Chromosomal instability in cancer consists of dynamic changes to the number and structure of chromosomes

Abstract Cancer evolution is driven by natural selection acting upon phenotypic trait variation. However, the extent to which phenotypic variation within a tumour is a consequence of intra-tumour genetic heterogeneity remains undetermined. Here we show that colorectal cancer cells frequently have highly plastic phenotypic traits in vivo in patient tumours. We measured the degree to which trait variation reflects genetic ancestry by quantifying the phylogenetic signal of gene expression across 297 samples with multi-region paired whole genome and transcriptome sequencing collected from 27 primary colorectal cancers. Within-tumour phylogenetic signal for genes and pathways was detected only infrequently, suggesting that the majority of intra-tumour variation in gene expression programmes was not strongly heritable. Expression quantitative trait loci analyses (eQTL) identified a small number of putative mechanisms of genetic control of gene expression due to the cis -acting coding, non-coding and structural genetic alteration, but most gene expression variation was not explained by our genetic analysis. Leveraging matched chromatin-accessibility sequencing data, enhancer mutations with cis regulatory effects on gene expression were associated with a change in chromatin accessibility, indicating that non-coding variation can have phenotypic consequence through modulation of the 3D architecture of the genome. This study maps the evolution of transcriptional variation during cancer evolution, highlighting that intra-tumour phenotypic plasticity is pervasive in colorectal malignancies, and may play key roles in further tumour evolution, from metastasis to therapy resistance.

Abstract Cancer evolution lays the groundwork for predictive oncology. Testing evolutionary metrics requires quantitative measurements in controlled clinical trials. We mapped genomic intratumor heterogeneity in locally advanced prostate cancer using 642 samples from 114 individuals enrolled in clinical trials with a 12-year median follow-up. We concomitantly assessed morphological heterogeneity using deep learning in 1,923 histological sections from 250 individuals. Genetic and morphological (Gleason) diversity were independent predictors of recurrence (hazard ratio (HR) = 3.12 and 95% confidence interval (95% CI) = 1.34–7.3; HR = 2.24 and 95% CI = 1.28–3.92). Combined, they identified a group with half the median time to recurrence. Spatial segregation of clones was also an independent marker of recurrence (HR = 2.3 and 95% CI = 1.11–4.8). We identified copy number changes associated with Gleason grade and found that chromosome 6p loss correlated with reduced immune infiltration. Matched profiling of relapse, decades after diagnosis, confirmed that genomic instability is a driving force in prostate cancer progression. This study shows that combining genomics with artificial intelligence-aided histopathology leads to the identification of clinical biomarkers of evolution.

Aneuploidy, defined as the loss and gain of whole and part chromosomes, is a near-ubiquitous feature of cancer genomes, is prognostic, and likely an important determinant of cancer cell biology. In colorectal cancer (CRC), aneuploidy is found in virtually all tumours, including precursor adenomas. However, the temporal evolutionary dynamics that select for aneuploidy remain broadly uncharacterised. Here we perform genomic analysis of 755 samples from a total of 167 patients with colorectal-derived neoplastic lesions that cross-sectionally represent the distinct stages of tumour evolution, and longitudinally track individual tumours through metastasis and treatment. Precancer lesions (adenomas) exhibited low levels of aneuploidy but high intra-tumour heterogeneity, whereas cancers had high aneuploidy but low heterogeneity, indicating that progression is through a genetic bottleneck that suppresses diversity. Individual CRC glands from the same tumour have similar karyotypes, despite prior evidence of ongoing instability at the cell level. Pseudo-stable aneuploid genomes were observed in metastatic lesions sampled from liver and other organs, after chemo- or targeted therapies, and late recurrences detected many years after the diagnosis of a primary tumour. Modelling indicates that these data are consistent with the action of stabilising selection that "traps" cancer cell genomes on a fitness peak defined by the specific pattern of aneuploidy. These data show that the initial progression of CRC requires the traversal of a rugged fitness landscape and subsequent genomic evolution, including metastatic dissemination and therapeutic resistance, is constrained by stabilising selection.

Drug resistance mediated by clonal evolution is arguably the biggest problem in cancer therapy today. However, evolving resistance to one drug may come at a cost of decreased growth rate or increased sensitivity to another drug due to evolutionary trade offs. This weakness can be exploited in the clinic using an approach called evolutionary herding that aims at controlling the tumour cell population to delay or prevent resistance. However, recapitulating cancer evolutionary dynamics experimentally remains challenging. Here we present a novel approach for evolutionary herding based on a combination of single-cell barcoding, very large populations of 10^8-10^9 cells grown without re-plating, longitudinal non-destructive monitoring of cancer clones, and mathematical modelling of tumour evolution. We demonstrate evolutionary herding in non-small cell lung cancer, showing that herding allows shifting the clonal composition of a tumour in our favour, leading to collateral drug sensitivity and proliferative fitness costs. Through genomic analysis and single-cell sequencing, we were also able to determine the mechanisms that drive such evolved sensitivity. Our approach allows modelling evolutionary trade-offs experimentally to test patient-specific evolutionary herding strategies that can potentially be translated into the clinic to control treatment resistance.

