Chromosomal instability (CIN) results in the accumulation of large-scale losses, gains and rearrangements of DNA1. The broad genomic complexity caused by CIN is a hallmark of cancer2; however, there is no systematic framework to measure different types of CIN and their effect on clinical phenotypes pan-cancer. Here we evaluate the extent, diversity and origin of CIN across 7,880 tumours representing 33 cancer types. We present a compendium of 17 copy number signatures that characterize specific types of CIN, with putative aetiologies supported by multiple independent data sources. The signatures predict drug response and identify new drug targets. Our framework refines the understanding of impaired homologous recombination, which is one of the most therapeutically targetable types of CIN. Our results illuminate a fundamental structure underlying genomic complexity in human cancers and provide a resource to guide future CIN research.

Abstract Purpose: Gene expression–based molecular subtypes of high-grade serous tubo-ovarian cancer (HGSOC), demonstrated across multiple studies, may provide improved stratification for molecularly targeted trials. However, evaluation of clinical utility has been hindered by nonstandardized methods, which are not applicable in a clinical setting. We sought to generate a clinical grade minimal gene set assay for classification of individual tumor specimens into HGSOC subtypes and confirm previously reported subtype-associated features. Experimental Design: Adopting two independent approaches, we derived and internally validated algorithms for subtype prediction using published gene expression data from 1,650 tumors. We applied resulting models to NanoString data on 3,829 HGSOCs from the Ovarian Tumor Tissue Analysis consortium. We further developed, confirmed, and validated a reduced, minimal gene set predictor, with methods suitable for a single-patient setting. Results: Gene expression data were used to derive the predictor of high-grade serous ovarian carcinoma molecular subtype (PrOTYPE) assay. We established a de facto standard as a consensus of two parallel approaches. PrOTYPE subtypes are significantly associated with age, stage, residual disease, tumor-infiltrating lymphocytes, and outcome. The locked-down clinical grade PrOTYPE test includes a model with 55 genes that predicted gene expression subtype with >95% accuracy that was maintained in all analytic and biological validations. Conclusions: We validated the PrOTYPE assay following the Institute of Medicine guidelines for the development of omics-based tests. This fully defined and locked-down clinical grade assay will enable trial design with molecular subtype stratification and allow for objective assessment of the predictive value of HGSOC molecular subtypes in precision medicine applications. See related commentary by McMullen et al., p. 5271

Abstract Low-coverage or shallow whole genome sequencing (sWGS) approaches can efficiently detect somatic copy number aberrations (SCNAs) at low cost. This is clinically important for many cancers, in particular cancers with severe chromosomal instability (CIN) that frequently lack actionable point mutations and are characterised by poor disease outcome. Absolute copy number (ACN), measured in DNA copies per cancer cell, is required for meaningful comparisons between copy number states, but is challenging to estimate and in practice often requires manual curation. Using a total of 60 cancer cell lines, 148 patient-derived xenograft (PDX) and 142 clinical tissue samples, we evaluate the performance of available tools for obtaining ACN from sWGS. We provide a validated and refined tool called Rascal ( r elative to a bsolute copy number scal ing) that provides improved fitting algorithms and enables interactive visualisation of copy number profiles. These approaches are highly applicable to both pre-clinical and translational research studies on SCNA-driven cancers and provide more robust ACN fits from sWGS data than currently available tools.

Abstract Purpose High grade serous carcinoma (HGSC) is the commonest type of ovarian cancer. Nearly all HGSC cases are diagnosed at late stage and it is not clear whether early stage HGSC has unique characteristics compared to late stage tumours. Experimental Design We analysed samples from 45 patients with FIGO stage I - IIA HGSC - 40 from the pathology archives of three large UK cancer centres and 5 from the BriTROC-1 study. We performed shallow whole genome sequencing (sWGS) and targeted next generation sequencing to investigate somatic mutations and copy number alterations. We compared results to 51 stage IIIC/IV HGSC patients from the BriTROC-1 study. Results There was no difference in median age between the early stage (median 61.3 years, range 40-84) and late stage (median 62.3 years, range 34-76) patients at diagnosis. TP53 mutations were near-universal (92% early stage, 100% late stage samples) and there were no significant differences in the rates of other somatic mutations, including BRCA1 and BRCA2 , or focal copy number alterations between early- and late-stage cohorts. There were also no unique amplifications or deletions in either cohort. However, median ploidy was greater in late stage (median 3.1) than early stage (median 2.0) samples. In addition, there were higher numbers of breakpoints per 10MB and per chromosome arm and higher absolute copy number in late stage than early stage cohorts; early stage samples had longer segment length. Overall copy number signature exposures were significantly different between early and late stage samples with greater signature 3 exposure in early stage and greater signature 4 in late stage. Both simplex plot and unsupervised hierarchical clustering suggested that a subset of late stage samples retain early stage appearances with high signature 3 and co-clustering with the early stage samples Conclusions These data suggest that there are no unique mutations or focal copy number alterations in early stage HGSC. However, whole genome duplication is significantly more common in late-stage disease, suggesting evolution during disease progression. However, a subset of late stage HGSC retains early-stage features, which are associated with improved overall survival.

