Abstract Genomic analyses have revealed mutational signatures that are associated with DNA maintenance gone awry, a common occurrence in tumors. Because cancer therapeutics often target synthesis of DNA building blocks, DNA replication or DNA repair, we hypothesized that mutational signatures would make useful markers of drug sensitivity. We rigorously tested this hypothesis by a global analysis of various drug screening and genetic screening data sets, derived from cancer cell line panels. We introduce a novel computational method that detects mutational signatures in cell lines by stringently adjusting for the confounding germline mutational processes, which are difficult to remove when healthy samples from the same individuals are not available. This revealed many associations between diverse mutational signatures and drug activity in cancer cell lines, which are comparably or more numerous than associations with classical genetic features such as cancer driver mutations or copy number alterations. Validation across independent drug screening data and across genetic screens involving drug target genes revealed hundreds of robustly supported associations, which are provided as a resource for drug repurposing guided by mutational signature markers. We suggest that cancer cells bearing genomic signatures of deficiencies in certain DNA repair pathways may be vulnerable to particular types of therapeutics, such as epigenetic drugs.

Abstract Somatic mutations in human cells have a highly heterogeneous genomic distribution, with increased burden in late-replication time (RT), heterochromatic domains of chromosomes. This regional mutation density (RMD) landscape is known to vary between cancer types, in association with tissue-specific RT or chromatin organization. Here, we hypothesized that regional mutation rates additionally vary between individual tumors in a manner independent of cell type, and that recurrent alterations in DNA replication programs and/or chromatin organization may underlie this. Here, we identified various RMD signatures that describe a global genome-wide mutation redistribution across many megabase-sized domains in >4000 tumors. We identified two novel global RMD signatures of somatic mutation landscapes that were universally observed across various cancer types. First, we identified a mutation rate redistribution preferentially affecting facultative heterochromatin, Polycomb-marked domains, and enriched in subtelomeric regions. This RMD signature strongly reflects regional plasticity in DNA replication time and in heterochromatin domains observed across tumors and cultured cells, which was linked with a stem-like phenotype and a higher expression of cell cycle genes. Consistently, occurrence of this global mutation pattern in cancers is associated with altered cell cycle control via loss of activity of the RB1 tumor suppressor gene. Second, we identified another independant global RMD signature associated with loss-of-function of the TP53 pathway, mainly affecting the redistribution of mutation rates away from late RT regions. The local mutation supply towards 26%-75% cancer driver genes is altered in the tumors affected by the global RMD signatures detected herein, including additionally a known pattern of a general loss of mutation rate heterogeneity due to DNA repair failures that we quantify. Our study highlights that somatic mutation rates at the domain scale are variable across tumors in a manner associated with loss of cell cycle control via RB1 or TP53 , which may trigger the local remodeling of chromatin state and the RT program in cancers.

Abstract Analysis of cancer mutagenic signatures provides information about the origin of mutations and can inform the use of clinical therapies, including immunotherapy. In particular, APOBEC3A (A3A) has emerged as a major driver of mutagenesis in cancer cells and its expression results in DNA damage and susceptibility to treatment with inhibitors of the ATR and CHK1 checkpoint kinases. Here we report the implementation of CRISPR/Cas9 genetic screening to identify susceptibilities of multiple A3A-expressing lung adenocarcinoma cell lines. We identify HMCES, a protein recently linked to the protection of abasic sites, as a central protein for the tolerance of A3A expression. HMCES depletion results in synthetic lethality with A3A expression specifically in a TP53-mutant background. Analysis of previous screening data reveals a strong association between A3A mutational signatures and sensitivity to HMCES loss and indicates that HMCES is specialized in protecting against a narrow spectrum of DNA damaging agents in addition to A3A. We experimentally show that both HMCES disruption and A3A expression increase susceptibility of cancer cells to ionizing radiation, oxidative stress and ATR inhibition; strategies that are often applied in tumor therapies. Overall, our results suggest that HMCES is an attractive target for selective treatment of A3A expressing tumors.

