Abstract High-grade serous ovarian cancer (HGSOC) is an archetypal cancer of genomic instability 1–4 patterned by distinct mutational processes 5,6 , tumour heterogeneity 7–9 and intraperitoneal spread 7,8,10 . Immunotherapies have had limited efficacy in HGSOC 11–13 , highlighting an unmet need to assess how mutational processes and the anatomical sites of tumour foci determine the immunological states of the tumour microenvironment. Here we carried out an integrative analysis of whole-genome sequencing, single-cell RNA sequencing, digital histopathology and multiplexed immunofluorescence of 160 tumour sites from 42 treatment-naive patients with HGSOC. Homologous recombination-deficient HRD-Dup ( BRCA1 mutant-like) and HRD-Del ( BRCA2 mutant-like) tumours harboured inflammatory signalling and ongoing immunoediting, reflected in loss of HLA diversity and tumour infiltration with highly differentiated dysfunctional CD8 + T cells. By contrast, foldback-inversion-bearing tumours exhibited elevated immunosuppressive TGFβ signalling and immune exclusion, with predominantly naive/stem-like and memory T cells. Phenotypic state associations were specific to anatomical sites, highlighting compositional, topological and functional differences between adnexal tumours and distal peritoneal foci. Our findings implicate anatomical sites and mutational processes as determinants of evolutionary phenotypic divergence and immune resistance mechanisms in HGSOC. Our study provides a multi-omic cellular phenotype data substrate from which to develop and interpret future personalized immunotherapeutic approaches and early detection research.

Tumour fitness landscapes underpin selection in cancer, impacting etiology, evolution and response to treatment. Progress in defining fitness landscapes has been impeded by a lack of timeseries perturbation experiments over realistic intervals at single cell resolution. We studied the nature of clonal dynamics induced by genetic and pharmacologic perturbation with a quantitative fitness model developed to ascribe quantitative selective coefficients to individual cancer clones, enable prediction of clone-specific growth potential, and forecast competitive clonal dynamics over time. We applied the model to serial single cell genome ( > 60,000 cells) and transcriptome ( > 58,000 cells) experiments ranging from 10 months to 2.5 years in duration. We found that genetic perturbation of TP53 in epithelial cell lines induces multiple forms of copy number alteration that confer increased fitness to clonal populations with measurable consequences on gene expression. In patient derived xenografts, predicted selective coefficients accurately forecasted clonal competition dynamics, that were validated with timeseries sampling of experimentally engineered mixtures of low and high fitness clones. In cisplatin-treated patient derived xenografts, the fitness landscape was inverted in a time-dependent manner, whereby a drug resistant clone emerged from a phylogenetic lineage of low fitness clones, and high fitness clones were eradicated. Moreover, clonal selection mediated reversible drug response early in the selection process, whereas late dynamics in genomically fixed clones were associated with transcriptional plasticity on a fixed clonal genotype. Together, our findings outline causal mechanisms with implication for interpreting how mutations and multi-faceted drug resistance mechanisms shape the etiology and cellular fitness of human cancers.

ABSTRACT Structural genome alterations are determinants of cancer ontogeny and therapeutic response. While bulk genome sequencing has enabled delineation of structural variation (SV) mutational processes which generate patterns of DNA damage, we have little understanding of how these processes lead to cell-to-cell variations which underlie selection and rates of accrual of different genomic lesions. We analysed 309 high grade serous ovarian and triple negative breast cancer genomes to determine their mutational processes, selecting 22 from which we sequenced >22,000 single cell whole genomes across a spectrum of mutational processes. We show that distinct patterns of cell-to-cell variation in aneuploidy, copy number alteration (CNA) and segment length occur in homologous recombination deficiency (HRD) and fold-back inversion (FBI) phenotypes. Widespread aneuploidy through induction of HRD through BRCA1 and BRCA2 inactivation was mirrored by continuous whole genome duplication in HRD tumours, contrasted with early ploidy fixation in FBI. FBI tumours exhibited copy number distributions skewed towards gains, widespread clone-specific variation in amplitude of high-level amplifications, often impacting oncogenes, and break-point variability consistent with progressive genomic diversification, which we termed serriform structural variation (SSV). SSVs were consistent with a CNA-based molecular clock reflecting a continual and distributed process across clones within tumours. These observations reveal previously obscured genome plasticity and evolutionary properties with implications for cancer evolution, therapeutic targeting and response.

