Molecular classification of high-grade serous ovarian cancer (HGSOC) using transcriptional profiling has proven to be complex and difficult to validate across studies. We determined gene expression profiles of 174 well-annotated HGSOCs and demonstrate prognostic significance of the prespecified TCGA Network gene signatures. Furthermore, we confirm the presence of four HGSOC transcriptional subtypes using a de novo classification. Survival differed statistically significantly between de novo subtypes (log rank, P = .006) and was the best for the immunoreactive-like subtype, but statistically significantly worse for the proliferative- or mesenchymal-like subtypes (adjusted hazard ratio = 1.89, 95% confidence interval = 1.18 to 3.02, P = .008, and adjusted hazard ratio = 2.45, 95% confidence interval = 1.43 to 4.18, P = .001, respectively). More prognostic information was provided by the de novo than the TCGA classification (Likelihood Ratio tests, P = .003 and P = .04, respectively). All statistical tests were two-sided. These findings were replicated in an external data set of 185 HGSOCs and confirm the presence of four prognostically relevant molecular subtypes that have the potential to guide therapy decisions.

We evaluated homologous recombination deficient (HRD) phenotypes in epithelial ovarian cancer (EOC) considering BRCA1, BRCA2 and RAD51C in a large well-annotated patient set. We evaluated EOC patients for germline deleterious mutations (n = 899), somatic mutations (n = 279) and epigenetic alterations (n = 482) in these genes using NGS and genome-wide methylation arrays. Deleterious germline mutations were identified in 32 (3.6%) patients for BRCA1, in 28 (3.1%) for BRCA2 and in 26 (2.9%) for RAD51C. Ten somatically sequenced patients had deleterious alterations, six (2.1%) in BRCA1 and four (1.4%) in BRCA2. Fifty two patients (10.8%) had methylated BRCA1 or RAD51C. HRD patients with germline or somatic alterations in any gene were more likely to be high grade serous, have an earlier diagnosis age and have ovarian and/or breast cancer family history. The HRD phenotype was most common in high grade serous EOC. Identification of EOC patients with an HRD phenotype may help tailor specific therapies.

Abstract Purpose: Recent progress in understanding the molecular biology of epithelial ovarian cancer has not yet translated into individualized treatment for these women or improvements in their disease outcome. Gene expression has been utilized to identify distinct molecular subtypes, but there have been no reports investigating whether or not molecular subtyping is predictive of response to bevacizumab in ovarian cancer. Experimental Design: DASL gene expression arrays were performed on FFPE tissue from patients enrolled on the ICON7 trial. Patients were stratified into four TCGA molecular subtypes. Associations between molecular subtype and the efficacy of randomly assigned therapy with bevacizumab were assessed. Results: Molecular subtypes were assigned as follows: 122 immunoreactive (34%), 96 proliferative (27%), 73 differentiated (20%), and 68 mesenchymal (19%). In univariate analysis patients with tumors of proliferative subtype obtained the greatest benefit from bevacizumab with a median PFS improvement of 10.1 months [HR, 0.55 (95% CI, 0.34–0.90), P = 0.016]. For the mesenchymal subtype, bevacizumab conferred a nonsignificant improvement in PFS of 8.2 months [HR 0.78 (95% CI, 0.44–1.40), P = 0.41]. Bevacizumab conferred modest improvements in PFS for patients with immunoreactive subtype (3.8 months; P = 0.08) or differentiated subtype (3.7 months; P = 0.61). Multivariate analysis demonstrated significant PFS improvement in proliferative subtype patients only [HR, 0.45 (95% CI, 0.27–0.74), P = 0.0015]. Conclusions: Ovarian carcinoma molecular subtypes with the poorest survival (proliferative and mesenchymal) derive a comparably greater benefit from treatment that includes bevacizumab. Validation of our findings in an independent cohort could enable the use of bevacizumab for those patients most likely to benefit, thereby reducing side effects and healthcare cost. Clin Cancer Res; 23(14); 3794–801. ©2017 AACR.

Ovarian cancer remains the leading cause of death in women with gynecologic malignancies, despite surgical advances and the development of more effective chemotherapeutics. As increasing evidence indicates that clear-cell ovarian cancer may have unique pathogenesis, further understanding of molecular features may enable us to begin to understand the underlying biology and histology-specific information for improved outcomes. To study epigenetics in clear-cell ovarian cancer, fresh frozen tumor DNA (n = 485) was assayed on Illumina Infinium HumanMethylation450 BeadChips. We identified a clear-cell ovarian cancer tumor methylation profile (n = 163) which we validated in two independent replication sets (set 1, n = 163; set 2, n = 159), highlighting 22 CpG loci associated with nine genes (VWA1, FOXP1, FGFRL1, LINC00340, KCNH2, ANK1, ATXN2, NDRG21 and SLC16A11). Nearly all of the differentially methylated CpGs showed a propensity toward hypermethylation among clear-cell cases. Several loci methylation inversely correlated with tumor gene expression, most notably KCNH2 (HERG, a potassium channel) (P = 9.5 × 10−7), indicating epigenetic silencing. In addition, a predicted methylation class mainly represented by the clear-cell cases (20 clear cell out of 23 cases) had improved survival time. Although these analyses included only 30 clear-cell carcinomas, results suggest that loss of expression of KCNH2 (HERG) by methylation could be a good prognostic marker, given that overexpression of the potassium (K+) channel Eag family members promotes increased proliferation and results in poor prognosis. Validation in a bigger cohort of clear-cell tumors of the ovary is warranted.

