Abstract The identity and unique capacity of cancer stem cells (CSC) to drive tumor growth and resistance have been challenged in brain tumors. Here we report that cells expressing CSC-associated cell membrane markers in Glioblastoma (GBM) do not represent a clonal entity defined by distinct functional properties and transcriptomic profiles, but rather a plastic state that most cancer cells can adopt. We show that phenotypic heterogeneity arises from non-hierarchical, reversible state transitions, instructed by the microenvironment and is predictable by mathematical modeling. Although functional stem cell properties were similar in vitro, accelerated reconstitution of heterogeneity provides a growth advantage in vivo, suggesting that tumorigenic potential is linked to intrinsic plasticity rather than CSC multipotency. The capacity of any given cancer cell to reconstitute tumor heterogeneity cautions against therapies targeting CSC-associated membrane epitopes. Instead inherent cancer cell plasticity emerges as a novel relevant target for treatment.

Abstract The pioneering transcription factor C/EBPα coordinates cell fate and cell differentiation. C/EBPα represents an intrinsically disordered protein with multiple short linear motifs and extensive post-translational side chain modifications (PTM), reflecting its modularity and functional plasticity. Here, we combined arrayed peptide matrix screening (PRISMA) with biotin ligase proximity labeling proteomics (BioID) to generate a linear, isoform specific and PTM-dependent protein interaction map of C/EBPα in myeloid cells. The C/EBPα interactome comprises promiscuous and PTM-regulated interactions with protein machineries involved in gene expression, epigenetics, genome organization, DNA replication, RNA processing, and nuclear transport as the basis of functional C/EBPα plasticity. Protein interaction hotspots were identified that coincide with homologous conserved regions of the C/EBP family and revealed interaction motifs that score as molecular recognition features (MoRF). PTMs alter the interaction spectrum of multi-valent C/EBP-motifs to configure a multimodal transcription factor hub that allows interaction with multiple co-regulatory components, including BAF/SWI-SNF or Mediator complexes. Combining PRISMA and BioID acts as a powerful strategy to systematically explore the interactomes of intrinsically disordered proteins and their PTM-regulated, multimodal capacity. Key points Integration of proximity labeling and arrayed peptide screen proteomics refines the interactome of C/EBPα isoforms Hotspots of protein interactions in C/EBPα mostly occur in conserved short linear motifs Interactions of the BAF/SWI-SNF complex with C/EBPα are modulated by arginine methylation and isoform status The integrated experimental strategy suits systematic interactome studies of intrinsically disordered proteins

Abstract Motivation Modern methods of whole transcriptome sequencing accurately recover nucleotide sequences of RNA molecules present in cells and allow for determining their quantitative abundances. The coding potential of such molecules can be estimated using open reading frames (ORF) finding algorithms, implemented in a number of software packages. However, these algorithms show somewhat limited accuracy, are intended for single-molecule analysis and do not allow selecting proper ORFs in the case of long mRNAs containing multiple ORF candidates. Results We developed a computational approach, corresponding machine learning model and a package, dedicated to automatic identification of the ORFs in large sets of human mRNA molecules. It is based on vectorization of nucleotide sequences into features, followed by classification using a random forest. The predictive model was validated on sets of human mRNA molecules from the NCBI RefSeq and Ensembl databases and demonstrated almost 95% accuracy in detecting true ORFs. The developed methods and pre-trained classification model were implemented in a powerful ORFhunteR computational tool that performs an automatic identification of true ORFs among large set of human mRNA molecules. Availability and implementation The developed open-source R package ORFhunteR is available for the community at GitHub repository ( https://github.com/rfctbio-bsu/ORFhunteR ), from Bioconductor ( https://bioconductor.org/packages/devel/bioc/html/ORFhunteR.html ) and as a web application ( http://orfhunter.bsu.by ).

