The Genomic Data Commons will initially house raw genomic data and diagnostic, histologic, and clinical outcome data from National Cancer Institute–funded projects. A harmonization process will align sequencing data to the genome and identify mutations and alterations.

Abstract International cancer registries make real-world genomic and clinical data available, but their joint analysis remains a challenge. AACR Project GENIE, an international cancer registry collecting data from 19 cancer centers, makes data from >130,000 patients publicly available through the cBioPortal for Cancer Genomics (https://genie.cbioportal.org). For 25,000 patients, additional real-world longitudinal clinical data, including treatment and outcome data, are being collected by the AACR Project GENIE Biopharma Collaborative using the PRISSMM data curation model. Several thousand of these cases are now also available in cBioPortal. We have significantly enhanced the functionalities of cBioPortal to support the visualization and analysis of this rich clinico-genomic linked dataset, as well as datasets generated by other centers and consortia. Examples of these enhancements include (i) visualization of the longitudinal clinical and genomic data at the patient level, including timelines for diagnoses, treatments, and outcomes; (ii) the ability to select samples based on treatment status, facilitating a comparison of molecular and clinical attributes between samples before and after a specific treatment; and (iii) survival analysis estimates based on individual treatment regimens received. Together, these features provide cBioPortal users with a toolkit to interactively investigate complex clinico-genomic data to generate hypotheses and make discoveries about the impact of specific genomic variants on prognosis and therapeutic sensitivities in cancer. Significance: Enhanced cBioPortal features allow clinicians and researchers to effectively investigate longitudinal clinico-genomic data from patients with cancer, which will improve exploration of data from the AACR Project GENIE Biopharma Collaborative and similar datasets.

We report a comprehensive proteogenomics analysis, including whole-genome sequencing, RNA sequencing, and proteomics and phosphoproteomics profiling, of 218 tumors across 7 histological types of childhood brain cancer: low-grade glioma (n = 93), ependymoma (32), high-grade glioma (25), medulloblastoma (22), ganglioglioma (18), craniopharyngioma (16), and atypical teratoid rhabdoid tumor (12). Proteomics data identify common biological themes that span histological boundaries, suggesting that treatments used for one histological type may be applied effectively to other tumors sharing similar proteomics features. Immune landscape characterization reveals diverse tumor microenvironments across and within diagnoses. Proteomics data further reveal functional effects of somatic mutations and copy number variations (CNVs) not evident in transcriptomics data. Kinase-substrate association and co-expression network analysis identify important biological mechanisms of tumorigenesis. This is the first large-scale proteogenomics analysis across traditional histological boundaries to uncover foundational pediatric brain tumor biology and inform rational treatment selection.

ABSTRACT Background Pediatric high grade glioma (pHGG) remains a fatal disease. Increased access to richly annotated biospecimens and patient derived tumor models will accelerate pHGG research and support translation of research discoveries. This work describes the pediatric high grade glioma set of the Children’s Brain Tumor Tissue Consortium (CBTTC) from the first release (October 2018) of the Pediatric Brain Tumor Atlas (PBTA). Methods pHGG tumors with associated clinical data and imaging were prospectively collected through the CBTTC and analyzed as the Pediatric Brain Tumor Atlas (PBTA) with processed genomic data deposited into PedcBioPortal for broad access and visualization. Matched tumor was cultured to create high grade glioma cell lines analyzed by targeted and WGS and RNA-seq. A tissue microarray (TMA) of primary pHGG tumors was also created. Results The pHGG set included 87 collection events (73 patients, 60% at diagnosis, median age of 9 yrs, 55% female, 46% hemispheric). Analysis of somatic mutations and copy number alterations of known glioma genes were of expected distribution (36% H3.3 , 47% TP53 , 24% ATRX and 7% BRAF V600E variants). A pHGG TMA (n=77), includes 36 (53%) patient tumors with matched sequencing. At least one established glioma cell line was generated from 23 patients (32%). Unique reagents include those derived from a H3.3 G34R glioma and from tumors with mismatch repair deficiency. Conclusion The CBTTC and PBTA have created an openly available integrated resource of over 2,000 tumors, including a rich set of pHGG primary tumors, corresponding cell lines and archival fixed tissue to advance translational research for pHGG. IMPORTANCE OF STUDY High-grade gliomas (HGG) remain the leading cause of cancer death in children. Since molecularly heterogeneous, preclinical studies of pediatric HGG will be most informative if able to compare across groups. Given their relatively rarity, there are few readily available biospecimens and cellular models to inform preclinical laboratory and genomic translational research. Therefore, the aim of this CBTTC study was to highlight the panel of pediatric HGG cases whose primary tumors have undergone extensive genomic analysis, have clinical data, available imaging and additional biospecimens, including tumor, nucleic acids, cell lines and FFPE tissue on a tissue microarray (TMA).

