Summary

 DNA damage repair (DDR) pathways modulate cancer risk, progression, and therapeutic response. We systematically analyzed somatic alterations to provide a comprehensive view of DDR deficiency across 33 cancer types. Mutations with accompanying loss of heterozygosity were observed in over 1/3 of DDR genes, including TP53 and BRCA1/2. Other prevalent alterations included epigenetic silencing of the direct repair genes EXO5, MGMT, and ALKBH3 in ∼20% of samples. Homologous recombination deficiency (HRD) was present at varying frequency in many cancer types, most notably ovarian cancer. However, in contrast to ovarian cancer, HRD was associated with worse outcomes in several other cancers. Protein structure-based analyses allowed us to predict functional consequences of rare, recurrent DDR mutations. A new machine-learning-based classifier developed from gene expression data allowed us to identify alterations that phenocopy deleterious TP53 mutations. These frequent DDR gene alterations in many human cancers have functional consequences that may determine cancer progression and guide therapy.

We report a comprehensive proteogenomics analysis, including whole-genome sequencing, RNA sequencing, and proteomics and phosphoproteomics profiling, of 218 tumors across 7 histological types of childhood brain cancer: low-grade glioma (n = 93), ependymoma (32), high-grade glioma (25), medulloblastoma (22), ganglioglioma (18), craniopharyngioma (16), and atypical teratoid rhabdoid tumor (12). Proteomics data identify common biological themes that span histological boundaries, suggesting that treatments used for one histological type may be applied effectively to other tumors sharing similar proteomics features. Immune landscape characterization reveals diverse tumor microenvironments across and within diagnoses. Proteomics data further reveal functional effects of somatic mutations and copy number variations (CNVs) not evident in transcriptomics data. Kinase-substrate association and co-expression network analysis identify important biological mechanisms of tumorigenesis. This is the first large-scale proteogenomics analysis across traditional histological boundaries to uncover foundational pediatric brain tumor biology and inform rational treatment selection.

Chromatin accessibility is essential in regulating gene expression and cellular identity, and alterations in accessibility have been implicated in driving cancer initiation, progression and metastasis1-4. Although the genetic contributions to oncogenic transitions have been investigated, epigenetic drivers remain less understood. Here we constructed a pan-cancer epigenetic and transcriptomic atlas using single-nucleus chromatin accessibility data (using single-nucleus assay for transposase-accessible chromatin) from 225 samples and matched single-cell or single-nucleus RNA-sequencing expression data from 206 samples. With over 1 million cells from each platform analysed through the enrichment of accessible chromatin regions, transcription factor motifs and regulons, we identified epigenetic drivers associated with cancer transitions. Some epigenetic drivers appeared in multiple cancers (for example, regulatory regions of ABCC1 and VEGFA; GATA6 and FOX-family motifs), whereas others were cancer specific (for example, regulatory regions of FGF19, ASAP2 and EN1, and the PBX3 motif). Among epigenetically altered pathways, TP53, hypoxia and TNF signalling were linked to cancer initiation, whereas oestrogen response, epithelial-mesenchymal transition and apical junction were tied to metastatic transition. Furthermore, we revealed a marked correlation between enhancer accessibility and gene expression and uncovered cooperation between epigenetic and genetic drivers. This atlas provides a foundation for further investigation of epigenetic dynamics in cancer transitions.

Abstract Tumor-associated macrophages (TAMs) are involved in many aspects of cancer progression and correlate with poor clinical outcomes in many cancer types, including pancreatic ductal adenocarcinomas (PDACs). Previous studies have shown that TAMs can populate PDAC tumors not only by monocyte recruitment but also by local proliferation. However, the impact local proliferation might have on macrophage phenotype and cancer progression is unknown. Here, we utilized genetically engineered cancer models, single-cell RNA-sequencing data, and in vitro systems to show that proliferation of TAMs was driven by colony stimulating factor-1 (CSF1) produced by cancer-associated fibroblasts. CSF1 induced high levels of p21 in macrophages, which regulated both TAM proliferation and phenotype. TAMs in human and mouse PDACs with high levels of p21 had more inflammatory and immunosuppressive phenotypes. The p21 expression in TAMs was induced by both stromal interaction and/or chemotherapy treatment. Finally, by modeling p21 expression levels in TAMs, we found that p21-driven macrophage immunosuppression in vivo drove tumor progression. Serendipitously, the same p21-driven pathways that drive tumor progression, also drive response to CD40 agonist. These data suggest that stromal or therapy-induced regulation of cell cycle machinery can regulate both macrophage-mediated immune suppression and susceptibility to innate immunotherapy. Summary TAMs are indicative of poor clinical outcomes and in PDAC their number is sustained in part by local proliferation. This study shows that stromal desmoplasia drives local proliferation of TAMs, and induces their immunosuppressive ability through altering cell cycle machinery, including p21 expression. Serendipitously, these changes in p21 in TAMs also potentially render tumors more sensitive to CD40 agonist therapy.

