one chronological epoch of MM evolution, showing a preferred order of acquisition. Positively selected point mutations frequently occur in later phases of disease development, as do structural variants involving MYC. Thus, initiating driver events of MM, drawn from a limited repertoire of structural and numerical chromosomal changes, shape preferred trajectories of subsequent evolution.

Continual evolution of cancer makes it challenging to predict clinical outcomes. Highly varied and unpredictable patient outcomes in esophageal adenocarcinoma (EAC) prompted us to question the pattern and timing of metastatic spread. Whole genome sequencing and phylogenetic analysis of 396 samples across 18 EAC cases demonstrated a stellate pattern on the phylogenetic trees in 90% cases. The age-dependent trinucleotide signature, which can serve as a molecular clock, was absent or reduced in the stellate branches beyond the trunk in most cases (p<0.0001). Clustering of lymph nodes and distant metastases (n=250) demonstrated samples sharing a common clonal origin were widely dispersed anatomically. Metastatic subclones at autopsy were present in tissue and blood samples from earlier time-points. We infer that metastasis occurs rapidly across multiple sites, constituting a model of metastatic spread we term clonal diaspora. This has implications for understanding metastatic progression, clinical staging and patient management.

Metastatic melanoma carries a poor prognosis despite modern systemic therapies. Understanding the evolution of the disease could help inform patient management. Through whole-genome sequencing of 13 melanoma metastases sampled at autopsy from a treatment naive patient and by leveraging the analytical power of multi-sample analyses, we reveal that metastatic cells may depart the primary tumour very early in the disease course and follow a branched pattern of evolution. Truncal UV-induced mutations that often swamp downstream analyses of heterogeneity, were found to be replaced by APOBEC-associated mutations in the branches of the evolutionary tree. Multi-sample analyses from a further 7 patients confirmed that branched evolution was pervasive, representing an important mode of melanoma dissemination. Our analyses illustrate that combining cancer cell fraction estimates across multiple metastases provides higher resolution phylogenetic reconstructions relative to single sample analyses and highlights the limitations of accurately inferring inter-tumoural heterogeneity from a single biopsy.

Abstract Myeloid cells are highly prevalent in glioblastoma (GBM), existing in a spectrum of phenotypic and activation states. We currently have limited knowledge of the tumour microenvironment (TME) determinants that influence the localisation and the functions of the diverse myeloid cell populations in GBM. Here we have utilised orthogonal imaging mass cytometry with single cell and spatial transcriptomics approaches to identify and map the various myeloid populations in the human GBM tumour microenvironment (TME). Our results show that different myeloid populations have distinct and reproducible compartmentalisation patterns in the GBM TME that is driven by tissue hypoxia, regional chemokine signalling, and varied homotypic and heterotypic cellular interactions. We subsequently identified specific tumour sub-regions in GBM, based upon composition of identified myeloid cell populations, that were linked to patient survival. Our results provide new insight into the spatial organisation of myeloid cell sub populations in GBM, and how this is predictive of clinical outcome. Teaser Multi-modal mapping reveals that the spatial organisation of myeloid cells in glioblastoma impacts disease outcome.

We investigated intratumor heterogeneity and clonal evolution of papillary renal cell carcinoma (pRCC) and rarer kidney cancer subtypes, integrating whole-genome sequencing and DNA methylation data. In 29 tumors, up to 10 samples from the center to the periphery of each tumor, and metastatic samples in 2 cases, enabled phylogenetic analysis of spatial features of clonal expansion, which showed congruent patterns of genomic and epigenomic evolution. In contrast to previous studies of clear cell renal cell carcinoma, in pRCC driver gene mutations and most arm-level somatic copy number alterations (SCNAs) were clonal. These findings suggest that a single biopsy would be sufficient to identify the important genetic drivers and targeting large-scale SCNAs may improve pRCC treatment, which is currently poor. While type 1 pRCC displayed near absence of structural variants (SVs), the more aggressive type 2 pRCC and the rarer subtypes had numerous SVs, which should be pursued for prognostic significance.

Estimating the fraction of cancer cells with individual somatic mutations is central to many analyses in cancer genomics, including characterisation of clonal architecture and timing of mutational events. Estimation of these cancer cell fractions (CCFs) is contingent on unbiased assessment of the fraction of reads supporting variant alleles (VAFs). We demonstrate that VAFs computed by the Illumina Isaac pipeline, used in many large-scale sequencing projects including The 100,000 Genomes Project, are biased by the preferential soft clipping of reads supporting non-reference alleles (semi-aligned reads). We show that these biased VAFs can have deleterious effects on downstream analyses reliant on unbiased CCF estimates. While Isaac bias can be corrected through realignment with alternative parameters, this is computationally intensive. We therefore developed FixVAF, a tool for removing bias introduced by soft clipping of semi-aligned reads, facilitating downstream analyses without the need for realignment. FixVAF is freely available at https://github.com/danchubb/FixVAF.

Abstract Black women of African ancestry experience more aggressive breast cancer with higher mortality rates than White women of European ancestry. Although inter-ethnic germline variation is known, differential somatic evolution has not been investigated in detail. Analysis of deep whole genomes of 97 breast tumors, with RNA-seq in a subset, from indigenous African patients in Nigeria in comparison to The Cancer Genome Atlas (n=76) revealed a higher rate of genomic instability and increased intra-tumoral heterogeneity as well as a unique genomic subtype defined by early clonal GATA3 mutations and a 10.5-year younger age at diagnosis. We also found evidence for non-coding mutations in two novel drivers ( ZNF217 and SYPL1 ) and a novel INDEL signature strongly associated with African ancestry proportion. This comprehensive analysis of an understudied population underscores the need to incorporate diversity of genomes as a key parameter in fundamental research with potential to tailor clinical intervention and promote equity in precision oncology care.