T cell acute lymphoblastic leukemia (T-ALL) is an immature hematopoietic malignancy driven mainly by oncogenic activation of NOTCH1 signaling1. In this study we report the presence of loss-of-function mutations and deletions of the EZH2 and SUZ12 genes, which encode crucial components of the Polycomb repressive complex 2 (PRC2)2,3, in 25% of T-ALLs. To further study the role of PRC2 in T-ALL, we used NOTCH1-dependent mouse models of the disease, as well as human T-ALL samples, and combined locus-specific and global analysis of NOTCH1-driven epigenetic changes. These studies demonstrated that activation of NOTCH1 specifically induces loss of the repressive mark Lys27 trimethylation of histone 3 (H3K27me3)4 by antagonizing the activity of PRC2. These studies suggest a tumor suppressor role for PRC2 in human leukemia and suggest a hitherto unrecognized dynamic interplay between oncogenic NOTCH1 and PRC2 function for the regulation of gene expression and cell transformation.

Notch signaling is a key developmental pathway that is subject to frequent genetic and epigenetic perturbations in many different human tumors. Here we investigate whether long noncoding RNA (lncRNA) genes, in addition to mRNAs, are key downstream targets of oncogenic Notch1 in human T cell acute lymphoblastic leukemia (T-ALL). By integrating transcriptome profiles with chromatin state maps, we have uncovered many previously unreported T-ALL-specific lncRNA genes, a fraction of which are directly controlled by the Notch1/Rpbjκ activator complex. Finally we have shown that one specific Notch-regulated lncRNA, LUNAR1, is required for efficient T-ALL growth in vitro and in vivo due to its ability to enhance IGF1R mRNA expression and sustain IGF1 signaling. These results confirm that lncRNAs are important downstream targets of the Notch signaling pathway, and additionally they are key regulators of the oncogenic state in T-ALL.

ABSTRACT The metazoan genome is compartmentalized in megabase-scale areas of highly interacting chromatin known as topologically associating domains (TADs), typically identified by computational analyses of Hi-C sequencing data. TADs are demarcated by boundaries that are largely conserved across cell types and even across species, although, increasing evidence suggests that the seemingly invariant TAD boundaries may exhibit plasticity and their insulating strength can vary. However, a genome-wide characterization of TAD boundary strength in mammals is still lacking. A systematic classification and characterization of TAD boundaries may generate new insights into their function. In this study, we first use fused two-dimensional lasso as a machine learning method to improve Hi-C contact matrix reproducibility, and, subsequently, we categorize TAD boundaries based on their insulation score. We demonstrate that higher TAD boundary insulation scores are associated with elevated CTCF levels and that they may differ across cell types. Intriguingly, we observe that super-enhancer elements are preferentially insulated by strong boundaries, i.e. boundaries of higher insulation score. Furthermore, we perform a pan-cancer analysis to demonstrate that strong TAD boundaries and super-enhancer elements are frequently co-duplicated in cancer patients. Taken together, our findings suggest that super-enhancers insulated by strong TAD boundaries may be exploited, as a functional unit, by cancer cells to promote oncogenesis.

T-cell acute lymphoblastic leukemia (T-ALL) is an aggressive disease, affecting children and adults. Treatments show high response rates but have debilitating effects and carry risk of relapse. Previous work implicated NOTCH1 and other oncogenes. However, direct inhibition of these pathways affects healthy tissues and cancer alike. Here, we demonstrate that ubiquitin-specific protease 7 (USP7) controls leukemia growth by stabilizing the levels of the NOTCH1 and JMJD3 demethylase. USP7 is overexpressed T-ALL and is transcriptionally regulated by NOTCH1. In turn, USP7 controls NOTCH1 through deubiquitination. USP7 is bound to oncogenic targets and controls gene expression through H2B ubiquitination and H3K27me3 changes via stabilization of NOTCH1 and JMJD3. We also show that USP7 and NOTCH1 bind T-ALL superenhancers, and USP7 inhibition alters associated gene activity. These results provide a new model for deubiquitinase activity through recruitment to oncogenic chromatin loci and regulation of both oncogenic transcription factors and chromatin marks to promote leukemia. USP7 inhibition significantly blocked T-ALL cell growth in vitro and in vivo. Our studies also show that USP7 is upregulated in the aggressive high-risk cases of T-ALL and suggest that USP7 expression might be a prognostic marker in ALL and its inhibition could be a therapeutic tool against aggressive leukemia.

