CIViC is an expert-crowdsourced knowledgebase for Clinical Interpretation of Variants in Cancer describing the therapeutic, prognostic, diagnostic and predisposing relevance of inherited and somatic variants of all types. CIViC is committed to open-source code, open-access content, public application programming interfaces (APIs) and provenance of supporting evidence to allow for the transparent creation of current and accurate variant interpretations for use in cancer precision medicine.

Abstract Background and aims Colorectal cancer (CRC) is the second leading cause of cancer related deaths in the United States. Mortality is largely attributable to low patient compliance with screening and a subsequent high frequency of late-stage diagnoses. Noninvasive methods, such as stool- or blood-based diagnostics could improve patient compliance, however, existing techniques cannot adequately detect high-risk adenomas (HRAs) and early-stage CRC. Methods Here we apply cancer profiling using amplicon sequencing of stool-derived eukaryotic RNA for 275 patients undergoing prospective CRC screening. A training set of 154 samples was used to build a random forest model that included 4 feature types (differentially expressed amplicons, total RNA expression, demographic information, and fecal immunochemical test results). An independent hold out test set of 121 patients was used to assess model performance. Results When applied to the 121-patient hold out test set, the model attained a receiver operating characteristic (ROC) area under the curve (AUC) of 0.94 for CRC and a ROC AUC of 0.87 for CRC and HRAs. In aggregate, the model achieved a 91 % sensitivity for CRC and a 73% sensitivity for HRAs at an 89% specificity for all other findings (medium-risk adenomas, low-risk adenomas, benign polyps, and no findings on a colonoscopy). Conclusion Collectively, these results indicate that in addition to early CRC detection, stool-derived biomarkers can accurately and noninvasively identify HRAs, which could be harnessed to prevent CRC development for asymptomatic, average-risk patients.

The multitarget stool RNA (mt-sRNA) test (ColoSense) is a noninvasive diagnostic test that screens for colorectal cancer and advanced adenomas in average-risk individuals aged 45 years and older. The mt-sRNA test incorporates a commercially available fecal immunochemical test, concentration of eight RNA transcripts, and participant-reported smoking status. As part of the CRC-PREVENT (Colorectal Cancer and Pre-Cancerous Adenoma Non-Invasive Detection Test) clinical trial, 12 analytical validation studies were conducted to assess analytical sensitivity, linearity, precision, interfering substances, cross-reactivity, carry-over, cross-contamination, and robustness. Analytical validation of the mt-sRNA test demonstrated limit of blank, limit of detection, and limit of quantification of <0.6, <0.7, and ≤2.5 copies/μL for all markers, respectively. The mt-sRNA test demonstrated linearity between 2.5 and 2500 copies/μL, and <20% coefficient of variation, and/or ≥95% concordance with regard to precision, interfering substances, carry-over, cross-contamination, and robustness. There was no significant impact of cross-reactivity from non-colorectal cancer diseases. These data provide a framework for laboratories to complete analytical validation for RNA-based panels that require premarket approval as a class III medical device from the US Food and Drug Administration.

Purpose: Manual review of aligned sequencing reads is required to develop a high-quality list of somatic variants from massively parallel sequencing data (MPS). Despite widespread use in analyzing MPS data, there has been little attempt to describe methods for manual review, resulting in high inter- and intra-lab variability in somatic variant detection and characterization of tumors. Methods: Open source software was used to develop an optimal method for manual review setup. We also developed a systemic approach to visually inspect each variant during manual review. Results: We present a standard operating procedures for somatic variant refinement for use by manual reviewers. The approach is enhanced through representative examples of 4 different manual review categories that indicate a reviewer's confidence in the somatic variant call and 19 annotation tags that contextualize commonly observed sequencing patterns during manual review. Representative examples provide detailed instructions on how to classify variants during manual review to rectify lack of confidence in automated somatic variant detection. Conclusion: Standardization of somatic variant refinement through systematization of manual review will improve the consistency and reproducibility of identifying true somatic variants after automated variant calling.

