ABSTRACT Genome-wide association studies have identified breast cancer risk variants in over 150 genomic regions, but the mechanisms underlying risk remain largely unknown. These regions were explored by combining association analysis with in silico genomic feature annotations. We defined 205 independent risk-associated signals with the set of credible causal variants (CCVs) in each one. In parallel, we used a Bayesian approach (PAINTOR) that combines genetic association, linkage disequilibrium, and enriched genomic features to determine variants with high posterior probabilities (HPPs) of being causal. Potentially causal variants were significantly over-represented in active gene regulatory regions and transcription factor binding sites. We applied our INQUSIT pipeline for prioritizing genes as targets of potentially causal variants, using gene expression (eQTL), chromatin interaction and functional annotations. Known cancer drivers, transcription factors and genes in the developmental, apoptosis, immune system and DNA integrity checkpoint gene ontology pathways, were over-represented among the 178 highest confidence target genes.

ABSTRACT Single-cell RNAseq has allowed unprecedented insight into gene expression across different cell populations in normal tissue and disease states. However, almost all studies rely on annotated gene sets to capture gene expression levels and sequencing reads that do not align to known genes are discarded. Here, we discover thousands of long noncoding RNAs (lncRNAs) expressed in human mammary epithelial cells and analyze their expression in individual cells of the normal breast. We show that lncRNA expression alone can discriminate between luminal and basal cell types and define subpopulations of both compartments. Clustering cells based on lncRNA expression identified additional basal subpopulations, compared to clustering based on annotated gene expression, suggesting that lncRNAs can provide an additional layer of information to better distinguish breast cell subpopulations. In contrast, these breast-specific lncRNAs poorly distinguish brain cell populations, highlighting the need to annotate tissue-specific lncRNAs prior to expression analyses. We also identified a panel of 100 breast lncRNAs that could discern breast cancer subtypes better than protein-coding markers. Overall, our results suggest that lncRNAs are an unexplored resource for new biomarker and therapeutic target discovery in the normal breast and breast cancer subtypes.

A bstract Background Intratumoural heterogeneity is a poor prognostic feature in triple-negative breast cancer (TNBC) and other high-grade malignancies. It is caused by genomic instability and phenotypic plasticity, but how these features co-evolve during tumour development remains unclear. SOX10 is a transcription factor, neural crest stem cell (NCSC) specifier and candidate mediator of cancer-associated phenotypic plasticity. Methods Using immunophenotyping, we investigated the expression of SOX10 in normal human breast tissue and breast cancer (n=21 cosmetic breast reduction and 1,860 tumour samples with clinical annotation). We then defined the context and evolution of its expression in TNBC compared to 21 other malignancies using systems-level transcriptomics. Results SOX10 was detected in nuclei of normal mammary luminal progenitor cells, the histogenic origin of most TNBCs. In breast cancer, nuclear SOX10 predicted poor outcome amongst cross-sectional (log-rank p=0.0015, hazard ratio 2.02, n=224) and metaplastic (log-rank p=0.04, n=66) TNBCs. Systems-level transcriptional network analysis identified a core module in SOX10’s normal mammary epithelial transcription program that is rewired to NCSC genes in TNBC. Reprogramming was proportional to DNA damage and genome-wide promoter hypomethylation, particularly at CpG island shores. Using a novel network analysis pipeline, we found that NCSC-like transcriptional reprogramming is also strongly associated with promoter hypomethylation in other SOX10+ malignancies: glioma and melanoma. Conclusions We propose that cancer-associated genome hypomethylation simulates the open chromatin landscape of more primitive cell states, and that on this relatively unrestricted background, SOX10 recreates its ancestral gene regulatory circuits by default. These findings provide new insights about the basis of intratumoural heterogeneity and resurrection of developmental phenotypes in cancer; and highlight the potential for therapeutics that limit chromatin remodelling.

