Summary

 Identifying molecular cancer drivers is critical for precision oncology. Multiple advanced algorithms to identify drivers now exist, but systematic attempts to combine and optimize them on large datasets are few. We report a PanCancer and PanSoftware analysis spanning 9,423 tumor exomes (comprising all 33 of The Cancer Genome Atlas projects) and using 26 computational tools to catalog driver genes and mutations. We identify 299 driver genes with implications regarding their anatomical sites and cancer/cell types. Sequence- and structure-based analyses identified >3,400 putative missense driver mutations supported by multiple lines of evidence. Experimental validation confirmed 60%–85% of predicted mutations as likely drivers. We found that >300 MSI tumors are associated with high PD-1/PD-L1, and 57% of tumors analyzed harbor putative clinically actionable events. Our study represents the most comprehensive discovery of cancer genes and mutations to date and will serve as a blueprint for future biological and clinical endeavors.

Oncogenic TACC-tics Human cancers exhibit many types of genomic rearrangements—including some that juxtapose sequences from two unrelated genes—thereby creating fusion proteins with oncogenic activity. Functional analysis of these fusion genes can provide mechanistic insights into tumorigenesis and potentially lead to effective drugs, as famously illustrated by the BCR-ABL gene in chronic myelogenous leukemia. Singh et al. (p. 1231 , published online 26 July) identify and characterize a fusion gene present in 3% of human glioblastomas, a deadly brain cancer. In the resultant fusion protein, the tyrosine kinase region of the fibroblast growth factor receptor (FGFR) is joined to a domain from a transforming acidic coiled-coil (TACC) protein. The TACC-FGFR protein is oncogenic, shows unregulated kinase activity, localizes to the mitotic spindle, and disrupts chromosome segregation. In mice, FGFR inhibitors slowed the growth of tumors driven by the TACC-FGFR gene, suggesting that a subset of glioblastoma patients may benefit from these types of drugs.

Dysregulated metabolism is a hallmark of cancer, manifested through alterations in metabolites. We performed metabolomic profiling on 138 matched clear cell renal cell carcinoma (ccRCC)/normal tissue pairs and found that ccRCC is characterized by broad shifts in central carbon metabolism, one-carbon metabolism, and antioxidant response. Tumor progression and metastasis were associated with metabolite increases in glutathione and cysteine/methionine metabolism pathways. We develop an analytic pipeline and visualization tool (metabolograms) to bridge the gap between TCGA transcriptomic profiling and our metabolomic data, which enables us to assemble an integrated pathway-level metabolic atlas and to demonstrate discordance between transcriptome and metabolome. Lastly, expression profiling was performed on a high-glutathione cluster, which corresponds to a poor-survival subgroup in the ccRCC TCGA cohort.

We present a global atlas of 4,728 metagenomic samples from mass-transit systems in 60 cities over 3 years, representing the first systematic, worldwide catalog of the urban microbial ecosystem. This atlas provides an annotated, geospatial profile of microbial strains, functional characteristics, antimicrobial resistance (AMR) markers, and genetic elements, including 10,928 viruses, 1,302 bacteria, 2 archaea, and 838,532 CRISPR arrays not found in reference databases. We identified 4,246 known species of urban microorganisms and a consistent set of 31 species found in 97% of samples that were distinct from human commensal organisms. Profiles of AMR genes varied widely in type and density across cities. Cities showed distinct microbial taxonomic signatures that were driven by climate and geographic differences. These results constitute a high-resolution global metagenomic atlas that enables discovery of organisms and genes, highlights potential public health and forensic applications, and provides a culture-independent view of AMR burden in cities.

Abstract In castration-resistant prostate cancer (CRPC), the loss of androgen receptor (AR)-dependence due to lineage plasticity, which has become more prevalent, leads to clinically highly aggressive tumors with few therapeutic options and is mechanistically poorly defined. To identify the master transcription factors (TFs) of CRPC in a subtype-specific manner, we derived and collected 29 metastatic human prostate cancer organoids and cell lines, and generated ATAC-seq, RNA-seq and DNA sequencing data. We identified four subtypes and their master TFs using novel computational algorithms: AR-dependent; Wnt-dependent, driven by TCF; neuroendocrine, driven by ASCL1 and NEUROD1 and stem cell-like (SCL), driven by the AP-1 family. The transcriptomic signatures of these four subtypes enabled the classification of 370 patients. We find that AP-1 co-operates with the inhibitable YAP/TAZ/TEAD pathway in the SCL subtype, the second most common group of CRPC tumors after AR-dependent. Together, this molecular classification reveals new drug targets and can potentially guide therapeutic decisions.