Background It is unclear whether the transcriptional subtypes of high grade serous ovarian cancer (HGSOC) apply to high grade clear cell (HGCCOC) or high grade endometrioid ovarian cancer (HGEOC). We aim to delineate transcriptional profiles of HGCCOCs and HGEOCs. Methods We used Agilent microarrays to determine gene expression profiles of 276 well annotated ovarian cancers (OCs) including 37 HGCCOCs and 66 HGEOCs. We excluded low grade OCs as these are known to be distinct molecular entities. We applied the prespecified TCGA and CLOVAR gene signatures using consensus non-negative matrix factorization (NMF). Results We confirm the presence of four TCGA transcriptional subtypes and their significant prognostic relevance (p < 0.001) across all three histological subtypes (HGSOC, HGCCOC and HGEOCs). However, we also demonstrate that 22/37 (59%) HGCCOCs and 30/67 (45%) HGEOCs form 2 additional separate clusters with distinct gene signatures. Importantly, of the HGCCOC and HGEOCs that clustered separately 62% and 65% were early stage (FIGO I/II), respectively. These finding were confirmed using the reduced CLOVAR gene set for classification where most early stage HGCCOCs and HGEOCs formed a distinct cluster of their own. When restricting the analysis to the four TCGA signatures (ssGSEA or NMF with CLOVAR genes) most early stage HGCCOCs and HGEOC were assigned to the differentiated subtype. Conclusions Using transcriptional profiling the current study suggests that HGCCOCs and HGEOCs of advanced stage group together with HGSOCs. However, HGCCOCs and HGEOCs of early disease stages may have distinct transcriptional signatures similar to those seen in their low grade counterparts.

Abstract Purpose: Gene expression–based molecular subtypes of high-grade serous tubo-ovarian cancer (HGSOC), demonstrated across multiple studies, may provide improved stratification for molecularly targeted trials. However, evaluation of clinical utility has been hindered by nonstandardized methods, which are not applicable in a clinical setting. We sought to generate a clinical grade minimal gene set assay for classification of individual tumor specimens into HGSOC subtypes and confirm previously reported subtype-associated features. Experimental Design: Adopting two independent approaches, we derived and internally validated algorithms for subtype prediction using published gene expression data from 1,650 tumors. We applied resulting models to NanoString data on 3,829 HGSOCs from the Ovarian Tumor Tissue Analysis consortium. We further developed, confirmed, and validated a reduced, minimal gene set predictor, with methods suitable for a single-patient setting. Results: Gene expression data were used to derive the predictor of high-grade serous ovarian carcinoma molecular subtype (PrOTYPE) assay. We established a de facto standard as a consensus of two parallel approaches. PrOTYPE subtypes are significantly associated with age, stage, residual disease, tumor-infiltrating lymphocytes, and outcome. The locked-down clinical grade PrOTYPE test includes a model with 55 genes that predicted gene expression subtype with &gt;95% accuracy that was maintained in all analytic and biological validations. Conclusions: We validated the PrOTYPE assay following the Institute of Medicine guidelines for the development of omics-based tests. This fully defined and locked-down clinical grade assay will enable trial design with molecular subtype stratification and allow for objective assessment of the predictive value of HGSOC molecular subtypes in precision medicine applications. See related commentary by McMullen et al., p. 5271

5509 Background: ICON7 demonstrated that the addition of bevacizumab to carboplatin and paclitaxel improves progression free survival (PFS), but not overall survival (OS) in first-line treatment of ovarian cancer. Our aim was to determine if response to bevacizumab was associated with the molecular classification as described by The Cancer Genome Atlas (TCGA) project. Methods: Core biopsies from formalin fixed paraffin embedded (FFPE) tissue blocks were examined to ensure >70% tumor nuclei from 425 of 455 ICON7 patients enrolled in Germany. Quality Illumina Whole-Genome DASL HT global gene expression data was generated to stratify 380 (89%) patients into four TCGA subclassifications. Median PFS with 95% confidence intervals (CI) and log rank tests were used to evaluate treatment effect on PFS in the presence of non-proportional hazards. Results: Molecular classification was as follows: 86 were differentiated (23%), 124 immunoreactive (33%), 73 mesenchymal (19%), and 97 proliferative (25%). The groups were balanced over treatment arms. 267 (70.3%) were of serous histology. Patients with serous carcinomas of mesenchymal subtype obtained the greatest benefit from bevacizumab with an improvement of median PFS of 9.5 months (25.5 [95%CI 21.1, NA] vs. 16 [95%CI 10.5, NA] months, p=0.053). In contrast, the differentiated, immunoreactive and proliferative subtypes demonstrated median PFS improvements of 5.8 (19.4 [18.6, NA] vs. 13.6 [9.7, 32.7], p=0.35), 3.4 (17.9 [15.9, NA] vs. 14.6 [12.4, NA], p=0.38) and 3.2 months (21.5 [19.8, 29] vs. 18.3 [13.8, NA], p=0.76), respectively. Patients with mesenchymal tumors or high risk clinical characteristics (suboptimal stage III, all stage IV) (46% of cohort) demonstrated a 7.3 month improvement in median PFS with bevacizumab (19.8 [18.3, 23.7] vs. 12.5 [10.1, 16.2] months, p<0.01). Conclusions: Assignment to molecular subclassifications based on gene expression signatures was feasible using FFPE tissue. Patients with mesenchymal subtype ovarian cancer may be most likely to obtain sustained benefit from treatment with bevacizumab.