Three-dimensional (3D) chromatin architectural changes can alter the integrity of topologically associated domains (TADs) and rewire specific enhancer-promoter interactions impacting gene expression. Recently, such alterations have been implicated in human disease, highlighting the need for a deeper understanding of their role. Here, we investigate the reorganization of chromatin architecture in T cell acute lymphoblastic leukemia (T-ALL) using primary human leukemia specimens and its dynamic responses to pharmacological agents. Systematic integration of matched in situ Hi-C, RNA-Seq and CTCF ChIP-Seq datasets revealed widespread changes in intra-TAD chromatin interactions and TAD boundary insulation in T-ALL. Our studies identify and focus on a TAD "fusion" event being associated with loss of CTCF-mediated insulation, enabling direct interactions between the MYC promoter and a distal super-enhancer. Moreover, our data show that small molecule inhibitors targeting either oncogenic signal transduction or epigenetic regulation reduce specific 3D interactions associated with transformation. Overall, our study highlights the impact, complexity and dynamic nature of 3D chromatin architecture in human acute leukemia.

Background: The three-dimensional genome organization is critical for gene regulation and can malfunction in diseases like cancer. As a key regulator of genome organization, CCCTC-binding factor (CTCF) has been characterized as a DNA-binding protein with important functions in maintaining the topological structure of chromatin and inducing DNA looping. Among the prolific binding sites in the genome, several events with altered CTCF occupancy have been reported as associated with effects in physiology or disease. However, there is no hitherto a comprehensive survey of genome-wide CTCF binding patterns across different human cancers. Results: To dissect functions of CTCF binding, we systematically analyze over 700 CTCF ChIP-seq profiles across human tissues and cancers and identify cancer-specific CTCF binding patterns in six cancer types. We show that cancer-specific lost and gained CTCF binding events are associated with altered chromatin interactions in patient samples, but not always with DNA methylation changes or sequence mutations. While lost bindings primarily occur near gene promoters, most gained CTCF binding events are induced by oncogenic transcription factors and exhibit enhancer activities. We validate these findings in T-cell acute lymphoblastic leukemia and show that oncogenic NOTCH1 induces specific CTCF binding and they cooperatively activate expression of target genes, indicating transcriptional condensation phenomena. Conclusions: Cancer-specific CTCF binding events are not always associated with DNA methylation changes or mutations, but can be induced by other transcription factors to regulate oncogenic gene expression. Our results substantiate CTCF binding alteration as a functional epigenomic signature of cancer.

Chromatin conformation capture techniques have evolved rapidly over the last few years and have provided new insights into genome organization at an unprecedented resolution. Analysis of Hi-C data is complex and computationally intensive involving multiple tasks and requiring robust quality assessment at each step of the analysis. This has led to the development of several tools and methods for processing Hi-C data. However, most of the existing tools do not cover all aspects of the analysis and only offer few quality assessment options. Additionally, availability of a multitude of tools makes scientists wonder how these tools and associated parameters can be optimally used, and how potential discrepancies can be interpreted and resolved. Most importantly, investigators need to be ensured that slight changes in parameters and/or methods do not affect the conclusions of their studies. Finally, any analysis, no matter how complex, should be reproducible by keeping track of the tool versions, parameters and input data. To address these issues (compare, explore and reproduce), we introduce HiC-bench, a configurable computational platform for comprehensive and reproducible analysis of Hi-C sequencing data. HiC-bench performs all common Hi-C analysis tasks, such as alignment, filtering, contact matrix generation and normalization, identification of topological domains, scoring and annotation of specific interactions using both published tools and our own. We have also embedded various tasks that perform quality assessment and visualization. HiC-bench is implemented as a data flow platform with an emphasis on analysis reproducibility. Additionally, the user can readily perform parameter exploration and comparison of different tools in a combinatorial manner that takes into account all desired parameter settings in each pipeline task. This unique feature facilitates the design and execution of complex benchmark studies that may involve combinations of multiple tool/parameter choices in each step of the analysis. To demonstrate the usefulness of our platform, we performed a comprehensive benchmark of existing and new TAD callers exploring different matrix correction methods, parameter settings and sequencing depths. Users can extend our pipeline by adding more tools as they become available. HiC-bench is distributed as free open-source software on GitHub and Zenodo, and our bioinformatics team offers installation and usage support.