Most deaths from cancer are explained by metastasis, and yet large-scale metastasis research has been impractical owing to the complexity of in vivo models. Here we introduce an in vivo barcoding strategy that is capable of determining the metastatic potential of human cancer cell lines in mouse xenografts at scale. We validated the robustness, scalability and reproducibility of the method and applied it to 500 cell lines1,2 spanning 21 types of solid tumour. We created a first-generation metastasis map (MetMap) that reveals organ-specific patterns of metastasis, enabling these patterns to be associated with clinical and genomic features. We demonstrate the utility of MetMap by investigating the molecular basis of breast cancers capable of metastasizing to the brain-a principal cause of death in patients with this type of cancer. Breast cancers capable of metastasizing to the brain showed evidence of altered lipid metabolism. Perturbation of lipid metabolism in these cells curbed brain metastasis development, suggesting a therapeutic strategy to combat the disease and demonstrating the utility of MetMap as a resource to support metastasis research.

Abstract Hundreds of genome-wide loss-of-function screens have been performed, as part of efforts such as The Cancer Dependency Map, to create a catalog of genetic dependencies in a diverse set of cancer contexts. In recent years, large-scale screening efforts have shifted perturbation technology from RNAi to CRISPR-Cas9, due to the superior efficacy and specificity of CRISPR-Cas9-mediated approaches. However, questions remain about the extent to which partial suppression of gene targets could result in selective dependency across cell lines, potentially revealing a larger set of targetable cancer vulnerabilities than can be identified using CRISPR knockout alone. Here, we use CRISPR-Cas9 and RNAi screening data for more than 400 shared cell lines to represent knockout and partial suppression genetic perturbation modalities and evaluate the utility of each for therapeutic target discovery and the inference of gene function. We find that CRISPR screens identify more dependencies, and yield more accurate predictive models and co-dependency relationships overall. However, RNAi outperforms CRISPR in identifying associations (omics, drug, co-dependencies) with genes that are common dependencies for most cell lines (pan-dependencies). As pan-dependencies occur frequently in the CRISPR dataset (~2,000 genes), using results from both RNAi and CRISPR analyses facilitates the discovery of predictive models and associated co-dependencies for a wider range of gene targets than could be detected using either dataset alone. These findings can aid in the interpretation of contrasting results obtained from CRISPR and RNAi screens and reinforce the importance of partial gene suppression methods in building a cancer dependency map.

Blood-based, or "liquid," biopsies enable minimally invasive diagnostics but have limits on sensitivity due to scarce cell-free DNA (cfDNA). Improvements to sensitivity have primarily relied on enhancing sequencing technology ex vivo . Here, we sought to augment the level of circulating tumor DNA (ctDNA) detected in a blood draw by attenuating the clearance of cfDNA in vivo . We report a first-in-class intravenous DNA-binding priming agent given 2 hours prior to a blood draw to recover more cfDNA. The DNA-binding antibody minimizes nuclease digestion and organ uptake of cfDNA, decreasing its clearance at 1 hour by over 150-fold. To improve plasma persistence and limit potential immune interactions, we abrogated its Fc-effector function. We found that it protects GC-rich sequences and DNase-hypersensitive sites, which are ordinarily underrepresented in cfDNA. In tumor-bearing mice, priming improved tumor DNA recovery by 19-fold and sensitivity for detecting cancer from 6% to 84%. These results suggest a novel method to enhance the sensitivity of existing DNA-based cancer testing using blood biopsies.

Abstract Genome-scale CRISPR-Cas9 viability screens performed in cancer cell lines provide a systematic approach to identify cancer dependencies and new therapeutic targets. As multiple large-scale screens become available, a formal assessment of the reproducibility of these experiments becomes necessary. We analyzed data from recently published pan-cancer CRISPR-Cas9 screens performed at the Broad and Sanger institutes. Despite significant differences in experimental protocols and reagents, we found that the screen results are highly concordant across multiple metrics with both common and specific dependencies jointly identified across the two studies. Furthermore, robust biomarkers of gene dependency found in one dataset are recovered in the other. Through further analysis and replication experiments at each institute, we found that batch effects are driven principally by two key experimental parameters: the reagent library and the assay length. These results indicate that the Broad and Sanger CRISPR-Cas9 viability screens yield robust and reproducible findings.

Abstract Selective targeting of aneuploid cells is an attractive strategy for cancer treatment. Here, we mapped the aneuploidy landscapes of ~1,000 human cancer cell lines and classified them by their degree of aneuploidy. Next, we performed a comprehensive analysis of large-scale genetic and chemical perturbation screens, in order to compare the cellular vulnerabilities between near-diploid and highly-aneuploid cancer cells. We identified and validated an increased sensitivity of aneuploid cancer cells to genetic perturbation of core components of the spindle assembly checkpoint (SAC), which ensures the proper segregation of chromosomes during mitosis. Surprisingly, we also found highly-aneuploid cancer cells to be less sensitive to short-term exposures to multiple inhibitors of the SAC regulator TTK . To resolve this paradox and to uncover its mechanistic basis, we established isogenic systems of near-diploid cells and their aneuploid derivatives. Using both genetic and chemical inhibition of BUB1B , MAD2 and TTK , we found that the cellular response to SAC inhibition depended on the duration of the assay, as aneuploid cancer cells became increasingly more sensitive to SAC inhibition over time. The increased ability of aneuploid cells to slip from mitotic arrest and to keep dividing in the presence of SAC inhibition was coupled to aberrant spindle geometry and dynamics. This resulted in a higher prevalence of mitotic defects, such as multipolar spindles, micronuclei formation and failed cytokinesis. Therefore, although aneuploid cancer cells can overcome SAC inhibition more readily than diploid cells, the proliferation of the resultant aberrant cells is jeopardized. At the molecular level, analysis of spindle proteins identified a specific mitotic kinesin, KIF18A , whose levels were drastically reduced in aneuploid cancer cells. Aneuploid cancer cells were particularly vulnerable to KIF18A depletion, and KIF18A overexpression restored the sensitivity of aneuploid cancer cells to SAC inhibition. In summary, we identified an increased vulnerability of aneuploid cancer cells to SAC inhibition and explored its cellular and molecular underpinnings. Our results reveal a novel synthetic lethal interaction between aneuploidy and the SAC, which may have direct therapeutic relevance for the clinical application of SAC inhibitors.

