Activation of telomere maintenance mechanisms—caused by novel somatic rearrangements of TERT, by MYCN amplification, or ATRX mutations—is a hallmark of high-risk neuroblastomas. About half of individuals with neuroblastomas — paediatric tumours of the sympathetic nervous system — are at high risk of poor clinical outcomes. These authors sequence 39 such neuroblastoma tumours, along with 17 low-risk types, and find that about one-quarter of the former have rearrangements near the telomerase reverse transcriptase (TERT) gene that are absent in the latter. TERT-rearranged neuroblastoma cell lines had higher levels of enzymatic telomerase activity than those lacking such rearrangements. These findings suggest that further development of inhibitors of the protein telomerase may lead to a novel therapeutic option for the most aggressive subgroup of this disease. Neuroblastoma is a malignant paediatric tumour of the sympathetic nervous system1. Roughly half of these tumours regress spontaneously or are cured by limited therapy. By contrast, high-risk neuroblastomas have an unfavourable clinical course despite intensive multimodal treatment, and their molecular basis has remained largely elusive2,3,4. Here we have performed whole-genome sequencing of 56 neuroblastomas (high-risk, n = 39; low-risk, n = 17) and discovered recurrent genomic rearrangements affecting a chromosomal region at 5p15.33 proximal of the telomerase reverse transcriptase gene (TERT). These rearrangements occurred only in high-risk neuroblastomas (12/39, 31%) in a mutually exclusive fashion with MYCN amplifications and ATRX mutations, which are known genetic events in this tumour type1,2,5. In an extended case series (n = 217), TERT rearrangements defined a subgroup of high-risk tumours with particularly poor outcome. Despite a large structural diversity of these rearrangements, they all induced massive transcriptional upregulation of TERT. In the remaining high-risk tumours, TERT expression was also elevated in MYCN-amplified tumours, whereas alternative lengthening of telomeres was present in neuroblastomas without TERT or MYCN alterations, suggesting that telomere lengthening represents a central mechanism defining this subtype. The 5p15.33 rearrangements juxtapose the TERT coding sequence to strong enhancer elements, resulting in massive chromatin remodelling and DNA methylation of the affected region. Supporting a functional role of TERT, neuroblastoma cell lines bearing rearrangements or amplified MYCN exhibited both upregulated TERT expression and enzymatic telomerase activity. In summary, our findings show that remodelling of the genomic context abrogates transcriptional silencing of TERT in high-risk neuroblastoma and places telomerase activation in the centre of transformation in a large fraction of these tumours.

Abstract Recent advances in the genomics of glioblastoma (GBM) led to the introduction of molecular neuropathology but failed to translate into treatment improvement. This is largely attributed to the genetic and phenotypic heterogeneity of GBM, which are considered the major obstacle to GBM therapy. Here, we use advanced human GBM organoid (LEGO: L aboratory E ngineered G lioblastoma O rganoid) and provide an unprecedented comprehensive characterization of LEGO models using single-cell transcriptome, DNA methylome, metabolome, lipidome, proteome, and phospho-proteome analysis. We discovered that genetic heterogeneity dictates functional heterogeneity across molecular layers and demonstrates that NF1 mutation drives mesenchymal signature. Most importantly, we found that glycerol lipid reprogramming is a hallmark of GBM, and several targets and drugs were discovered along this line. We also provide a genotype-based drug reference map using LEGO-based drug screen. This study provides novel human GBM models and a research path toward effective GBM therapy.

Abstract Aberrant expression of MYC family members predicts poor clinical outcome in many human cancers. Oncogenic MYC profoundly alters metabolism and mediates an antioxidant response to maintain redox balance. Here we show that MYC induces massive lipid peroxidation upon depletion of cysteine, the rate-limiting amino acid for glutathione biosynthesis and sensitizes cells to ferroptosis, an oxidative, non-apoptotic and irondependent type of cell death. In MYCN -amplified childhood neuroblastoma, MYCN mediates resistance to ferroptosis by activating transsulfuration of methionine to cysteine. MYCN may contribute to spontaneous tumor regression in low-risk neuroblastomas by promoting ferroptosis in cells with epigenetically silenced cystathionine-beta-synthase, the rate-limiting enzyme for transsulfuration. We identified enzymes and antiporter proteins crucial to ferroptotic escape, providing multiple previously unknown sites that may be acted on therapeutically.

How overall tumor growth emerges from the properties of functionally heterogeneous tumor cell subpopulations is a fundamental question of cancer biology. Here we combined lineage tracing, continuous monitoring of tumor mass, proliferation assays and transcriptomics with mathematical modeling and statistical inference to dissect the growth of glioblastoma in mice. We found that tumors grow exponentially at the rate of symmetric divisions of brain tumor stem cells (BTSCs). Spatial modeling predicts, and data show, that BTSCs accumulate at the tumor rim rather than in the core. The physiological differentiation hierarchy downstream of BTSCs is preserved in mice and humans: transit amplifying progenitors give rise to terminally differentiated cells. Consistent with our quantification of the mechanisms underlying tumor growth, molecular data show elevated expression of cell cycle- and migration-related genes in BTSCs. Our systematic approach reveals fundamental properties of glioblastoma and may be transferable to the study of other animal models of cancer.

Noninvasive prenatal diagnosis (NIPD) poses a promising solution for detecting genetic alterations in fetus genome. However, the inference of the maternal allele inheritance in monogenic autosomal recessive disease is still challenging. Here the Bayesian hierarchical model is proposed to deduce the allele inheritance basing on haplotype frequency. The Bayesian approach, which does not depend on the knowledge of fetus DNA proportion in maternal plasma, provides accurate estimations on both real and simulated data; moreover, it is most robust than current methods in analyzing noisy or even erroneous data.

Abstract Background Mutation specific synthetic lethal partners (SLPs) offer significant insights in identifying novel targets and designing personalized treatments in cancer studies. Large scale genetic screens in cell lines and model organisms provide crucial resources for mining SLPs, yet those experiments are expensive and might be difficult to set up. Various computational methods have been proposed to predict the potential SLPs from different perspectives. However, those efforts are hampered by the low signal-to-noise ratio in simple correlation based approaches, or incomplete reliable training sets in supervised approaches. Results Here we present mslp, a comprehensive pipeline to identify potential SLPs via integrating genomic and transcriptomic datasets from both patient tumours and cancer cell lines. Leveraging cuttingedges algorithms, we identify a broad spectrum of primary SLPs for mutations presented in patient tumours. Further, for mutations detected in cell lines, we develop the idea of consensus SLPs which are also identified as screen hits, and show consistency impact on cell viability. Applied in real datasets, we successfully identified known synthetic lethal gene pairs. Remarkably, genetic screen results suggested that consensus SLPs have a significant impact on cell viability compared to common hits. Conclusions Mslp is a powerful and flexible pipeline to identify potential SLPs in a cancer context-specific manner, which might aid in drug developments and precise medicines in cancer treatments. The pipeline is implemented in R and freely available in github.

Summary: High-throughput synthetic lethal RNA interference (RNAi) screen experiments shed important insights on the filed of cancer researches and drug discovery, but a comprehensive software for analyzing the data was not available yet. We present synlet, an R package provided a complete pipeline to process the synthetic lethal RNAi screens data. Synlet provides several methods to access the screen quality, including Z' factor and data visualization. B-score and fraction of control or samples normalization methods are implemented in the package. More importantly, synlet facilitates the process of hits selection by implementing several algorithms, providing the possibility to identify high confidence targets. Availability: The source code is freely available in Bioconductor (http://bioconductor.org/). Contact: c.shao@Dkfz-Heidelberg.de