Summary

 There is substantial heterogeneity among primary prostate cancers, evident in the spectrum of molecular abnormalities and its variable clinical course. As part of The Cancer Genome Atlas (TCGA), we present a comprehensive molecular analysis of 333 primary prostate carcinomas. Our results revealed a molecular taxonomy in which 74% of these tumors fell into one of seven subtypes defined by specific gene fusions (ERG, ETV1/4, and FLI1) or mutations (SPOP, FOXA1, and IDH1). Epigenetic profiles showed substantial heterogeneity, including an IDH1 mutant subset with a methylator phenotype. Androgen receptor (AR) activity varied widely and in a subtype-specific manner, with SPOP and FOXA1 mutant tumors having the highest levels of AR-induced transcripts. 25% of the prostate cancers had a presumed actionable lesion in the PI3K or MAPK signaling pathways, and DNA repair genes were inactivated in 19%. Our analysis reveals molecular heterogeneity among primary prostate cancers, as well as potentially actionable molecular defects.

Urothelial carcinoma of the bladder is a common malignancy that causes approximately 150,000 deaths per year worldwide. So far, no molecularly targeted agents have been approved for treatment of the disease. As part of The Cancer Genome Atlas project, we report here an integrated analysis of 131 urothelial carcinomas to provide a comprehensive landscape of molecular alterations. There were statistically significant recurrent mutations in 32 genes, including multiple genes involved in cell-cycle regulation, chromatin regulation, and kinase signalling pathways, as well as 9 genes not previously reported as significantly mutated in any cancer. RNA sequencing revealed four expression subtypes, two of which (papillary-like and basal/squamous-like) were also evident in microRNA sequencing and protein data. Whole-genome and RNA sequencing identified recurrent in-frame activating FGFR3–TACC3 fusions and expression or integration of several viruses (including HPV16) that are associated with gene inactivation. Our analyses identified potential therapeutic targets in 69% of the tumours, including 42% with targets in the phosphatidylinositol-3-OH kinase/AKT/mTOR pathway and 45% with targets (including ERBB2) in the RTK/MAPK pathway. Chromatin regulatory genes were more frequently mutated in urothelial carcinoma than in any other common cancer studied so far, indicating the future possibility of targeted therapy for chromatin abnormalities. This paper reports integrative molecular analyses of urothelial bladder carcinoma at the DNA, RNA, and protein levels performed as part of The Cancer Genome Atlas project; recurrent mutations were found in 32 genes, including those involved in cell-cycle regulation, chromatin regulation and kinase signalling pathways; chromatin regulatory genes were more frequently mutated in urothelial carcinoma than in any other common cancer studied so far. This study of 131 high-grade muscle-invasive urothelial bladder carcinomas, part of The Cancer Genome Atlas (TCGA) project, reports recurrent mutations in 32 genes, including those involved in cell-cycle regulation, chromatin regulation and kinase signalling pathways. Chromatin regulatory genes were more frequently mutated in urothelial carcinoma than in any common cancer studied to date. Recurrent in-frame activating FGFR3–TACC3 fusions and expression or integration of viruses associated with gene inactivation are also identified. Importantly, potential therapeutic targets are identified in 69% of the tumours.

We report a comprehensive analysis of 412 muscle-invasive bladder cancers characterized by multiple TCGA analytical platforms. Fifty-eight genes were significantly mutated, and the overall mutational load was associated with APOBEC-signature mutagenesis. Clustering by mutation signature identified a high-mutation subset with 75% 5-year survival. mRNA expression clustering refined prior clustering analyses and identified a poor-survival “neuronal” subtype in which the majority of tumors lacked small cell or neuroendocrine histology. Clustering by mRNA, long non-coding RNA (lncRNA), and miRNA expression converged to identify subsets with differential epithelial-mesenchymal transition status, carcinoma in situ scores, histologic features, and survival. Our analyses identified 5 expression subtypes that may stratify response to different treatments.

To explore the biology of lung adenocarcinoma (LUAD) and identify new therapeutic opportunities, we performed comprehensive proteogenomic characterization of 110 tumors and 101 matched normal adjacent tissues (NATs) incorporating genomics, epigenomics, deep-scale proteomics, phosphoproteomics, and acetylproteomics. Multi-omics clustering revealed four subgroups defined by key driver mutations, country, and gender. Proteomic and phosphoproteomic data illuminated biology downstream of copy number aberrations, somatic mutations, and fusions and identified therapeutic vulnerabilities associated with driver events involving KRAS, EGFR, and ALK. Immune subtyping revealed a complex landscape, reinforced the association of STK11 with immune-cold behavior, and underscored a potential immunosuppressive role of neutrophil degranulation. Smoking-associated LUADs showed correlation with other environmental exposure signatures and a field effect in NATs. Matched NATs allowed identification of differentially expressed proteins with potential diagnostic and therapeutic utility. This proteogenomics dataset represents a unique public resource for researchers and clinicians seeking to better understand and treat lung adenocarcinomas.

