ABSTRACT The Cancer Genome Atlas (TCGA) has yielded unprecedented genetic and molecular characterization of the cancer genome, yet the functional consequences and patient-relevance of many putative cancer drivers remain undefined. TCGA DEPMAP is the first hybrid map of translational tumor dependencies that was built from machine learning of gene essentiality in the Cancer Dependency Map (DEPMAP) and then translated to TCGA patients. TCGA DEPMAP captured well-known and novel cancer lineage dependencies, oncogenes, and synthetic lethalities, demonstrating the robustness of TCGA DEPMAP as a translational dependency map. Exploratory analyses of TCGA DEPMAP also unveiled novel synthetic lethalities, including the dependency of PAPSS1 driven by loss of PAPSS2 which is collaterally deleted with the tumor suppressor gene PTEN . Synthetic lethality of PAPSS1/2 was validated in vitro and in vivo, including the underlying mechanism of synthetic lethality caused by the loss of protein sulfonation that requires PAPSS1 or PAPSS2 . Moreover, TCGA DEPMAP demonstrated that patients with predicted PAPSS1/2 synthetic lethality have worse overall survival, suggesting that these patients are in greater need of drug discovery efforts to target PAPSS1 . Other map “extensions” were built to capture unique aspects of patient-relevant tumor dependencies using the flexible analytical framework of TCGA DEPMAP , including translating gene essentiality to drug response in patient-derived xenograft (PDX) models (i.e., PDXE DEPMAP ) and predicting gene tolerability within normal tissues (GTEX DEPMAP ). Collectively, this study demonstrates how translational dependency maps can be used to leverage the rapidly expanding catalog of patient genomic datasets to identify and prioritize novel therapeutic targets with the best therapeutic indices.

Abstract Cancer dependency maps have accelerated the discovery of tumor vulnerabilities that can be exploited as drug targets when translatable to patients. The Cancer Genome Atlas (TCGA) is a compendium of ‘maps’ detailing the genetic, epigenetic and molecular changes that occur during the pathogenesis of cancer, yet it lacks a dependency map to translate gene essentiality in patient tumors. Here, we used machine learning to build translational dependency maps for patient tumors, which identified tumor vulnerabilities that predict drug responses and disease outcomes. A similar approach was used to map gene tolerability in healthy tissues to prioritize tumor vulnerabilities with the best therapeutic windows. A subset of patient-translatable synthetic lethalities were experimentally tested, including PAPSS1 / PAPSS12 and CNOT7 / CNOT78 , which were validated in vitro and in vivo. Notably, PAPSS1 synthetic lethality was driven by collateral deletion of PAPSS2 with PTEN and was correlated with patient survival. Finally, the translational dependency map is provided as a web-based application for exploring tumor vulnerabilities.

Collagen deposition and stromal stiffening accompany malignancy, compromise treatment, and promote tumor aggression. Clarifying the molecular nature of and the factors that regulate extracellular matrix stiffening in tumors should identify biomarkers to stratify patients for therapy and therapeutic interventions to improve outcome. We profiled lysyl hydroxylase- and lysyl oxidase-mediated collagen crosslinks and quantified the greatest abundance of total and complex collagen crosslinks in more aggressive human breast cancer subtypes with the stiffest stroma. These tissues also harbored the highest number of tumor-associated macrophages (TAM), whose therapeutic ablation not only reduced metastasis, but also concomitantly decreased accumulation of collagen crosslinks and stromal stiffening. Epithelial-targeted expression of the crosslinking enzyme lysyl oxidase had no impact on collagen crosslinking in PyMT mammary tumors, whereas stromal cell targeting did. Consistently, stromal cells in microdissected human tumors expressed the highest level of collagen crosslinking enzymes. Immunohistochemical analysis of a cohort of breast cancer patient biopsies revealed that stromal expression of lysyl hydroxylase two, an enzyme that induces hydroxylysine aldehyde-derived collagen crosslinks and stromal stiffening correlated significantly disease specific mortality. The findings link tissue inflammation, stromal cell-mediated collagen crosslinking and stiffening to tumor aggression and identify lysyl hydroxylase two as a novel stromal biomarker.

Metastasis depends upon cancer cell growth and survival within the metastatic niche. Tumors which remodel their glycocalyces, by overexpressing bulky glycoproteins like mucins, exhibit a higher predisposition to metastasize, but the role of mucins in oncogenesis remains poorly understood. Here we report that a bulky glycocalyx promotes the expansion of disseminated tumor cells in vivo by fostering integrin adhesion assembly to permit G1 cell cycle progression. We engineered tumor cells to display glycocalyces of various thicknesses by coating them with synthetic mucin-mimetic glycopolymers. Cells adorned with longer glycopolymers showed increased metastatic potential, enhanced cell cycle progression, and greater levels of integrin-FAK mechanosignaling and Akt signaling in a syngeneic mouse model of metastasis. These effects were mirrored by expression of the ectodomain of cancer-associated mucin MUC1. These findings functionally link mucinous proteins with tumor aggression, and offer a new view of the cancer glycocalyx as a major driver of disease progression.