The prevalence and spectrum of predisposing mutations among children and adolescents with cancer are largely unknown. Knowledge of such mutations may improve the understanding of tumorigenesis, direct patient care, and enable genetic counseling of patients and families.In 1120 patients younger than 20 years of age, we sequenced the whole genomes (in 595 patients), whole exomes (in 456), or both (in 69). We analyzed the DNA sequences of 565 genes, including 60 that have been associated with autosomal dominant cancer-predisposition syndromes, for the presence of germline mutations. The pathogenicity of the mutations was determined by a panel of medical experts with the use of cancer-specific and locus-specific genetic databases, the medical literature, computational predictions, and second hits identified in the tumor genome. The same approach was used to analyze data from 966 persons who did not have known cancer in the 1000 Genomes Project, and a similar approach was used to analyze data from an autism study (from 515 persons with autism and 208 persons without autism).Mutations that were deemed to be pathogenic or probably pathogenic were identified in 95 patients with cancer (8.5%), as compared with 1.1% of the persons in the 1000 Genomes Project and 0.6% of the participants in the autism study. The most commonly mutated genes in the affected patients were TP53 (in 50 patients), APC (in 6), BRCA2 (in 6), NF1 (in 4), PMS2 (in 4), RB1 (in 3), and RUNX1 (in 3). A total of 18 additional patients had protein-truncating mutations in tumor-suppressor genes. Of the 58 patients with a predisposing mutation and available information on family history, 23 (40%) had a family history of cancer.Germline mutations in cancer-predisposing genes were identified in 8.5% of the children and adolescents with cancer. Family history did not predict the presence of an underlying predisposition syndrome in most patients. (Funded by the American Lebanese Syrian Associated Charities and the National Cancer Institute.).

Charles Mullighan, Stephen Hunger, Jinghui Zhang and colleagues report a genomic analysis of 264 pediatric and young adult T-lineage acute lymphoblastic leukemia (T-ALL) samples. They identify 106 candidate driver genes, 53 of which have not been described previously in pediatric T-ALL, as well as associations between mutations and disease stage or subtype. Genetic alterations that activate NOTCH1 signaling and T cell transcription factors, coupled with inactivation of the INK4/ARF tumor suppressors, are hallmarks of T-lineage acute lymphoblastic leukemia (T-ALL), but detailed genome-wide sequencing of large T-ALL cohorts has not been carried out. Using integrated genomic analysis of 264 T-ALL cases, we identified 106 putative driver genes, half of which had not previously been described in childhood T-ALL (for example, CCND3, CTCF, MYB, SMARCA4, ZFP36L2 and MYCN). We describe new mechanisms of coding and noncoding alteration and identify ten recurrently altered pathways, with associations between mutated genes and pathways, and stage or subtype of T-ALL. For example, NRAS/FLT3 mutations were associated with immature T-ALL, JAK3/STAT5B mutations in HOXA1 deregulated ALL, PTPN2 mutations in TLX1 deregulated T-ALL, and PIK3R1/PTEN mutations in TAL1 deregulated ALL, which suggests that different signaling pathways have distinct roles according to maturational stage. This genomic landscape provides a logical framework for the development of faithful genetic models and new therapeutic approaches.

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.

Pharmacogenetics is frequently cited as an area for initial focus of the clinical implementation of genomics. Through the PG4KDS protocol, St. Jude Children's Research Hospital pre-emptively genotypes patients for 230 genes using the Affymetrix Drug Metabolizing Enzymes and Transporters (DMET) Plus array supplemented with a CYP2D6 copy number assay. The PG4KDS protocol provides a rational, stepwise process for implementing gene/drug pairs, organizing data, and obtaining consent from patients and families. Through August 2013, 1,559 patients have been enrolled, and four gene tests have been released into the electronic health record (EHR) for clinical implementation: TPMT, CYP2D6, SLCO1B1, and CYP2C19. These genes are coupled to 12 high-risk drugs. Of the 1,016 patients with genotype test results available, 78% of them had at least one high-risk (i.e., actionable) genotype result placed in their EHR. Each diplotype result released to the EHR is coupled with an interpretive consult that is created in a concise, standardized format. To support-gene based prescribing at the point of care, 55 interruptive clinical decision support (CDS) alerts were developed. Patients are informed of their genotyping result and its relevance to their medication use through a letter. Key elements necessary for our successful implementation have included strong institutional support, a knowledgeable clinical laboratory, a process to manage any incidental findings, a strategy to educate clinicians and patients, a process to return results, and extensive use of informatics, especially CDS. Our approach to pre-emptive clinical pharmacogenetics has proven feasible, clinically useful, and scalable.

Background Active clinical decision support (CDS) delivered through an electronic health record (EHR) facilitates gene-based drug prescribing and other applications of genomics to patient care.

