Receiver operating characteristic (ROC) curves are useful tools to evaluate classifiers in biomedical and bioinformatics applications. However, conclusions are often reached through inconsistent use or insufficient statistical analysis. To support researchers in their ROC curves analysis we developed pROC, a package for R and S+ that contains a set of tools displaying, analyzing, smoothing and comparing ROC curves in a user-friendly, object-oriented and flexible interface. With data previously imported into the R or S+ environment, the pROC package builds ROC curves and includes functions for computing confidence intervals, statistical tests for comparing total or partial area under the curve or the operating points of different classifiers, and methods for smoothing ROC curves. Intermediary and final results are visualised in user-friendly interfaces. A case study based on published clinical and biomarker data shows how to perform a typical ROC analysis with pROC. pROC is a package for R and S+ specifically dedicated to ROC analysis. It proposes multiple statistical tests to compare ROC curves, and in particular partial areas under the curve, allowing proper ROC interpretation. pROC is available in two versions: in the R programming language or with a graphical user interface in the S+ statistical software. It is accessible at http://expasy.org/tools/pROC/ under the GNU General Public License. It is also distributed through the CRAN and CSAN public repositories, facilitating its installation.

ABSTRACT A PI3Kα-selective inhibitor has recently been approved for use in breast tumours harbouring mutations in PIK3CA , the gene encoding PI3Kα. Preclinical studies have suggested that the PI3K/AKT/mTORC1 signalling pathway influences stemness, a dedifferentiation-related cellular phenotype associated with aggressive cancer. No direct evidence for such a correlation has been demonstrated to date in human tumours. In two independent human breast cancer cohorts, encompassing nearly 3,000 tumour samples, transcriptional footprint-based analysis uncovered a positive linear association between transcriptionally-inferred PI3K signalling scores and stemness scores. Unexpectedly, stratification of tumours according to PIK3CA genotype revealed a “biphasic” relationship of mutant PIK3CA allele dosage with these scores. Relative to tumour samples without PIK3CA mutations, the presence of a single copy of a hotspot PIK3CA variant was associated with lower PI3K signalling and stemness scores, whereas tumours with multiple copies of PIK3CA hotspot mutations showed higher PI3K signalling and stemness scores. This observation was recapitulated in a human cell model of heterozygous and homozygous PIK3CA H1047R expression. Collectively, our analysis provides evidence for a signalling strength-dependent PI3K-stemness relationship in human breast cancer, which may aid future patient stratification for PI3K-targeted therapies.

Abstract Activating PIK3CA mutations are known “drivers” of human cancer and developmental overgrowth syndromes. We recently demonstrated that the “hotspot” PIK3CA H1047R variant exerts unexpected allele dose-dependent effects on stemness in human pluripotent stem cells (hPSCs). In the present study, we combine high-depth transcriptomics, total proteomics and reverse-phase protein arrays to reveal potentially disease-related alterations in heterozygous cells, and to assess the contribution of activated TGFβ signalling to the stemness phenotype of PIK3CA H1047R homozygous cells. We demonstrate signalling rewiring as a function of oncogenic PI3K signalling dose, and provide experimental evidence that self-sustained stemness is causally related to enhanced autocrine NODAL/TGFβ signalling. A significant transcriptomic signature of TGFβ pathway activation in PIK3CA H1047R heterozygous was observed but was modest and was not associated with the stemness phenotype seen in homozygous mutants. Notably, the stemness gene expression in PIK3CA H1047R homozygous iPSCs was reversed by pharmacological inhibition of TGFβ signalling, but not by pharmacological PI3Kα pathway inhibition. Altogether, this provides the first in-depth analysis of PI3K signalling in human pluripotent stem cells and directly links dose-dependent PI3K activation to developmental NODAL/TGFβ signalling.

We describe a novel Bayesian method for estimating protein concentration and phosphorylation site occupancy ratios from mass spectrometry experiments. Our variance model assigns standard deviations to all quantitative ratios, even when only a single peptide is observed, increasing the number of quantifiable observations in a sample compared to conventional methods. We further demonstrate the application of this method using a dataset investigating the impact of the PRKAR1A-RET gene fusion in immortalized thyroid cells.

Abstract Protein-ligand interactions (PLI) are foundational to small molecule drug design. With computational methods striving towards experimental accuracy, there is a critical demand for a well-curated and diverse PLI dataset. Existing datasets are often limited in size and diversity, and commonly used evaluation sets suffer from training information leakage, hindering the realistic assessment of method generalization capabilities. To address these shortcomings, we present PLIN-DER, the largest and most annotated dataset to date, comprising 449,383 PLI systems, each with over 500 annotations, similarity metrics at protein, pocket, interaction and ligand levels, and paired unbound ( apo ) and predicted structures. We propose an approach to generate training and evaluation splits that minimizes task-specific leakage and maximizes test set quality, and compare the resulting performance of DiffDock when retrained with different kinds of splits.