The vast majority of cancer next-generation sequencing data consist of bulk samples composed of mixtures of cancer and normal cells. To study tumor evolution, subclonal reconstruction approaches based on machine learning are used to separate subpopulation of cancer cells and reconstruct their ancestral relationships. However, current approaches are entirely data-driven and agnostic to evolutionary theory. We demonstrate that systematic errors occur in subclonal reconstruction if tumor evolution is not accounted for, and that those errors increase when multiple samples are taken from the same tumor. To address this issue, we present a novel approach for model-based subclonal reconstruction that combines data-driven machine learning with evolutionary theory. Using public, synthetic and newly generated data, we show the method is more robust and accurate than current techniques in both single-sample and multi-region sequencing data. With careful data curation and interpretation, we show how the method allows minimizing the confounding factors that affect non-evolutionary methods, leading to a more accurate recovery of the evolutionary history of human tumors.

Cancer is driven by complex evolutionary dynamics involving billions of cells. Increasing effort has been dedicated to sequence single tumour cells, but obtaining robust measurements remains challenging. Here we show that multi-region sequencing of bulk tumour samples contains quantitative information on single-cell divisions that is accessible if combined with evolutionary theory. Using high-throughput data from 16 human cancers, we measured the in vivo per-cell point mutation rate (mean: 1.69*10^(-8) bp per cell division) and per-cell survival rate (mean: 0.57) in individual patient tumours from colon, lung and renal cancers. Per-cell mutation rates varied 50-fold between individuals, and per-cell survival rates were between nearly-homeostatic and almost perfect cell doublings, equating to tumour ages between 1 and 19 years. Furthermore, reanalysing a recent dataset of 89 whole-genome sequenced healthy haematopoietic stem cells, we find 1.14 mutations per genome per cell division and near perfect cell doublings (per-cell survival rate: 0.96) during early haematopoietic development. Our analysis measures in vivo the most fundamental properties of human cancer and healthy somatic evolution at single-cell resolution within single individuals.

Drug resistance is a largely unsolved problem in oncology. Despite the explanatory power of the genetic model of cancer initiation, most treatment resistance is unexplained by genetics alone. Even when known resistance mutations are present, they are often found in a small proportion of the cells in the tumour. So where is the cellular memory that leads to treatment failure? New evidence suggests resistance is multi-factorial, resulting from the contribution of heritable genetic and epigenetic changes, but also non-heritable phenotypic plasticity. However, cell plasticity has proven hard to study as it dynamically changes over time and needs to be distinguished from clonal evolution where cell phenotypes change because of Darwinian selective bottlenecks. Here we dissected the contribution of different evolutionary processes to drug resistance by perturbing patient-derived organoids with multiple drugs in sequence. We combined dense longitudinal tracking, single cell multi-omics, evolutionary modelling, and machine learning archetypal analysis. We found that different drugs select for distinct subclones, an essential requirement for the use of evolutionary therapy with sequential drug treatment. The data supports a model in which the cellular memory is encoded as a heritable configuration of the epigenome, which however produces multiple transcriptional programmes. Those emerge in different proportions depending on the environment, giving rise to cellular plasticity. Epigenetically encoded programmes include reactivation of developmental genes and cell regeneration. A one-to-many (epi)genotype-phenotype map explains how clonal expansions and non-heritable phenotypic plasticity manifest together, including drug tolerant states. This ensures the robustness of drug resistance subclones that can exhibit distinct phenotypes in changing environments while still preserving the cellular memory encoding their selective advantage.

Abstract Colorectal malignancies are a leading cause of cancer death. Despite large-scale genomic efforts, DNA mutations do not fully explain malignant evolution. Here we study the co-evolution of the genome and epigenome of colorectal tumours at single-clone resolution using spatial multi-omic profiling of individual glands. We collected 1,373 samples from 30 primary cancers and 9 concomitant adenomas and generated 1,212 chromatin accessibility profiles, 527 whole-genomes and 297 whole-transcriptomes. We found positive selection for DNA mutations in chromatin modifier genes and recurrent chromatin changes in regulatory regions of cancer drivers with otherwise no mutation. Genome-wide alterations in transcription factor binding accessibility involved CTCF , downregulation of interferon, and increased accessibility for SOX and HOX , indicating developmental genes reactivation. Epigenetic aberrations were heritable, distinguishing adenomas from cancers. Mutational signature analysis showed the epigenome influencing DNA mutation accumulation. This study provides a map of (epi)genetic tumour heterogeneity, with fundamental implications for understanding colorectal cancer biology.

ABSTRACT Immune system control is a major hurdle that cancer evolution must circumvent. The relative timing and evolutionary dynamics of subclones that have escaped immune control remain incompletely characterized, and how immune-mediated selection shapes the epigenome has received little attention. Here, we infer the genome- and epigenome-driven evolutionary dynamics of tumour-immune coevolution within primary colorectal cancers (CRCs). We utilise our existing CRC multi-region multi-omic dataset that we supplement with high-resolution spatially-resolved neoantigen sequencing data and highly multiplexed imaging of the tumour microenvironment (TME). Analysis of somatic chromatin accessibility alterations (SCAAs) reveals frequent somatic loss of accessibility at antigen presenting genes, and that SCAAs contribute to silencing of neoantigens. We observe that strong immune escape and exclusion occur at the outset of CRC formation, and that within tumours, including at the microscopic level of individual tumour glands, additional immune escape alterations have negligible consequences for the immunophenotype of cancer cells. Further minor immuno-editing occurs during local invasion and is associated with TME reorganisation, but that evolutionary bottleneck is relatively weak. Collectively, we show that immune evasion in CRC follows a “Big Bang” evolutionary pattern, whereby genetic, epigenetic and TME-driven immune evasion acquired by the time of transformation defines subsequent cancer-immune evolution.