Abstract Familial, genome-wide association (GWAS), and sequencing studies and genetic correlation analyses have progressively unraveled the shared or pleiotropic germline genetics of breast and ovarian cancer. In this study, we aimed to leverage this shared germline genetics to improve the power of transcriptome-wide association studies (TWAS) to identify candidate breast cancer and ovarian cancer susceptibility genes. We built gene expression prediction models using the PrediXcan method in 681 breast and 295 ovarian tumors from The Cancer Genome Atlas and 211 breast and 99 ovarian normal tissue samples from the Genotype-Tissue Expression project and integrated these with GWAS meta-analysis data from the Breast Cancer Association Consortium (122,977 cases/105,974 controls) and the Ovarian Cancer Association Consortium (22,406 cases/40,941 controls). The integration was achieved through novel application of a pleiotropy-guided conditional/conjunction false discovery rate approach for the first time in the setting of a TWAS. This identified 14 new candidate breast cancer susceptibility genes spanning 11 genomic regions and 8 new candidate ovarian cancer susceptibility genes spanning 5 genomic regions at conjunction FDR < 0.05 that were > 1 Mb away from known breast and/or ovarian cancer susceptibility loci. We also identified 38 candidate breast cancer susceptibility genes and 17 candidate ovarian cancer susceptibility genes at conjunction FDR < 0.05 at known breast and/or ovarian susceptibility loci. Overlaying candidate causal risk variants identified by GWAS fine mapping onto expression prediction models for genes at known loci suggested that the association for 55% of these genes was driven by the underlying GWAS signal. Significance The 22 new genes identified by our cross-cancer analysis represent promising candidates that further elucidate the role of the transcriptome in mediating germline breast and ovarian cancer risk.

Abstract Background Precision oncology is gradually advancing into mainstream clinical practice, demonstrating significant survival benefits. However, eligibility and response rates remain limited in many cases, calling for better predictive biomarkers. Methods We present ENLIGHT, a transcriptomics-based computational approach that identifies clinically relevant genetic interactions and uses them to predict a patient’s response to a variety of therapies in multiple cancer types, without training on previous treatment response data. We study ENLIGHT in two translationally oriented scenarios: Personalized Oncology (PO) , aimed at prioritizing treatments for a single patient, and Clinical Trial Design (CTD ), selecting the most likely responders in a patient cohort. Findings Evaluating ENLIGHT’s performance on 21 blinded clinical trial datasets in the PO setting, we show that it can effectively predict a patient’s treatment response across multiple therapies and cancer types. Its prediction accuracy is better than previously published transcriptomics-based signatures and is comparable to that of supervised predictors developed for specific indications and drugs. In combination with the IFN-γsignature, ENLIGHT achieves an odds ratio larger than 4 in predicting response to immune checkpoint therapy. In the CTD scenario, ENLIGHT can potentially enhance clinical trial success for immunotherapies and other monoclonal antibodies by excluding non-responders, while overall achieving more than 90% of the response rate attainable under an optimal exclusion strategy. Conclusion ENLIGHT demonstrably enhances the ability to predict therapeutic response across multiple cancer types from the bulk tumor transcriptome. Funding This research was supported in part by the Intramural Research Program, NIH and by the Israeli Innovation Authority.

SUMMARY Metastasis is a leading cause of cancer-related deaths, yet understanding how metastatic tumors adapt from their origin to target tissues is challenging. To address this, we assessed whether primary and metastatic tumors resemble their tissue of origin or target tissue in terms of gene expression. We analyzed gene expression profiles from various cancer types, including single-cell and bulk RNA-seq data, in both paired and unpaired primary and metastatic patient cohorts. We quantified the transcriptomic distances between tumor samples and their normal tissues, revealing that primary tumors are more similar to their tissue of origin, while metastases shift towards the target tissue. Pathway-level analysis highlighted critical transcriptomic changes during metastasis. Notably, primary cancers exhibited higher activity in cancer hallmarks, including Activating Invasion and Metastasis , compared to metastatic cancers. This comprehensive landscape analysis provides insight into how cancer tumors adapt to their metastatic environments, providing a transcriptome-wide view of the processes involved.

ABSTRACT Cancer is an evolutionarily conserved disease that occurs in a wide variety of species. We applied a comparative genomics approach to systematically characterize the genes whose conservation levels significantly correlates positively (PC) or negatively (NC) with a broad spectrum of cancer-resistance estimates, computed across almost 200 vertebrate species. PC genes are enriched in pathways relevant to tumor suppression including cell cycle, DNA repair, and immune response, while NC genes are enriched with a host of metabolic pathways. The conservation levels of the PC and NC genes in a species serve to build the first genomics-based predictor of its cancer resistance score. We find that PC genes are less tolerant to loss of function (LoF) mutations, are enriched in cancer driver genes and are associated with germline mutations that increase human cancer risk. Furthermore, their expression levels are associated with lifetime cancer risk across human tissues. Finally, their knockout in mice results in increased cancer incidence. In sum, we find that many genes associated with cancer resistance across species are implicated in human cancers, pointing to several additional candidate genes that may have a functional role in human cancer.