Abstract Epigenomic profiling enables unique insights into human development and diseases. Often the analysis of bulk samples remains the only feasible option for studying complex tissues and organs in large patient cohorts, masking the signatures of important cell populations in convoluted signals. DNA methylomes are highly cell type-specific, and enable recovery of hidden components using advanced computational methods without the need for reference profiles. We propose a three-stage protocol for reference-free deconvolution of DNA methylomes comprising: (i) data preprocessing, confounder adjustment and feature selection, (ii) deconvolution with multiple parameters, and (iii) guided biological inference and validation of deconvolution results. Our protocol simplifies the analysis and integration of DNA methylomes derived from complex samples, including tumors. Applying this protocol to lung cancer methylomes from TCGA revealed components linked to stromal cells, tumor-infiltrating immune cells, and associations with clinical parameters. The protocol takes less than four days to complete and requires basic R skills.

ABSTRACT Background A major contributing factor to glioblastoma (GBM) development and progression is its ability to evade the immune system by creating an immune-suppressive environment, where GBM-associated myeloid cells, including resident microglia and peripheral monocyte-derived macrophages, play critical pro-tumoral roles. However, it is unclear whether recruited myeloid cells are phenotypically and functionally identical in GBM patients and whether this heterogeneity is recapitulated in patient-derived orthotopic xenografts (PDOXs). A thorough understanding of the GBM ecosystem and its recapitulation in preclinical models is currently missing, leading to inaccurate results and failures of clinical trials. Methods Here, we report systematic characterization of the tumor microenvironment (TME) in GBM PDOXs and patient tumors at the single-cell and spatial levels. We applied single-cell RNA-sequencing, spatial transcriptomics, multicolor flow cytometry, immunohistochemistry and functional studies to examine the heterogeneous TME instructed by GBM cells. GBM PDOXs representing different tumor phenotypes were compared to glioma mouse GL261 syngeneic model and patient tumors. Results We show that GBM tumor cells reciprocally interact with host cells to create a GBM patient-specific TME in PDOXs. We detected the most prominent transcriptomic adaptations in myeloid cells, with brain-resident microglia representing the main population in the cellular tumor, while peripheral-derived myeloid cells infiltrated the brain at sites of blood-brain barrier disruption. More specifically, we show that GBM-educated microglia undergo transition to diverse phenotypic states across distinct GBM landscapes and tumor niches. GBM-educated microglia subsets display phagocytic and dendritic cell-like gene expression programs. Additionally, we found novel microglial states expressing cell cycle programs, astrocytic or endothelial markers. Lastly, we show that temozolomide treatment leads to transcriptomic plasticity and altered crosstalk between GBM tumor cells and adjacent TME components. Conclusion Our data provide novel insights into the phenotypic adaptation of the heterogeneous TME instructed by GBM tumors. We show the key role of microglial phenotypic states in supporting GBM tumor growth and response to treatment. Our data place PDOXs as relevant models to assess the functionality of the TME and changes in the GBM ecosystem upon treatment.

Unrepaired O6-methylguanine lesions induced by the alkylating chemotherapy agent temozolomide lead to replication-associated single-ended DNA double-strand breaks (seDSBs) that are repaired predominantly through RAD51-mediated homologous recombination (HR). Here, we show that loss of the pre-mRNA splicing and DNA repair protein XAB2 leads to increased temozolomide sensitivity in glioblastoma cells, which reflects abortive HR due to Ku retention on resected seDSBs. XAB2-dependent Ku eviction also occurred at seDSBs generated by the topoisomerase I poison campthotecin and operated in parallel to an ATM-dependent pathway previously described. Although Ku retention elicited by loss of XAB2 did not prevent RAD51 focus formation, the resulting RAD51-ssDNA associations were unproductive, leading to increased engagement of non-homologous-end-joining in S/G2 and genetic instability. Overexpression of RAD51 or the single-stranded DNA annealing factor RAD52 rescued the XAB2 defects. RAD52 depletion led to severe temozolomide sensitivity, whereas a synthetic lethality interaction was observed between RAD52 and XAB2.### Competing Interest StatementThe authors have declared no competing interest.

