Genome-wide studies have identified thousands of long noncoding RNAs (lncRNAs) lacking protein-coding capacity. However, most lncRNAs are expressed at a very low level, and in most cases there is no genetic evidence to support their in vivo function. Malat1 (metastasis associated lung adenocarcinoma transcript 1) is among the most abundant and highly conserved lncRNAs, and it exhibits an uncommon 3'-end processing mechanism. In addition, its specific nuclear localization, developmental regulation, and dysregulation in cancer are suggestive of it having a critical biological function. We have characterized a Malat1 loss-of-function genetic model that indicates that Malat1 is not essential for mouse pre- and postnatal development. Furthermore, depletion of Malat1 does not affect global gene expression, splicing factor level and phosphorylation status, or alternative pre-mRNA splicing. However, among a small number of genes that were dysregulated in adult Malat1 knockout mice, many were Malat1 neighboring genes, thus indicating a potential cis-regulatory role of Malat1 gene transcription.

Genome-wide analyses have identified thousands of long noncoding RNAs (lncRNAs). Malat1 ( metastasis-associated lung adenocarcinoma transcript 1 ) is among the most abundant lncRNAs whose expression is altered in numerous cancers. Here we report that genetic loss or systemic knockdown of Malat1 using antisense oligonucleotides (ASOs) in the MMTV ( mouse mammary tumor virus ) -PyMT mouse mammary carcinoma model results in slower tumor growth accompanied by significant differentiation into cystic tumors and a reduction in metastasis. Furthermore, Malat1 loss results in a reduction of branching morphogenesis in MMTV-PyMT- and Her2/neu -amplified tumor organoids, increased cell adhesion, and loss of migration. At the molecular level, Malat1 knockdown results in alterations in gene expression and changes in splicing patterns of genes involved in differentiation and protumorigenic signaling pathways. Together, these data demonstrate for the first time a functional role of Malat1 in regulating critical processes in mammary cancer pathogenesis. Thus, Malat1 represents an exciting therapeutic target, and Malat1 ASOs represent a potential therapy for inhibiting breast cancer progression.

Small cell lung cancer (SCLC) is widely considered to be a tumor of pulmonary neuroendocrine cells; however, a variant form of this disease has been described that lacks neuroendocrine features. Here, we applied domain-focused CRISPR screening to human cancer cell lines to identify the transcription factor (TF) POU2F3 (POU class 2 homeobox 3; also known as SKN-1a/OCT-11) as a powerful dependency in a subset of SCLC lines. An analysis of human SCLC specimens revealed that POU2F3 is expressed exclusively in variant SCLC tumors that lack expression of neuroendocrine markers and instead express markers of a chemosensory lineage known as tuft cells. Using chromatin- and RNA-profiling experiments, we provide evidence that POU2F3 is a master regulator of tuft cell identity in a variant form of SCLC. Moreover, we show that most SCLC tumors can be classified into one of three lineages based on the expression of POU2F3, ASCL1, or NEUROD1. Our CRISPR screens exposed other unique dependencies in POU2F3-expressing SCLC lines, including the lineage TFs SOX9 and ASCL2 and the receptor tyrosine kinase IGF1R (insulin-like growth factor 1 receptor). These data reveal POU2F3 as a cell identity determinant and a dependency in a tuft cell-like variant of SCLC, which may reflect a previously unrecognized cell of origin or a trans-differentiation event in this disease.

Abstract Triple negative breast cancer (TNBC) is an aggressive form of breast cancer with poor patient outcomes, and an unmet clinical need for targeted therapies and better model systems. Here, we developed and comprehensively characterized a diverse biobank of normal and breast cancer patient-derived organoids (PDOs) with a focus on TNBCs. PDOs recapitulated patient tumor intrinsic properties and a subset of PDOs can be propagated for long-term culture (LT-TNBCs). Single cell profiling of PDOs identified cell types and gene candidates affiliated with different aspects of cancer progression. The LT-TNBC organoids exhibit signatures of aggressive MYC-driven basal-like breast cancers and are largely comprised of luminal progenitor (LP)-like cells. The TNBC LP-like cells are distinct from normal LPs and exhibit hyperactivation of NOTCH and MYC signaling. Overall, our study validates TNBC PDOs as robust models for understanding breast cancer biology and progression, paving the way for personalized medicine and tailored treatment options. Statement of Significance A comprehensive analysis of TNBC patient-derived organoids is presented by genomic, transcriptomic, and in-vivo analyses, providing insights into cellular heterogeneity and mechanisms of tumorigenesis at the single cell level.

Improved identification of structural variants (SVs) in cancer can lead to more targeted and effective treatment options as well as advance our basic understanding of disease progression. We performed whole genome sequencing of the SKBR3 breast cancer cell-line and patient-derived tumor and normal organoids from two breast cancer patients using 10X/Illumina, PacBio, and Oxford Nanopore sequencing. We then inferred SVs and large-scale allele-specific copy number variants (CNVs) using an ensemble of methods. Our findings demonstrate that long-read sequencing allows for substantially more accurate and sensitive SV detection, with between 90% and 95% of variants supported by each long-read technology also supported by the other. We also report high accuracy for long-reads even at relatively low coverage (25x-30x). Furthermore, we inferred karyotypes from these data using our enhanced RCK algorithm to present a more accurate representation of the mutated cancer genomes, and find hundreds of variants affecting known cancer-related genes detectable only through long-read sequencing. These findings highlight the need for long-read sequencing of cancer genomes for the precise analysis of their genetic instability.

Abstract This study demonstrates the value that artificial intelligence/machine learning (AI/ML) provides for the identification of novel and verifiable splice-switching oligonucleotide (SSO) targets in-silico . SSOs are antisense compounds that act directly on pre-mRNA to modulate alternative splicing (AS). To leverage the potential of AS research for therapeutic development, we created SpliceLearn™, an AI/ML algorithm for the identification of modulatory SSO binding sites on pre-mRNA. SpliceLearn also predicts the identity of specific splicing factors whose binding to pre-mRNA is blocked by SSOs, adding considerable transparency to AI/ML-driven drug discovery and informing biological insights useful in further validation steps. Here we predicted NEDD4L exon 13 ( NEDD4Le13 ) as a novel target in triple negative breast cancer (TNBC) and computationally designed an SSO to modulate NEDD4Le13 . Targeting NEDD4Le13 with this SSO decreased the proliferative and migratory behavior of TNBC cells via downregulation of the TGFβ pathway. Overall, this study illustrates the ability of AI/ML to extract actionable insights from RNA-seq data. SpliceLearn is part of the SpliceCore® platform, an AI/ML predictive ensemble for AS-based drug target discovery.