Abstract Cancer genomes exhibit extensive chromosomal copy number changes and structural variation, yet how allele specific alterations drive cancer genome evolution remains unclear. Here, through application of a new computational approach we report allele specific copy number alterations in 11,097 single cell whole genomes from genetically engineered mammary epithelial cells and 21,852 cells from high grade serous ovarian and triple negative breast cancers. Resolving single cell copy number profiles to individual alleles uncovered genomic background distributions of gains, losses and loss of heterozygosity, yielding evidence of positive selection of specific chromosomal alterations. In addition specific genomic loci in maternal and paternal alleles were commonly found to be altered in parallel with convergent phenotypic transcriptional effects. Finally we show that haplotype specific alterations trace the cyclical etiology of high level amplifications and reveal clonal haplotype decomposition of complex structures. Together, our results illuminate how allele and haplotype specific alterations, here determined across thousands of single cell cancer genomes, impact the etiology and evolution of structural variations in human tumours.

ABSTRACT High-grade serous ovarian cancer (HGSOC) is an archetypal cancer of genomic instability patterned by distinct mutational processes, intratumoral heterogeneity and intraperitoneal spread. We investigated determinants of immune recognition and evasion in HGSOC to elucidate co- evolutionary processes underlying malignant progression and tumor immunity. Mutational processes and anatomic sites of tumor foci were key determinants of tumor microenvironment cellular phenotypes, inferred from whole genome sequencing, single-cell RNA sequencing, digital histopathology and multiplexed immunofluorescence of 160 tumor sites from 42 treatment-naive HGSOC patients. Homologous recombination-deficient (HRD)-Dup ( BRCA1 mutant-like) and HRD- Del ( BRCA2 mutant-like) tumors harbored increased neoantigen burden, inflammatory signaling and ongoing immunoediting, reflected in loss of HLA diversity and tumor infiltration with highly- differentiated dysfunctional CD8 + T cells. Foldback inversion (FBI, non-HRD) tumors exhibited elevated TGFβ signaling and immune exclusion, with predominantly naive/stem-like and memory T cells. Our findings implicate distinct immune resistance mechanisms across HGSOC subtypes which can inform future immunotherapeutic strategies. HIGHLIGHTS Multi-region, multi-modal profiling of malignant and immune cell phenotypes in ovarian cancer Anatomic site specificity is a determinant of cancer cell and intratumoral immune phenotypes Tumor mutational processes impact mechanisms of immune control and immune evasion Spatial topology of HR-deficient tumors is defined by immune interactions absent from immune inert HR-proficient subtypes

The field of next generation sequencing informatics has matured to a point where algorithmic advances in sequence alignment and individual feature detection methods have stabilized. Practical and robust implementation of complex analytical workflows (where such tools are structured into "best practices" for automated analysis of NGS datasets) still requires significant programming investment and expertise. We present Kronos, a software platform for automating the development and execution of reproducible, auditable and distributable bioinformatics workflows. Kronos obviates the need for explicit coding of workflows by compiling a text configuration file into executable Python applications. The framework of each workflow includes a run manager to execute the encoded workflows locally (or on a cluster or cloud), parallelize tasks, and log all runtime events. Resulting workflows are highly modular and configurable by construction, facilitating flexible and extensible meta-applications which can be modified easily through configuration file editing. The workflows are fully encoded for ease of distribution and can be instantiated on external systems, promoting and facilitating reproducible research and comparative analyses. We introduce a framework for building Kronos components which function as shareable, modular nodes in Kronos workflows. The Kronos platform provides a standard framework for developers to implement custom tools, reuse existing tools, and contribute to the community at large. Kronos is shipped with both Docker and Amazon AWS machine images. It is free, open source and available through PyPI (Python Package Index) and https://github.com/jtaghiyar/kronos. Keywords: genomics; workflow; pipeline; reproducibility