Abstract TP53 is a master tumor suppressor gene, mutated in approximately half of all human cancers. Given the many regulatory roles of the corresponding p53 protein, it is possible to infer loss of p53 activity -- which may occur from trans-acting alterations -- from gene expression patterns. We apply this approach to transcriptomes of ~8,000 tumors and ~1,000 cell lines, estimating that 12% and 8% of tumors and cancer cell lines phenocopy TP53 loss: they are likely deficient in the activity of the p53 pathway, while not bearing obvious TP53 inactivating mutations. While some of these are explained by amplifications in the known phenocopying genes MDM2, MDM4 and PPM1D , others are not. An analysis of cancer genomic scores jointly with CRISPR/RNAi genetic screening data identified an additional TP53 -loss phenocopying gene, USP28 . Deletions in USP28 are associated with a TP53 functional impairment in 2.9-7.6% of breast, bladder, lung, liver and stomach tumors, and are comparable to MDM4 amplifications in terms of effect size. Additionally, in the known CNA segments harboring MDM2 , we identify an additional co-amplified gene ( CNOT2 ) that may cooperatively boost the TP53 functional inactivation effect. An analysis using the phenocopy scores suggests that TP53 (in)activity commonly modulates associations between anticancer drug effects and relevant genetic markers, such as PIK3CA and PTEN mutations, and should thus be considered as a relevant interacting factor in personalized medicine studies. As a resource, we provide the drug-marker associations that differ depending on TP53 functional status.

Ovarian high-grade serous carcinoma (HGSC) represents the deadliest gynecological malignancy, with 10-15% of patients exhibiting primary resistance to first-line chemotherapy. These primarily chemo-refractory patients have particularly poor survival outcomes, emphasizing the urgent need for developing predictive biomarkers and novel therapeutic approaches. Here, we show that interferon type I (IFN-I) pathway activity in cancer cells is a crucial determinant of chemotherapy response in HGSC. Through a comprehensive multi-omics analysis within the DECIDER observational trial (ClinicalTrials.gov identifier NCT04846933 ) cohort, we identified that chemo-refractory HGSC is characterized by diminished IFN-I and enhanced hypoxia pathway activities. Importantly, IFN-I pathway activity was independently prognostic for patient survival, highlighting its potential as a biomarker. Our results elucidate the heterogeneity of treatment response at the molecular level and suggest that augmentation of IFN-I response could enhance chemosensitivity in refractory cases. This study underscores the potential of the IFN-I pathway as a therapeutic target and advocates for the initiation of clinical trials testing external modulators of the IFN-I response, promising a significant stride forward in the treatment of refractory HGSC.

Cell lines are commonly used as cancer models. Because the tissue and/or cell type of origin provide important context for understanding mechanisms of cancer, we systematically examined whether cell lines exhibit features matching the cancer type that supposedly originated them. To this end, we aligned the mRNA expression and DNA methylation data between ~9,000 solid tumors and ~600 cell lines to remove the global differences stemming from growth in cell culture. Next, we created classification models for cancer type and subtype using tumor data, and applied them to cell line data. Overall, the transcriptomic and epigenomic classifiers consistently identified 35 cell lines which better matched a different tissue or cell type than the one the cell line was originally annotated with; we recommend caution in using these cell lines in experimental work. Six cell lines were identified as originating from the skin, of which five were further corroborated by the presence of a UV-like mutational signature in their genome, strongly suggesting mislabelling. Overall, genomic evidence additionally supports that 22 (3.6% of all considered) cell lines may be mislabelled because we predict they originate from a different tissue/cell type. Finally, we cataloged 366 cell lines in which both transcriptomic and epigenomic profiles strongly resemble the tumor type of origin, designating them as ‘golden set’ cell lines. We suggest these cell lines are better suited for experimental work that depends on tissue identity and propose tentative assignments to cancer subtypes. Finally, we show that accounting for the uncertain tissue-of-origin labels can change the interpretation of drug sensitivity and CRISPR genetic screening data. In particular, in brain, lung and pancreatic cancer cell lines, many novel determinants of drug sensitivity or resistance emerged by focussing on the cell lines that are best matched to the cancer type of interest.