To identify common variants influencing body mass index (BMI), we analyzed genome-wide association data from 16,876 individuals of European descent. After previously reported variants in FTO, the strongest association signal (rs17782313, P = 2.9 × 10−6) mapped 188 kb downstream of MC4R (melanocortin-4 receptor), mutations of which are the leading cause of monogenic severe childhood-onset obesity. We confirmed the BMI association in 60,352 adults (per-allele effect = 0.05 Z-score units; P = 2.8 × 10−15) and 5,988 children aged 7–11 (0.13 Z-score units; P = 1.5 × 10−8). In case-control analyses (n = 10,583), the odds for severe childhood obesity reached 1.30 (P = 8.0 × 10−11). Furthermore, we observed overtransmission of the risk allele to obese offspring in 660 families (P (pedigree disequilibrium test average; PDT-avg) = 2.4 × 10−4). The SNP location and patterns of phenotypic associations are consistent with effects mediated through altered MC4R function. Our findings establish that common variants near MC4R influence fat mass, weight and obesity risk at the population level and reinforce the need for large-scale data integration to identify variants influencing continuous biomedical traits.

In vitro evolution experiments on haploid, diploid, and tetraploid yeast strains show that adaptation is faster in tetraploids, providing direct quantitative evidence that in some environments polyploidy can accelerate evolutionary adaptation. Polyploidization — where the chromosome number is more than double the normal or haploid number — is common in fungi, plants and animals, but its influence on evolution is unclear. This study describes bench-top evolution experiments on haploid, diploid and tetraploid asexual yeast strains showing that polyploidy can accelerate adaptation to growth on a poor carbon source, with tetraploids adapting the fastest. This go-faster evolution is driven by the acquisition of more and more beneficial mutations. Polyploidy can be unstable however, but aneuploidy, concerted chromosome loss and point mutations all provide substantial gains in fitness in this context. Polyploidy is observed across the tree of life, yet its influence on evolution remains incompletely understood1,2,3,4. Polyploidy, usually whole-genome duplication, is proposed to alter the rate of evolutionary adaptation. This could occur through complex effects on the frequency or fitness of beneficial mutations2,5,6,7. For example, in diverse cell types and organisms, immediately after a whole-genome duplication, newly formed polyploids missegregate chromosomes and undergo genetic instability8,9,10,11,12,13. The instability following whole-genome duplications is thought to provide adaptive mutations in microorganisms13,14 and can promote tumorigenesis in mammalian cells11,15. Polyploidy may also affect adaptation independently of beneficial mutations through ploidy-specific changes in cell physiology16. Here we perform in vitro evolution experiments to test directly whether polyploidy can accelerate evolutionary adaptation. Compared with haploids and diploids, tetraploids undergo significantly faster adaptation. Mathematical modelling suggests that rapid adaptation of tetraploids is driven by higher rates of beneficial mutations with stronger fitness effects, which is supported by whole-genome sequencing and phenotypic analyses of evolved clones. Chromosome aneuploidy, concerted chromosome loss, and point mutations all provide large fitness gains. We identify several mutations whose beneficial effects are manifest specifically in the tetraploid strains. Together, these results provide direct quantitative evidence that in some environments polyploidy can accelerate evolutionary adaptation.

