Human breast tumours are diverse in their natural history and in their responsiveness to treatments1. Variation in transcriptional programs accounts for much of the biological diversity of human cells and tumours. In each cell, signal transduction and regulatory systems transduce information from the cell's identity to its environmental status, thereby controlling the level of expression of every gene in the genome. Here we have characterized variation in gene expression patterns in a set of 65 surgical specimens of human breast tumours from 42 different individuals, using complementary DNA microarrays representing 8,102 human genes. These patterns provided a distinctive molecular portrait of each tumour. Twenty of the tumours were sampled twice, before and after a 16-week course of doxorubicin chemotherapy, and two tumours were paired with a lymph node metastasis from the same patient. Gene expression patterns in two tumour samples from the same individual were almost always more similar to each other than either was to any other sample. Sets of co-expressed genes were identified for which variation in messenger RNA levels could be related to specific features of physiological variation. The tumours could be classified into subtypes distinguished by pervasive differences in their gene expression patterns.

The elucidation of breast cancer subgroups and their molecular drivers requires integrated views of the genome and transcriptome from representative numbers of patients. We present an integrated analysis of copy number and gene expression in a discovery and validation set of 997 and 995 primary breast tumours, respectively, with long-term clinical follow-up. Inherited variants (copy number variants and single nucleotide polymorphisms) and acquired somatic copy number aberrations (CNAs) were associated with expression in ∼40% of genes, with the landscape dominated by cis- and trans-acting CNAs. By delineating expression outlier genes driven in cis by CNAs, we identified putative cancer genes, including deletions in PPP2R2A, MTAP and MAP2K4. Unsupervised analysis of paired DNA–RNA profiles revealed novel subgroups with distinct clinical outcomes, which reproduced in the validation cohort. These include a high-risk, oestrogen-receptor-positive 11q13/14 cis-acting subgroup and a favourable prognosis subgroup devoid of CNAs. Trans-acting aberration hotspots were found to modulate subgroup-specific gene networks, including a TCR deletion-mediated adaptive immune response in the ‘CNA-devoid’ subgroup and a basal-specific chromosome 5 deletion-associated mitotic network. Our results provide a novel molecular stratification of the breast cancer population, derived from the impact of somatic CNAs on the transcriptome. Integrative analysis of copy number and gene expression in 2,000 primary breast tumours with long-term clinical follow-up revealed putative cis-acting driver genes, novel subgroups and trans-acting aberration hotspots that modulate subgroup-specific gene networks.

Multiple somatic rearrangements are often found in cancer genomes; however, the underlying processes of rearrangement and their contribution to cancer development are poorly characterized. Here we use a paired-end sequencing strategy to identify somatic rearrangements in breast cancer genomes. There are more rearrangements in some breast cancers than previously appreciated. Rearrangements are more frequent over gene footprints and most are intrachromosomal. Multiple rearrangement architectures are present, but tandem duplications are particularly common in some cancers, perhaps reflecting a specific defect in DNA maintenance. Short overlapping sequences at most rearrangement junctions indicate that these have been mediated by non-homologous end-joining DNA repair, although varying sequence patterns indicate that multiple processes of this type are operative. Several expressed in-frame fusion genes were identified but none was recurrent. The study provides a new perspective on cancer genomes, highlighting the diversity of somatic rearrangements and their potential contribution to cancer development. It has been known for decades that many tumours contain genomic rearrangements, but little is known about their causes and effects. Using new 'paired-end' sequencing technologies, Stephens et al. have now mapped the chromosome rearrangements in human breast cancers at high resolution. They find more rearrangements than previously recognized, most of them intrachromosomal rather than interchromosomal. Tandem duplications were remarkably common in some breast cancers but essentially absent from others, and may reflect a novel mutator phenotype. Multiple somatic rearrangements are often found in cancer genomes, but the underlying processes of rearrangement and the effects of this are unclear. A paired-end sequencing strategy is now used to map somatic rearrangements in human breast cancer genomes. More rearrangements in some breast cancers are found than previously recognized, including frequent tandem duplications that may reflect a specific defect in DNA maintenance.