BackgroundCell-free DNA (cfDNA) sequence analysis to screen for fetal aneuploidy can incidentally detect maternal cancer. Additional data are needed to identify DNA-sequencing patterns and other biomarkers that can identify pregnant persons who are most likely to have cancer and to determine the best approach for follow-up.MethodsIn this ongoing study we performed cancer screening in pregnant or postpartum persons who did not perceive signs or symptoms of cancer but received unusual clinical cfDNA-sequencing results or results that were nonreportable (i.e., the fetal aneuploidy status could not be assessed) from one of 12 different commercial laboratories in North America. We used a uniform cancer-screening protocol including rapid whole-body magnetic resonance imaging (MRI), laboratory tests, and standardized cfDNA sequencing for research purposes with the use of a genomewide platform. The primary outcome was the presence of cancer in participants after the initial cancer-screening evaluation. Secondary analyses included test performance.ResultsCancer was present in 52 of the 107 participants in the initial cohort (48.6%). The sensitivity and specificity of whole-body MRI in detecting occult cancer were 98.0% and 88.5%, respectively. Physical examination and laboratory tests were of limited use in identifying participants with cancer. Research sequencing showed that 49 participants had a combination of copy-number gains and losses across multiple (≥3) chromosomes; cancer was present in 47 of the participants (95.9%) with this sequencing pattern. Sequencing patterns of cfDNA in which there were only chromosomal gains (multiple trisomies) or only chromosomal losses (one or more monosomies) were found in participants with nonmalignant conditions, such as fibroids.ConclusionsIn this study, 48.6% of participants who received unusual or nonreportable clinical cfDNA-sequencing results had an occult cancer. Further study of DNA-sequencing patterns that are suggestive of occult cancer during prenatal screening is warranted. (Funded by the NIH Intramural Research Programs; ClinicalTrials.gov number, NCT04049604.)

Abstract Black women of African ancestry experience more aggressive breast cancer with higher mortality rates than White women of European ancestry. Although inter-ethnic germline variation is known, differential somatic evolution has not been investigated in detail. Analysis of deep whole genomes of 97 breast tumors, with RNA-seq in a subset, from indigenous African patients in Nigeria in comparison to The Cancer Genome Atlas (n=76) revealed a higher rate of genomic instability and increased intra-tumoral heterogeneity as well as a unique genomic subtype defined by early clonal GATA3 mutations and a 10.5-year younger age at diagnosis. We also found evidence for non-coding mutations in two novel drivers ( ZNF217 and SYPL1 ) and a novel INDEL signature strongly associated with African ancestry proportion. This comprehensive analysis of an understudied population underscores the need to incorporate diversity of genomes as a key parameter in fundamental research with potential to tailor clinical intervention and promote equity in precision oncology care.

2666 Background: Immune checkpoint blockers (ICB) are revolutionizing cancer treatment, and are being approved for an increasingly wide range of cancer types. The most common biomarkers currently in use to select patients for ICB are PD-L1 expression on tumor cells, as measured by IHC, and tumor mutational burden (TMB) and microsatellite instability (MSI), both measured by NGS. However, some patients that are negative for these markers still respond to ICB. This calls for complementary biomarkers to better identify responders to ICB, especially in patients that are negative to current biomarkers. Here, we focus on predicting response to anti-PD1 in patients with negative PD-L1, TMB or MSI. Methods: We employ ENLIGHT, our transcriptome-based precision oncology platform, which identifies and utilizes clinically relevant genetic interactions to predict a patient’s response to a wide range of targeted drugs, including ICB. ENLIGHT generates an individual ICB response score calculated from a 10-gene expression signature - the ENLIGHT Matching Score (EMS). Patients with EMS above a predetermined threshold are considered matched by ENLIGHT to anti-PD-1 treatments. We have previously shown, based on more than 1000 cases analyzed retrospectively, that this signature can identify responders to anti-PD-1 with high accuracy. Here, we use ENLIGHT to perform a retrospective analysis of 125 cases from three different datasets, who had low PD-L1 presentation (<1%), low TMB (< 10) or microsatellite stable tumors (MSS), and were treated with anti-PD-1, to specifically assess ENLIGHT’s performance in this biomarker-negative sub-population. Results: Patients who responded to anti-PD-1 treatments had significantly higher EMS in all three datasets. Correspondingly, ENLIGHT is highly predictive of response to anti-PD-1 in patients with negative ICB markers in the three datasets (ROC AUCs of 0.80, 0.84, 0.77, respectively, for low PDL1, low TMB and MSS). It is important to note that ENLIGHT was not trained on any of these datasets, and is applied as-is using previously published parameters. Overall, we find that patients who are ENLIGHT-Matched to anti-PD1 in this biomarker-negative cohort are almost 3 times more likely to respond than patients who are not (31% vs. 11%, p=5e-13). Conclusions: ENLIGHT is a powerful tool for predicting response to anti-PD-1 treatment in patients with negative standard biomarkers for ICB, a currently unmet need with considerable clinical importance.