Cancer-derived extracellular vesicles (EVs) are membrane-enclosed structures of highly variable size. EVs contain a myriad of substances (proteins, lipid, RNA, DNA) that provide a reservoir of circulating molecules, thus offering a good source of biomarkers. We demonstrate here that large EVs (L-EV) (large oncosomes) isolated from prostate cancer (PCa) cells and patient plasma are an EV population that is enriched in chromosomal DNA, including large fragments up to 2 million base pair long. While L-EVs and small EVs (S-EV) (exosomes) isolated from the same cells contained similar amounts of protein, the DNA was more abundant in L-EV, despite S-EVs being more numerous. Consistent with in vitro observations, the abundance of DNA in L-EV obtained from PCa patient plasma was variable but frequently high. Conversely, negligible amounts of DNA were present in the S-EVs from the same patients. Controlled experimental conditions, with spike-ins of L-EVs and S-EVs from cancer cells in human plasma from healthy subjects, showed that circulating DNA is almost exclusively enclosed in L-EVs. Whole genome sequencing revealed that the DNA in L-EVs reflects genetic aberrations of the cell of origin, including copy number variations of genes frequently altered in metastatic PCa (i.e. MYC, AKT1, PTK2, KLF10 and PTEN). These results demonstrate that L-EV-derived DNA reflects the genomic make-up of the tumour of origin. They also support the conclusion that L-EVs are the fraction of plasma EVs with DNA content that should be interrogated for tumour-derived genomic alterations.

Abstract Background Cytosine methylation is a common DNA modification found in most eukaryotic organisms including plants, animals, and fungi. (Cytosine-5)-DNA methyltransferases (C5-DNA MTases) belong to the DNMT family of enzymes that catalyze the transfer of a methyl group from S-adenosyl methionine (SAM) to cytosine residues of DNA. In mammals, four members of the DNMT family have been reported: DNMT1, DNMT3a, DNMT3b and DNMT3L, but only DNMT1, DNMT3a and DNMT3b possess methyltransferase activity. There have been many reports about the methylation landscape in different organisms yet there is no systematic report of how the enzyme DNA (C5) methyltransferases have evolved in different organisms. Result DNA methyltransferases are found to be present in all three domains of life. However, significant variability has been observed in length, copy number and sequence identity when compared across kingdoms. Sequence conservation is greatly increased in invertebrates and vertebrates compared to other groups. Similarly, sequence length has been found to be increased while domain lengths remain more or less conserved. Vertebrates are also found to be associated with more conserved DNMT domains. Finally, comparison between single nucleotide polymorphisms (SNPs) prevailing in human populations and evolutionary changes in DNMT vertebrate alignment revealed that most of the SNPs were conserved in vertebrates. Conclusion The sequences (including the catalytic domain and motifs) and structure of the DNMT enzymes have been evolved greatly from bacteria to vertebrates with a steady increase in complexity and specificity. This study provides a systematic report of the evolution of DNA methyltransferase enzyme across different lineages of tree of life.

Abstract Latent recurrences following curative-intent pancreatic cancer surgery is a major clinical problem thought to be due to the reactivation of dormant tumor cells that disseminate before the primary tumor has been removed. How dormancy is established and ultimately reversed to drive recurrence is poorly understood. Here we introduce a novel model of pancreatic cancer dormancy that mimics early and latent survival outcomes of resected patients. Using single-cell transcriptomics we compared primary, dormant, and reactivated tumor cells and found the primary and reactivated tumor cell transcriptomes clustered together with and away from the dormant tumor cells. Using a chromatin accessibility assay we found dormancy exhibits large scale changes in chromatin remodeling. Dormant tumor cells express cancer stem cell markers that are lost upon reactivation and are chemotherapy resistant. We identified a dormancy gene signature and investigated this in patients undergoing surgery for localized PC by isolating cells from the primary tumor and liver disseminated tumor cells (DTCs) for single-cell transcriptomics. We found the signature correlated with DTCs indicating that these cells are dormant at the time of surgery. The signature also identified CCL5 as a novel dormancy marker in PC. Mechanisms of PC dormancy include upregulation of the transcriptional repressor Dec2 which drives quiescence, monoallelic suppression of the mutant KRAS allele by DNA methylation, and immunoregulation. We conclude that PC dormancy is a highly plastic and heterogeneous cellular state governed by tumor cell autonomous and non-autonomous mechanisms. One Sentence Summary A novel model of resectable pancreatic cancer reveals pancreatic cancer dormancy is characterized by significant cellular plasticity, heterogeneity and chromatin remodeling