Summary The mitochondrial genome encodes essential machinery for respiration and metabolic homeostasis but is paradoxically among the most common targets of somatic mutation in the cancer genome, with truncating mutations in respiratory complex I genes being most over-represented 1 . While mitochondrial DNA (mtDNA) mutations have been associated with both improved and worsened prognoses in several tumour lineages 1–,3 , whether these mutations are drivers or exert any functional effect on tumour biology remains controversial. Here we discovered that complex I-encoding mtDNA mutations are sufficient to remodel the tumour immune landscape and therapeutic resistance to immune checkpoint blockade. Using mtDNA base editing technology 4 we engineered recurrent truncating mutations in the mtDNA-encoded complex I gene, Mt-Nd5 , into murine models of melanoma. Mechanistically, these mutations promoted utilisation of pyruvate as a terminal electron acceptor and increased glycolytic flux without major effects on oxygen consumption, driven by an over-reduced NAD pool and NADH shuttling between GAPDH and MDH1, mediating a Warburg-like metabolic shift. In turn, without modifying tumour growth, this altered cancer cell-intrinsic metabolism reshaped the tumour microenvironment in both mice and humans, promoting an anti- tumour immune response characterised by loss of resident neutrophils. This subsequently sensitised tumours bearing high mtDNA mutant heteroplasmy to immune checkpoint blockade, with phenocopy of key metabolic changes being sufficient to mediate this effect. Strikingly, patient lesions bearing >50% mtDNA mutation heteroplasmy also demonstrated a >2.5-fold improved response rate to checkpoint inhibitor blockade. Taken together these data nominate mtDNA mutations as functional regulators of cancer metabolism and tumour biology, with potential for therapeutic exploitation and treatment stratification.

Abstract Summary Large-scale sequencing projects, such as The Cancer Genome Atlas (TCGA) and the International Cancer Genome Consortium (ICGC), have accumulated a variety of high throughput sequencing and molecular profiling data, but it is still challenging to identify potentially causal genetic mutations in cancer as well as in other diseases in an automated fashion. We developed the NetBoxR package written in the R programming language, that makes use of the NetBox algorithm to identify candidate cancer-related processes. The algorithm makes use of a networkbased approach that combines prior knowledge with a network clustering algorithm, obviating the need for and the limitation of functionally curated gene sets. A key aspect of this approach is its ability to combine multiple data types, such as mutations and copy number alterations, leading to more reliable identification of functional modules. We make the tool available in the Bioconductor R ecosystem for applications in cancer research and cell biology. Availability and implementation The NetBoxR package is free and open-sourced under the GNU GPL-3 license R package available at https://www.bioconductor.org/packages/release/bioc/html/netboxr.html Contact lium2@mskcc.org ; aluna@jimmy.harvard.edu ; sander.research@gmail.com Supplementary information None

ABSTRACT Most mutations in cancer genomes occur in the non-coding regions with unknown impact to tumor development. Although the increase in number of cancer whole-genome sequences has revealed numerous putative non-coding cancer drivers, their information is dispersed across multiple studies and thus it is difficult to bridge the understanding of non-coding alterations, the genes they impact and the supporting evidence for their role in tumorigenesis across multiple cancer types. To address this gap, we have developed CNCDatabase, Cornell Non-Coding Cancer driver Database ( https://cncdatabase.med.cornell.edu/ ) that contains detailed information about predicted non-coding drivers at gene promoters, 5’ and 3’ UTRs (untranslated regions), enhancers, CTCF insulators and non-coding RNAs. CNCDatabase documents 1,111 protein-coding genes and 90 non-coding RNAs with reported drivers in their non-coding regions from 32 cancer types by computational predictions of positive selection in whole-genome sequences; differential gene expression in samples with and without mutations; or another set of experimental validations including luciferase reporter assays and genome editing. The database can be easily modified and scaled as lists of non-coding drivers are revised in the community with larger whole-genome sequencing studies, CRISPR screens and further experimental validations. Overall, CNCDatabase provides a helpful resource for researchers to explore the pathological role of non-coding alterations and their associations with gene expression in human cancers.