Superspreading events shaped the coronavirus disease 2019 (COVID-19) pandemic, and their rapid identification and containment are essential for disease control. Here, we provide a national-scale analysis of severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) superspreading during the first wave of infections in Austria, a country that played a major role in initial virus transmissions in Europe. Capitalizing on Austria's well-developed epidemiological surveillance system, we identified major SARS-CoV-2 clusters during the first wave of infections and performed deep whole-genome sequencing of more than 500 virus samples. Phylogenetic-epidemiological analysis enabled the reconstruction of superspreading events and charts a map of tourism-related viral spread originating from Austria in spring 2020. Moreover, we exploited epidemiologically well-defined clusters to quantify SARS-CoV-2 mutational dynamics, including the observation of low-frequency mutations that progressed to fixation within the infection chain. Time-resolved virus sequencing unveiled viral mutation dynamics within individuals with COVID-19, and epidemiologically validated infector-infectee pairs enabled us to determine an average transmission bottleneck size of 103 SARS-CoV-2 particles. In conclusion, this study illustrates the power of combining epidemiological analysis with deep viral genome sequencing to unravel the spread of SARS-CoV-2 and to gain fundamental insights into mutational dynamics and transmission properties.

Metastatic cancer remains an almost inevitably lethal disease1-3. A better understanding of disease progression and response to therapies therefore remains of utmost importance. Here we characterize the genomic differences between early-stage untreated primary tumours and late-stage treated metastatic tumours using a harmonized pan-cancer analysis (or reanalysis) of two unpaired primary4 and metastatic5 cohorts of 7,108 whole-genome-sequenced tumours. Metastatic tumours in general have a lower intratumour heterogeneity and a conserved karyotype, displaying only a modest increase in mutations, although frequencies of structural variants are elevated overall. Furthermore, highly variable tumour-specific contributions of mutational footprints of endogenous (for example, SBS1 and APOBEC) and exogenous mutational processes (for example, platinum treatment) are present. The majority of cancer types had either moderate genomic differences (for example, lung adenocarcinoma) or highly consistent genomic portraits (for example, ovarian serous carcinoma) when comparing early-stage and late-stage disease. Breast, prostate, thyroid and kidney renal clear cell carcinomas and pancreatic neuroendocrine tumours are clear exceptions to the rule, displaying an extensive transformation of their genomic landscape in advanced stages. Exposure to treatment further scars the tumour genome and introduces an evolutionary bottleneck that selects for known therapy-resistant drivers in approximately half of treated patients. Our data showcase the potential of pan-cancer whole-genome analysis to identify distinctive features of late-stage tumours and provide a valuable resource to further investigate the biological basis of cancer and resistance to therapies.

Abstract Metastatic cancer remains almost inevitably a lethal disease. A better understanding of disease progression and response to therapies therefore remains of utmost importance. Here, we characterize the genomic differences between early-stage untreated primary tumors and late-stage treated metastatic tumors using a harmonized pan-cancer (re-)analysis of 7,152 whole-genome-sequenced tumors. In general, our analysis shows that metastatic tumors have a low intra-tumor heterogeneity, high genomic instability and increased frequency of structural variants with comparatively a modest increase in the number of small genetic variants. However, these differences are cancer type specific and are heavily impacted by the exposure to cancer therapies. Five cancer types, namely breast, prostate, thyroid, kidney clear carcinoma and pancreatic neuroendocrine, are a clear exception to the rule, displaying an extensive transformation of their genomic landscape in advanced stages. These changes were supported by increased genomic instability and involved substantial differences in tumor mutation burden, clock-based molecular signatures and the landscape of driver alterations as well as a pervasive increase in structural variant burden. The majority of cancer types had either moderate genomic differences (e.g., cervical and colorectal cancers) or highly consistent genomic portraits (e.g., ovarian cancer and skin melanoma) when comparing early- and late-stage disease. Exposure to treatment further scars the tumor genome and introduces an evolutionary bottleneck that selects for known therapy-resistant drivers in approximately half of treated patients. Our data showcases the potential of whole-genome analysis to understand tumor evolution and provides a valuable resource to further investigate the biological basis of cancer and resistance to cancer therapies.

Abstract Immune surveillance escape is a hallmark of tumorigenesis 1 . Multiple studies have characterized the immune escape landscape across several untreated early-stage primary cancer types 2–4 . However, whether late-stage treated metastatic tumors present differences in genetic immune escape (GIE) prevalence and dynamics remains unclear. Here, we performed a pan-cancer characterization of GIE prevalence across six immune escape pathways in 6,457 uniformly processed Whole Genome Sequencing (WGS) tumor samples including 58 cancer types from 1,943 primary untreated patients and 4,514 metastatic patients. To effectively address the complexity of the Human Leukocyte Antigen (HLA-I) locus and to characterize its tumor status, we developed LILAC, an open-source integrative framework. We demonstrate that one in four tumors harbor GIE alterations, with high mechanistic and frequency variability across cancer types. GIE prevalence is highly consistent between primary and metastatic tumors for most cancer types with few exceptions such as prostate and thyroid carcinomas that have increased immune evasion frequencies in metastatic tumors. Positive selection analysis revealed that GIE alterations are frequently selected for in tumor evolution and that focal LOH of HLA-I, unlike non-focal LOH of HLA-I, tends to lose the HLA allele that presents the largest neoepitope repertoire. We also unraveled tumor genomic features contributing to immune escape incidence, including DNA repair deficiency, APOBEC activity, tobacco associated mutation load and viral DNA integration. Finally, there is a strong tendency for mid and high tumor mutation burden (TMB) tumors to preferentially select LOH of HLA-I for GIE whereas hypermutated samples favor global immune evasion strategies. Our results indicate that genetic immune escape is generally a pre-metastatic event during tumor evolution and that tumors adapt different strategies depending on their neoepitope burden.

Summary Extensive bioinformatics analysis of datasets of tumor somatic mutations data have revealed the presence of some 500-600 cancer driver genes. The identification of all potential driver mutations affecting cancer genes is essential to implement precision cancer medicine and to understand the interplay of mutation probability and selection in tumor development. Here, we present an in silico saturation mutagenesis approach to identify all driver mutations in 568 cancer genes across 66 tumor types. For most cancer genes the mutation probability across tissues --underpinned by active mutational processes-- influences which driver variants have been observed, although this differs significantly between tumor suppressor and oncogenes. The role of selection is apparent in some of the latter, the observed and unobserved driver mutations of which are equally likely to occur. The number of potential driver mutations in a cancer gene roughly determines how many mutations are available for detection across newly sequenced tumors.

E3 ligases and degrons --the sequences they recognize in target proteins-- are key parts of the ubiquitin-mediated proteolysis system. There are several examples of alterations of these two components of the system that play a role in cancer. Here, we uncovered the landscape of the contribution of such alterations to tumorigenesis across cancer types. We first systematically identified novel instances of degrons across the human proteome using a random forest classifier, and validated them exploiting somatic mutations across more than 7,000 tumors. We detected signals of positive selection across these novel degrons and revealed new instances involved in cancer development. Overall, we estimated that at least one in seven driver mutations across primary tumors affect either degrons or E3 ligases.