Summary Pediatric brain and spinal cancer are the leading disease-related cause of death in children, thus we urgently need curative therapeutic strategies for these tumors. To accelerate such discoveries, the Children’s Brain Tumor Network and Pacific Pediatric Neuro-Oncology Consortium created a systematic process for tumor biobanking, model generation, and sequencing with immediate access to harmonized data. We leverage these data to create OpenPBTA, an open collaborative project which establishes over 40 scalable analysis modules to genomically characterize 1,074 pediatric brain tumors. Transcriptomic classification reveals that TP53 loss is a significant marker for poor overall survival in ependymomas and H3 K28-altered diffuse midline gliomas and further identifies universal TP53 dysregulation in mismatch repair-deficient hypermutant high-grade gliomas. OpenPBTA is a foundational analysis platform actively being applied to other pediatric cancers and inform molecular tumor board decision-making, making it an invaluable resource to the pediatric oncology community. In Brief The OpenPBTA is a global, collaborative open-science initiative which brought together researchers and clinicians to genomically characterize 1,074 pediatric brain tumors and 22 patient-derived cell lines. Shapiro, et. al create over 40 open-source, scalable modules to perform cancer genomics analyses and provide a richly-annotated somatic dataset across 58 brain tumor histologies. The OpenPBTA framework can be used as a model for large-scale data integration to inform basic research, therapeutic target identification, and clinical translation. Highlights OpenPBTA collaborative analyses establish resource for 1,074 pediatric brain tumors NGS-based WHO-aligned integrated diagnoses generated for 641 of 1,074 tumors RNA-Seq analysis infers medulloblastoma subtypes, TP53 status, and telomerase activity OpenPBTA will accelerate therapeutic translation of genomic insights

Abstract Pediatric brain tumors are the leading cause of cancer-related death in children in the United States and contribute a disproportionate number of potential years of life lost compared to adult cancers. Moreover, survivors frequently suffer long-term side effects, including secondary cancers. The Children’s Brain Tumor Network (CBTN) is a multi-institutional international clinical research consortium created to advance therapeutic development through the collection and rapid distribution of biospecimens and data via open-science research platforms for real-time access and use by the global research community. The CBTN’s 32 member institutions utilize a shared regulatory governance architecture at the Children’s Hospital of Philadelphia to accelerate and maximize the use of biospecimens and data. As of August 2022, CBTN has enrolled over 4,700 subjects, over 1,500 parents, and collected over 65,000 biospecimen aliquots for research. Additionally, over 80 preclinical models have been developed from collected tumors. Multi-omic data for over 1,000 tumors and germline material is currently available with data generation for > 5,000 samples underway. To our knowledge, CBTN provides the largest open-access pediatric brain tumor multi-omic dataset annotated with longitudinal clinical and outcome data, imaging, associated biospecimens, child-parent genomic pedigrees, and in vivo and in vitro preclinical models. Empowered by NIH-supported platforms such as the Kids First Data Resource and the Childhood Cancer Data Initiative, the CBTN continues to expand the resources needed for scientists to accelerate translational impact for improved outcomes and quality of life for children with brain and spinal cord tumors.

