Abstract Acquired drug resistance to even the most effective anti-cancer targeted therapies remains an unsolved clinical problem. Although many drivers of acquired drug resistance have been identified 1‒6 , the underlying molecular mechanisms shaping tumor evolution during treatment are incompletely understood. The extent to which therapy actively drives tumor evolution by promoting mutagenic processes 7 or simply provides the selective pressure necessary for the outgrowth of drug-resistant clones 8 remains an open question. Here, we report that lung cancer targeted therapies commonly used in the clinic induce the expression of cytidine deaminase APOBEC3A (A3A), leading to sustained mutagenesis in drug-tolerant cancer cells persisting during therapy. Induction of A3A facilitated the formation of double-strand DNA breaks (DSBs) in cycling drug-treated cells, and fully resistant clones that evolved from drug-tolerant intermediates exhibited an elevated burden of chromosomal aberrations such as copy number alterations and structural variations. Preventing therapy-induced A3A mutagenesis either by gene deletion or RNAi-mediated suppression delayed the emergence of drug resistance. Finally, we observed accumulation of A3A mutations in lung cancer patients who developed drug resistance after treatment with sequential targeted therapies. These data suggest that induction of A3A mutagenesis in response to targeted therapy treatment may facilitate the development of acquired resistance in non-small-cell lung cancer. Thus, suppressing expression or enzymatic activity of A3A may represent a potential therapeutic strategy to prevent or delay acquired resistance to lung cancer targeted therapy.

Abstract We report genome-wide data for 33 Ashkenazi Jews (AJ), dated to the 14 th century, following a salvage excavation at the medieval Jewish cemetery of Erfurt, Germany. The Erfurt individuals are genetically similar to modern AJ and have substantial Southern European ancestry, but they show more variability in Eastern European-related ancestry than modern AJ. A third of the Erfurt individuals carried the same nearly-AJ-specific mitochondrial haplogroup and eight carried pathogenic variants known to affect AJ today. These observations, together with high levels of runs of homozygosity, suggest that the Erfurt community had already experienced the major reduction in size that affected modern AJ. However, the Erfurt bottleneck was more severe, implying substructure in medieval AJ. Together, our results suggest that the AJ founder event and the acquisition of the main sources of ancestry pre-dated the 14 th century and highlight late medieval genetic heterogeneity no longer present in modern AJ.

Discovery of cancer drivers has traditionally focused on the identification of protein-coding genes. Here we present a comprehensive analysis of putative cancer driver mutations in both protein-coding and non-coding genomic regions across >2,500 whole cancer genomes from the Pan-Cancer Analysis of Whole Genomes (PCAWG) Consortium. We developed a statistically rigorous strategy for combining significance levels from multiple driver discovery methods and demonstrate that the integrated results overcome limitations of individual methods. We combined this strategy with careful filtering and applied it to protein-coding genes, promoters, untranslated regions (UTRs), distal enhancers and non-coding RNAs. These analyses redefine the landscape of non-coding driver mutations in cancer genomes, confirming a few previously reported elements and raising doubts about others, while identifying novel candidate elements across 27 cancer types. Novel recurrent events were found in the promoters or 5'UTRs of TP53, RFTN1, RNF34, and MTG2, in the 3'UTRs of NFKBIZ and TOB1, and in the non-coding RNA RMRP. We provide evidence that the previously reported non-coding RNAs NEAT1 and MALAT1 may be subject to a localized mutational process. Perhaps the most striking finding is the relative paucity of point mutations driving cancer in non-coding genes and regulatory elements. Though we have limited power to discover infrequent non-coding drivers in individual cohorts, combined analysis of promoters of known cancer genes show little excess of mutations beyond TERT.

Synthetic lethality, an interaction whereby the co-occurrence of two or more genetic events lead to cell death but one event alone does not, can be exploited to develop novel cancer therapeutics. DNA repair processes represent attractive synthetic lethal targets since many cancers exhibit an impaired DNA repair pathway, which can lead these cells to become dependent on specific repair proteins. The success of poly (ADP-ribose) polymerase 1 (PARP-1) inhibitors in homologous recombination-deficient cancers highlights the potential of this approach in clinical oncology. Hypothesizing that other DNA repair defects would give rise to alternative synthetic lethal relationships, we asked if there are specific dependencies in cancers with microsatellite instability (MSI), which results from impaired DNA mismatch repair (MMR). Here we analyzed data from large-scale CRISPR/Cas9 knockout and RNA interference (RNAi) silencing screens and found that the RecQ DNA helicase was selectively essential in MSI cell lines, yet dispensable in microsatellite stable (MSS) cell lines. WRN depletion induced double-strand DNA breaks and promoted apoptosis and cell cycle arrest selectively in MSI models. MSI cancer models specifically required the helicase activity, but not the exonuclease activity of WRN. These findings expose WRN as a synthetic lethal vulnerability and promising drug target in MSI cancers.

Existing somatic benchmark datasets for human sequencing data use germline variants, synthetic methods, or expensive validations, none of which are satisfactory for providing a large collection of true somatic variation across a whole genome. Here we propose a dataset of short somatic mutations, that are validated using a known cell lineage. The dataset contains 56,974 (2,687 unique) Single Nucleotide Variations (SNV), 6,370 (316 unique) small Insertions and Deletions (Indels), and 144 (8 unique) Copy Number Variants (CNV) across 98 in silico mixed truth sets with a high confidence region covering 2.7 gigabases per mixture. The data is publicly available for use as a benchmarking dataset for somatic short mutation discovery pipelines.