Elucidation of the mutational landscape of human cancer has progressed rapidly and been accompanied by the development of therapeutics targeting mutant oncogenes. However, a comprehensive mapping of cancer dependencies has lagged behind and the discovery of therapeutic targets for counteracting tumor suppressor gene loss is needed. To identify vulnerabilities relevant to specific cancer subtypes, we conducted a large-scale RNAi screen in which viability effects of mRNA knockdown were assessed for 7,837 genes using an average of 20 shRNAs per gene in 398 cancer cell lines. We describe findings of this screen, outlining the classes of cancer dependency genes and their relationships to genetic, expression, and lineage features. In addition, we describe robust gene-interaction networks recapitulating both protein complexes and functional cooperation among complexes and pathways. This dataset along with a web portal is provided to the community to assist in the discovery and translation of new therapeutic approaches for cancer.

5-Methylthioadenosine phosphorylase (MTAP) is a key enzyme in the methionine salvage pathway. The MTAP gene is frequently deleted in human cancers because of its chromosomal proximity to the tumor suppressor gene CDKN2A. By interrogating data from a large-scale short hairpin RNA-mediated screen across 390 cancer cell line models, we found that the viability of MTAP-deficient cancer cells is impaired by depletion of the protein arginine methyltransferase PRMT5. MTAP-deleted cells accumulate the metabolite methylthioadenosine (MTA), which we found to inhibit PRMT5 methyltransferase activity. Deletion of MTAP in MTAP-proficient cells rendered them sensitive to PRMT5 depletion. Conversely, reconstitution of MTAP in an MTAP-deficient cell line rescued PRMT5 dependence. Thus, MTA accumulation in MTAP-deleted cancers creates a hypomorphic PRMT5 state that is selectively sensitized toward further PRMT5 inhibition. Inhibitors of PRMT5 that leverage this dysregulated metabolic state merit further investigation as a potential therapy for MTAP/CDKN2A-deleted tumors.

In eukaryotes, double-stranded (ds) RNA induces sequence-specific inhibition of gene expression, referred to as RNA interference (RNAi). In invertebrates, RNAi can be triggered effectively by either long dsRNAs or 21- to 23-nt-long short interfering (si) duplex RNAs, acting as effectors of RNAi. siRNAs recently have been shown to act as potent inducers of RNAi in cultured mammalian cells. However, studies of RNAi activated by long dsRNA are impeded by its nonspecific effects, mediated by dsRNA-dependent protein kinase PKR and RNase L. Here, we report that the RNAi response can be induced effectively by long dsRNA in nondifferentiated mouse cells grown in culture. Transfection of dsRNA into embryonal carcinoma (EC) P19 and F9 cells results in a sequence-specific decrease in the level of proteins expressed from either exogenous or endogenous genes. dsRNA-mediated inhibition of the reporter gene also occurs in mouse embryonic stem cells. The RNAi effect is mediated by siRNAs, which are generated by cleavage of dsRNA by the RNaseIII-like enzyme, Dicer. We demonstrate that extracts prepared from EC cells catalyze processing of dsRNA into ≈23-nt fragments and that Dicer localizes to the cytoplasm of EC and HeLa cells.

Abstract CRISPR/Cas9 has emerged as a powerful new tool to systematically probe gene function. We compared the performance of CRISPR to RNAi-based loss-of-function screens for the identification of cancer dependencies across multiple cancer cell lines. CRISPR dropout screens consistently identified more lethal genes than RNAi, implying that the identification of many cellular dependencies may require full gene inactivation. However, in two aneuploid cancer models, we found that all genes within highly amplified regions, including nonexpressed genes, scored as lethal by CRISPR, revealing an unanticipated class of false-positive hits. In addition, using a CRISPR tiling screen, we found that sgRNAs targeting essential domains generate the strongest lethality phenotypes and thus provide a strategy to rapidly define the protein domains required for cancer dependence. Collectively, these findings not only demonstrate the utility of CRISPR screens in the identification of cancer-essential genes, but also reveal the need to carefully control for false-positive results in chromosomally unstable cancer lines. Significance: We show in this study that CRISPR-based screens have a significantly lower false-negative rate compared with RNAi-based screens, but have specific liabilities particularly in the interrogation of regions of genome amplification. Therefore, this study provides critical insights for applying CRISPR-based screens toward the systematic identification of new cancer targets. Cancer Discov; 6(8); 900–13. ©2016 AACR. See related commentary by Sheel and Xue, p. 824. See related article by Aguirre et al., p. 914. This article is highlighted in the In This Issue feature, p. 803

Cell autonomous cancer dependencies are now routinely identified using CRISPR loss-of-function screens. However, a bias exists that makes it difficult to assess the true essentiality of genes located in amplicons, since the entire amplified region can exhibit lethal scores. These false-positive hits can either be discarded from further analysis, which in cancer models can represent a significant number of hits, or methods can be developed to rescue the true-positives within amplified regions. We propose two methods to rescue true positive hits in amplified regions by correcting for this copy number artefact. The Local Drop Out (LDO) method uses the relative lethality scores within genomic regions to assess true essentiality and does not require additional orthogonal data (e.g. copy number value). LDO is meant to be used in screens covering a dense region of the genome (e.g. a whole chromosome or the whole genome). The General Additive Model (GAM) method models the screening data as a function of the known copy number values and removes the systematic effect from the measured lethality. GAM does not require the same density as LDO, but does require prior knowledge of the copy number values. Both methods have been developed with single sample experiments in mind so that the correction can be applied even in smaller screens. Here we demonstrate the efficacy of both methods at removing the copy number effect and rescuing hits from some of the amplified regions. We estimate a 70-80% decrease of false positive hits in regions of high copy number with either method.