Abstract Gene regulatory network inference is essential to uncover complex relationships among gene pathways and inform downstream experiments, ultimately paving the way for regulatory network re-engineering. Network inference from transcriptional time series data requires accurate, interpretable, and efficient determination of causal relationships among thousands of genes. Here, we develop Bootstrap Elastic net regression from Time Series (BETS), a statistical framework based on Granger causality for the recovery of a directed gene network from transcriptional time series data. BETS uses elastic net regression and stability selection from bootstrapped samples to infer causal relationships among genes. BETS is highly parallelized, enabling efficient analysis of large transcriptional data sets. We show competitive accuracy on a community benchmark, the DREAM4 100-gene network inference challenge, where BETS is one of the fastest among methods of similar performance but additionally infers whether the causal effects are activating or inhibitory. We apply BETS to transcriptional time series data of 2, 768 differentially-expressed genes from A549 cells exposed to glucocorticoids over a period of 12 hours. We identify a network of 2, 768 genes and 31, 945 directed edges (FDR ≤ 0.2). We validate inferred causal network edges using two external data sources: overexpression experiments on the same glucocorticoid system, and genetic variants associated with inferred edges in primary lung tissue in the Genotype-Tissue Expression (GTEx) v6 project. BETS is freely available as an open source software package at https://github.com/lujonathanh/BETS .

Abstract The discovery, characterization, and adaptation of the RNA-guided clustered regularly interspersed short palindromic repeat (CRISPR)-Cas9 system has greatly increased the ease with which genome and epigenome editing can be performed. Fusion of chromatin-modifying domains to the nuclease-deactivated form of Cas9 (dCas9) has enabled targeted gene activation or repression in both cultured cells and in vivo in animal models. However, delivery of the large dCas9 fusion proteins to target cell types and tissues is an obstacle to widespread adoption of these tools for in vivo studies. Here we describe the generation and validation of two conditional transgenic mouse lines for targeted gene regulation, Rosa26:LSL-dCas9-p300 for gene activation and Rosa26:LSL-dCas9-KRAB for gene repression. Using the dCas9 p300 and dCas9 KRAB transgenic mice we demonstrate activation or repression of genes in both the brain and liver in vivo , and T cells and fibroblasts ex vivo . We show gene regulation and targeted epigenetic modification with gRNAs targeting either transcriptional start sites (TSS) or distal enhancer elements, as well as corresponding changes to downstream phenotypes. These mouse lines are convenient and valuable tools for facile, temporally controlled, and tissue-restricted epigenome editing and manipulation of gene expression in vivo .

Abstract Acquired resistance remains a major challenge for therapies targeting oncogene activated pathways. KRAS is the most frequently mutated oncogene in human cancers, yet strategies targeting its downstream signaling kinases have failed to produce durable treatment responses. Here, we developed multiple models of acquired resistance to dual-mechanism ERK/MAPK inhibitors across KRAS -mutant pancreatic, colorectal, and lung cancers, and then probed the long-term events enabling survival against this novel class of drugs. These studies revealed that resistance emerges secondary to large-scale transcriptional adaptations that are diverse and tumor-specific. Transcriptional reprogramming extends beyond the well-established early response, and instead represents a dynamic, evolved population-level process that is refined to attain a stably resistant phenotype. Mechanistic and translational studies reveal that resistance to dual-mechanism ERK/MAPK inhibition is broadly susceptible to manipulation of the epigenetic machinery, and that Mediator kinase, in particular, can be co-targeted at a bottleneck point to prevent diverse, tumor-specific resistance programs.

SUMMARY Evidence has long suggested that epidermal growth factor receptor (EGFR) may play a prominent role in triple-negative breast cancer (TNBC) pathogenesis, but clinical trials of EGFR inhibitors have yielded disappointing results. Using a candidate drug screen, we discovered that inhibition of CDK12 dramatically sensitizes diverse models of TNBC to EGFR blockade. Instead of functioning through CDK12’s well-established roles proximal to transcription, this combination therapy drives cell death through the 4E-BP1-dependent suppression of the translation and consequent stability of driver oncoproteins, including MYC. A genome-wide CRISPR/Cas9 screen identified the CCR4-NOT complex as a major determinant of sensitivity to the combination therapy whose loss renders 4E-BP1 unresponsive to drug-induced dephosphorylation, rescuing MYC translational suppression and stability. The central roles of CCR4-NOT and 4E-BP1 in response to the combination therapy were further underscored by the observation of CNOT1 loss and rescue of 4E-BP1 phosphorylation in TNBC cells that naturally evolved therapy resistance. Thus, pharmacological inhibition of CDK12 reveals a long proposed EGFR dependence in TNBC that functions through the cooperative regulation of translation-coupled oncoprotein stability.

Abstract Acquired resistance remains a major challenge for therapies targeting oncogene activated pathways. KRAS is the most frequently mutated oncogene in human cancers, yet strategies targeting its downstream signaling kinases have failed to produce durable treatment responses. Here, we developed multiple models of acquired resistance to dual-mechanism ERK/MAPK inhibitors across KRAS -mutant pancreatic, colorectal, and lung cancers, and then probed the long-term events enabling survival against this class of drugs. These studies revealed that resistance emerges secondary to large-scale transcriptional adaptations that are diverse and cell line-specific. Transcriptional reprogramming extends beyond the well-established early response, and instead represents a dynamic, evolved process that is refined to attain a stably resistant phenotype. Mechanistic and translational studies reveal that resistance to dual-mechanism ERK/MAPK inhibition is broadly susceptible to manipulation of the epigenetic machinery, and that Mediator kinase, in particular, can be co-targeted at a bottleneck point to prevent diverse, cell line-specific resistance programs.