The integration of publicly available and new patient-derived transcriptomic datasets is not straightforward and requires specialized approaches to deal with heterogeneity at technical and biological levels. Here we present a methodology that can overcome technical biases, predict clinically relevant outcomes and identify tumour-related biological processes in patients using previously collected large reference datasets. The approach is based on independent component analysis (ICA) - an unsupervised method of signal deconvolution. We developed parallel consensus ICA that robustly decomposes merged new and reference datasets into signals with minimal mutual dependency. By applying the method to a small cohort of primary melanoma and control samples combined with a large public melanoma dataset, we demonstrate that our method distinguishes cell-type specific signals from technical biases and allows to predict clinically relevant patient characteristics. Cancer subtypes, patient survival and activity of key tumour-related processes such as immune response, angiogenesis and cell proliferation were characterized. Additionally, through integration of transcriptomes and miRNomes, the method identified biological functions of miRNAs, which would otherwise not be possible.

The prediction of anticancer drug response is crucial for achieving a more effective and precise treatment of patients. Models based on the analysis of large cell line collections have shown potential for investigating drug efficacy in a clinically-meaningful, cost-effective manner. Using data from thousands of cancer cell lines and drug response experiments, we propose a drug sensitivity prediction system based on a 47-gene expression profile, which was derived from an unbiased transcriptomic network analysis approach. The profile reflects the molecular activity of a diverse range of cancer-relevant processes and pathways. We validated our model using independent datasets and comparisons with published models. A high concordance between predicted and observed drug sensitivities was obtained, including additional validated predictions for four glioblastoma cell lines and four drugs. Our approach can accurately predict anti-cancer drug sensitivity and will enable further pre-clinical research. In the longer-term, it may benefit patient-oriented investigations and interventions.

ABSTRACT Patient-derived cancer models are essential tools for studying tumor biology and preclinical interventions. Here, we show that glioma patient-derived orthotopic xenografts (PDOXs) enable long-term propagation of patient tumors and represent clinically relevant patient avatars. We created a large collection of PDOXs from primary and recurrent gliomas with and without mutations in IDH1 , which retained histopathological, genetic, epigenetic and transcriptomic features of patient tumors with no mouse-specific clonal evolution. Longitudinal PDOX models recapitulate the limited genetic evolution of gliomas observed in patient tumors following treatment. PDOX-derived standardized tumor organoid cultures enabled assessment of drug responses, which were validated in mice. PDOXs showed clinically relevant responses to Temozolomide and to targeted treatments such as EGFR and CDK4/6 inhibitors in (epi)genetically defined groups, according to MGMT promoter and EGFR/CDK status respectively. Dianhydrogalactitol, a bifunctional alkylating agent, showed promising potential against glioblastoma. Our study underlines the clinical relevance of glioma PDOX models for translational research and personalized treatment studies.

ABSTRACT Alternative splicing is an essential characteristic of living cells that usually infers a various exon-exon junction governed by different splice sites. The traditional classification based on the mode of use designates splice site to one of the two groups, constitutive or alternative. Here, we considered another criterion and reorganized splice sites into “unisplice” and “multisplice” groups according to the number of undertaken splicing events. This approach provided us with a new insight in the organization and functionality of leukemia cells. We determined features associated with uni- and multisplice sites and found that combinatorics of these sites follows strict rules of the power-law in the t(8;21)-positive leukemia cells. We also found that system splicing characteristics of the transcriptome of leukemia cells remained persistent after drastic changes in the transcript composition caused by knockdown of the RUNX1-RUNX1T1 oncogene. In this work, we show for the first time that leukemia cells possess a sub-set of unisplice sites with a hidden multisplice potential. These findings reveal a new side in organization and functioning of the leukemic cells and open up new perspectives in the study of the t(8;21)-positive leukemia.