Abstract In colorectal cancer, oncogenic mutations transform a hierarchically organized and homeostatic epithelium into invasive cancer tissue lacking visible organization. We sought to define colorectal cancer cell types and signals controlling their development. More than 30,000 epithelial single cell transcriptomes of tumors and matched non-cancerous tissues of twelve colorectal cancer patients were clustered into six patient-overarching groups defined by differential activities of oncogenic signaling pathways such as mitogen-activated protein kinase and oncogenic traits such as replication stress. RNA metabolic labeling and assessment of RNA velocity in patient-derived organoids revealed developmental trajectories of colorectal cancer cells organized along a mitogen-activated protein kinase activity gradient. This was in contrast to normal colon organoid cells developing along graded Wnt activity. Experimental targeting of EGFR-BRAF-MEK in cancer organoids affected signaling and gene expression contingent on predictive KRAS/BRAF mutations and induced cell plasticity overriding default developmental trajectories, providing a basis for non-genetic resistance to targeted therapies.

Abstract Single-cell analyses can be confounded by assigning unrelated groups of cells to common developmental trajectories. For instance, cancer cells and admixed normal epithelial cells could potentially adopt similar cell states thus complicating analyses of their developmental potential. Here, we develop and benchmark CCISM (for Cancer Cell Identification using Somatic Mutations) to exploit genomic single nucleotide variants for the disambiguation of cancer cells from genomically normal non-cancer epithelial cells in single-cell data. In colorectal cancer datasets, we find that our method and others based on gene expression or allelic imbalances identify overlapping sets of cancer versus normal epithelial cells, depending on molecular characteristics of individual cancers. Further, we define consensus cell identities of normal and cancer epithelial cells with higher transcriptome cluster homogeneity than those derived using existing tools. Using the consensus identities, we identify significant shifts of cell state distributions in genomically normal epithelial cells developing in the cancer microenvironment, with immature states increased at the expense of terminal differentiation throughout the colon, and a novel stem-like cell state arising in the left colon. Trajectory analyses show that the new cell state extends the pseudo-time range of normal colon stem-like cells in a cancer context. We identify cancer-associated fibroblasts as sources of WNT and BMP ligands potentially contributing to increased plasticity of stem cells in the cancer microenvironment. Our analyses advocate careful interpretation of cell heterogeneity and plasticity in the cancer context and the consideration of genomic information in addition to gene expression data when possible. Novelty and Impact Single-cell analyses have become standard to assess cell heterogeneity and developmental hierarchies in cancer tissues. However, these datasets are complex and contain cancer and non-cancer lineage cells. Here, we develop and systematically benchmark tools to distinguish between cancer and non-cancer single-cell transcriptomes, based on gene expression or different levels of genomic information. We provide strategies to combine results of different tools into consensus calls tailored to the biology and genetic characteristics of the individual cancer.

Abstract Single‐cell analyses can be confounded by assigning unrelated groups of cells to common developmental trajectories. For instance, cancer cells and admixed normal epithelial cells could adopt similar cell states thus complicating analyses of their developmental potential. Here, we develop and benchmark CCISM (for Cancer Cell Identification using Somatic Mutations) to exploit genomic single nucleotide variants for the disambiguation of cancer cells from genomically normal non‐cancer cells in single‐cell data. We find that our method and others based on gene expression or allelic imbalances identify overlapping sets of colorectal cancer versus normal colon epithelial cells, depending on molecular characteristics of individual cancers. Further, we define consensus cell identities of normal and cancer epithelial cells with higher transcriptome cluster homogeneity than those derived using existing tools. Using the consensus identities, we identify significant shifts of cell state distributions in genomically normal epithelial cells developing in the cancer microenvironment, with immature states increased at the expense of terminal differentiation throughout the colon, and a novel stem‐like cell state arising in the left colon. Trajectory analyses show that the new cell state extends the pseudo‐time range of normal colon stem‐like cells in a cancer context. We identify cancer‐associated fibroblasts as sources of WNT and BMP ligands potentially contributing to increased plasticity of stem cells in the cancer microenvironment. Our analyses advocate careful interpretation of cell heterogeneity and plasticity in the cancer context and the consideration of genomic information in addition to gene expression data when possible.