Abstract The clinical response to adoptive T cell therapies is strongly associated with transcriptional and epigenetic state. Thus, technologies to discover regulators of T cell gene networks and their corresponding phenotypes have great potential to improve the efficacy of T cell therapies. We developed pooled CRISPR screening approaches with compact epigenome editors to systematically profile the effects of activation and repression of 120 transcription factors and epigenetic modifiers on human CD8+ T cell state. These screens nominated known and novel regulators of T cell phenotypes with BATF3 emerging as a high confidence gene in both screens. We found that BATF3 overexpression promoted specific features of memory T cells such as increased IL7R expression and glycolytic capacity, while attenuating gene programs associated with cytotoxicity, regulatory T cell function, and T cell exhaustion. In the context of chronic antigen stimulation, BATF3 overexpression countered phenotypic and epigenetic signatures of T cell exhaustion. CAR T cells overexpressing BATF3 significantly outperformed control CAR T cells in both in vitro and in vivo tumor models. Moreover, we found that BATF3 programmed a transcriptional profile that correlated with positive clinical response to adoptive T cell therapy. Finally, we performed CRISPR knockout screens with and without BATF3 overexpression to define co-factors and downstream factors of BATF3, as well as other therapeutic targets. These screens pointed to a model where BATF3 interacts with JUNB and IRF4 to regulate gene expression and illuminated several other novel targets for further investigation.

Transcriptome-wide time series expression profiling is used to characterize the cellular response to environmental perturbations. The first step to analyzing transcriptional response data is often to cluster genes with similar responses. Here, we present a nonparametric model-based method, Dirichlet process Gaussian process mixture model (DPGP), which jointly models cluster number with a Dirichlet process and temporal dependencies with Gaussian processes. We demonstrate the accuracy of DPGP in comparison with state-of-the-art approaches using hundreds of simulated data sets. To further test our method, we apply DPGP to published microarray data from a microbial model organism exposed to stress and to novel RNA-seq data from a human cell line exposed to the glucocorticoid dexamethasone. We validate our clusters by examining local transcription factor binding and histone modifications. Our results demonstrate that jointly modeling cluster number and temporal dependencies can reveal novel regulatory mechanisms. DPGP software is freely available online at https://github.com/PrincetonUniversity/DP_GP_cluster.

Abstract High-throughput reporter assays such as self-transcribing active regulatory region sequencing (STARR-seq) have made it possible to measure genome-wide regulatory element activity across the human genome. The assays, however, also present substantial analytical challenges. Here, we identify technical biases that explain most of the variance in STARR-seq signals. We then develop a statistical model to correct those biases and to improve detection of regulatory elements. This approach substantially improves precision and recall over current methods, improves detection of both activating and repressive regulatory elements, and controls for false discoveries despite strong local signal correlations.

The glucocorticoid receptor directly regulates thousands of genes across the human genome in a cell-type specific manner, governing various aspects of homeostasis. The influence of the glucocorticoid receptor is also seen in various pathologies, including cancer, where it has been linked to tumorigenesis, metastasis, apoptosis resistance, and therapy bypass. Nonetheless, the direct genetic and molecular underpinnings of glucocorticoid action in cancer remain elusive. Here, we dissected the glucocorticoid receptor signalling axis and uncovered the mechanism of glucocorticoid-mediated cancer cell dormancy. Upon glucocorticoid receptor activation cancer cells undergo quiescence, subserved by cell cycle arrest through CDKN1C and reprogramming of signalling orchestrated via FOXO1 / IRS2 . Strikingly, co-expression of these three genes, directly regulated by glucocorticoid-induced chromatin looping, correlates with a benign molecular phenotype across human cancers, whereas triple loss is associated with increased expression of proliferation/aggressiveness markers. Finally, we show that the glucocorticoid receptor signalling axis is inactivated by alterations of either the chromatin remodelling complex or TP53 in vitro and in vivo . Our results indicate that the activation of the glucocorticoid receptor leads to cancer cell dormancy, which has several implications in terms of glucocorticoid use in cancer therapy.

Long intergenic non-coding RNAs (lincRNA) are members of a class of non-protein-coding RNA transcript that has recently been shown to contribute to gene regulatory processes and disease etiology. It has been hypothesized that lincRNAs influence disease risk through the regulation of mRNA transcription, possibly by interacting with regulatory proteins such as chromatin-modifying complexes. The hypothesis of the regulation of mRNA by lincRNAs is based on a small number of specific lincRNAs analyses; the cellular roles of lincRNAs regulation have not been catalogued genome-wide. Relative to mRNAs, lincRNAs tend to be expressed at lower levels and in more tissue-specific patterns, making genome-wide studies of their regulatory capabilities difficult. Here we develop a method for Mendelian randomization leveraging expression quantitative trait loci (eQTLs) that regulate the expression levels of lincRNAs (linc-eQTLs) to perform such a study across four primary tissues. We find that linc-eQTLs are largely similar to protein-coding eQTLs (pc-eQTLs) in cis-regulatory element enrichment, which supports the hypothesis that lincRNAs are regulated by the same transcriptional machinery as protein-coding RNAs and validates our linc-eQTLs. We catalog 74 lincRNAs with linc-eQTLs that are in linkage disequilibrium with TASs and are in protein-coding gene deserts; the putative lincRNA-regulated traits are highly enriched for adipose-related traits relative to mRNA-regulated traits.