Metastasis is a leading cause of cancer-related deaths, yet understanding how metastatic tumors adapt from their origin to their target tissues remains a fundamental challenge. To address this, we assessed whether primary and metastatic tumors more closely resemble their tissues of origin or target tissues in terms of gene expression. We analyzed expression profiles from multiple cancer types and normal tissues, including single-cell and bulk RNA sequencing data from both paired and unpaired patient cohorts. Primary tumors were overall more transcriptomically similar to their tissues of origin, while metastases shifted toward their target tissues. However, pathway-level analysis highlighted critical metabolic and immune transcriptomic changes toward target tissues during metastasis in both primary and metastatic tumors. In addition, primary tumors exhibited higher activity in cancer hallmarks such as “Activating Invasion and Metastasis” when compared to metastases. This comprehensive analysis provides a transcriptome-wide view of the processes through which cancer tumors adapt to their metastatic environments before and after metastasis.

Brittany L. Bychkovsky, MD, MSc; Nihat B. Agaoglu, MD, PhD; Carolyn Horton, MS; Linda Polfus, PhD; Marcy E. Richardson, PhD; Colin Young, PhD; Rochelle Scheib, MD; Judy E. Garber, MD, MPH; Huma Q. Rana, MD, MPH

Importance Young Black women bear a disproportionate burden of breast cancer deaths compared with White women, yet they remain underrepresented in genomic studies. Objective To evaluate the association of biological factors, including West African genetic ancestry, and nonbiological factors with disease-free survival (DFS) among young Black women with breast cancer. Design, Setting, and Participants This observational cohort study included Black women diagnosed with invasive breast cancer between January 1, 2005, and December 31, 2016. Participants diagnosed with breast cancer at age 50 years or younger were recruited through the Florida and Tennessee state cancer registries. The final analysis was completed between June and September 2024. Exposure West African genetic ancestry. Main Outcomes and Measures A multivariable model was developed to evaluate the association between West African genetic ancestry and breast cancer DFS, adjusting for immunohistochemistry subtype, lymph node (LN) status, and full-time employment. Results This study included 687 Black women with early-stage invasive breast cancer. Their median age at diagnosis was 44 years (IQR, 38-47 years), and the median follow-up was 10 years (IQR, 7-11 years). In multivariable analysis, triple-negative breast cancer (TNBC) and LN involvement were associated with shorter breast cancer DFS (hazard ratio, 1.81 [95% CI, 1.20-2.73] and 1.77 [95% CI, 1.30-2.41], respectively), whereas full-time employment was associated with improved outcomes (hazard ratio, 0.44 [95% CI, 0.30-0.63]). Among the 551 participants for whom global genetic ancestry could be assessed, having a higher percentage of West African genetic ancestry was associated with shorter breast cancer DFS among 246 participants in the hormone receptor (HR)–positive/human epidermal growth factor receptor 2 ( ERBB2 [formerly HER2])–negative subgroup (hazard ratio, 1.45 [95% CI, 1.04-2.04]). Of the 369 participants (53.7%) with PAM50 data available, basal (133 [36.0%]) and luminal B (107 [29.0%]) subtypes were the most common. Among the 179 patients with HR-positive/ ERBB2 -negative disease and PAM50 data available, luminal B and basal subtypes combined were also overrepresented (81 [45.3%] and 24 [13.4%], respectively) compared with luminal A (70 [39.1%]). Conclusions and Relevance In this study of young Black women with breast cancer, having a higher percentage of West African genetic ancestry, TNBC, and LN involvement were associated with shorter breast cancer DFS. Interestingly, full-time employment was associated with improved breast cancer DFS. These findings highlight the importance of considering genetic ancestry beyond self-reported race and accounting for social determinants of health, in efforts to improve survival outcomes among Black women with breast cancer.