ABSTRACT Effective data sharing is key to accelerating research that will improve the precision of diagnoses, efficacy of treatments and long-term survival of pediatric cancer and other childhood catastrophic diseases. We present St. Jude Cloud ( https://www.stjude.cloud ), a cloud-based data sharing ecosystem developed via collaboration between St. Jude Children’s Research Hospital, DNAnexus, and Microsoft, for accessing, analyzing and visualizing genomic data from >10,000 pediatric cancer patients, long-term survivors of pediatric cancer and >800 pediatric sickle cell patients. Harmonized genomic data totaling 1.25 petabyes on St. Jude Cloud include 12,104 whole genomes, 7,697 whole exomes and 2,202 transcriptomes, which are freely available to researchers worldwide. The resource is expanding rapidly with regular data uploads from St. Jude’s prospective clinical genomics programs, providing public access as soon as possible rather than holding data back until publication. Three interconnected apps within the St. Jude Cloud ecosystem—Genomics Platform, Pediatric Cancer Knowledgebase (PeCan) and Visualization Community—provide a unique experience for simultaneously performing advanced data analysis in the cloud and enhancing the pediatric cancer knowledgebase. We demonstrate the value of the St. Jude Cloud ecosystem through use cases that classify 48 pediatric cancer subtypes by gene expression profiling and map mutational signatures across 35 subtypes of pediatric cancer.

Abstract Next generation sequencing (NGS) based molecular profiling has been proven to be robust and reliable in detecting most biological attributes in acute myeloid leukemia (AML). Targeted NGS testing on genomic DNA for SNVs/Indels and on RNA for oncogenic gene fusions are commonly performed in molecular diagnostics laboratories. With the initial clinical molecular diagnostic framework established in our institution, we used whole genome and whole transcriptome sequencing (WGS and WTS) to evaluate SNVs/Indels, structural variations (SVs) and copy number variations (CNVs) in pediatric and adolescent AMLs. In addition, gene expression was assessed using WTS data to evaluate the possible pathogenicity of variants identified through DNA sequencing. In the 154 AML cases analyzed, WGS revealed recurrent AML oncogenic fusions in 88, all of which were confirmed to be in-frame fusion transcripts by WTS. AML-defining SNVs/Indels and internal tandem duplications were detected by WGS in 45 cases with supporting evidence from WTS. WGS revealed potential enhancer hijacking fusions in 10 cases (MECOM-r in 6, HOXA-r in 2 and BCL11B::TLX3 in 2). Among them, increased expression of the oncogene of interest was verified by WTS in 8 cases (6 MECOM-r and 2 HOXA-r). In the remaining two cases (FAB classification of AML M0 and M1, respectively) for which WGS suggested an SV of BCL11B::TLX3, expression of TLX3 was barely detectable and expression of BCL11B was not increased. Furthermore, global gene expression profiling did not cluster these cases within any known AML molecular categories. Together, the gene expression data of the two cases was not consistent with an SV leading to aberrant TLX3 or BCL11B activation, resulting in the final classification of AML, NOS. Among the 7 cases that initially could not be molecularly classified based on sequence variants only, gene expression assessment helped elucidate the AML class-defining genetic driver in one case. While no apparently known genetic driver was detected by WGS and WTS analyses, an acquired heterozygous frameshift variant in the N-terminal transcription activation domain of CEBPA (35% variant allele frequency, VAF) was found. Notably, the same variant in CEBPA was observed in WTS at 97% VAF, indicating the exclusive expression of the mutant allele in the tumor. Furthermore, global gene expression profiling demonstrated the same characteristic expression profile as seen in CEBPA double mutants (CEBPA-dm). Together, the gene expression assessment obtained from WTS provided an essential tool to classify this case to the molecular subgroup of CEBPA-dm. In this study, gene expression obtained from WTS was used to complement WGS, providing gene/allele-specific expression and global gene expression profiling, to verify the possible pathogenicity of sequence variants identified through DNA sequencing. We demonstrated that molecular classification of AML can be further improved using a diagnostic framework of WGS and WTS as well as integrating gene expression evaluation to complement sequence variants analysis. Citation Format: Lu Wang, Rebecca Voss, Victor Pastor Loyola, Maria F. Cardenas, Jing Ma, Priya Kumar, Mark R. Wilkinson, David A. Wheeler, Jeffery M. Klco. Integrating gene expression evaluation in molecular diagnostics for pediatric AML molecular classification [abstract]. In: Proceedings of the AACR Special Conference in Cancer Research: Advances in Pediatric Cancer Research; 2024 Sep 5-8; Toronto, Ontario, Canada. Philadelphia (PA): AACR; Cancer Res 2024;84(17 Suppl):Abstract nr B036.

Variant interpretation in the era of next-generation sequencing (NGS) is challenging. While many resources and guidelines are available to assist with this task, few integrated end-to-end tools exist. Here we present "PeCanPIE" — the Pediatric Cancer Variant Pathogenicity Information Exchange, a web- and cloud-based platform for annotation, identification, and classification of variations in known or putative disease genes. Starting from a set of variants in Variant Call Format (VCF), variants are annotated, ranked by putative pathogenicity, and presented for formal classification using a decision-support interface based on published guidelines from the American College of Medical Genetics and Genomics (ACMG). The system can accept files containing millions of variants and handle single-nucleotide variants (SNVs), simple insertions/deletions (indels), multiple-nucleotide variants (MNVs), and complex substitutions. PeCanPIE has been applied to classify variant pathogenicity in cancer predisposition genes in two large-scale investigations involving >4,000 pediatric cancer patients, and serves as a repository for the expert-reviewed results. While PeCanPIE's web-based interface was designed to be accessible to non-bioinformaticians, its back end pipelines may also be run independently on the cloud, facilitating direct integration and broader adoption. PeCanPIE is publicly available and free for research use.