The most severe and fatal infections with SARS-CoV-2 result in the acute respiratory distress syndrome, a clinical phenotype of coronavirus disease 2019 (COVID-19) that is associated with virions targeting the epithelium of the distal lung, particularly the facultative progenitors of this tissue, alveolar epithelial type 2 cells (AT2s). Little is known about the initial responses of human lung alveoli to SARS-CoV-2 infection due in part to inability to access these cells from patients, particularly at early stages of disease. Here we present an in vitro human model that simulates the initial apical infection of the distal lung epithelium with SARS-CoV-2, using AT2s that have been adapted to air-liquid interface culture after their derivation from induced pluripotent stem cells (iAT2s). We find that SARS-CoV-2 induces a rapid global transcriptomic change in infected iAT2s characterized by a shift to an inflammatory phenotype predominated by the secretion of cytokines encoded by NF-kB target genes, delayed epithelial interferon responses, and rapid loss of the mature lung alveolar epithelial program. Over time, infected iAT2s exhibit cellular toxicity that can result in the death of these key alveolar facultative progenitors, as is observed in vivo in COVID-19 lung autopsies. Importantly, drug testing using iAT2s confirmed an antiviral dose-response to remdesivir and demonstrated the efficacy of TMPRSS2 protease inhibition, validating a putative mechanism used for viral entry in human alveolar cells. Our model system reveals the cell-intrinsic responses of a key lung target cell to infection, providing a physiologically relevant platform for further drug development and facilitating a deeper understanding of COVID-19 pathogenesis.

ABSTRACT Microscopic vascular invasion (VI) is predictive of recurrence and benefit from lobectomy in stage I lung adenocarcinoma (LUAD) but is difficult to assess in resection specimens and cannot be accurately predicted prior to surgery. Thus, new biomarkers are needed to identify this aggressive subset of stage I LUAD tumors. To assess molecular and microenvironment features associated with angioinvasive LUAD we profiled 162 resected stage I tumors with and without VI by RNA-seq and explored spatial patterns of gene expression in a subset of 15 samples by high-resolution spatial transcriptomics (stRNA-seq). Despite the small size of invaded blood vessels, we identified a gene expression signature of VI from the bulk RNA-seq discovery cohort (n=103) and found that it was associated with VI foci, desmoplastic stroma, and high-grade patterns in our stRNA-seq data. We observed a stronger association with high-grade patterns from VI + compared with VI - tumors. Using the discovery cohort, we developed a transcriptomic predictor of VI, that in an independent validation cohort (n=60) was associated with VI (AUROC=0.86; p=5.42×10 -6 ) and predictive of recurrence-free survival (HR=1.98; p=0.024), even in VI - LUAD (HR=2.76; p=0.003). To determine our VI predictor’s robustness to intra-tumor heterogeneity we used RNA-seq data from multi-region sampling of stage I LUAD cases in TRACERx, where the predictor scores showed high correlation (R=0.87, p<2.2×10 -16 ) between two randomly sampled regions of the same tumor. Our study suggests that VI-associated gene expression changes are detectable beyond the site of intravasation and can be used to predict the presence of VI. This may enable the prediction of angioinvasive LUAD from biopsy specimens, allowing for more tailored medical and surgical management of stage I LUAD.

Multimodal machine learning models are being developed to analyze pathology images and other modalities, such as gene expression, to gain clinical and biological insights. However, most frameworks for multimodal data fusion do not fully account for the interactions between different modalities. Here, we present an attention-based fusion architecture that integrates a graph representation of pathology images with gene expression data and concomitantly learns from the fused information to predict patient-specific survival. In our approach, pathology images are represented as undirected graphs, and their embeddings are combined with embeddings of gene expression signatures using an attention mechanism to stratify tumors by patient survival. We show that our framework improves the survival prediction of human non-small cell lung cancers, outperforming existing state-of-the-art approaches that leverage multimodal data. Our framework can facilitate spatial molecular profiling to identify tumor heterogeneity using pathology images and gene expression data, complementing results obtained from more expensive spatial transcriptomic and proteomic technologies.

Bronchial premalignant lesions (PMLs) precede the development of invasive lung squamous carcinoma (LUSC); however, it is challenging to distinguish between PMLs that will progress to LUSC from those that will regress without intervention. We developed a computational pipeline using H&E whole slide images (WSIs) to stratify PMLs on the spectrum from normal to tumor tissue. Implementing a study across four data cohorts, including lung tumor resection tissue and endobronchial biopsies, our network distinguished carcinoma in situ biopsies by progression status, indicating that WSIs contain important information that could be used in combination with molecular markers to predict progression to cancer.