We conducted the largest investigation of predisposition variants in cancer to date, discovering 853 pathogenic or likely pathogenic variants in 8% of 10,389 cases from 33 cancer types. Twenty-one genes showed single or cross-cancer associations, including novel associations of SDHA in melanoma and PALB2 in stomach adenocarcinoma. The 659 predisposition variants and 18 additional large deletions in tumor suppressors, including ATM, BRCA1, and NF1, showed low gene expression and frequent (43%) loss of heterozygosity or biallelic two-hit events. We also discovered 33 such variants in oncogenes, including missenses in MET, RET, and PTPN11 associated with high gene expression. We nominated 47 additional predisposition variants from prioritized VUSs supported by multiple evidences involving case-control frequency, loss of heterozygosity, expression effect, and co-localization with mutations and modified residues. Our integrative approach links rare predisposition variants to functional consequences, informing future guidelines of variant classification and germline genetic testing in cancer.

Cancers develop through somatic mutagenesis, however germline genetic variation can markedly contribute to tumorigenesis via diverse mechanisms. We discovered and phased 88 million germline single nucleotide variants, short insertions/deletions, and large structural variants in whole genomes from 2,642 cancer patients, and employed this genomic resource to study genetic determinants of somatic mutagenesis across 39 cancer types. Our analyses implicate damaging germline variants in a variety of cancer predisposition and DNA damage response genes with specific somatic mutation patterns. Mutations in the MBD4 DNA glycosylase gene showed association with elevated C>T mutagenesis at CpG dinucleotides, a ubiquitous mutational process acting across tissues. Analysis of somatic structural variation exposed complex rearrangement patterns, involving cycles of templated insertions and tandem duplications, in BRCA1-deficient tumours. Genome-wide association analysis implicated common genetic variation at the APOBEC3 gene cluster with reduced basal levels of somatic mutagenesis attributable to APOBEC cytidine deaminases across cancer types. We further inferred over a hundred polymorphic L1/LINE elements with somatic retrotransposition activity in cancer. Our study highlights the major impact of rare and common germline variants on mutational landscapes in cancer.

SUMMARY Pancreatic Ductal Adenocarcinoma (PDAC) is a lethal disease with limited treatment options and poor survival. We studied 73 samples from 21 patients (7 treatment-naïve and 14 treated with neoadjuvant regimens), analyzing distinct spatial units and performing bulk proteogenomics, single cell sequencing, and cellular imaging. Spatial drivers, including mutant KRAS , SMAD4 , and GNAQ, were associated with differential phosphosignaling and metabolic responses compared to wild type. Single cell subtyping discovered 12 of 21 tumors with mixed basal and classical features. Trefoil factor family members were upregulated in classical populations, while the basal populations showed enhanced expression of mesenchymal genes, including VIM and IGTB1 . Acinar-ductal metaplasia (ADM) populations, present in 95% of patients, with 46% reduction of driver mutation fractions compared to tumor populations, exhibited suppressive and oncogenic features linked to morphologic states. We identified coordinated expression of TIGIT in exhausted and regulatory T cells and Nectin receptor expression in tumor cells. Higher expression of angiogenic and stress response genes in dendritic cells compared to tumor cells suggests they have a pro-tumorigenic role in remodeling the microenvironment. Treated samples contain a three-fold enrichment of inflammatory CAFs when compared to untreated samples, while other CAF subtypes remain similar. A subset of tumor and/or ADM-specific biomarkers showed differential expression between treatment groups, and several known drug targets displayed potential cross-cell type reactivities. This resolution that spatially defined single cell omics provides reveals the diversity of tumor and microenvironment populations in PDAC. Such understanding may lead to more optimal treatment regimens for patients with this devastating disease. HIGHLIGHTS Acinar-ductal metaplasia (ADM) cells represent a genetic and morphologic transition state between acinar and tumor cells. Inflammatory cancer associated fibroblasts (iCAFs) are a major component of the PDAC TME and are significantly higher in treated samples Receptor-ligand analysis reveals tumor cell-TME interactions through NECTIN4-TIGIT Tumor and ADM cell proteogenomics differ between treated and untreated samples, with unique and shared potential drug targets

Patient-derived xenografts (PDXs) are resected human tumors engrafted into mice for preclinical studies and therapeutic testing. It has been proposed that the mouse host affects tumor evolution during PDX engraftment and propagation, impacting the accuracy of PDX modeling of human cancer. Here we exhaustively analyze copy number alterations (CNAs) in 1451 PDX and matched patient tumor (PT) samples from 509 PDX models. CNA inferences based on DNA sequencing and microarray data displayed substantially higher resolution and dynamic range than gene expression-based inferences, and they also showed strong CNA conservation from PTs through late-passage PDXs. CNA recurrence analysis of 130 colorectal and breast PT/PDX-early/PDX-late trios confirmed high-resolution CNA retention. We observed no significant enrichment of cancer-related genes in PDX-specific CNAs across models. Moreover, CNA differences between patient and PDX tumors were comparable to variations in multi-region samples within patients. Our study demonstrates the lack of systematic copy number evolution driven by the PDX mouse host.