CIViC is an expert crowdsourced knowledgebase for Clinical Interpretation of Variants in Cancer (www.civicdb.org) describing the therapeutic, prognostic, and diagnostic relevance of inherited and somatic variants of all types. CIViC is committed to open source code, open access content, public application programming interfaces (APIs), and provenance of supporting evidence to allow for the transparent creation of current and accurate variant interpretations for use in cancer precision medicine.

Abstract Clinical targeted sequencing panels are important for identifying actionable variants for cancer patients, however, there are currently no strategies to create impartial and rationally-designed panels to accommodate rapidly growing knowledge within the field. Here we use the Clinical Interpretations of Variants in Cancer database (CIViC) in conjunction with single-molecule molecular inversion probe (smMIP) capture to identify and design probes targeting clinically relevant variants in cancer. In total, 2,027 smMIPs were designed to target 111 eligible CIViC variants. The total genomic region covered by the CIViC smMIPs reagent was 61.5 kb. When compared to existing genome or exome sequencing results (n = 27 cancer samples from 5 tumor types), CIViC smMIP sequencing demonstrated a 95% sensitivity for variant detection (n = 61/64 variants). Variant allele frequency for variants identified on both sequencing platforms were highly concordant (Pearson correlation = 0.885; n = 61 variants). Moreover, for individuals with paired tumor/normal samples (n = 12), 182 clinically relevant variants missed by original sequencing were discovered by CIViC smMIPs sequencing. This design paradigm demonstrates the utility of an open-sourced database built on attendant community contributions for each variant with peer-reviewed interpretations. Use of a public repository for variant identification, probe development, and variant annotation could provide a transparent approach to build a dynamic next-generation sequencing–based oncology panel.

Abstract CIViC (Clinical Interpretation of Variants in Cancer; civicdb.org ) is a crowd-sourced, public domain knowledgebase composed of literature-derived evidence characterizing the clinical utility of cancer variants. As clinical sequencing becomes more prevalent in cancer management, the need for cancer variant interpretation has grown beyond the capability of any single institution. With nearly 300 contributors, CIViC contains peer-reviewed, published literature curated and expert-moderated into structured data units ( Evidence Items ) that can be accessed globally and in real time, reducing barriers to clinical variant knowledge sharing. We have extended CIViC’s functionality to support emergent variant interpretation guidelines, increase interoperability with other variant resources, and promote widespread dissemination of structured curated data. To support the full breadth of variant interpretation from basic to translational, including integration of somatic and germline variant knowledge and inference of drug response, we have enabled curation of three new evidence types (predisposing, oncogenic and functional). The growing CIViC knowledgebase distributes clinically-relevant cancer variant data currently representing >2500 variants in >400 genes from >2800 publications.

Abstract Background Liver cancer is the second leading cause of cancer-related deaths worldwide. Hepatocellular carcinoma (HCC) risk factors include chronic hepatitis, cirrhosis, and alcohol abuse, whereby tumorigenesis is induced through inflammation and subsequent fibrotic response. However, a subset of HCC arises in non-cirrhotic livers. We characterized the genomic and transcriptomic landscape of non-cirrhotic HCC to identify features underlying the disease’s development and progression. Methods Whole genome and transcriptome sequencing was performed on 30 surgically resectable tumors comprised of primarily of non-cirrhotic HCC and adjacent normal tissue. Using somatic variants, capture reagents were created and employed on an additional 87 cases of mixed cirrhotic/non-cirrhotic HCC. Cases were analyzed to identify viral integrations, single nucleotide variants (SNVs), insertions and deletions (INDELS), copy number variants, loss of heterozygosity, gene fusions, structural variants, and differential gene expression. Results We detected 3,750 SNVs/INDELS and extensive CNVs and expression changes. Recurrent TERT promoter mutations occurred in >52% of non-cirrhotic discovery samples. Frequently mutated genes included TP53 , CTNNB1 , and APOB . Cytochrome P450 mediated metabolism was significantly downregulated. Structural variants were observed at MACROD2, WDPCP and NCKAP5 in >20% of samples. Furthermore, NR1H4 fusions involving gene partners EWSR1, GNPTAB , and FNIP1 were detected and validated in 2 non-cirrhotic samples. Conclusion Genomic analysis can elucidate mechanisms that may contribute to non-cirrhotic HCC tumorigenesis. The comparable mutational landscape between cirrhotic and non-cirrhotic HCC supports previous work suggesting a convergence at the genomic level during disease progression. It is therefore possible genomic-based treatments can be applied to both HCC subtypes with progressed disease. Highlights Non-cirrhotic HCC genomically resembles cirrhotic HCC Comprehensive genome- and transcriptome-wide profiling allows detection of novel structural variants, fusions, and undiagnosed viral infections NR1H4 fusions may represent a novel mechanism for tumorigenesis in HCC Non-cirrhotic HCC is characterized by genotoxic mutational signatures and dysregulated liver metabolism Clinical history and comprehensive omic profiling incompletely explain underlying etiologies for non-cirrhotic HCC highlighting the need for further research Short Description This study characterizes the genomic landscape of hepatocellular carcinomas (HCCs) in non-cirrhotic livers. Using 117 HCCs tumor/normal pairs, we identified 3,750 SNVs/INDELS with high variant frequency in TERT, TP53 , CTNNB1 , and APOB . CYP450 was significantly downregulated and many structural variants were observed. This characterization could assist in elucidating non-cirrhotic HCC tumorigenesis.

