SUMMARY Mutations in the splicing factor SF3B1 are frequently occurring in various cancers and drive tumor progression through the activation of cryptic splice sites in multiple genes. Recent studies also demonstrate a positive correlation between expression levels of wildtype SF3B1 and tumor malignancy, but underlying mechanisms remain elusive. Here, we report that SF3B1 acts as an activator of HIF signaling through a splicing-independent mechanism. We demonstrate that SF3B1 forms a heterotrimer with HIF1α and HIF1β, facilitating binding of the HIF1 complex to hypoxia response elements (HREs) to activate target gene expression. We further validate the relevance of this mechanism for tumor progression. Monoallelic deletion of Sf3b1 impedes formation and progression of hypoxic pancreatic cancer via impaired HIF signaling, but is well tolerated in normoxic chromophobe renal cell carcinoma. Our work uncovers an essential role of SF3B1 in HIF1 signaling, providing a causal link between high SF3B1 expression and aggressiveness of solid tumors.

Abstract Splicing is often dysregulated in cancer, leading to alterations in the expression of canonical and alternative splice isoforms. This complex phenomenon can be revealed by an in-depth understanding of cellular heterogeneity at the single-cell level. Recent advances in single-cell long-read sequencing technologies enable comprehensive transcriptome sequencing at the single-cell level. In this study, we have generated single-cell long-read sequencing of Patient-Derived Organoid (PDO) cells of clear-cell Renal Cell Carcinoma (ccRCC), an aggressive and lethal form of cancer that arises in kidney tubules. We have used the Multiplexed Arrays Sequencing (MAS-ISO-Seq) protocol of PacBio to sequence full-length transcripts exceptionally deep across 2,599 single cells to obtain the most comprehensive view of the alternative landscape of ccRCC to date. On average, we uncovered 303,547 transcripts across PDOs, of which 40.5% were previously uncharacterized. In contrast to known transcripts, many of these novel isoforms appear to exhibit cell-specific expression. Nonetheless, 37.5% of these novel transcripts, expressed in more than three cells, were predicted to possess a complete protein-coding open reading frame. This finding suggests a biological role for these transcripts within kidney cells. Moreover, an analysis of the most dominant transcript switching revealed that many switching events were cell and sample-specific, underscoring the heterogeneity of alternative splicing events in ccRCC. Interestingly, one of the ccRCC organoids seemed to have a VHL-negative phenotype despite a VHL P25L mutation, underscoring the benign nature of the mutation. Overall, our research elucidates the intricate transcriptomic architecture of ccRCC, potentially exposing the mechanisms underlying its aggressive phenotype and resistance to conventional cancer therapies.

Abstract Single-cell RNA sequencing is used in profiling gene expression differences between cells. Short-read sequencing platforms provide high throughput and high-quality information at the gene-level, but the technique is hindered by limited read length, failing in providing an understanding of the cell heterogeneity at the isoform level. This gap has recently been addressed by the long-read sequencing platforms that provide the opportunity to preserve full-length transcript information during sequencing. To objectively evaluate the information obtained from both methods, we sequenced four samples of patient-derived organoid cells of clear cell renal cell carcinoma and one healthy sample of kidney organoid cells on Illumina Novaseq 6000 and PacBio Sequel IIe. For both methods, for each sample, the cDNA was derived from the same 10x Genomics 3’ single-cell gene expression cDNA library. Here we present the technical characteristics of both datasets and compare cell metrics and gene-level information. We show that the two methods largely overlap in the results but we also identify sources of variability which present a set of advantages and disadvantages to both methods.