Essential features of cancer tissue cellular heterogeneity such as negatively selected genome topologies, sub-clonal mutation patterns and genome replication states can only effectively be studied by sequencing single-cell genomes at scale and high fidelity. Using an amplification-free single-cell genome sequencing approach implemented on commodity hardware (DLP+) coupled with a cloud-based computational platform, we define a resource of 40,000 single-cell genomes characterized by their genome states, across a wide range of tissue types and conditions. We show that shallow sequencing across thousands of genomes permits reconstruction of clonal genomes to single nucleotide resolution through aggregation analysis of cells sharing higher order genome structure. From large-scale population analysis over thousands of cells, we identify rare cells exhibiting mitotic mis-segregation of whole chromosomes. We observe that tissue derived scWGS libraries exhibit lower rates of whole chromosome anueploidy than cell lines, and loss of p53 results in a shift in event type, but not overall prevalence in breast epithelium. Finally, we demonstrate that the replication states of genomes can be identified, allowing the number and proportion of replicating cells, as well as the chromosomal pattern of replication to be unambiguously identified in single-cell genome sequencing experiments. The combined annotated resource and approach provide a re-implementable large scale platform for studying lineages and tissue heterogeneity.

Abstract Cancer-associated mutations have been documented in normal tissues, but the prevalence and nature of somatic copy number alterations and their role in tumor initiation and evolution is not well understood. Here, using single cell DNA sequencing, we describe the landscape of CNAs in >42,000 breast epithelial cells from women with normal or high risk of developing breast cancer. Accumulation of individual cells with one or two of a specific subset of CNAs (e.g. 1q gain and 16q, 22q, 7q, and 10q loss) is detectable in almost all breast tissues and, in those from BRCA1 or BRCA2 mutations carriers, occurs prior to loss of heterozygosity (LOH) of the wildtype alleles. These CNAs, which are among the most common associated with ductal carcinoma in situ (DCIS) and malignant breast tumors, are enriched almost exclusively in luminal cells not basal myoepithelial cells. Allele-specific analysis of the enriched CNAs reveals that each allele was independently altered, demonstrating convergent evolution of these CNAs in an individual breast. Tissues from BRCA1 or BRCA2 mutation carriers contain a small percentage of cells with extreme aneuploidy, featuring loss of TP53 , LOH of BRCA1 or BRCA2 , and multiple breast cancer-associated CNAs in addition to one or more of the common CNAs in 1q, 10q or 16q. Notably, cells with intermediate levels of CNAs are not detected, arguing against a stepwise gradual accumulation of CNAs. Overall, our findings demonstrate that chromosomal alterations in normal breast epithelium partially mirror those of established cancer genomes and are chromosome- and cell lineage-specific.

Mutation signatures in cancer genomes reflect endogenous and exogenous mutational processes, offering insights into tumour etiology, features for prognostic and biologic stratification and vulnerabilities to be exploited therapeutically. We present a novel machine learning formalism for improved signature inference, based on multi-modal correlated topic models (MMCTM) which can at once infer signatures from both single nucleotide and structural variation counts derived from cancer genome sequencing data. We exemplify the utility of our approach on two hormone driven, DNA repair deficient cancers: breast and ovary (n=755 cases total). Our results illuminate a new age-associated structural variation signature in breast cancer, and an independently identified substructure within homologous recombination deficient (HRD) tumours in breast and ovarian cancer. Together, our study emphasizes the importance of integrating multiple mutation modes for signature discovery and patient stratification, with biological and clinical implications for DNA repair deficient cancers.