The elucidation of breast cancer subgroups and their molecular drivers requires integrated views of the genome and transcriptome from representative numbers of patients. We present an integrated analysis of copy number and gene expression in a discovery and validation set of 997 and 995 primary breast tumours, respectively, with long-term clinical follow-up. Inherited variants (copy number variants and single nucleotide polymorphisms) and acquired somatic copy number aberrations (CNAs) were associated with expression in ∼40% of genes, with the landscape dominated by cis- and trans-acting CNAs. By delineating expression outlier genes driven in cis by CNAs, we identified putative cancer genes, including deletions in PPP2R2A, MTAP and MAP2K4. Unsupervised analysis of paired DNA–RNA profiles revealed novel subgroups with distinct clinical outcomes, which reproduced in the validation cohort. These include a high-risk, oestrogen-receptor-positive 11q13/14 cis-acting subgroup and a favourable prognosis subgroup devoid of CNAs. Trans-acting aberration hotspots were found to modulate subgroup-specific gene networks, including a TCR deletion-mediated adaptive immune response in the ‘CNA-devoid’ subgroup and a basal-specific chromosome 5 deletion-associated mitotic network. Our results provide a novel molecular stratification of the breast cancer population, derived from the impact of somatic CNAs on the transcriptome. Integrative analysis of copy number and gene expression in 2,000 primary breast tumours with long-term clinical follow-up revealed putative cis-acting driver genes, novel subgroups and trans-acting aberration hotspots that modulate subgroup-specific gene networks.

Image analysis of breast cancer tissue improves and complements genomic data to predict patient survival.

High-grade serous ovarian cancer (HGSC) exhibits extensive malignant clonal diversity with widespread but non-random patterns of disease dissemination. We investigated whether local immune microenvironment factors shape tumor progression properties at the interface of tumor-infiltrating lymphocytes (TILs) and cancer cells. Through multi-region study of 212 samples from 38 patients with whole-genome sequencing, immunohistochemistry, histologic image analysis, gene expression profiling, and T and B cell receptor sequencing, we identified three immunologic subtypes across samples and extensive within-patient diversity. Epithelial CD8+ TILs negatively associated with malignant diversity, reflecting immunological pruning of tumor clones inferred by neoantigen depletion, HLA I loss of heterozygosity, and spatial tracking between T cell and tumor clones. In addition, combinatorial prognostic effects of mutational processes and immune properties were observed, illuminating how specific genomic aberration types associate with immune response and impact survival. We conclude that within-patient spatial immune microenvironment variation shapes intraperitoneal malignant spread, provoking new evolutionary perspectives on HGSC clonal dispersion.

Summary Glioblastoma recurrence originates from invasive cells at the tumour margin that escape surgical debulking, but their biology remains poorly understood. Here we generated three somatic mouse models recapitulating the main glioblastoma driver mutations to characterise margin cells. We find that, regardless of genetics, tumours converge on a common set of neural- like cellular states. However, bulk and margin display distinct neurogenic patterns and immune microenvironments. The margin is immune-cold and preferentially follows developmental-like trajectories to produce astrocyte-like cells. In contrast, injury-like programmes dominate in the bulk, are associated with immune infiltration and generate lowly-proliferative injured neural progenitor-like (iNPCs) cells. In vivo label-retention approaches further demonstrate that iNPCs account for a significant proportion of dormant glioblastoma cells and are induced by interferon signalling within T-cell niches. These findings indicate that tumour region is a major determinant of glioblastoma cell fate and therapeutic vulnerabilities identified in bulk may not extend to the margin residuum.

Abstract The phenomenon of mixed/heterogenous treatment responses to cancer therapies within an individual patient presents a challenging clinical scenario. Furthermore, the molecular basis of mixed intra-patient tumor responses remains unclear. Here, we show that patients with metastatic lung adenocarcinoma harbouring co-mutations of EGFR and TP53 , are more likely to have mixed intra-patient tumor responses to EGFR tyrosine kinase inhibition (TKI), compared to those with an EGFR mutation alone. The combined presence of whole genome doubling (WGD) and TP53 co-mutations leads to increased genome instability and genomic copy number aberrations in genes implicated in EGFR TKI resistance. Using mouse models and an in vitro isogenic p53 -mutant model system, we provide evidence that WGD provides diverse routes to drug resistance by increasing the probability of acquiring copy-number gains or losses relative to non-WGD cells. These data provide a molecular basis for mixed tumor responses to targeted therapy, within an individual patient, with implications for therapeutic strategies.

Patient-derived xenograft (PDX) models are widely used in cancer research. To investigate the genomic fidelity of non-small cell lung cancer PDX models, we established 48 PDX models from 22 patients enrolled in the TRACERx study. Multi-region tumor sampling increased successful PDX engraftment and most models were histologically similar to their parent tumor. Whole-exome sequencing enabled comparison of tumors and PDX models and we provide an adapted mouse reference genome for improved removal of NOD scid gamma (NSG) mouse-derived reads from sequencing data. PDX model establishment caused a genomic bottleneck, with models often representing a single tumor subclone. While distinct tumor subclones were represented in independent models from the same tumor, individual PDX models did not fully recapitulate intratumor heterogeneity. On-going genomic evolution in mice contributed modestly to the genomic distance between tumors and PDX models. Our study highlights the importance of considering primary tumor heterogeneity when using PDX models and emphasizes the benefit of comprehensive tumor sampling.

