MicroRNAs (miRNAs) are small noncoding regulatory RNAs that reduce stability and/or translation of fully or partially sequence-complementary target mRNAs. In order to identify miRNAs and to assess their expression patterns, we sequenced over 250 small RNA libraries from 26 different organ systems and cell types of human and rodents that were enriched in neuronal as well as normal and malignant hematopoietic cells and tissues. We present expression profiles derived from clone count data and provide computational tools for their analysis. Unexpectedly, a relatively small set of miRNAs, many of which are ubiquitously expressed, account for most of the differences in miRNA profiles between cell lineages and tissues. This broad survey also provides detailed and accurate information about mature sequences, precursors, genome locations, maturation processes, inferred transcriptional units, and conservation patterns. We also propose a subclassification scheme for miRNAs for assisting future experimental and computational functional analyses.

Abstract Analysis of molecular aberrations across multiple cancer types, known as pan-cancer analysis, identifies commonalities and differences in key biological processes that are dysregulated in cancer cells from diverse lineages. Pan-cancer analyses have been performed for adult 1,2,3,4 but not paediatric cancers, which commonly occur in developing mesodermic rather than adult epithelial tissues 5 . Here we present a pan-cancer study of somatic alterations, including single nucleotide variants, small insertions or deletions, structural variations, copy number alterations, gene fusions and internal tandem duplications in 1,699 paediatric leukaemias and solid tumours across six histotypes, with whole-genome, whole-exome and transcriptome sequencing data processed under a uniform analytical framework. We report 142 driver genes in paediatric cancers, of which only 45% match those found in adult pan-cancer studies; copy number alterations and structural variants constituted the majority (62%) of events. Eleven genome-wide mutational signatures were identified, including one attributed to ultraviolet-light exposure in eight aneuploid leukaemias. Transcription of the mutant allele was detectable for 34% of protein-coding mutations, and 20% exhibited allele-specific expression. These data provide a comprehensive genomic architecture for paediatric cancers and emphasize the need for paediatric cancer-specific development of precision therapies.

A comprehensive molecular analysis of almost 1,000 pediatric subjects with acute myeloid leukemia (AML) uncovers widespread differences in pediatric AML as compared to adult AML, including a higher frequency of structural variants and different mutational patterns and epigenetic signatures. Future studies are needed to characterize the functional relevance of these alterations and to explore age-tailored therapies to improve disease control in younger patients. We present the molecular landscape of pediatric acute myeloid leukemia (AML) and characterize nearly 1,000 participants in Children's Oncology Group (COG) AML trials. The COG–National Cancer Institute (NCI) TARGET AML initiative assessed cases by whole-genome, targeted DNA, mRNA and microRNA sequencing and CpG methylation profiling. Validated DNA variants corresponded to diverse, infrequent mutations, with fewer than 40 genes mutated in >2% of cases. In contrast, somatic structural variants, including new gene fusions and focal deletions of MBNL1, ZEB2 and ELF1, were disproportionately prevalent in young individuals as compared to adults. Conversely, mutations in DNMT3A and TP53, which were common in adults, were conspicuously absent from virtually all pediatric cases. New mutations in GATA2, FLT3 and CBL and recurrent mutations in MYC-ITD, NRAS, KRAS and WT1 were frequent in pediatric AML. Deletions, mutations and promoter DNA hypermethylation convergently impacted Wnt signaling, Polycomb repression, innate immune cell interactions and a cluster of zinc finger–encoding genes associated with KMT2A rearrangements. These results highlight the need for and facilitate the development of age-tailored targeted therapies for the treatment of pediatric AML.

