RNA editing provides epigenetic diversity and is thought to be decreased in cancer. However, this report describes a phenomenon of increased RNA editing associated with malignancy in human liver tumors. The increased editing of AZIN1 is facilitated by the correlative increase in the editing enzyme ADAR1 and induces an amino acid change that leads to subcellular relocalization, increased stability and affinity for antizyme. This effect impairs antizyme's function and increases the stability of its target oncoproteins, providing protumorigenic functions. The hyperediting of AZIN1 is a protumorigenic event in liver cancer pathogenesis. A better understanding of human hepatocellular carcinoma (HCC) pathogenesis at the molecular level will facilitate the discovery of tumor-initiating events. Transcriptome sequencing revealed that adenosine-to-inosine (A→I) RNA editing of AZIN1 (encoding antizyme inhibitor 1) is increased in HCC specimens. A→I editing of AZIN1 transcripts, specifically regulated by ADAR1 (encoding adenosine deaminase acting on RNA-1), results in a serine-to-glycine substitution at residue 367 of AZIN1, located in β-strand 15 (β15) and predicted to cause a conformational change, induced a cytoplasmic-to-nuclear translocation and conferred gain-of-function phenotypes that were manifested by augmented tumor-initiating potential and more aggressive behavior. Compared with wild-type AZIN1 protein, the edited form has a stronger affinity to antizyme, and the resultant higher AZIN1 protein stability promotes cell proliferation through the neutralization of antizyme-mediated degradation of ornithine decarboxylase (ODC) and cyclin D1 (CCND1). Collectively, A→I RNA editing of AZIN1 may be a potential driver in the pathogenesis of human cancers, particularly HCC.

Objective

 Hepatocellular carcinoma (HCC) is a heterogeneous tumour displaying a complex variety of genetic and epigenetic changes. In human cancers, aberrant post-transcriptional modifications, such as alternative splicing and RNA editing, may lead to tumour specific transcriptome diversity. 

Design

 By utilising large scale transcriptome sequencing of three paired HCC clinical specimens and their adjacent non-tumour (NT) tissue counterparts at depth, we discovered an average of 20 007 inferred A to I (adenosine to inosine) RNA editing events in transcripts. The roles of the double stranded RNA specific ADAR (Adenosine DeAminase that act on RNA) family members (ADARs) and the altered gene specific editing patterns were investigated in clinical specimens, cell models and mice. 

Results

 HCC displays a severely disrupted A to I RNA editing balance. ADAR1 and ADAR2 manipulate the A to I imbalance of HCC via their differential expression in HCC compared with NT liver tissues. Patients with ADAR1 overexpression and ADAR2 downregulation in tumours demonstrated an increased risk of liver cirrhosis and postoperative recurrence and had poor prognoses. Due to the differentially expressed ADAR1 and ADAR2 in tumours, the altered gene specific editing activities, which was reflected by the hyper-editing of FLNB (filamin B, β) and the hypo-editing of COPA (coatomer protein complex, subunit α), are closely associated with HCC pathogenesis. In vitro and in vivo functional assays prove that ADAR1 functions as an oncogene while ADAR2 has tumour suppressive ability in HCC. 

Conclusions

 These findings highlight the fact that the differentially expressed ADARs in tumours, which are responsible for an A to I editing imbalance, has great prognostic value and diagnostic potential for HCC.

Accurate measurement of clonal genotypes, mutational processes, and replication states from individual tumor-cell genomes will facilitate improved understanding of tumor evolution. We have developed DLP+, a scalable single-cell whole-genome sequencing platform implemented using commodity instruments, image-based object recognition, and open source computational methods. Using DLP+, we have generated a resource of 51,926 single-cell genomes and matched cell images from diverse cell types including cell lines, xenografts, and diagnostic samples with limited material. From this resource we have defined variation in mitotic mis-segregation rates across tissue types and genotypes. Analysis of matched genomic and image measurements revealed correlations between cellular morphology and genome ploidy states. Aggregation of cells sharing copy number profiles allowed for calculation of single-nucleotide resolution clonal genotypes and inference of clonal phylogenies and avoided the limitations of bulk deconvolution. Finally, joint analysis over the above features defined clone-specific chromosomal aneuploidy in polyclonal populations.