ABSTRACT Background Most cancer alterations occur in the noncoding portion of the human genome, which contains important regulatory regions acting as genetic switches to ensure gene expression occurs at correct times and intensities in correct tissues. However, large scale discovery of noncoding events altering the gene expression regulatory program has been limited to a few examples with high recurrence or high functional impact. Results We focused on transcription factor binding sites (TFBSs) that show similar mutation loads than what is observed in protein-coding exons. By combining cancer somatic mutations in TFBSs and expression data for protein-coding and miRNA genes, we evaluated the combined effects of transcriptional and post-transcriptional alteration on the dysregulation of the regulatory programs in cancer. The analysis of seven cancer cohorts culminated with the identification of protein-coding and miRNA genes linked to mutations at TFBSs that were associated with a cascading trans-effect deregulation on the cells’ regulatory program. Our analyses of cis-regulatory mutations associated with miRNAs recurrently predicted 17 miRNAs as pan-cancer-associated through deregulation of their target gene networks. Overall, our predictions were enriched for protein-coding and miRNA genes previously annotated as cancer drivers. Functional enrichment analyses highlighted that cis-regulatory mutations are associated with the dysregulation of key pathways associated with carcinogenesis Conclusions These pan-cancer results suggest that our method predicts cis-regulatory mutations related to the dysregulation of key gene regulatory networks in cancer patients. It highlights how the gene regulatory program is disrupted in cancer cells by combining transcriptional and post-transcriptional regulation of gene expression.

Abstract Background Genome-wide association studies (GWAS) have identified multiple common breast cancer susceptibility variants. Many of these variants have differential associations by estrogen receptor (ER), but how these variants relate with other tumor features and intrinsic molecular subtypes is unclear. Methods Among 106,571 invasive breast cancer cases and 95,762 controls of European ancestry with data on 173 breast cancer variants identified in previous GWAS, we used novel two-stage polytomous logistic regression models to evaluate variants in relation to multiple tumor features (ER, progesterone receptor (PR), human epidermal growth factor receptor 2 (HER2) and grade) adjusting for each other, and to intrinsic-like subtypes. Results Eighty-five of 173 variants were associated with at least one tumor feature (false discovery rate <5%), most commonly ER and grade, followed by PR and HER2. Models for intrinsic-like subtypes found nearly all of these variants (83 of 85) associated at P<0.05 with risk for at least one luminal-like subtype, and approximately half (41 of 85) of the variants were associated with risk of at least one non-luminal subtype, including 32 variants associated with triple-negative (TN) disease. Ten variants were associated with risk of all subtypes in different magnitude. Five variants were associated with risk of luminal A-like and TN subtypes in opposite directions. Conclusion This report demonstrates a high level of complexity in the etiology heterogeneity of breast cancer susceptibility variants and can inform investigations of subtype-specific risk prediction.

Mathematical modeling and simulation have emerged as a potentially powerful, time and cost effective approach to personalized cancer treatment. The usefulness of mechanistic models to disentangle complex multi-scale cancer processes such as treatment response has been widely acknowledged. However, a major barrier for multi-scale models to predict the outcomes of therapeutic regimens in a particular patient lies in their initialization and parameterization which need to reflect individual cancer characteristics accurately. In this study we use multi-modal routinely acquired measurements on a single breast tumor, including histopathology, magnetic resonance imaging, and molecular profiling to person- alize parts of a complex multi-scale model of breast cancer treated with chemotherapeutic and anti-angiogenic agents. We model the dynamics of drugs in tissue (pharmacokinetics) and the corresponding effects on their targets (pharmacodynamics). We developed a open-source computer program that simulates cross-sections of tumors under 12-week therapy regimes and use it to individually reproduce and elucidate treatment outcomes of four patients. For two of the tumors that did not respond to therapy, we used model simulations to suggest alternative regimes with improved outcomes depending on their individual characteristics. We found that more frequent doses of chemothereapy reduce tumor burden in a low proliferative tumor while lower doses of anti-angiogenic agents im- prove drug penetration and reduce tumor burden in a poorly perfused tumor. In addition to bridge multi-modal clinical data to shed light on individual treatment outcomes, our approach can be used to assist in the design of more precise clinical trials necessary for future model-driven personalized cancer therapy.

