Aneuploidy, whole chromosome or chromosome arm imbalance, is a near-universal characteristic of human cancers. In 10,522 cancer genomes from The Cancer Genome Atlas, aneuploidy was correlated with TP53 mutation, somatic mutation rate, and expression of proliferation genes. Aneuploidy was anti-correlated with expression of immune signaling genes, due to decreased leukocyte infiltrates in high-aneuploidy samples. Chromosome arm-level alterations show cancer-specific patterns, including loss of chromosome arm 3p in squamous cancers. We applied genome engineering to delete 3p in lung cells, causing decreased proliferation rescued in part by chromosome 3 duplication. This study defines genomic and phenotypic correlates of cancer aneuploidy and provides an experimental approach to study chromosome arm aneuploidy.

This integrated, multiplatform PanCancer Atlas study co-mapped and identified distinguishing molecular features of squamous cell carcinomas (SCCs) from five sites associated with smoking and/or human papillomavirus (HPV). SCCs harbor 3q, 5p, and other recurrent chromosomal copy-number alterations (CNAs), DNA mutations, and/or aberrant methylation of genes and microRNAs, which are correlated with the expression of multi-gene programs linked to squamous cell stemness, epithelial-to-mesenchymal differentiation, growth, genomic integrity, oxidative damage, death, and inflammation. Low-CNA SCCs tended to be HPV(+) and display hypermethylation with repression of TET1 demethylase and FANCF, previously linked to predisposition to SCC, or harbor mutations affecting CASP8, RAS-MAPK pathways, chromatin modifiers, and immunoregulatory molecules. We uncovered hypomethylation of the alternative promoter that drives expression of the ΔNp63 oncogene and embedded miR944. Co-expression of immune checkpoint, T-regulatory, and Myeloid suppressor cells signatures may explain reduced efficacy of immune therapy. These findings support possibilities for molecular classification and therapeutic approaches.

ABSTRACT Discovering transcriptional variation in the absence of underlying genomic contributions hinders understanding of molecular mechanisms of disease. To assess this coordination in individual cells, we leveraged a new workflow, ResolveOME, exploiting the attributes of primary template-directed amplification (PTA) to enable accurate, complete-genome assessment of single-nucleotide variation in conjunction with full-transcript RNA-seq. In cultured AML cells resistant to the FLT3 inhibitor quizartinib, we uncovered a FLT3 missense mutation and matched transcript upregulation of AXL signal transduction and enhancer factor modulation driving resistance. In primary breast cancer cells, we detected oncogenic PIK3CA N345K mutations and heterogeneous classes of chromosomal loss and were empowered to interpret these genotypes with the crucial knowledge of cell identity and state derived from the transcriptome. The study reinforces the plasticity of the genome in conjunction with expected transcriptional modulation, leading to combinatorial alterations that affect cellular evolution that can be identified through application of this workflow to individual cells.

SUMMARY Ductal carcinoma in situ (DCIS) is the most common precursor of invasive breast cancer (IBC), with variable propensity for progression. We have performed the first multiscale, integrated profiling of DCIS with clinical outcomes by analyzing 677 DCIS samples from 481 patients with 7.1 years median follow-up from the Translational Breast Cancer Research Consortium (TBCRC) 038 study and the Resource of Archival Breast Tissue (RAHBT) cohorts. We identified 812 genes associated with ipsilateral recurrence within 5 years from treatment and developed a classifier that was predictive of DCIS or IBC recurrence in both cohorts. Pathways associated with recurrence include proliferation, immune response, and metabolism. Distinct stromal expression patterns and immune cell compositions were identified. Our multiscale approach employed in situ methods to generate a spatially resolved atlas of breast precancers, where complementary modalities can be directly compared and correlated with conventional pathology findings, disease states, and clinical outcome. HIGHLIGHTS ⍰ Development of a new classifier for DCIS recurrence or progression ⍰ Outcome associated pathways identified across multiple data types and compartments ⍰ Four stroma-specific signatures identified ⍰ CNAs characterize DCIS subgroups associated with high risk invasive cancers

ABSTRACT The defining characteristic of ductal carcinoma in situ (DCIS) is neoplastic epithelial growth within a duct surrounded by an intact basement membrane (BM) whereas invasive breast cancer (IBC) is defined by tumor cell extravasation associated with loss of the intact BM. To understand mechanisms underlying the development of DCIS, we performed single-cell RNA-sequencing (scRNA-seq) on DCIS and synchronous normal tissue. We identified neoplastic epithelial cells by inferring copy number variations from RNA expression and then classified cells using previously defined phenotypes from normal human breast epithelium. We identify an increase in luminal cells in DCIS and a concomitant decrease in basal cells, which are a significant source of BM gene expression. We hypothesize that the reduction of the relative abundance of basal cells reduces the integrity of the BM that can result in the invasive phenotype.

Introduction: High-grade serous carcinoma (HGSC) gene expression subtypes are associated with differential survival. We characterized HGSC gene expression in Black individuals and considered whether gene expression differences by race may contribute to poorer HGSC survival among Black versus non-Hispanic White individuals. Methods: We included newly generated RNA-Seq data from Black and White individuals, and array-based genotyping data from four existing studies of White and Japanese individuals. We assigned subtypes using K-means clustering. Cluster- and dataset-specific gene expression patterns were summarized by moderated t-scores. We compared cluster-specific gene expression patterns across datasets by calculating the correlation between the summarized vectors of moderated t-scores. Following mapping to The Cancer Genome Atlas (TCGA)-derived HGSC subtypes, we used Cox proportional hazards models to estimate subtype-specific survival by dataset. Results: Cluster-specific gene expression was similar across gene expression platforms. Comparing the Black study population to White and Japanese study populations, the immunoreactive subtype was more common (39% versus 23%-28%) and the differentiated subtype less common (7% versus 22%-31%). Patterns of subtype-specific survival were similar between the Black and White populations with RNAseq data; compared to mesenchymal cases, the risk of death was similar for proliferative and differentiated cases and suggestively lower for immunoreactive cases (Black population HR=0.79 [0.55, 1.13], White population HR=0.86 [0.62, 1.19]). Conclusions: A single, platform-agnostic pipeline can be used to assign HGSC gene expression subtypes. While the prevalence of HGSC subtypes varied by race, subtype-specific survival was similar.