ABSTRACT Advances in artificial intelligence have paved the way for leveraging hematoxylin and eosin (H&E)-stained tumor slides for precision oncology. We present ENLIGHT-DeepPT, an approach for predicting response to multiple targeted and immunotherapies from H&E-slides. In difference from existing approaches that aim to predict treatment response directly from the slides, ENLIGHT-DeepPT is an indirect two-step approach consisting of (1) DeepPT, a new deep-learning framework that predicts genome-wide tumor mRNA expression from slides, and (2) ENLIGHT, which predicts response based on the DeepPT inferred expression values. DeepPT successfully predicts transcriptomics in all 16 TCGA cohorts tested and generalizes well to two independent datasets. Importantly, ENLIGHT-DeepPT successfully predicts true responders in five independent patients’ cohorts involving four different treatments spanning six cancer types with an overall odds ratio of 2.44, increasing the baseline response rate by 43.47% among predicted responders, without the need for any treatment data for training. Furthermore, its prediction accuracy on these datasets is comparable to a supervised approach predicting the response directly from the images, trained and tested on the same cohort in cross validation. Its future application could provide clinicians with rapid treatment recommendations to an array of different therapies and importantly, may contribute to advancing precision oncology in developing countries. Statement of Significance ENLIGHT-DeepPT is the first approach shown to successfully predict response to multiple targeted and immune cancer therapies from H&E slides. In distinction from all previous H&E slides prediction approaches, it does not require supervised training on a specific cohort for each drug/indication treatment but is trained to predict expression on the TCGA cohort and then can predict response to an array of treatments without any further training. ENLIGHT-DeepPT can provide rapid treatment recommendations to oncologists and help advance precision oncology in underserved regions and low-income countries.

ABSTRACT Malignant mesothelioma is an aggressive cancer with limited treatment options and poor prognosis. Better understanding of mesothelioma genomics and transcriptomics could advance novel therapies. We performed whole-exome and RNA-sequencing of germline and tumors of 122 patients with pleural, peritoneal, and tunica-vaginalis mesothelioma. We identify a 48 gene prognostic signature that is highly predictive of mesothelioma patient survival including CCNB1 , whose expression is highly predictive of patient survival on its own. Using a synthetic-lethality (SL) based pipeline for analyzing the patients’ transcriptomic data, we identified SL-based signatures predictive of response to an anti-PD1 immune checkpoint inhibitor and combination therapies with pemetrexed. These SL-profiles successfully predict the overall patient-response observed across targeted, immuno- and chemotherapies in 11 independent mesothelioma clinical trials spanning 7 different treatments. These findings lay a basis for future studies aimed specifically at testing the ability of these SL profiles to serve as treatment biomarkers in mesothelioma.

Abstract Tumor gene expression is predictive of patient prognosis in some cancers. However, RNA- seq and whole genome sequencing data contain not only reads from host tumor and normal tissue, but also reads from the tumor microbiome, which can be used to infer the microbial abundances in each tumor. Here, we show that tumor microbial abundances, alone or in combination with tumor gene expression data, can predict cancer prognosis and drug response to some extent – microbial abundances are significantly less predictive of prognosis than gene expression, although remarkably, similarly as predictive of drug response, but in mostly different cancer-drug combinations. Thus, it appears possible to leverage existing sequencing technology, or develop new protocols, to obtain more non-redundant information about prognosis and drug response from RNA-seq and whole genome sequencing experiments than could be obtained from tumor gene expression or genomic data alone.

We present the molecular landscape of pediatric acute myeloid leukemia (AML), characterizing nearly 1,000 participants in Childrens Oncology Group (COG) AML trials. The COG/NCI TARGET AML initiative assessed cases by whole-genome, targeted DNA, mRNA, miRNA sequencing and CpG methylation profiling. Validated DNA variants revealed diverse, infrequent mutations with fewer than 40 genes mutated in >2% of cases. In contrast, somatic structural variants, including novel gene fusions and focal MBNL1, ZEB2, and ELF1 deletions, were disproportionately prevalent in young as compared to adult patients. Conversely, DNMT3A and TP53 mutations, common in adults, are conspicuously absent from virtually all pediatric cases. Novel GATA2, FLT3, and CBL mutations, recurrent MYC-ITD, NRAS, KRAS, and WT1 mutations are frequent in pediatric AML. Deletions, mutations, and promoter DNA hypermethylation convergently impact Wnt signaling, Polycomb repression, innate immune cell interactions, and a cluster of zinc finger genes associated with KMT2A rearrangements. These results highlight the need for, and facilitate the development of, age-tailored targeted therapies for the treatment of pediatric AML.