Abstract Extracellular matrix (ECM) organization influences cancer development and progression. It modulates the invasion of cancer cells and can hinder the access of immune cells to cancer cells. Effective quantification of ECM architecture and its relationship to the position of different cell types is, therefore, important when investigating the role of ECM in cancer development. Using topological data analysis (TDA), particularly persistent homology and Dowker persistent homology, we develop a novel analysis pipeline for quantifying ECM architecture, spatial patterns of cell positions, and the spatial relationships between distinct constituents of the tumour microenvironment. We apply the pipeline to 44 surgical specimens of lung adenocarcinoma from the lung TRACERx study stained with picrosirius red and haematoxylin. We show that persistent homology effectively encodes the architectural features of the tumour microenvironment. Inference using pseudo-time analysis and spatial mapping to centimetre scale tissues suggests a gradual and progressive route of change in ECM architecture, with two different end states. Dowker persistent homology enables the analysis of spatial relationship between any pair of constituents of the tumour microenvironment, such as ECM, cancer cells, and leukocytes. We use Dowker persistent homology to quantify the spatial segregation of cancer and immune cells over different length scales. A combined analysis of both topological and non-topological features of the tumour microenvironment indicates that progressive changes in the ECM are linked to increased immune exclusion and reduced oxidative metabolism.

Abstract Cancers occur across species. Understanding what is consistent and varies across species can provide new insights into cancer initiation and evolution, with significant implications for animal welfare and wildlife conservation. We built the pan-species cancer digital pathology atlas (PANCAD) and conducted the first pan-species study of computational comparative pathology using a supervised convolutional neural network algorithm trained on human samples. The artificial intelligence algorithm achieves high accuracy in measuring immune response through single-cell classification for two transmissible cancers (canine transmissible venereal tumour, 0.94; Tasmanian devil facial tumour disease, 0.88). Furthermore, in 18 other vertebrate species (mammalia=11, reptilia=4, aves=2, and amphibia=1), accuracy (0.57-0.94) was influenced by cell morphological similarity preserved across different taxonomic groups, tumour sites, and variations in the immune compartment. A new metric, named morphospace overlap, was developed to guide veterinary pathologists towards rational deployment of this technology on new samples. This study provides the foundation and guidelines for transferring artificial intelligence technologies to veterinary pathology based on a new understanding of morphological conservation, which could vastly accelerate new developments in veterinary medicine and comparative oncology.

Abstract Centriole and/or cilia defects are characteristic of cancer cells and have been linked to cancer cell invasion. However, the mechanistic basis of these effects is unknown. Spindle assembly abnormal protein 6 homolog (SAS-6) is essential for centriole biogenesis and cilia formation. In cycling cells, SAS-6 undergoes APC Cdh1 -mediated targeted degradation by the 26S proteasome at the end of mitosis. Little is known about the function of SAS-6 outside of centrosome biogenesis. To examine this, we expressed a non-degradable SAS-6 mutant (SAS-6ND). Expression of SAS-6ND led to an increase in ciliation and cilia-dependent cell invasion, and caused an upregulation of the YAP/TAZ pathway. YAP/TAZ or ciliogenesis inhibition prevented SAS-6-induced invasion. SAS-6ND caused increased actin alignment and stress fiber coherency, and nuclear flattening known to promote YAP nuclear import. Finally, data from The Cancer Genome Atlas showed that SAS-6 overexpression is associated with poor prognosis in various cancers. Our data provide evidence for a defined role of SAS-6 in cancer cell invasion and offers mechanistic insight into the role of YAP/TAZ in this cilia-sensitive process. Synopsis SAS-6 overexpressing cells show increased ciliation, actin cytoskeleton reorganization, cell flattening, YAP pathway activation and increased invasion

Despite increasing evidence supporting the clinical relevance of tumour infiltrating lymphocytes (TILs) in invasive breast cancer, TIL spatial distribution pattern surrounding ductal carcinoma in situ (DCIS) and its association with progression is not well understood. To characterize the tissue microecology of DCIS, we designed and tested a new deep learning pipeline, UNMaSk (UNet-IM-Net-SCCNN), for the automated detection and simultaneous segmentation of DCIS ducts. This new method achieved the highest sensitivity and recall over cutting-edge deep learning networks in three patient cohorts, as well as the highest concordance with DCIS identification based on CK5 staining. Following automated DCIS detection, spatial tessellation centred at each DCIS duct created the boundary in which local ecology can be studied. Single cell identification and classification was performed with an existing deep learning method to map the distribution of TILs. In a dataset comprising grade 2-3 pure DCIS and DCIS adjacent to invasive cancer (adjacent DCIS), we found that pure DCIS cases had more TILs compared to adjacent DCIS. However, TILs co-localise significantly less with DCIS ducts in pure DCIS compared with adjacent DCIS, suggesting a more inflamed tissue ecology local to adjacent DCIS cases. Our experiments demonstrate that technological developments in deep convolutional neural networks and digital pathology can enable us to automate the identification of DCIS as well as to quantify the spatial relationship with TILs, providing a new way to study immune response and identify new markers of progression, thereby improving clinical management.