Manually curated variant knowledgebases and their associated knowledge models are serving an increasingly important role in distributing and interpreting variants in cancer. These knowledgebases vary in their level of public accessibility, and the complexity of the models used to capture clinical knowledge. CIViC (Clinical Interpretations of Variants in Cancer - www.civicdb.org) is a fully open, free-to-use cancer variant interpretation knowledgebase that incorporates highly detailed curation of evidence obtained from peer-reviewed publications. Currently, the CIViC knowledge model consists of four main components: Genes, Variants, Evidence Items, and Assertions. Each component has an associated knowledge model and methods for curation. Gene and Variant data contextualize the genomic region(s) involved in the clinical statement. Evidence Items provide structured associations between variants and their clinically predictive/therapeutic, prognostic, diagnostic, predisposing, and functional implications. Finally, CIViC Assertions summarize collections of CIViC Evidence Items for a specific Disease, Variant, and Clinical Significance with incorporation of clinical and technical guidelines. Here we present the CIViC knowledge model, curation standard operating procedures, and detailed examples to support community-driven curation of cancer variants.

Purpose: Precision oncology is dependent upon the matching of tumor variants to relevant knowledge describing the clinical significance of those variants. We recently developed the Clinical Interpretations for Variants in Cancer (CIViC; civicdb.org) crowd-sourced, expert-moderated, open-access knowledgebase, providing a structured framework for evaluating genomic variants of various types (e.g., fusions, SNVs) for their therapeutic, prognostic, predisposing, diagnostic, or functional utility. CIViC has a documented API for accessing CIViC records: Assertions, Evidence, Variants, and Genes. Third-party tools that analyze or access the contents of this knowledgebase programmatically must leverage this API, often reimplementing redundant functionality in the pursuit of common analysis tasks that are beyond the scope of the CIViC web application. Methods: To address this limitation, we developed CIViCpy (civicpy.org), a software development kit (SDK) for extracting and analyzing the contents of the CIViC knowledgebase. CIViCpy enables users to query CIViC content as dynamic objects in Python. We assess the viability of CIViCpy as a tool for advancing individualized patient care by using it to systematically match CIViC evidence to observed variants in patient cancer samples. Results: We used CIViCpy to evaluate variants from 59,437 sequenced tumors of the AACR Project GENIE dataset. We demonstrate that CIViCpy enables annotation of >1,200 variants per second, resulting in precise variant matches to CIViC level A (professional guideline) or B (clinical trial) evidence for 38.6% of tumors. Conclusions: The clinical interpretation of genomic variants in cancers requires high-throughput tools for interoperability and analysis of variant interpretation knowledge. These needs are met by CIViCpy, an SDK for downstream applications and rapid analysis. CIViCpy (civicpy.org) is fully documented, open-source, and freely available online.