Molecular classification of high-grade serous ovarian cancer (HGSOC) using transcriptional profiling has proven to be complex and difficult to validate across studies. We determined gene expression profiles of 174 well-annotated HGSOCs and demonstrate prognostic significance of the prespecified TCGA Network gene signatures. Furthermore, we confirm the presence of four HGSOC transcriptional subtypes using a de novo classification. Survival differed statistically significantly between de novo subtypes (log rank, P = .006) and was the best for the immunoreactive-like subtype, but statistically significantly worse for the proliferative- or mesenchymal-like subtypes (adjusted hazard ratio = 1.89, 95% confidence interval = 1.18 to 3.02, P = .008, and adjusted hazard ratio = 2.45, 95% confidence interval = 1.43 to 4.18, P = .001, respectively). More prognostic information was provided by the de novo than the TCGA classification (Likelihood Ratio tests, P = .003 and P = .04, respectively). All statistical tests were two-sided. These findings were replicated in an external data set of 185 HGSOCs and confirm the presence of four prognostically relevant molecular subtypes that have the potential to guide therapy decisions.

Integrated multi-omics evaluation of 823 tumors from advanced renal cell carcinoma (RCC) patients identifies molecular subsets associated with differential clinical outcomes to angiogenesis blockade alone or with a checkpoint inhibitor. Unsupervised transcriptomic analysis reveals seven molecular subsets with distinct angiogenesis, immune, cell-cycle, metabolism, and stromal programs. While sunitinib and atezolizumab + bevacizumab are effective in subsets with high angiogenesis, atezolizumab + bevacizumab improves clinical benefit in tumors with high T-effector and/or cell-cycle transcription. Somatic mutations in PBRM1 and KDM5C associate with high angiogenesis and AMPK/fatty acid oxidation gene expression, while CDKN2A/B and TP53 alterations associate with increased cell-cycle and anabolic metabolism. Sarcomatoid tumors exhibit lower prevalence of PBRM1 mutations and angiogenesis markers, frequent CDKN2A/B alterations, and increased PD-L1 expression. These findings can be applied to molecularly stratify patients, explain improved outcomes of sarcomatoid tumors to checkpoint blockade versus antiangiogenics alone, and develop personalized therapies in RCC and other indications.

We evaluated homologous recombination deficient (HRD) phenotypes in epithelial ovarian cancer (EOC) considering BRCA1, BRCA2 and RAD51C in a large well-annotated patient set. We evaluated EOC patients for germline deleterious mutations (n = 899), somatic mutations (n = 279) and epigenetic alterations (n = 482) in these genes using NGS and genome-wide methylation arrays. Deleterious germline mutations were identified in 32 (3.6%) patients for BRCA1, in 28 (3.1%) for BRCA2 and in 26 (2.9%) for RAD51C. Ten somatically sequenced patients had deleterious alterations, six (2.1%) in BRCA1 and four (1.4%) in BRCA2. Fifty two patients (10.8%) had methylated BRCA1 or RAD51C. HRD patients with germline or somatic alterations in any gene were more likely to be high grade serous, have an earlier diagnosis age and have ovarian and/or breast cancer family history. The HRD phenotype was most common in high grade serous EOC. Identification of EOC patients with an HRD phenotype may help tailor specific therapies.

Ovarian cancer remains the leading cause of death in women with gynecologic malignancies, despite surgical advances and the development of more effective chemotherapeutics. As increasing evidence indicates that clear-cell ovarian cancer may have unique pathogenesis, further understanding of molecular features may enable us to begin to understand the underlying biology and histology-specific information for improved outcomes. To study epigenetics in clear-cell ovarian cancer, fresh frozen tumor DNA (n = 485) was assayed on Illumina Infinium HumanMethylation450 BeadChips. We identified a clear-cell ovarian cancer tumor methylation profile (n = 163) which we validated in two independent replication sets (set 1, n = 163; set 2, n = 159), highlighting 22 CpG loci associated with nine genes (VWA1, FOXP1, FGFRL1, LINC00340, KCNH2, ANK1, ATXN2, NDRG21 and SLC16A11). Nearly all of the differentially methylated CpGs showed a propensity toward hypermethylation among clear-cell cases. Several loci methylation inversely correlated with tumor gene expression, most notably KCNH2 (HERG, a potassium channel) (P = 9.5 × 10−7), indicating epigenetic silencing. In addition, a predicted methylation class mainly represented by the clear-cell cases (20 clear cell out of 23 cases) had improved survival time. Although these analyses included only 30 clear-cell carcinomas, results suggest that loss of expression of KCNH2 (HERG) by methylation could be a good prognostic marker, given that overexpression of the potassium (K+) channel Eag family members promotes increased proliferation and results in poor prognosis. Validation in a bigger cohort of clear-cell tumors of the ovary is warranted.