ABSTRACT Cell-cell interactions are the fundamental building blocks of tissue organization and multicellular life. We developed Neighbor-seq, a method to identify and annotate the architecture of direct cell-cell interactions and relevant ligand-receptor signaling from the undissociated cell fractions in massively parallel single cell sequencing data. Neighbor-seq accurately identifies microanatomical features of diverse tissue types such as the small intestinal epithelium, terminal respiratory tract, and splenic white pulp. It also captures the differing topologies of cancer-immune-stromal cell communications in pancreatic and skin tumors, which are consistent with the patterns observed in spatial transcriptomic data. Neighbor-seq is fast and scalable. It draws inferences from routine single-cell data and does not require prior knowledge about sample cell-types or multiplets. Neighbor-seq provides a framework to study the organ-level cellular interactome in health and disease, bridging the gap between single-cell and spatial transcriptomics.

Abstract We developed Census, an automated, hierarchical cell-type identification method for scRNA-seq data that can deeply annotate normal cells in mammalian tissues and identify malignant cells and their likely cell of origin. When benchmarked on 44 atlas-scale normal and cancer, human and mouse tissues, Census significantly outperforms state-of-the-art methods across multiple metrics. Census is a fast and fully automated method, although users can seamlessly train their own models for customized applications.

Histone methyltransferase KMT2C is among the frequently mutated epigenetic modifier genes in cancer. It has additional roles in DNA replication, but the effects of KMT2C deficiency on genomic instability during tumorigenesis are unclear. Analyzing 9,663 tumors from 30 cohorts, we report that KMT2C mutant tumors have a significant excess of APOBEC mutational signatures in several cancer types. We show that KMT2C deficiency promotes APOBEC expression and deaminase activity, and compromises DNA replication speed and delays fork restart, facilitating APOBEC mutagenesis targeting ssDNA near stalled forks. APOBEC-mediated mutations primarily accumulate during early replication, and tend to cluster along the genome and also in 3D nuclear contexts. Excessive APOBEC mutational signatures in KMT2C mutant tumors correlate with elevated genomic instability and signatures of homologous recombination deficiency. We propose that in multiple cancer types KMT2C deficiency is a likely driver of APOBEC mutagenesis, which promotes further genomic instability during cancer progression.

Abstract Glioblastoma (GBM) is well-known for its molecular and spatial heterogeneity, which poses a challenge for precision therapies and clinical trial stratification. Here, in a comprehensive radiogenomics study of 358 GBMs, we investigated the associations between the imaging and spatial characteristics of the tumors with their cancer gene mutation status, as well as with the cross-sectionally inferred likely order of mutational events. We show that cross-validated machine learning analysis of multi-parametric MRI scans results in distinctive in vivo imaging signatures of several mutations, which are relatively more distinctive in homogeneous tumors which harbor only one of these mutations. These imaging signatures offer mechanistic insights into how various mutations influence the phenotype of the tumor and its surrounding infiltrated brain tissue via neovascularization and vascular leakage, increased cell density, invasion and migration, and other characteristics captured by respective imaging features. Furthermore, we found that spatial location and tumor distribution vary, depending on the GBM’s molecular characteristics. Finally, distinct imaging and spatial characteristics were associated with cross-sectionally estimated evolutionary trajectories of the tumors. Collectively, our study establishes a panel of in vivo and clinically accessible imaging-AI biomarkers of GBM that reflect their molecular composition and oncogenic drivers.

Abstract We developed SAHMI, a computational resource to identify truly present microbial nucleic acids and filter contaminants and spurious false-positive taxonomic assignments from standard transcriptomic sequencing of mammalian tissues. In benchmark studies, SAHMI correctly identifies known microbial infections present in diverse tissues. The application of SAHMI to single-cell and spatial genomic data enables co-detection of somatic cells and microorganisms and joint analysis of host-microbiome ecosystems.