Abstract Tumor-infiltrating leukocytes, in particular macrophages, play an important role in tumor behavior and clinical outcome. The spectrum of macrophage subtypes ranges from antitumor “M1”-type to protumor “M2”-type macrophages. Tumor-associated macrophages (TAMs) typically display phenotypic features of both M1 and M2, and the population distribution is thought to be dynamic and evolve as the tumor progresses. However, our understanding of how TAMs impact the tumor microenvironment remains limited by the lack of appropriate 3D in vitro models that can capture cell to cell dynamics at high spatial and temporal resolution. Using our recently developed micro-physiological “tumor-on-a-chip” (TOC) device, we present here our findings on the impact of defined macrophage subsets on tumor behavior. The TOC device design contains three adjacent and connected chambers in which both the upper and lower chambers are loaded with tumor cells while the central chamber contains a dynamic, perfused, living microvascular network. Introduction of human pancreatic or colorectal cancer cells together with M1-polorized macrophages significantly inhibited tumor growth and tumor-induced angiogenesis. Protein analysis and antibody-based neutralization studies confirmed that these effects were mediated through production of chemokines CXCL9, CXCL10, and CXCL11. By contrast, M2-macrophages mediated increased tumor cell migration into the vascularized chamber and did not inhibit tumor growth or angiogenesis. In fact, single-cell RNA-sequencing showed that M2 macrophages further segregated endothelial cells into two distinct subsets, corresponding to static cells in vessels versus active cells involved in angiogenesis. The impact of M2 macrophages was mediated mostly by production of MMP7 and ANGPT2. In summary, our data demonstrate the utility of the TOC device to mechanistically probe biological questions in a 3D in vitro microenvironment. Insight Box Macrophages in the tumor microenvironment are key determinants of tumor behavior and clinical outcome. The macrophage subset composition and its functional impact change as tumors progress or during treatment, but adequate models to study this are lacking. We developed a tumor-on-a-chip model of perfused 3D tumor growth to probe the impact of defined macrophage subsets. Our data is consistent with previously described macrophage activity in the tumor microenvironment, and provides potential new molecular targets. Herein, we demonstrate feasibility of probing immuno-oncology questions in a 3D in vitro microenvironment and at a spatiotemporal resolution.

Background: Massively-parallel sequencing at depth has enabled tumor heterogeneity and evolution to be characterized in unprecedented detail. Tracking these changes in clonal architecture can inform therapeutic response and resistance. Robust and intuitive data visualizations can greatly aid these interpretations, especially in cases with multiple timepoints . Current data visualization methods are typically manual and laborious, and often only approximate subclonal fractions. Results: We have developed an R package that accurately and intuitively displays changes in clonal structure over time. It requires simple input data and produces illustrative and easy-to-interpret graphs suitable for diagnosis, presentation, and publication. Conclusions: The simplicity, power, and flexibility of this tool make it valuable for visualizing tumor evolution, and it has potential utility in both research and clinical settings. Fishplot is available at https://github.com/chrisamiller/fishplot

Patient-Derived Xenografts (PDXs) are tumor-in-mouse models for cancer. PDX collections, such as those supported by the NCI PDXNet program, are powerful resources for preclinical therapeutic testing. However, variations in experimental design and analysis procedures have limited interpretability. To determine the robustness of PDX studies, the PDXNet tested temozolomide drug response for three pre-validated PDX models (sensitive, resistant, and intermediate) across four blinded PDX Development and Trial Centers (PDTCs) using independently selected SOPs. Each PDTC was able to correctly identify the sensitive, resistant, and intermediate models, and statistical evaluations were concordant across all groups. We also developed and benchmarked optimized PDX informatics pipelines, and these yielded robust assessments across xenograft biological replicates. These studies show that PDX drug responses and sequence results are reproducible across diverse experimental protocols. Here we share the range of experimental procedures that maintained robustness, as well as standardized cloud-based workflows for PDX exome-seq and RNA-Seq analysis and for evaluating growth.