Abstract To reveal biologic mechanisms underlying clinical outcome of high-grade serous (HGS) epithelial ovarian carcinomas (EOC), we evaluated the association between tumor epigenetic changes and time to recurrence (TTR). We assessed methylation at approximately 450,000 genome-wide CpGs in tumors of 337 Mayo Clinic (Rochester, MN) patients. Semi-supervised clustering of discovery (n = 168) and validation (n = 169) sets was used to determine clinically relevant methylation classes. Clustering identified two methylation classes based on 60 informative CpGs, which differed in TTR in the validation set [R vs. L class, P = 2.9 × 10−3, HR = 0.52; 95% confidence interval (CI), 0.34–0.80]. Follow-up analyses considered genome-wide tumor mRNA expression (n = 104) and CD8 T-cell infiltration (n = 89) in patient subsets. Hypomethylation of CpGs located in 6p21.3 in the R class associated with cis upregulation of genes enriched in immune response processes (TAP1, PSMB8, PSMB9, HLA-DQB1, HLA-DQB2, HLA-DMA, and HLA-DOA), increased CD8 T-cell tumor infiltration (P = 7.6 × 10−5), and trans-regulation of genes in immune-related pathways (P = 1.6 × 10−32). This is the most comprehensive assessment of clinical outcomes with regard to epithelial ovarian carcinoma tumor methylation to date. Collectively, these results suggest that an epigenetically mediated immune response is a predictor of recurrence and, possibly, treatment response for HGS EOC. Cancer Res; 74(11); 3084–91. ©2014 AACR.

Microarray-based gene expression studies demonstrate that ovarian cancer is both a clinically diverse and molecularly heterogeneous disease compromising subtypes with distinct gene expression patterns that are each associated with statistically significant different clinical outcomes. The information provided by gene expression based assays is promising and deserves incorporation into clinical decision-making. Further studies are needed to determine which subtype signatures are most appropriate to select patients for a given therapy. This process will require the development of standardized molecular diagnostic assays that can be used for retrospective correlative studies and prospective validations of their clinical utility. Recent advances in assay development for FFPE tissues will facilitate accurate and cost-effective classification of ovarian cancer and help move the evolving molecular classification to clinic. The current review will summarize the development of gene expression based assays in ovarian cancer and will describe how the results of studies to date have expanded our appreciation of the heterogeneity of ovarian cancer. We discuss difficulties in the development and validation of molecular classifications in ovarian cancer and we provide future directions how we may be able to soon classify the disease in a manner that might have greater clinical utility.

Although ovarian cancer is the most lethal of gynecologic malignancies, wide variation in outcome following conventional therapy continues to exist. The presence of tumor-infiltrating regulatory T cells (Tregs) has a role in outcome of this disease, and a growing body of data supports the existence of inherited prognostic factors. However, the role of inherited variants in genes encoding Treg-related immune molecules has not been fully explored. We analyzed expression quantitative trait loci (eQTL) and sequence-based tagging single nucleotide polymorphisms (tagSNPs) for 54 genes associated with Tregs in 3,662 invasive ovarian cancer cases. With adjustment for known prognostic factors, suggestive results were observed among rarer histological subtypes; poorer survival was associated with minor alleles at SNPs in RGS1 (clear cell, rs10921202, p=2.7×10(-5)), LRRC32 and TNFRSF18/TNFRSF4 (mucinous, rs3781699, p=4.5×10(-4), and rs3753348, p=9.0×10(-4), respectively), and CD80 (endometrioid, rs13071247, p=8.0×10(-4)). Fo0r the latter, correlative data support a CD80 rs13071247 genotype association with CD80 tumor RNA expression (p=0.006). An additional eQTL SNP in CD80 was associated with shorter survival (rs7804190, p=8.1×10(-4)) among all cases combined. As the products of these genes are known to affect induction, trafficking, or immunosuppressive function of Tregs, these results suggest the need for follow-up phenotypic studies.