Single-cell RNA sequencing (scRNA-seq) has transformed biomedical research, enabling decomposition of complex tissues into disaggregated, functionally distinct cell types. For many applications, investigators wish to identify cell types with known marker genes. Typically, such cell type assignments are performed through unsupervised clustering followed by manual annotation based on these marker genes, or via "mapping" procedures to existing data. However, the manual interpretation required in the former case scales poorly to large datasets, which are also often prone to batch effects, while existing data for purified cell types must be available for the latter. Furthermore, unsupervised clustering can be error-prone, leading to under- and over- clustering of the cell types of interest. To overcome these issues we present CellAssign, a probabilistic model that leverages prior knowledge of cell type marker genes to annotate scRNA-seq data into pre-defined and de novo cell types. CellAssign automates the process of assigning cells in a highly scalable manner across large datasets while simultaneously controlling for batch and patient effects. We demonstrate the analytical advantages of CellAssign through extensive simulations and exemplify real-world utility to profile the spatial dynamics of high-grade serous ovarian cancer and the temporal dynamics of follicular lymphoma. Our analysis reveals subclonal malignant phenotypes and points towards an evolutionary interplay between immune and cancer cell populations with cancer cells escaping immune recognition.

In the past decade, adenosine to inosine (A-to-I) RNA editing, which is catalyzed by adenosine deaminases acting on RNA (ADAR) family of enzymes ADAR1 and ADAR2, has been shown to contribute to the development and progression of multiple cancers; however, very little is known about its role in acute myeloid leukemia (AML) - the second most common type of leukemia making up 31% of all adult leukemia cases. Here, we found that ADAR2, but not ADAR1 and ADAR3, is specifically downregulated in core binding factor (CBF) AML with t(8;21) or inv(16). In t(8;21) AML, RUNX1-driven transcription of ADAR2 transcripts was found to be repressed by the RUNX1-ETO fusion protein. Forced overexpression of two ADAR2-regulated RNA editing targets COPA and COG3 indeed inhibits clonogenic growth of human t(8;21) AML cells. Further in vivo animal studies confirmed that ADAR2 could suppress leukemogenesis of t(8;21) AML through its RNA binding and editing capabilities. Our results suggest a novel RNA editing-mediated mechanism leading to t(8,12) AML.

Adenosine-to-inosine (A-to-I) editing, catalysed by Adenosine DeAminases acting on double-stranded RNA (dsRNA) (ADAR), occurs predominantly in the 3′ untranslated regions (3′UTRs). Here we uncover an unanticipated link between ADARs (ADAR1 and ADAR2) and the expression of target genes undergoing extensive 3′UTR editing. Using METTL7A (Methyltransferase Like 7A), a novel tumor suppressor as an exemplary target gene, we demonstrate that its expression could be repressed by ADARs beyond their RNA editing and dsRNA binding functions. ADARs interact with Dicer to augment the processing of pre-miR-27a to mature miR-27a. Consequently, mature miR-27a targets the METTL7A 3′UTR to repress its expression level. In sum, our study unveils that the extensive 3′UTR editing is merely a footprint of ADAR binding, and is dispensable for the regulation of at least a subset of target genes. Instead, ADARs contribute to cancer progression by regulating cancer-related gene expression through their non-canonical functions independent of RNA editing and dsRNA binding. The functional significance of ADARs is much more diverse than previously appreciated and this gene regulatory function of ADARs is most likely to be of higher importance than the best-studied editing function. This novel non-editing side of ADARs opens another door to target cancer. This study is timely and represents a major break-through in the field of ADAR gene regulation and cancer biology.

ABSTRACT Cancer cells are differentially dependent on the splicing machinery compared to normal untransformed cells. The splicing machinery thus represents a potential therapeutic target in cancer. To identify splicing factors important for prostate cancer cell (PCa) cell growth, we performed a parallel pooled shRNA screen on in vitro passaged cells and in vivo xenografted PCa tumor lines. Our screen revealed HNRNPM as a potential regulator of PCa cell growth. RNA- and eCLIP-sequencing data suggest that HNRNPM is bound to transcripts of key homeostatic genes and that loss of HNRNPM binding in a subset of these genes results in aberrant exon inclusion and exon back-splicing events in target transcripts. In both linear and circular mis-spliced transcripts, HNRNPM appears to preferentially bind to GU-rich elements in long flanking proximal introns. Mimicry of HNRNPM dependent linear splicing events using splice-switching antisense oligonucleotides (SSOs) was sufficient to inhibit cell growth in HNRNPM expressing cells. This suggests that prostate cancer cell dependence on HNRNPM is likely a result of mis-splicing of key homeostatic coding and non-coding genes. Taken together, our data reveal a role for HNRNPM in supporting prostate cancer cell fitness, and also as a potential therapeutic target in PCa.

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.