Background It is unclear whether the transcriptional subtypes of high grade serous ovarian cancer (HGSOC) apply to high grade clear cell (HGCCOC) or high grade endometrioid ovarian cancer (HGEOC). We aim to delineate transcriptional profiles of HGCCOCs and HGEOCs. Methods We used Agilent microarrays to determine gene expression profiles of 276 well annotated ovarian cancers (OCs) including 37 HGCCOCs and 66 HGEOCs. We excluded low grade OCs as these are known to be distinct molecular entities. We applied the prespecified TCGA and CLOVAR gene signatures using consensus non-negative matrix factorization (NMF). Results We confirm the presence of four TCGA transcriptional subtypes and their significant prognostic relevance (p < 0.001) across all three histological subtypes (HGSOC, HGCCOC and HGEOCs). However, we also demonstrate that 22/37 (59%) HGCCOCs and 30/67 (45%) HGEOCs form 2 additional separate clusters with distinct gene signatures. Importantly, of the HGCCOC and HGEOCs that clustered separately 62% and 65% were early stage (FIGO I/II), respectively. These finding were confirmed using the reduced CLOVAR gene set for classification where most early stage HGCCOCs and HGEOCs formed a distinct cluster of their own. When restricting the analysis to the four TCGA signatures (ssGSEA or NMF with CLOVAR genes) most early stage HGCCOCs and HGEOC were assigned to the differentiated subtype. Conclusions Using transcriptional profiling the current study suggests that HGCCOCs and HGEOCs of advanced stage group together with HGSOCs. However, HGCCOCs and HGEOCs of early disease stages may have distinct transcriptional signatures similar to those seen in their low grade counterparts.

Abstract Four gene expression subtypes of high-grade serous ovarian cancer (HGSC) have been previously described. In these early studies, a fraction of samples that did not fit well into the four subtype classifications were excluded. Therefore, we sought to systematically determine the concordance of transcriptomic HGSC subtypes across populations without removing any samples. We created a bioinformatics pipeline to independently cluster the five largest mRNA expression datasets using k-means and nonnegative matrix factorization (NMF). We summarized differential expression patterns to compare clusters across studies. While previous studies reported four subtypes, our cross-population comparison does not support four. Because these results contrast with previous reports, we attempted to reproduce analyses performed in those studies. Our results suggest that early results favoring four subtypes may have been driven by the inclusion of serous borderline tumors. In summary, our analysis suggests that either two or three, but not four, gene expression subtypes are most consistent across datasets.

Four gene expression subtypes of high-grade serous ovarian cancer (HGSC) have been previously described. In these studies, a fraction of samples that did not fit well into the four subtype classifications were excluded. Therefore, we sought to systematically determine the concordance of transcriptomic HGSC subtypes across populations without removing any samples. We created a bioinformatics pipeline to independently cluster the five largest mRNA expression datasets using k-means and non-negative matrix factorization (NMF). We summarized differential expression patterns to compare clusters across studies. While previous studies reported four subtypes, our cross-population comparison does not support four. Because these results contrast with previous reports, we attempted to reproduce analyses performed in those studies. Our results suggest that early results favoring four subtypes may have been driven by including serous borderline tumors. In summary, our analysis suggests that either two or three, but not four, gene expression subtypes are most consistent across datasets.

Comprehensive and spatially mapped molecular atlases of organs at a cellular level are a critical resource to gain insights into pathogenic mechanisms and therapies tailored to the disease of each patient. Obtaining rigorous and reproducible results from disparate methods and at different sites to interrogate biomolecules at a single cell level or in 3-dimensional (3D) space is a significant challenge that can be a futile exercise if not well controlled. The Kidney Precision Medicine Project (KPMP) is an endeavor to generate 3D molecular atlases of healthy and diseased kidney biopsies using multiple state-of-the-art OMICS and imaging technologies across several institutions. We describe a pipeline for generating a reliable and authentic single cell/region 3D molecular atlas of human adult kidney with emphasis on quality assurance, quality control, validation and harmonization across different OMICS and imaging methods. Our -follow the tissue- approach encompasses sample procurement to data generation, analysis, data sharing, while standardizing, and harmonizing procedures at sample collection, processing, storage and shipping. We provide key features of preanalytical parameters, bioassays, post analyses, reference standards and data depositions. A pilot experiment from a common source tissue processed and analyzed at different institutions was executed to identify potential sources of variation, feasibility of multimodal analyses and unique and redundant features of the macromolecules being characterized by each technology. An important outcome was identification of limitations and strengths of the different technologies, and how composite information can be leveraged for clinical application. A peer review system was established to critically review quality control measures and the reproducibility of data generated by each technology before granting approval to work on clinical biopsy specimens. This unique pipeline establishes a process that economizes the use of valuable biopsy tissue for multi-OMICS and imaging analysis with stringent quality control to ensure rigor and reproducibility of results and which can serve as a model for similar personalized medicine projects.

Modulation of proteolysis is an emerging therapeutic mainstay. The clinical success of thalidomide and analogs has inspired development of rationally-designed therapeutics that repurpose endogenous degradation machinery to target pathogenic proteins. However, it is unknown whether target removal is the critical effect that drives degrader-induced efficacy. Here we report that proteasome-generated peptides actively initiate degrader-induced cell death. Utilizing BET family degraders as exemplars, we find that induced proteasomal degradation of the BRD4-long isoform (BRD4-L) generates neo-amino-terminal peptides that neutralize Inhibitor of Apoptosis (IAP) proteins to precipitate cell death. Depletion of BRD4-L paradoxically suppresses caspase activation induced by numerous BET degraders. An unbiased screen revealed that other degrader compounds, including clinical CELMoDs, rely on the same mechanism to potentiate caspase activation and apoptosis. Finally, in the context of constitutive immunoglobulin proteostasis within multiple myeloma cells, we report that therapeutic proteasomal protease inhibition alters the peptide repertoire to neutralize IAPs, thus contributing to the clinical efficacy of bortezomib. Together, these findings clarify the counterintuitive clinical benefit achieved by combining thalidomide analogs with proteasome inhibitors. Our study reveals a previously unrealized pro-apoptotic function of the peptides generated by a variety of proteolysis-modulating compounds, that provide design considerations to maximize therapeutic benefit.