Abstract Selecting the optimal cancer cell line for an experiment can be challenging given the diversity of lines available. Cell lines are often chosen based on their tissue of origin, however, the results of large-scale pan-cancer studies suggest that matching lines based on molecular features may be more appropriate. Existing approaches are available for matching lines based on gene expression, DNA methylation or low resolution DNA copy number features. However, a specific tool for computing similarity based on high resolution genome-wide copy number profiles is lacking. Here, we present CNpare, which identifies similar cell line models based on genome-wide DNA copy number. CNpare compares copy number profiles using four different similarity metrics, quantifies the extent of genome differences between pairs, and facilitates comparison based on copy number signatures. CNpare incorporates a precomputed database of 1,170 human cancer cell line profiles for comparison. In an analysis of separate cultures of 304 cell line pairs, CNpare identified the matched lines in all cases. CNpare provides a powerful solution to the problem of selecting the best cell line models for cancer research, especially in the context of studying chromosomal instability.

Abstract Cancer cells often exhibit DNA copy number aberrations and can vary widely in their ploidy. Correct estimation of the ploidy of single cell genomes is paramount for downstream analysis. Based only on single-cell DNA sequencing information, scAbsolute achieves accurate and unbiased measurement of single-cell ploidy and replication status, including whole-genome duplications. We demonstrate scAbsolute’s capabilities using experimental cell multiplets, a FUCCI cell cycle expression system, and a benchmark against state-of-the-art methods. scAbsolute provides a robust foundation for single-cell DNA sequencing analysis across different technologies and has the potential to enable improvements in a number of downstream analyses.

Cancer develops through a process of somatic evolution. Here, we reconstruct the evolutionary history of 2,778 tumour samples from 2,658 donors spanning 39 cancer types. Characteristic copy number gains, such as trisomy 7 in glioblastoma or isochromosome 17q in medulloblastoma, are found amongst the earliest events in tumour evolution. The early phases of oncogenesis are driven by point mutations in a restricted set of cancer genes, often including biallelic inactivation of tumour suppressors. By contrast, increased genomic instability, a more than three-fold diversification of driver genes, and an acceleration of mutational processes are features of later stages. Clock-like mutations yield estimates for whole genome duplications and subclonal diversification in chronological time. Our results suggest that driver mutations often precede diagnosis by many years, and in some cases decades. Taken together, these data reveal common and divergent trajectories of cancer evolution, pivotal for understanding tumour biology and guiding early cancer detection.

Chromosomal aberration and DNA copy number change are robust hallmarks of cancer. Imaging of spots generated using fluorescence in situ hybridisation (FISH) of locus specific probes is routinely used to detect copy number changes in tumour nuclei. However, it often does not perform well on solid tumour tissue sections, where partially represented or overlapping nuclei are common. To overcome these challenges, we have developed a computational approach called FrenchFISH, which comprises a nuclear volume correction method coupled with two types of Poisson models: either a Poisson model for improved manual spot counting without the need for control probes; or a homogenous Poisson Point Process model for automated spot counting. We benchmarked the performance of FrenchFISH against previous approaches in a controlled simulation scenario and exemplify its use in 12 ovarian cancer FFPE-tissue sections, for which we assess copy number alterations in three loci (c-Myc, hTERC and SE7). We show that FrenchFISH outperforms standard spot counting approaches and that the automated spot counting is significantly faster than manual without loss of performance. FrenchFISH is a general approach that can be used to enhance clinical diagnosis on sections of any tissue.

Abstract High-grade serous ovarian carcinoma (HGSOC) is the most genomically complex cancer, characterised by ubiquitous TP53 mutation, profound chromosomal instability and heterogeneity. The mutational processes driving chromosomal instability in HGSOC can be distinguished by specific copy number signatures. To develop clinically relevant models of these mutational processes we derived 15 continuous HGSOC patient-derived organoids (PDOs). We carried out detailed bulk transcriptomic, bulk genomic, single cell genomic, and drug sensitivity characterisation of the organoids. We show that PDOs comprise communities of different clonal populations and represent models of different causes of chromosomal instability including homologous recombination deficiency, chromothripsis, tandem-duplicator phenotype and whole genome duplication. We also show that these PDOs can be used as exploratory tools to study transcriptional effects of copy number alterations as well as compound-sensitivity tests. In summary, HGSOC PDO cultures provide a genomic tool for studies of specific mutational processes and precision therapeutics.

Cancer is an evolutionary process characterised by profound intra-tumour heterogeneity. Intra-tumour heterogeneity can be quantified using in silico estimates of cancer cell fractions of tumour-specific somatic mutations. Here we demonstrate a data-driven approach that uses cancer cell fraction distributions to identify 4 robust pan-cancer evolutionary signatures from an analysis of 4,146 individual tumour samples (TCGA) representing 17 distinct cancer types. Evolutionary signatures defined a continuum of cancer cell fractions representing neutral evolution, clonal expansion and fixation. Correlation of evolutionary signatures with programs representing distinct mutational and biological processes demonstrated that individual tumours enriched for clonal expansions and fixations were associated with immune evasion and distinct changes in the tumour immune microenvironment. We observed a dynamic switch between adaptive and innate immune processes as tumours undergo clonal fixation and escape immune surveillance. We also identify mutational processes underpinning different modes of tumour evolution and demonstrate that switching between adaptive and innate immune cell populations is accompanied by the clonal expansion of driver genes that modulate tumour-stroma interactions.