Abstract The Gabriella Miller Kids First Pediatric Research Program (Kids First) aims at facilitating researchers to uncover new insights into the biology of childhood cancer and structural birth defects, including the discovery of shared genetic pathways between these disorders. Kids First Data Resource Center developed the Kids First Data Resource Portal (KFDRP), which is a centralized data platform for both Kids First and collaborative cohorts. Currently, KFDRP facilitates data access for 40 studies with over 35,500 participants. To assist researchers and clinicians in identifying potential disease-causing germline variants in the human genome, KFDRP released the Variant WorkBench (VWB), which facilitates variant querying, manipulation, analysis, and visualization. Cavatica is a widely used bioinformatics analysis platform developed by Velsera. Compared to a previous version, the Cavatica-based VWB has better support for data import/export, more convenient sharing of notebooks and data, and easier billing details, with the same level of scalable, cloud-based computing. Additionally, Cavatica-based VWB has incorporated multiple public reference databases, including Cancer Hotspots, ClinVar, COSMIC, dbNSFP, gnomAD, TOPMed, as well as gene-phenotype links provided by OMIM, HPO, Orphanet, and the Deciphering Developmental Disorders Project. These databases have been converted to parquet files, reducing process time and memory usage compared to regular text files, thus speeding up data retrieval and querying. Furthermore, Cavatica empowers users to create and share custom analysis workflows tailored to specific research questions and datasets, enhancing data utility and analysis accuracy. Here we present a gene-based variant filtering workflow that aggregates information from dbNSFP, HGMD, TOPMed, gnomAD, and ClinVar. We identified 1202 pathogenic/likely pathogenic variants in NF1, a gene that helps regulate cell growth, across 582 pediatric brain tumor samples within 6 mins. Among the variants, there are 21 protein-altering variants. Overall, the upgraded VWB is more powerful, user-friendly, and adaptable.

Abstract BACKGROUND The contribution of rare pathogenic germline variation to central nervous system (CNS) tumor formation in pediatric patients without a family history of cancer remains unclear. METHODS We characterized the prevalence of pathogenic germline variants in 214 cancer predisposition genes (CPGs) in 837 patients profiled in the Pediatric Brain Tumor Atlas by whole genome or exome sequencing (n=820 and n=17, respectively). Rare SNVs and small INDELs were annotated as pathogenic (P) or likely pathogenic (LP) consistent with American College of Medical Genetics criteria using AutoGVP, our open-source automated pathogenicity assessment tool. We classified pathogenicity of germline structural variants (SVs) using ClassifyCNV and AnnotSV. Somatic alterations and mutational signatures from matched tumor sequencing were integrated to identify functional consequences associated with germline pathogenic variation. RESULTS We observed 206 germline P/LP SNVs/small INDELs and 18 SVs (16 deletions, 2 duplications) within 78 unique CPGs in 195 patients (23.3%). We detected syndrome-associated P/LP variants in 45/58 patients with a clinically-reported cancer predisposition syndrome and incidentally in 41 patients. Ninety-five (42%) germline P/LP variants co-occurred with at least one somatic alteration in the same gene in matched tumors: n=6 oncogenic SNVs, n=28 CNVs, n=54 loss of heterozygosity (LOH), n=26 differential gene or protein expression, and n=18 alternative splicing. NF1, TSC1, and TSC2 germline P/LP carriers exhibited significantly higher tumor LOH scores and lower gene expression in tumors relative to non-P/LP carriers. Patients with germline splice region P/LP variants exhibited significantly increased skipping of most the proximal exon in matched tumor relative to patients with non-splice region P/LP variants (W=401, p=1.1E-04). CONCLUSION We have identified rare germline P/LP variants associated with cancer predisposition syndromes and diverse functional consequences in pediatric CNS tumor patients. Efforts are underway to extend this work to include 1,801 additional probands and 1,105 parents to further characterize the prevalence and heritability of germline pathogenic variation in children diagnosed with CNS tumors.

The goal of the National Cancer Institute (NCI) Genomic Data Commons (GDC) is to provide the cancer research community with a data repository of uniformly processed genomic and associated clinical data that enables data sharing and collaborative analysis in the support of precision medicine. The initial GDC dataset include genomic, epigenomic, proteomic, clinical and other data from the NCI TCGA and TARGET programs. Data production for the GDC started in June, 2015 using an OpenStack-based private cloud. By June of 2016, the GDC had analyzed more than 50,000 raw sequencing data inputs, as well as multiple other data types. Using the latest human genome reference build GRCh38, the GDC generated a variety of data types from aligned reads to somatic mutations, gene expression, miRNA expression, DNA methylation status, and copy number variation. In this paper, we describe the pipelines and workflows used to process and harmonize the data in the GDC. The generated data, as well as the original input files from TCGA and TARGET, are available for download and exploratory analysis at the GDC Data Portal and Legacy Archive (https://gdc.cancer.gov/).