Next-generation sequencing (NGS) of tumor tissue (ie, clinical sequencing) can guide clinical management by providing information about actionable gene aberrations that have diagnostic and therapeutic significance. Here, we undertook a hospital-based prospective study (TOP-GEAR project, 2nd stage) to investigate the feasibility and utility of NGS-based analysis of 114 cancer-associated genes (the NCC Oncopanel test). We examined 230 cases (comprising more than 30 tumor types) of advanced solid tumors, all of which were matched with nontumor samples. Gene profiling data were obtained for 187 cases (81.3%), 111 (59.4%) of which harbored actionable gene aberrations according to the Clinical Practice Guidelines for Next Generation Sequencing in Cancer Diagnosis and Treatment (Edition 1.0) issued by 3 major Japanese cancer-related societies. Twenty-five (13.3%) cases have since received molecular-targeted therapy according to their gene aberrations. These results indicate the utility of tumor-profiling multiplex gene panel testing in a clinical setting in Japan. This study is registered with UMIN Clinical Trials Registry (UMIN 000011141).

Abstract Cancer cells express unique RNA transcripts; however, the factors determining their translation have remained unclear. We recently developed open reading frame (ORF) dominance as a measure that correlates with coding potential of RNAs. Upon calculating the ORF dominance of cancer-specific transcripts across 24 human tumor types, 14 exhibited significantly higher ORF dominance in cancer than in normal tissues. In organoid-based mouse genetic models, ORF dominance increased with carcinogenesis. Gene ontology analysis revealed that gene sets with increased ORF dominance were associated with cell proliferation, while those with decreased ORF dominance were linked to DNA damage response. Translatome analyses demonstrated that elevated ORF dominance during carcinogenesis resulted in higher translation frequencies of ribosome-bound RNAs. As cancer progressed, ORF dominance showed that the boundary between coding and noncoding transcripts became blurred prior to distant metastasis, indicating decreased proliferative cell populations and increased generation of RNA isoforms that potentially translate neoantigens before the development of metastatic tumors. These findings suggest that cancer evolution leads to dynamic changes in ORF dominance, resulting in global translational alterations in transcriptomes.

Intra-tumor heterogeneity (ITH) encompasses cellular differences in tumors and is related to clinical outcomes, such as drug resistance. However, little is known about the dynamics of ITH, owing to the lack of time-series analysis at the single-cell level. We performed single-cell exome and transcriptome sequencing of 200 cells and investigated how ITH is generated from one single cell in a mouse colorectal cancer model. The ITH of the transcriptome increased after transplantation from cultured organoids, while that of the exome decreased. Mutations generated in the culture did not greatly change at the transplantation at the bulk-cell level. The RNA ITH increase was due to the emergence of new transcriptional subpopulations. In contrast to the initial cells expressing mesenchymal-marker genes, new subpopulations repressed these genes at transplantation. Analyses of colorectal cancer data from The Cancer Genome Atlas revealed a high proportion of metastatic cases in human subjects with expression patterns similar to the new cell subpopulations in mouse. These results suggest that the birth of transcriptional subpopulations may be a key for adaptation to drastic micro-environmental changes when cancer cells have sufficient genetic alterations at later tumor stages. This study revealed an evolutionary dynamics of single-cell RNA and DNA changes in tumor progression, giving insights into the mesenchymal-epithelial transformation of tumor cells at metastasis in colorectal cancer.* ITH : intra-tumor heterogeneity; PCA : principal component analysis; VAFs : variant allele frequencies; MDS : multi-dimensional scaling; SNV : single nucleotide variation; TPM : transcripts per kilobase million; LOWESS : locally weighted scatterplot smoothing; ACN : average copy number.