FM
Ferran Muiños
Author with expertise in Genomic Landscape of Cancer and Mutational Signatures
Achievements
Cited Author
Open Access Advocate
Key Stats
Upvotes received:
0
Publications:
10
(60% Open Access)
Cited by:
568
h-index:
33
/
i10-index:
38
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
0

A Pan-cancer Landscape of Interactions between Solid Tumors and Infiltrating Immune Cell Populations

David Tamborero et al.Apr 17, 2018
Abstract Purpose: Throughout their development, tumors are challenged by the immune system, and they acquire features to evade its surveillance. A systematic view of these traits, which shed light on how tumors respond to immunotherapies, is still lacking. Experimental Design: Here, we computed the relative abundance of an array of immune cell populations to measure the immune infiltration pattern of 9,174 tumors of 29 solid cancers. We then clustered tumors with similar infiltration pattern to define immunophenotypes. Finally, we identified genomic and transcriptomic traits associated to these immunophenotypes across cancer types. Results: In highly cytotoxic immunophenotypes, we found tumors with low clonal heterogeneity enriched for alterations of genes involved in epigenetic regulation, ubiquitin-mediated proteolysis, antigen presentation, and cell–cell communication, which may drive resistance in combination with the ectopic expression of negative immune checkpoints. Tumors with immunophenotypes of intermediate cytotoxicity are characterized by an upregulation of processes involved in neighboring tissue invasion and remodeling that may foster the recruitment of immunosuppressive cells. Tumors with poorly cytotoxic immunophenotype tend to be of more advanced stages and bear a greater burden of copy number alterations and frequent alterations of cell cycle, hedgehog, β-catenin, and TGFβ pathways, which may cause immune depletion. Conclusions: We provide a comprehensive landscape of the characteristics of solid tumors that may influence (or be influenced by) the characteristics of their immune infiltrate. These results may help interpret the response of solid tumors to immunotherapies and guide the development of novel drug combination strategies. Clin Cancer Res; 24(15); 3717–28. ©2018 AACR.
0
Citation261
0
Save
77

The evolution of hematopoietic cells under cancer therapy

Oriol Pich et al.Oct 29, 2020
Abstract Chemotherapies may influence the evolution of somatic tissues through the introduction of genetic variation in cells and by changing the selective pressures they face. However, the contributions of chemotherapeutic agents to the mutation burden of healthy cells and to clonal expansions in somatic tissues are not clear. Here, we exploit the mutational footprint of some chemotherapies to explore their influence on the evolution of hematopoietic cells. Cells of Acute Myeloid Leukemia (AML) secondary to treatment with platinum-based drugs showed a clear mutational footprint of these drugs, indicating that healthy blood cells received chemotherapy mutations. In contrast, no trace of 5-fluorouracil (5-FU) mutational signature was found in AML secondary to exposure to 5-FU, suggesting that cells establishing the AML were quiescent during treatment. We used the platinum-based mutational signature as a barcode to precisely time clonal expansions with respect to the moment of exposure to the drug. The enrichment for clonal mutations among treatment-related mutations in all platinum-treated AMLs shows that these secondary neoplasms begin their clonal expansion after the start of the cytotoxic treatment. In contrast, the absence of detectable platinum-related mutations in healthy blood samples with clonal hematopoiesis is consistent with a clonal expansion that predates the exposure to the cytotoxic agent, which favours particular pre-existing clones.
77
Citation7
0
Save
56

Hotspot propensity across mutational processes

Claudia Arnedo-Pac et al.Sep 17, 2022
Abstract The ability to study mutation rate variability at nucleotide resolution is impaired by the sparsity of observed mutational events across the genome. To circumvent this problem, here we investigated the propensity of 14 different mutational processes to form recurrently mutated sites across tumour samples (hotspots). We found that mutational signatures 1 (SBS1) and 17 (SBS17a and SBS17b) have the highest propensity to form hotspots, generating 5-78 times more than other common somatic mutational processes. After accounting for trinucleotide mutational probabilities, sequence composition and heterogeneity of mutation rates at 10 Kbp, the majority (89-95%) of SBS17a and b hotspots remain unexplained. This suggests that local genomic features play a significant role in SBS17a and b hotspot propensity, among which we identify CTCF binding as a minor contributor. In the case of SBS1, we demonstrate that including genome-wide distribution of methylated CpGs sites into our models can explain most (80-100%) of its hotspot propensity. We also observe an increased hotspot propensity of SBS1 in normal tissues from mammals, as well as in de novo germline mutations. We demonstrate that hotspot propensity is a useful readout to assess the accuracy of mutation rate models at nucleotide resolution. This new approach and the findings derived from it open up new avenues for a range of somatic and germline studies investigating and modelling mutagenesis.
56
Citation2
0
Save
0

OncodriveCLUSTL: a sequence-based clustering method to identify cancer drivers

Claudia Arnedo-Pac et al.Dec 19, 2018
The identification of the genomic alterations driving tumorigenesis is one of the main goals in oncogenomics research. Given the evolutionary principles of cancer development, computational methods that detect signals of positive selection in the pattern of tumor mutations have been effectively applied in the search for cancer genes. One of these signals is the abnormal clustering of mutations, which has been shown to be complementary to other signals in the detection of driver genes. We have developed OncodriveCLUSTL, a new sequencebased clustering algorithm to detect significant clustering signals across genomic regions. OncodriveCLUSTL is based on a local background model derived from the simulation of mutations accounting for the composition of tri- or penta-nucleotide context substitutions observed in the cohort under study. Our method is able to identify known clusters and bona-fide cancer drivers across cohorts of tumor whole-exomes, outperforming the existing OncodriveCLUST algorithm and complementing other methods based on different signals of positive selection. We show that OncodriveCLUSTL may be applied to the analysis of noncoding genomic elements and non-human mutations data. Availability and implementation: OncodriveCLUSTL is available as an installable Python 3.5 package. The source code and running examples are freely available at https://bitbucket.org/bbglab/oncodriveclustl under GNU Affero General Public License.