1 A bstract A key challenge in studying organisms and diseases is to detect rare molecular programs and rare cell populations (RCPs) that drive development, differentiation, and transformation. Molecular features such as genes and proteins defining RCPs are often unknown and difficult to detect from unenriched single-cell data, using conventional dimensionality reduction and clustering-based approaches. Here, we propose a novel unsupervised approach, named SCMER, which performs UMAP style dimensionality reduction via selecting a compact set of molecular features with definitive meanings. We applied SCMER in the context of hematopoiesis, lymphogenesis, tumorigenesis, and drug resistance and response. We found that SCMER can identify non-redundant features that sensitively delineate both common cell lineages and rare cellular states ignored by current approaches. SCMER can be widely used for discovering novel molecular features in a high dimensional dataset, designing targeted, cost-effective assays for clinical applications, and facilitating multi-modality integration.

Abstract The integration and interpretation of multi-omics data play a crucial role in systems biology for prioritizing vital molecular targets and deciphering core signaling pathways of complex diseases, such as cancer, COVID-19 and Alzheimer’s disease. However, it remains a challenge that has not been adequately addressed. Graph neural networks (GNN) have emerged as powerful artificial intelligence models for analyzing data with a graphical structure. Nevertheless, GNN models have not been sufficiently designed for integrative and interpretable multi-omics data analysis. In this study, we propose a novel multi-scale multi-hop multi-omics GNN model, M3NetFlow , to integrate and interpret multi-omics data to rank key targets and infer core signaling pathways. Specifically, we applied the M3NetFlow model to infer cell-line-specific core signaling networks explaining drug combination response. The evaluation and comparison results on drug combination prediction showed that the M3NetFlow model achieved significantly higher prediction accuracy than existing GNN models. Furthermore, M3NetFlow can predict key targets and infer essential signaling networks regulating drug combination response. It is critical for guiding the development of personalized precision medicine for patients with drug resistance. This model can be applied to general multi-omics data-driven research. Aside from that, we developed the visualization tool, NetFlowVis , the better analysis of targets and signaling pathways of drugs and drug combinations.

ABSTRACT Breast cancer is a heterogeneous disease, and treatment is guided by biomarker profiles representing distinct molecular subtypes. Breast cancer arises from the breast ductal epithelium, and experimental data suggests breast cancer subtypes have different cells of origin within that lineage. The precise cells of origin for each subtype and the transcriptional networks that characterize these tumor-normal lineages are not established. In this work, we applied bulk, single-cell (sc), and single-nucleus (sn) multi-omic techniques as well as spatial transcriptomics and multiplex imaging on 61 samples from 37 breast cancer patients to show characteristic links in gene expression and chromatin accessibility between breast cancer subtypes and their putative cells of origin. We applied the PAM50 subtyping algorithm in tandem with bulk RNA-seq and snRNA-seq to reliably subtype even low-purity tumor samples and confirm promoter accessibility using snATAC. Trajectory analysis of chromatin accessibility and differentially accessible motifs clearly connected progenitor populations with breast cancer subtypes supporting the cell of origin for basal-like and luminal A and B tumors. Regulatory network analysis of transcription factors underscored the importance of BHLHE40 in luminal breast cancer and luminal mature cells, and KLF5 in basal-like tumors and luminal progenitor cells. Furthermore, we identify key genes defining the basal-like ( PRKCA , SOX6 , RGS6 , KCNQ3 ) and luminal A/B ( FAM155A , LRP1B ) lineages, with expression in both precursor and cancer cells and further upregulation in tumors. Exhausted CTLA4-expressing CD8+ T cells were enriched in basal-like breast cancer, suggesting altered means of immune dysfunction among breast cancer subtypes. We used spatial transcriptomics and multiplex imaging to provide spatial detail for key markers of benign and malignant cell types and immune cell colocation. These findings demonstrate analysis of paired transcription and chromatin accessibility at the single cell level is a powerful tool for investigating breast cancer lineage development and highlight transcriptional networks that define basal and luminal breast cancer lineages.