Abstract Patient-derived xenografts (PDXs) have become a prominent model for studying human cancer in vivo . The underlying assumption is that PDXs faithfully represent the genomic features of primary tumors, retaining their molecular characteristics throughout propagation. However, the genomic stability of PDXs during passaging has not yet been evaluated systematically. Here we monitored the dynamics of copy number alterations (CNAs) in 1,110 PDX samples across 24 cancer types. We found that new CNAs accumulated quickly, such that within four passages an average of 12% of the genome was affected by newly acquired CNAs. Selection for preexisting minor clones was a major contributor to these changes, leading to both gains and losses of CNAs. The rate of CNA acquisition in PDX models was correlated with the extent of both aneuploidy and genetic heterogeneity observed in primary tumors of the same tissue. However, the specific CNAs acquired during PDX passaging differed from those acquired during tumor evolution in patients, suggesting that PDX tumors are subjected to distinct selection pressures compared to those that exist in human hosts. Specifically, several recurrent CNAs observed in primary tumors gradually disappeared in PDXs, indicating that events undergoing positive selection in humans can become dispensable during propagation in mice. Finally, we found that the genomic stability of PDX models also affected their responses to chemotherapy and targeted drugs. Our findings thus highlight the need to couple the timing of PDX molecular characterization to that of drug testing experiments. These results suggest that while PDX models are powerful tools, they should be used with caution.

Abstract Detecting mutations as rare as a single molecule is crucial in many fields such as cancer diagnostics and aging research but remains challenging. Third generation sequencers can read a double-stranded DNA molecule (a ‘single duplex’) in whole to identify true mutations on both strands apart from false mutations on either strand but with limited accuracy and throughput. Although next generation sequencing (NGS) can track dissociated strands with Duplex Sequencing, the need to sequence each strand independently severely diminishes its throughput. Here, we developed a hybrid method called Concatenating Original Duplex for Error Correction (CODEC) that combines the massively parallel nature of NGS with the single-molecule capability of third generation sequencing. CODEC physically links both strands to enable NGS to sequence a single duplex with a single read pair. By comparing CODEC and Duplex Sequencing, we showed that CODEC achieved a similar error rate (10 −6 ) with 100 times fewer reads and conferred ‘single duplex’ resolution to most major NGS workflows.

Clinical outcomes for patients with ovarian and uterine cancers have not improved greatly in the past twenty years. To identify ovarian and uterine cancer vulnerabilities, we analyzed genome-scale CRISPR/ Cas9 loss-of-function screens across 739 human cancer cell lines. We found that many ovarian cancer cell lines overexpress the phosphate importer SLC34A2, which renders them sensitive to loss of the phosphate exporter XPR1. We extensively validated the XPR1 vulnerability in cancer cell lines and found that the XPR1 dependency was retained in vivo. Overexpression of SLC34A2 is frequently observed in tumor samples and is regulated by PAX8 -a transcription factor required for ovarian cancer survival. XPR1 overexpression and copy number amplifications are also frequently observed. Mechanistically, SLC34A2 overexpression and impaired phosphate efflux leads to the accumulation of intracellular phosphate and cell death. We further show that proper localization and phosphate efflux by XPR1 requires a novel binding partner, KIDINS220. Loss of either XPR1 or KIDINS220 results in acidic vacuolar structures which precede cell death. These data point to the XPR1:KIDINS220 complex - and phosphate dysregulation more broadly -as a therapeutic vulnerability in ovarian cancer.

ABSTRACT Accurate DNA sequencing is crucial in biomedicine. Underlying the most accurate methods is the assumption that a mutation is true if altered bases are present on both strands of the DNA duplex. We now show that this assumption can be wrong. We establish that current methods to prepare DNA for sequencing, via ‘End Repair/dA-Tailing,’ may substantially resynthesize strands, leading amplifiable lesions or alterations on one strand to become indiscernible from true mutations on both strands. Indeed, we discovered that 7-17% and 32-57% of interior ‘duplex base pairs’ from cell-free DNA and formalin-fixed tumor biopsies, respectively, could be resynthesized in vitro and potentially introduce false mutations. To address this, we present Duplex-Repair, and show that it limits interior duplex base pair resynthesis by 8- to 464-fold, rescues the impact of induced DNA damage, and affords up to 8.9-fold more accurate duplex sequencing. Our study uncovers a major Achilles’ heel in sequencing and offers a solution to restore high accuracy.

We previously piloted the concept of a Connectivity Map (CMap), whereby genes, drugs and disease states are connected by virtue of common gene-expression signatures. Here, we report more than a 1,000-fold scale-up of the CMap as part of the NIH LINCS Consortium, made possible by a new, low-cost, high throughput reduced representation expression profiling method that we term L1000. We show that L1000 is highly reproducible, comparable to RNA sequencing, and suitable for computational inference of the expression levels of 81% of non-measured transcripts. We further show that the expanded CMap can be used to discover mechanism of action of small molecules, functionally annotate genetic variants of disease genes, and inform clinical trials. The 1.3 million L1000 profiles described here, as well as tools for their analysis, are available at https://clue.io.