Breast cancer susceptibility variants frequently show heterogeneity in associations by tumor subtype. To identify novel loci, we performed a genome-wide association study (GWAS) including 133,384 breast cancer cases and 113,789 controls, plus 18,908 BRCA1 mutation carriers (9,414 with breast cancer) of European ancestry, using both standard and novel methodologies that account for underlying tumor heterogeneity by estrogen receptor (ER), progesterone receptor (PR), and human epidermal growth factor receptor 2 (HER2) status and tumor grade. We identified 32 novel susceptibility loci ( P <5.0×10-8), 15 of which showed evidence for associations with at least one tumor feature (false discovery rate <0.05). Five loci showed associations ( P <0.05) in opposite directions between luminal- and non-luminal subtypes. In-silico analyses showed these five loci contained cell-specific enhancers that differed between normal luminal and basal mammary cells. The genetic correlations between five intrinsic-like subtypes ranged from 0.35 to 0.80. The proportion of genome-wide chip heritability explained by all known susceptibility loci was 37.6% for triple-negative and 54.2% for luminal A-like disease. These findings provide an improved understanding of genetic predisposition to breast cancer subtypes and will inform the development of subtype-specific polygenic risk scores.

The total number of acquired melanocytic nevi on the skin is strongly correlated with melanoma risk. Here we report a meta-analysis of 11 nevus GWAS from Australia, Netherlands, United Kingdom, and United States, comprising a total of 52,506 phenotyped individuals. We confirm known loci including MTAP, PLA2G6, and IRF4, and detect novel SNPs at a genome-wide level of significance in KITLG, DOCK8, and a broad region of 9q32. In a bivariate analysis combining the nevus results with those from a recent melanoma GWAS meta-analysis (12,874 cases, 23,203 controls), SNPs near GPRC5A, CYP1B1, PPARGC1B, HDAC4, FAM208B and SYNE2 reached global significance, and other loci, including MIR146A and OBFC1, reached a suggestive level of significance. Overall, we conclude that most nevus genes affect melanoma risk (KITLG an exception), while many melanoma risk loci do not alter nevus count. For example, variants in TERC and OBFC1 affect both traits, but other telomere length maintenance genes seem to affect melanoma risk only. Our findings implicate multiple pathways in nevogenesis via genes we can show to be expressed under control of the MITF melanocytic cell lineage regulator.

Summary Genome-wide association studies (GWAS) have identified >200 loci associated with breast cancer (BC) risk. The majority of candidate causal variants (CCVs) are in non-coding regions and are likely to modulate cancer risk by regulating gene expression. We recently developed a scoring system, INQUISIT, to predict candidate risk genes at BC-risk loci. Here, we used pooled CRISPR activation and suppression screens to validate INQUISIT predictions, and to define the cancer phenotypes they mediate. We measured proliferation in 2D, 3D, and in immune-deficient mice, as well as the effect on the DNA damage response. We performed 60 CRISPR screens and identified 21 high-confidence INQUISIT predictions that mediate a cancer phenotype. We validated the direct regulation of a subset of genes by BC-risk variants using HiCHIP and CRISPRqtl. Furthermore, we show the utility of expression profiling for drug repurposing against these targets. We provide a platform for identifying gene targets of risk variants, and lay a blueprint of interventions for BC risk reduction and treatment.

Fine-mapping of breast cancer GWAS regions has identified 195 high confidence signals containing more than 5,000 credible causal variants (CCVs). The CCVs are predominantly noncoding and enriched in regulatory elements and thus may confer the risk by altering gene expression in cis. We analyzed allelic expression imbalance (AEI) of genes surrounding known breast cancer signals, using normal breast and breast tumor transcriptome data and imputed genotypes. Fourteen genes, including NTN4, were identified whose expression was associated with CCV genotype. We showed that CCVs at this signal were located within an enhancer that physically interacts with the NTN4 promoter. Furthermore, knockdown of NTN4 in breast cells increased cell proliferation in vitro and tumor growth in vivo. Here, we present the most comprehensive AEI analysis of breast cancer CCVs resulting in identification of new candidate risk genes.

Genome-wide association studies have identified 196 high confidence independent signals associated with breast cancer susceptibility. Variants within these signals frequently fall in distal regulatory DNA elements that control gene expression. We designed a Capture Hi-C array to enrich for chromatin interactions between the credible causal variants and target genes in six human mammary epithelial and breast cancer cell lines. We show that interacting regions are enriched for open chromatin, histone marks for active enhancers and transcription factors relevant to breast biology. We exploit this comprehensive resource to identify candidate target genes at 139 independent breast cancer risk signals, and explore the functional mechanism underlying altered risk at the 12q24 risk region. Our results demonstrate the power of combining genetics, computational genomics and molecular studies to rationalize the identification of key variants and candidate target genes at breast cancer GWAS signals.