Abstract Understanding the function of non-coding genetic variants represents a formidable challenge for biomedicine. We previously identified genetic variants that influence gene expression only after exposure to a hormone or drug. Using glucocorticoid signaling as a model system, we have now demonstrated, in a genome-wide manner, that exposure to glucocorticoids triggered disease risk variants with previously unclear function to influence the expression of genes involved in autoimmunity, metabolic and mood disorders, osteoporosis and cancer. Integrating a series of pharmacogenomic and pharmacoepigenomic datasets, we identified the cis -regulatory elements and 3-dimensional interactions underlying the ligand-dependent associations between those genetic variants and distant risk genes. These observations increase our understanding of mechanisms of non-coding genetic variant-chemical environment interactions and advance the fine-mapping of disease risk and pharmacogenomic loci.

Abstract Background Endocrine therapy is the most important treatment modality of breast cancer patients whose tumors express the estrogen receptor α (ERα). The androgen receptor (AR) is also expressed in the vast majority (80–90%) of ERα-positive tumors. AR-targeting drugs are not used in clinical practice, but have been evaluated in multiple trials and preclinical studies. Methods We performed a genome-wide study to identify hormone/drug-induced single nucleotide polymorphism (SNP) genotype - dependent gene-expression, known as PGx-eQTL, mediated by either an AR agonist (dihydrotestosterone) or a partial antagonist (enzalutamide), utilizing a previously well characterized lymphoblastic cell line panel. The association of the identified SNPs-gene pairs with breast cancer phenotypes were then examined using three genome-wide association (GWAS) studies that we have published and other studies from the GWAS catalog. Results We identified 13 DHT-mediated PGx-eQTL loci and 23 Enz-mediated PGx-eQTL loci that were associated with breast cancer outcomes post ER antagonist or aromatase inhibitors (AI) treatment, or with pharmacodynamic (PD) effects of AIs. An additional 30 loci were found to be associated with cancer risk and sex-hormone binding globulin levels. The top loci involved the genes IDH2 and TMEM9, the expression of which were suppressed by DHT in a PGx-eQTL SNP genotype-dependent manner. Both of these genes were overexpressed in breast cancer and were associated with a poorer prognosis. Therefore, suppression of these genes by AR agonists may benefit patients with minor allele genotypes for these SNPs. Conclusions We identified AR-related PGx-eQTL SNP-gene pairs that were associated with risks, outcomes and PD effects of endocrine therapy that may provide potential biomarkers for individualized treatment of breast cancer.

Abstract Mitochondrial dysfunction is well documented in Alzheimer’s Disease (AD). However, whether it instigates the onset of AD remains unclear. We demonstrate that a reduction of complex I activity in wild type (WT) mice caused by a global knockout of Ndufs4 , an accessory mitochondrial complex I subunit, was sufficient to induce transcriptomic changes in the brain reminiscent of those observed in AD patients and familial mouse models of AD. Reduced complex I activity affected expression of genes in the networks related to mitochondrial homeostasis, neuronal and synaptic function. Transcriptomic signatures in male and female Ndufs4 -/- mice reflected a different severity of AD phenotype. Unexpectedly, these changes were partially rescued by a neuroprotective small molecule mild complex I inhibitor CP2. Consistent with studies in AD mice, CP2 treatment in Ndufs4 -/- mice augmented the expression of genes associated with mitochondrial biogenesis and turnover, synaptic activity, autophagy, redox balance, and reduced expression of genes related to inflammation. Female Ndufs4 -/- mice demonstrated a greater reversal of gene expression toward WT mice. These studies provide further support for mitochondria as a causative factor of AD pathophysiology and complex I as a putative therapeutic target.

ABSTRACT Alternative polyadenylation (APA) is a common genetic regulatory mechanism that generates distinct 3′ ends for RNA transcripts. Changes in APA have been associated with multiple biological processes and disease phenotypes. However, the role of hormones and their drug analogs in APA remains largely unknown. In this study, we investigated transcriptome-wide the impact of glucocorticoids on APA in 30 human B-lymphoblastoid cell lines. We found that glucocorticoids could regulate APA of a subset of genes, possibly by changing the expression of 142 RNA-binding proteins, some with known APA-regulating properties. Interestingly, genes with glucocorticoid-mediated APA were enriched in viral translation-related pathways, while genes with glucocorticoid-mediated expression were enriched in interferon and interleukin pathways, suggesting that glucocorticoid-mediated APA might result in functional consequences distinct from gene expression. Glucocorticoid-mediated APA was also cell-type-specific, suggesting an action of glucocorticoids that may be unique to immune regulation. We also observed evidence for genotype-dependent glucocorticoid-mediated APA, providing potential functional mechanisms for a series of common genetic variants that had previously been associated with immune disorders, but without a clear mechanism. In summary, this study reports a series of novel observations regarding the impact of glucocorticoids on APA, suggesting novel avenues for mechanistic studies of hormonal biology.

Abstract Metastatic castration-resistant prostate cancer (mCRPC) presents very low survival rates due to lack of response or acquired resistance to the available therapies. To date no molecular mechanisms of resistance have been identified, pointing out their complex dynamics. To identify key genes and processes associated with phenotypically-driven regulatory differences, we developed TraRe, a computational method that provides a three-tier analysis: i) at the network level, inferring differentially regulated modules; ii) at the regulon level, identifying regulatory relationships linked to phenotypic differences; and iii) at the single gene level, identifying TFs consistently linked to rewired modules. We applied TraRe (available in Bioconductor with full documentation) to transcriptomic data from 46 mCRPC patients with Abiraterone-response clinical data and uncovered abrogated immune response regulatory modules that showed strong differential regulation in Abi-resistant patients. These modules were replicated in an independent mCRPC study. Further, we experimentally validated key rewiring predictions and their associated transcription factors. Among them, ELK3, MXD1, and MYB were found to have a differential role in cell survival for Abi-response-specific settings. Moreover, we identified the role of ELK3 in cell migration capacity, which could have direct impact on mCRPC. Collectively, these findings shed light on the underlying regulatory mechanisms driving abiraterone response.

Cancer is typically treated with combinatorial therapy, and such combinations may be synergistic. However, discovery of these combinations has proven difficult as brute force combinatorial screening approaches are both logistically complex and resource-intensive. Therefore, computational approaches to augment synergistic drug discovery are of interest, but current approaches are limited by their dependencies on combinatorial drug screening training data or molecular profiling data. These dataset dependencies can limit the number and diversity of drugs for which these approaches can make inferences. Herein, we describe a novel computational framework, ReCorDE (Recurrent Correlation of Drugs with Enrichment), that uses publicly-available cell line-derived monotherapy cytotoxicity datasets to identify drug classes targeting shared vulnerabilities across multiple cancer lineages; and we show how these inferences can be used to augment synergistic drug combination discovery. Additionally, we demonstrate in preclinical models that a drug class combination predicted by ReCorDE to target shared vulnerabilities (PARP inhibitors and Aurora kinase inhibitors) exhibits class-class synergy across lineages. ReCorDE functions independently of combinatorial drug screening and molecular profiling data, using only extensive monotherapy cytotoxicity datasets as its input. This allows ReCorDE to make robust inferences for a large, diverse array of drugs. In conclusion, we have described a novel framework for the identification of drug classes targeting shared vulnerabilities using monotherapy cytotoxicity datasets, and we showed how these inferences can be used to aid discovery of novel synergistic drug combinations.