Abstract Understanding genome-wide epigenetic regulation of diseases is important in establishing pathogenic factors and could aid in disease diagnosis, prognosis, and therapeutics. In this study, we have utilized transcription factors (TFs) and co-factor profiles (n=823) as features to predict their link with various diseases. Further, along with TFs and co-factor profiles, histone modifications ChIP-seq (n = 621), cap analysis gene expression (CAGE) tags (n = 255), and DNase hypersensitivity profiles (n = 255) as features allowed for the modeling of association of coding and non-coding genes to diseases. Such predicted associations could be independently validated using genome-wide association data and survival analysis. However, the unique aspect of our approach is that it highlights the link between TF binding patterns and diseases in the context of cell types. Besides highlighting relevant TF-binding in known cell-types associated with diseases, it also provided their surprising link with TFs expressed in immune cells and other seemingly non-related cells. Further investigation revealed such links to be genuine and potentially useful for prognosis, further revealing the need to deconvolve a set of known genes associated with diseases.

The progression of cancer in the breast involves multiple reciprocal interactions between malignantly transformed epithelia, surrounding untransformed but affected stromal cells, and the extracellular matrix (ECM) that is remodelled during the process. A quantitative understanding of the relative contribution of such interactions to phenotypes associated with cancer cells can be arrived at through the construction of increasingly complex experimental and computational models. Herein, we introduce a multiscale 3D organo-and patho-typic model that approximates, to an unprecedented extent, the histopathological complexity of a tumor disseminating into its surrounding stromal milieu via both bulk and solitary motility dynamics. End-point and time-lapse microscopic observations of this model allow us to study the earliest steps of cancer invasion as well as the dynamical interactions between the epithelial and stromal compartments. We then construct an agent-based Cellular Potts model that incorporates constituents of the experimental model, as well as places them in similar spatial arrangements. The computational model, which comprises adhesion between cancer cells and the matrices, cell proliferation and apoptosis, and matrix remodeling through reaction-diffusion-based morphogen dynamics, is first trained to phenocopy controls run with the experimental model, wherein one or the other matrices have been removed. The trained computational model successfully predicts phenotypes of the experimental counterparts that are subjected to pharmacological treatments (inhibition of N-linked glycosylation and matrix metalloproteinase activity) and scaffold modulation (alteration of collagen density). Our results suggest that specific permissive regimes of cell-cell and cell-matrix adhesions operating in the context of a reaction-diffusion-regulated ECM dynamics, promote multiscale invasion of breast cancer cells and determine the extent to which they migrate through their surrounding stroma.

The metastasis of malignant epithelial tumors begins with the egress of transformed cells from the confines of their basement membrane to their surrounding collagenous stroma. The invasion can be morphologically diverse, ranging from that of dispersed mesenchymal cells to multicellular collectives. When cancer cells are cultured within basement membrane-like matrix (BM), or Type 1 collagen, or a combination of both, they show collective-, dispersed mesenchymal-, and hybrid collective-dispersed (multiscale) invasion respectively. Here, we ask how distinct these invasive modes are with respect to the cellular and microenvironmental cues that drive them, and how can cancer cells transition between such states. A rigorous exploration of invasion was performed within an experimentally motivated Cellular Potts-based computational modeling environment. The model comprises of adhesive interactions between cancer cells, BM- and collagen-like extracellular matrix (ECM), and reaction-diffusion-based remodeling of ECM. The model output consisted of metrics cognate to dispersed- and collective- invasion. An exhaustive combination of input values gave rise to a spatial output distribution that comprised dispersed-, collective- and multiscale- invasion. K-means clustering of the output distribution followed by silhouette analysis revealed three optimal clusters: one signifying indolent invasion and two representing multiscale invasions, each of which encompass the purer dispersed- and collective invasions respectively. Principal component analyses of phenotypic outputs close to the separation of these two multiscale modes established specific input signatures: perturbing such signatures revealed the cues that can allow phenotypic transitions among these three clusters. Our systems-level analysis provides quantitative insights into the biases and constraints cancer cells face during their invasion through tissue microenvironments with distinct physicochemical properties.### Competing Interest StatementThe authors have declared no competing interest.

DNA is essentially a collection of short nucleotide sequences with a myriad of functionalities. These oligonucleotides are often studied for their function as molecular binding sites, regulatory motifs or sequence probes. The field of Bioinformatics uses a similar concept under the term "k-mers," which is central to various tasks, like comparing the similarity of different DNA sequences in phylogenetic tree reconstruction. The present study explores if k-mers experience selection pressure in the course of evolution. Our meta-analysis, spanning multiple organisms, suggests positive selection of genetic changes, where the associated k-mers are more redundant in the genome, relative to their wild-type counterparts.

Abstract Heterogeneity in phenotypes of malignantly transformed cells and aberrant glycan expression on their surface are two prominent hallmarks of cancers that have hitherto not been linked to each other. In this paper, we identify heterogeneity in a specific glycan linkage: α2,6-linked sialic acids within breast cancer cells in vivo and in culture. Upon sorting out two populations with moderate and relatively higher cell surface α2,6-linked sialic acid levels from the triple negative breast cancer cell line MDA-MB-231, both populations (denoted as medium and high-2,6-Sial cells respectively) stably retained their levels in early passages. Upon continuous culturing, medium 2,6-Sial cells recapitulated the heterogeneity of the unsorted line whereas high 2,6-Sial cells showed no such tendency. Compared with the high 2,6-Sial, the medium 2,6-Sial cells showed greater adhesion to reconstituted extracellular matrices (ECM) as well as invaded faster as single cells. The level of α2,6-linked sialic acids in the two sublines was found to be consistent with the expression of a specific glycosyl transferase, ST6GAL1 . Stably knocking down ST6GAL1 in the high 2,6-Sial cells, enhanced their invasiveness. When cultured together, medium 2,6-Sial cells differentially migrated to the edge of growing tumoroid-like cultures, whereas high 2,6-Sial cells formed the central bulk. Simulations in a Cellular Potts model-based computational environment that is calibrated to our experimental findings suggest that the heterogeneity of cell-ECM adhesion, likely regulated by α2,6-linked sialic acids facilitates niches of highly invasive cells to efficiently migrate centrifugally as the invasive front of a malignant tumor. Significance Statement Cell-surface sugars are aberrantly expressed in cancer but their contributions to tumor heterogeneity are not known. In this study, we uncover and separate breast cancer populations with distinct α2,6-linked sialic acid levels. The moderately expressing population shows stronger adhesion to extracellular matrix than the high expressing population. It also invades faster through the matrix as single cells. Combining experiments with computational modelling, we show that the heterogeneity in matrix adhesion is vital to accentuating cell invasion. In some conditions, invasion of heterogeneous populations may compare with, or exceed that of, homogeneous moderately expressing populations. Our findings are vital to furthering our understanding of how cancers spread and potentially qualify efforts to manage the disease through glycan-editing or immunotherapeutic approaches.