Abstract Patient-derived xenografts (PDXs) model human intra-tumoral heterogeneity in the context of the intact tissue of immunocompromised mice. Histological imaging via hematoxylin and eosin (H&E) staining is performed on PDX samples for routine assessment and, in principle, captures the complex interplay between tumor and stromal cells. Deep learning (DL)-based analysis of large human H&E image repositories has extracted inter-cellular and morphological signals correlated with disease phenotype and therapeutic response. Here, we present an extensive, pan-cancer repository of nearly 1,000 PDX and paired human progenitor H&E images. These images, curated from the PDXNet consortium, are associated with genomic and transcriptomic data, clinical metadata, pathological assessment of cell composition, and, in several cases, detailed pathological annotation of tumor, stroma, and necrotic regions. We demonstrate that DL can be applied to these images to classify tumor regions and to predict xenograft-transplant lymphoproliferative disorder, the unintended outgrowth of human lymphocytes at the transplantation site. This repository enables PDX-specific, investigations of cancer biology through histopathological analysis and contributes important model system data that expand on existing human histology repositories. We expect the PDXNet Image Repository to be valuable for controlled digital pathology analysis, both for the evaluation of technical issues such as stain normalization and for development of novel computational methods based on spatial behaviors within cancer tissues.

Background: Cancer risk differs across ancestries and these differences may result from differing prevalence of inherited genetic predisposition. Yet, most germline genomic studies performed to date have focused on individuals of European ancestry. Ancestry-specific analyses of germline genomes are required to inform cancer genetic risk and prognosis for each ancestral group. Here, we investigate potentially germline pathogenic variants in cancer predisposition genes (CPG) and their somatic effects in patients across diverse ancestral backgrounds. Methods: We performed a retrospective analysis of germline genomic data of 9,899 patients from 33 cancer types generated by The Cancer Genome Atlas (TCGA) project along with matching somatic genomic and transcriptomic data. By collapsing pathogenic and likely pathogenic variants to the gene level, we analyzed the association between variants in CPGs and cancer types within each ancestry. We also identified ancestry-specific predisposing variants and their associated somatic two-hit events and gene expression levels. Results: Recent genetic ancestry analysis classified the cohort of 9,899 cancer cases into individuals of primarily European, (N = 8,184 , 82.7%), African (N = 966, 9.8%), East Asian (N = 649, 6.6%), South Asian (N=48, 0.5%), Native/Latin American (N=41, 0.4%), and admixed (N=11, 0.1%) ancestries. In the African ancestry, we discovered a potentially novel association of BRCA2 in lung squamous cell carcinoma (OR = 41.4 [95% CI, 6.1-275.6]; FDR = 0.002) along with the previously identified association of BRCA2 in ovarian serous cystadenocarcinoma (OR=8.5 [95% CI, 1.5-47.4]; FDR=0.045). Similarly, in the East Asian ancestry, we discovered one previously known association of BRIP1 in stomach adenocarcinoma (OR=12.8 [95% CI, 1.8-90.84]; FDR=0.038). Rare variant burden analysis further identified 7 suggestive associations for cancer-gene pairs in African ancestry individuals previously well described in European ancestry including SDHB in pheochromocytoma and paraganglioma, ATM in prostate adenocarcinoma, VHL in kidney renal clear cell carcinoma, FH in kidney renal papillary cell carcinoma, and PTEN in uterine corpus endometrial carcinoma. Loss of heterozygosity was identified for 7 out of the 15 African ancestry carriers of predisposing variants. Further, tumors from the SDHB or BRCA2 carriers showed simultaneous allelic specific expression and low gene expression of their respective affected genes; and FH splice-site variant carriers showed mis-splicing of FH. Conclusions: While several predisposing genes are shared across patients, many pathogenic variants are found to be ancestry-specific and trigger somatic effects. Analysis of larger diverse ancestries genomic cohorts are required to pinpoint ancestry-specific genetic predisposition to inform personalized diagnosis and screening strategies.### Competing Interest StatementS.E.P. is a member of the Baylor Genetics laboratory scientific advisory panel.