We aimed to develop deep learning (DL) models to detect protein expression in immunohistochemically (IHC) stained tissue-sections, and to compare their accuracy and performance with manually scored clinically relevant proteins in common cancer types. Five cancer patient cohorts (colon, two prostate, breast, and endometrial) were included. We developed separate DL models for scoring IHC-stained tissue-sections with nuclear, cytoplasmic, and membranous staining patterns. For training, we used images with annotations of cells with positive and negative staining from the colon cohort stained for Ki-67 and PMS2 (nuclear model), the prostate cohort 1 stained for PTEN (cytoplasmic model) and β-catenin (membranous model). The nuclear DL model was validated for MSH6 in the colon, MSH6 and PMS2 in the endometrium, Ki-67 and CyclinB1 in prostate, and oestrogen and progesterone receptors in the breast cancer cohorts. The cytoplasmic DL model was validated for PTEN and Mapre2, and the membranous DL model for CD44 and Flotillin1, all in prostate cohorts. When comparing the results of manual and DL scores in the validation sets, using manual scores as the ground truth, we observed an average correct classification rate of 91.5 % (76.9–98.5 %) for the nuclear model, 85.6 % (73.3–96.6 %) for the cytoplasmic model, and 78.4 % (75.5–84.3 %) for the membranous model. In survival analyses, manual and DL scores showed similar prognostic impact, with similar hazard ratios and p-values for all DL models. Our findings demonstrate that DL models offer a promising alternative to manual IHC scoring, providing efficiency and reproducibility across various data sources and markers.

Targeted therapy for patients with HER2 positive (HER2+) breast cancer has improved the overall survival, but many patients still suffer relapse and death of the disease. Intra-tumor heterogeneity of both estrogen receptor (ER) and HER2 expression has been proposed to play a key role in treatment failure, but little work has been done to comprehensively study this heterogeneity at the single-cell level. In this study, we explored the clinical impact of intra-tumor heterogeneity of ER protein expression, HER2 protein expression, and HER2 gene copy number alterations. Using combined immunofluorescence and in situ hybridization on tissue sections followed by a validated computational approach, we analyzed more than 13,000 single tumor cells across 37 HER2+ breast tumors. The samples were taken both before and after neoadjuvant chemotherapy plus HER2- targeted treatment, enabling us to study tumor evolution as well. We found that intra-tumor heterogeneity for HER2 copy number varied substantially between patient samples. Highly heterogeneous tumors were associated with significantly shorter disease free survival and fewer long-term survivors. Patients for which HER2 characteristics did not change during treatment had a significantly worse outcome. This work shows the impact of intra-tumor heterogeneity in molecular diagnostics for treatment selection in HER2+ breast cancer patients and the power of computational scoring methods to evaluate in situ molecular markers in tissue biopsies.

ABSTRACT Hormone-resistance in ER positive breast cancer is associated with high HER2 activity. Yet, the interplay between HER2 and FOXA1 in hormone resistant tumors is not elucidated. Now, we demonstrate that hormone resistant tumors have increased HER2 expression and that FOXA1 mediates the signals of HER2/3 in an Estrogen Receptor independent manner. Our in vitro and in vivo experiments reveal that HER2/HER3 triggers FOXA1 binding at chromatin regions of ER-regulated genes associated with poor prognosis, facilitating their expression and leading to ER-independent growth. Furthermore, our study supports that FOXA1 acetylated by the acetyltransferase EP300 is retained at ER chromatin regions, which enables ER function. By contrast, HER2/3 activation hinders FOXA1 acetylation and facilitates FOXA1 binding at non-ER interacting regions enriched towards poor prognosis genes. Moreover, FOXA1 deacetylation confers insensitivity to anti-ER drugs inhibitory effect in ER positive cells. These results elucidate how post-translational modifications of FOXA1 control transcription independently of ER in hormone-resistant tumors with enhanced HER2/3 signaling.

Global loss of DNA methylation and CpG island (CGI) hypermethylation are regarded as key epigenomic aberrations in cancer. Global loss manifests itself in partially methylated domains (PMDs) which can extend up to megabases. However, the distribution of PMDs within and between tumor types, and their effects on key functional genomic elements including CGIs are poorly defined. Using whole genome bisulfite sequencing (WGBS) of breast cancers, we comprehensively show that loss of methylation in PMDs occurs in a large fraction of the genome and represents the prime source of variation in DNA methylation. PMDs are hypervariable in methylation level, size and distribution, and display elevated mutation rates. They impose intermediate DNA methylation levels incognizant of functional genomic elements including CGIs, underpinning a CGI methylator phenotype (CIMP). However, significant repression effects on cancer-genes are negligible as tumor suppressor genes are generally excluded from PMDs. The genomic distribution of PMDs reports tissue-of-origin of different cancers and may represent tissue-specific 'silent' regions of the genome, which tolerate instability at the epigenetic, transcriptomic and genetic level.