Intra-tumoral heterogeneity (ITH) could represent clonal evolution where subclones with greater fitness confer more malignant phenotypes and invasion constitutes an evolutionary bottleneck. Alternatively, ITH could represent branching evolution with invasion of multiple subclones. The two models respectively predict a hierarchy of subclones arranged by phenotype, or multiple subclones with shared phenotypes. We delineated these modes of invasion by merging ancestral, topographic, and phenotypic information from 12 human colorectal tumors (11 carcinomas, 1 adenoma) obtained through saturation microdissection of 325 small tumor regions. The majority of subclones (29/46, 60%) shared superficial and invasive phenotypes. Of 11 carcinomas, 9 showed evidence of multiclonal invasion, and invasive and metastatic subclones arose early along the ancestral trees. Early multiclonal invasion in the majority of these tumors indicates the expansion of co-evolving subclones with similar malignant potential in absence of late bottlenecks, and suggests that barriers to invasion are minimal during colorectal cancer growth.

Abstract Most tissue collections of neoplasms are composed of formalin-fixed and paraffin-embedded (FFPE) excised tumor samples used for routine diagnostics. DNA sequencing is becoming increasingly important in cancer research and clinical management; however, it is difficult to accurately sequence DNA from FFPE samples. We developed and validated a new bioinformatic algorithm to robustly identify somatic single nucleotide variants (SNVs) from whole exome sequencing using small amounts of DNA extracted from archival FFPE samples of breast cancers. We optimized this strategy using 28 pairs of technical replicates. After optimization, the mean similarity between replicates increased 5-fold, reaching 88% (range 0-100%), with a mean of 21.4 SNVs (range 1-68) per sample, representing a markedly superior performance to existing algorithms. We found that the SNV-identification accuracy declined when there was less than 40ng of DNA available and that insertion-deletion variant calls are less reliable than single base substitutions. As the first application of the new algorithm, we compared samples of ductal carcinoma in situ (DCIS) of the breast to their adjacent invasive ductal carcinoma (IDC) samples. We observed an increased number of mutations (paired-samples sign test, p<0.05), and a higher genetic divergence in the invasive samples (paired-samples sign test, p<0.01). Our algorithm provides a significant improvement in detecting SNVs in FFPE samples over previous approaches. Key Points The sequencing of reduced quantities of DNA extracted from FFPE samples leads to substantial sequencing errors that require correction in order to obtain accurate detection of somatic mutations. We developed and validated a new bioinformatic algorithm to robustly identify somatic single nucleotide variants using small amounts of DNA extracted from archival FFPE samples of breast cancers. Variant calling software packages need to be optimized to reduce the impact of sequencing errors. Our bioinformatics pipeline represents a significant methodological advance compared to the currently available bioinformatic tools used for the analysis of small FFPE samples.

Despite increasing evidence supporting the clinical relevance of tumour infiltrating lymphocytes (TILs) in invasive breast cancer, TIL spatial distribution pattern surrounding ductal carcinoma in situ (DCIS) and its association with progression is not well understood. To characterize the tissue microecology of DCIS, we designed and tested a new deep learning pipeline, UNMaSk (UNet-IM-Net-SCCNN), for the automated detection and simultaneous segmentation of DCIS ducts. This new method achieved the highest sensitivity and recall over cutting-edge deep learning networks in three patient cohorts, as well as the highest concordance with DCIS identification based on CK5 staining. Following automated DCIS detection, spatial tessellation centred at each DCIS duct created the boundary in which local ecology can be studied. Single cell identification and classification was performed with an existing deep learning method to map the distribution of TILs. In a dataset comprising grade 2-3 pure DCIS and DCIS adjacent to invasive cancer (adjacent DCIS), we found that pure DCIS cases had more TILs compared to adjacent DCIS. However, TILs co-localise significantly less with DCIS ducts in pure DCIS compared with adjacent DCIS, suggesting a more inflamed tissue ecology local to adjacent DCIS cases. Our experiments demonstrate that technological developments in deep convolutional neural networks and digital pathology can enable us to automate the identification of DCIS as well as to quantify the spatial relationship with TILs, providing a new way to study immune response and identify new markers of progression, thereby improving clinical management.

Abstract Ductal carcinoma in situ (DCIS) is a non-obligate precursor to invasive breast cancer (IBC). Studies have indicated differences in DCIS outcome based on race or ethnicity, but molecular differences have not been investigated. We examined the molecular profile of DCIS by self-reported race (SRR) and outcome groups in Black (n=99) and White (n=191) women with DCIS in a large DCIS case-control cohort with longitudinal follow up. Gene expression and pathway analyses indicated that different genes and pathways are involved in ipsilateral breast outcome (DCIS or IBC) after DCIS treatment in White versus Black women. We identified differences in ER and HER2 expression, tumor microenvironment composition, and copy number variations by SRR and outcome groups. Our results suggest that different molecular mechanisms drive subsequent ipsilateral breast events in Black versus White women.