The cancer transcriptome is remarkably complex, including low-abundance transcripts, many not polyadenylated. To fully characterize the transcriptome of localized prostate cancer, we performed ultra-deep total RNA-seq on 144 tumors with rich clinical annotation. This revealed a linear transcriptomic subtype associated with the aggressive intraductal carcinoma sub-histology and a fusion profile that differentiates localized from metastatic disease. Analysis of back-splicing events showed widespread RNA circularization, with the average tumor expressing 7,232 circular RNAs (circRNAs). The degree of circRNA production was correlated to disease progression in multiple patient cohorts. Loss-of-function screening identified 11.3% of highly abundant circRNAs as essential for cell proliferation; for ∼90% of these, their parental linear transcripts were not essential. Individual circRNAs can have distinct functions, with circCSNK1G3 promoting cell growth by interacting with miR-181. These data advocate for adoption of ultra-deep RNA-seq without poly-A selection to interrogate both linear and circular transcriptomes.

Abstract Many primary tumours have low levels of molecular oxygen (hypoxia). Hypoxic tumours are more likely to metastasize to distant sites and respond poorly to multiple therapies. Surprisingly, then, the pan-cancer molecular hallmarks of tumour hypoxia remain poorly understood, with limited understanding of its associations with specific mutational processes, non-coding driver genes and evolutionary features. To fill this gap, we quantified hypoxia in 1,188 tumours spanning 27 cancer types. We show that elevated hypoxia is associated with increased mutational load across cancers, irrespective of the underlying mutational class. The proportion of mutations attributed to several mutational signatures of unknown aetiology are directly associated with the level of hypoxia, suggesting underlying mutational processes for these signatures. At the gene level, driver mutations in TP53, MYC and PTEN are enriched in tumours with high hypoxia, and mutations in PTEN interact with hypoxia to direct the evolutionary trajectory of tumours. Overall, this work demonstrates that hypoxia plays a critical role in shaping the genomic landscape of cancer.

Abstract Cancers can vary greatly in their transcriptomes. In contrast to alterations in specific genes or pathways, differences in tumor cell total mRNA content have not been comprehensively assessed. Technical and analytical challenges have impeded examination of total mRNA expression at scale across cancers. To address this, we developed a model for quantifying tumor-specific total mRNA expression (TmS) from bulk sequencing data, which performs transcriptomic deconvolution while adjusting for mixed genomes. We used single-cell RNA sequencing data to demonstrate total mRNA expression as a feature of tumor phenotype. We estimated and validated TmS in 5,015 patients across 15 cancer types identifying significant inter-individual variability. At a pan-cancer level, high TmS is associated with increased risk of disease progression and death. Cancer type-specific patterns of genetic alterations, intra-tumor genetic heterogeneity, as well as pan-cancer trends in metabolic dysregulation and hypoxia contribute to TmS. Taken together, our results suggest that measuring cell-type specific total mRNA expression offers a broader perspective of tracking cancer transcriptomes, which has important biological and clinical implications.

Recent studies have used whole-genome sequencing to estimate subclonal populations in tumours and have linked this heterogeneity to clinical outcomes. Many algorithms have been developed to perform subclonal reconstruction but their variability and consistency is largely unknown. To quantify this effect, we evaluated six pipelines for reconstructing the evolutionary histories of 293 localized prostate cancers from single samples and 10 from multi-region sampling to probe the heterogeneity of subclonal reconstruction. We identified extensive variance across pipelines in the subclonal architectures they predict and in their assignments of CNAs and SNVs to different parts of the evolutionary tree. Individual pipelines showed consistent types of bias, with those using SomaticSniper and Battenberg preferentially predicting homogenous cancer cell populations while those using MuTect tending to predict multiple populations of cancer cells. Subclonal reconstructions using multi-region sampling showed that single-sample reconstructions systematically underestimated intra-tumoural heterogeneity, detecting on average fewer than half of the cancer cell populations identified by multi-region sequencing. These biases suggest caution in interpreting the specific architectures and subclonal variants identified, particularly from single-sample reconstructions.* CNAs : Copy Number Aberrations SNVs : Single Nucleotide Variants TSP : phylogenetic reconstruction pipeline TITAN-SomaticSniper-PhyloWGS TMP : phylogenetic reconstruction pipeline TITAN-MuTect-PhyloWGS BSP : phylogenetic reconstruction pipeline Battenberg-SomaticSniper-PhyloWGS BMP : phylogenetic reconstruction pipeline Battenberg-MuTect-PhyloWGS