The interplay between an evolving cancer and a dynamic immune microenvironment remains unclear. Here we analyse 258 regions from 88 early-stage, untreated non-small-cell lung cancers using RNA sequencing and histopathology-assessed tumour-infiltrating lymphocyte estimates. Immune infiltration varied both between and within tumours, with different mechanisms of neoantigen presentation dysfunction enriched in distinct immune microenvironments. Sparsely infiltrated tumours exhibited a waning of neoantigen editing during tumour evolution, indicative of historical immune editing, or copy-number loss of previously clonal neoantigens. Immune-infiltrated tumour regions exhibited ongoing immunoediting, with either loss of heterozygosity in human leukocyte antigens or depletion of expressed neoantigens. We identified promoter hypermethylation of genes that contain neoantigenic mutations as an epigenetic mechanism of immunoediting. Our results suggest that the immune microenvironment exerts a strong selection pressure in early-stage, untreated non-small-cell lung cancers that produces multiple routes to immune evasion, which are clinically relevant and forecast poor disease-free survival. RNA sequencing data and tumour pathology observations of non-small-cell lung cancers indicate that the immune cell microenvironment exerts strong evolutionary selection pressures that shape the immune-evasion capacity of tumours.

The immune microenvironment influences tumour evolution and can be both prognostic and predict response to immunotherapy1,2. However, measurements of tumour infiltrating lymphocytes (TILs) are limited by a shortage of appropriate data. Whole-exome sequencing (WES) of DNA is frequently performed to calculate tumour mutational burden and identify actionable mutations. Here we develop T cell exome TREC tool (T cell ExTRECT), a method for estimation of T cell fraction from WES samples using a signal from T cell receptor excision circle (TREC) loss during V(D)J recombination of the T cell receptor-α gene (TCRA (also known as TRA)). TCRA T cell fraction correlates with orthogonal TIL estimates and is agnostic to sample type. Blood TCRA T cell fraction is higher in females than in males and correlates with both tumour immune infiltrate and presence of bacterial sequencing reads. Tumour TCRA T cell fraction is prognostic in lung adenocarcinoma. Using a meta-analysis of tumours treated with immunotherapy, we show that tumour TCRA T cell fraction predicts immunotherapy response, providing value beyond measuring tumour mutational burden. Applying T cell ExTRECT to a multi-sample pan-cancer cohort reveals a high diversity of the degree of immune infiltration within tumours. Subclonal loss of 12q24.31–32, encompassing SPPL3, is associated with reduced TCRA T cell fraction. T cell ExTRECT provides a cost-effective technique to characterize immune infiltrate alongside somatic changes. A robust, cost-effective technique based on whole-exome sequencing data can be used to characterize immune infiltrates, relate the extent of these infiltrates to somatic changes in tumours, and enables prediction of tumour responses to immune checkpoint inhibition therapy.

Abstract The phenomenon of mixed/heterogenous treatment responses to cancer therapies within an individual patient presents a challenging clinical scenario. Furthermore, the molecular basis of mixed intra-patient tumor responses remains unclear. Here, we show that patients with metastatic lung adenocarcinoma harbouring co-mutations of EGFR and TP53 , are more likely to have mixed intra-patient tumor responses to EGFR tyrosine kinase inhibition (TKI), compared to those with an EGFR mutation alone. The combined presence of whole genome doubling (WGD) and TP53 co-mutations leads to increased genome instability and genomic copy number aberrations in genes implicated in EGFR TKI resistance. Using mouse models and an in vitro isogenic p53 -mutant model system, we provide evidence that WGD provides diverse routes to drug resistance by increasing the probability of acquiring copy-number gains or losses relative to non-WGD cells. These data provide a molecular basis for mixed tumor responses to targeted therapy, within an individual patient, with implications for therapeutic strategies.

SUMMARY Aberrant methylation is a hallmark of cancer, but bulk tumor data is confounded by admixed normal cells and copy number changes. Here, we introduce Copy number-Aware Methylation Deconvolution Analysis of Cancers (CAMDAC; https://github.com/VanLoo-lab/CAMDAC ), which outputs tumor purity, allele-specific copy number and deconvolved methylation estimates. We apply CAMDAC to 122 multi-region samples from 38 TRACERx non-small cell lung cancers profiled by reduced representation bisulfite sequencing. CAMDAC copy number profiles parallel those derived from genome sequencing and highlight widespread chromosomal instability. Deconvolved polymorphism-independent methylation rates enable unbiased tumor-normal and tumor-tumor differential methylation calling. Read-phasing validates CAMDAC methylation rates and directly links genotype and epitype. We show increased epigenetic instability in adenocarcinoma vs. squamous cell carcinoma, frequent hypermethylation at sites carrying somatic mutations, and parallel copy number losses and methylation changes at imprinted loci. Unlike bulk methylomes, CAMDAC profiles recapitulate tumor phylogenies and evidence distinct patterns of epigenetic heterogeneity in lung cancer.

Patient-derived xenograft (PDX) models are widely used in cancer research. To investigate the genomic fidelity of non-small cell lung cancer PDX models, we established 48 PDX models from 22 patients enrolled in the TRACERx study. Multi-region tumor sampling increased successful PDX engraftment and most models were histologically similar to their parent tumor. Whole-exome sequencing enabled comparison of tumors and PDX models and we provide an adapted mouse reference genome for improved removal of NOD scid gamma (NSG) mouse-derived reads from sequencing data. PDX model establishment caused a genomic bottleneck, with models often representing a single tumor subclone. While distinct tumor subclones were represented in independent models from the same tumor, individual PDX models did not fully recapitulate intratumor heterogeneity. On-going genomic evolution in mice contributed modestly to the genomic distance between tumors and PDX models. Our study highlights the importance of considering primary tumor heterogeneity when using PDX models and emphasizes the benefit of comprehensive tumor sampling.

Integrative analysis of multi-omics data is a powerful approach for gaining functional insights into biological and medical processes. Conducting these multifaceted analyses on human samples is often complicated by the fact that the raw sequencing output is rarely available under open access. The Personal Genome Project UK (PGP-UK) is one of few resources that recruits its participants under open consent and makes the resulting multi-omics data freely and openly available. As part of this resource, we describe the PGP-UK multi-omics reference panel consisting of ten genomic, methylomic and transcriptomic data. Specifically, we outline the data processing, quality control and validation procedures which were implemented to ensure data integrity and exclude sample mix-ups. In addition, we provide a REST API to facilitate the download of the entire PGP-UK dataset. The data are also available from two cloud-based environments, providing platforms for free integrated analysis. In conclusion, the genotype-validated PGP-UK multi-omics human reference panel described here provides a valuable new open access resource for integrated analyses in support of personal and medical genomics.