Abstract Activation of the EGFR, KRAS, and ALK oncogenes defines 3 different pathways of molecular pathogenesis in lung adenocarcinoma. However, many tumors lack activation of any pathway (triple-negative lung adenocarcinomas) posing a challenge for prognosis and treatment. Here, we report an extensive genome-wide expression profiling of 226 primary human stage I–II lung adenocarcinomas that elucidates molecular characteristics of tumors that harbor ALK mutations or that lack EGFR, KRAS, and ALK mutations, that is, triple-negative adenocarcinomas. One hundred and seventy-four genes were selected as being upregulated specifically in 79 lung adenocarcinomas without EGFR and KRAS mutations. Unsupervised clustering using a 174-gene signature, including ALK itself, classified these 2 groups of tumors into ALK-positive cases and 2 distinct groups of triple-negative cases (groups A and B). Notably, group A triple-negative cases had a worse prognosis for relapse and death, compared with cases with EGFR, KRAS, or ALK mutations or group B triple-negative cases. In ALK-positive tumors, 30 genes, including ALK and GRIN2A, were commonly overexpressed, whereas in group A triple-negative cases, 9 genes were commonly overexpressed, including a candidate diagnostic/therapeutic target DEPDC1, that were determined to be critical for predicting a worse prognosis. Our findings are important because they provide a molecular basis of ALK-positive lung adenocarcinomas and triple-negative lung adenocarcinomas and further stratify more or less aggressive subgroups of triple-negative lung ADC, possibly helping identify patients who may gain the most benefit from adjuvant chemotherapy after surgical resection. Cancer Res; 72(1); 100–11. ©2011 AACR.

Triple negative breast cancer (TNBC) has a poor outcome due to the lack of beneficial therapeutic targets. To clarify the molecular mechanisms involved in the carcinogenesis of TNBC and to identify target molecules for novel anticancer drugs, we analyzed the gene expression profiles of 30 TNBCs as well as 13 normal epithelial ductal cells that were purified by laser-microbeam microdissection. We identified 301 and 321 transcripts that were significantly upregulated and downregulated in TNBC, respectively. In particular, gene expression profile analyses of normal human vital organs allowed us to identify 104 cancer-specific genes, including those involved in breast carcinogenesis such as NEK2, PBK and MELK. Moreover, gene annotation enrichment analysis revealed prominent gene subsets involved in the cell cycle, especially mitosis. Therefore, we focused on cell cycle regulators, asp (abnormal spindle) homolog, microcephaly-associated (Drosophila) (ASPM) and centromere protein K (CENPK) as novel therapeutic targets for TNBC. Small-interfering RNA-mediated knockdown of their expression significantly attenuated TNBC cell viability due to G1 and G2/M cell cycle arrest. Our data will provide a better understanding of the carcinogenesis of TNBC and could contribute to the development of molecular targets as a treatment for TNBC patients.

Removal of senescent cells (senolysis) has been proposed to be beneficial for improving age-associated pathologies, but the molecular pathways for such senolytic activity have not yet emerged. Here, we identified glutaminase 1 (GLS1) as an essential gene for the survival of human senescent cells. The intracellular pH in senescent cells was lowered by lysosomal membrane damage, and this lowered pH induced kidney-type glutaminase (KGA) expression. The resulting enhanced glutaminolysis induced ammonia production, which neutralized the lower pH and improved survival of the senescent cells. Inhibition of KGA-dependent glutaminolysis in aged mice eliminated senescent cells specifically and ameliorated age-associated organ dysfunction. Our results suggest that senescent cells rely on glutaminolysis, and its inhibition offers a promising strategy for inducing senolysis in vivo.

Abstract Motivation DNA methylation is a common epigenetic modification, which is widely associated with various biological processes, such as gene expression, aging, and disease. Nanopore sequencing provides a promising methylation detection approach through monitoring abnormal signal shifts for detecting modified bases in target motif regions. Recently, model-based approaches, especially those with deep learning models, have achieved significant performance improvements on nanopore methylation detection. In this work, we explore using bidirectional encoder representations from transformers (BERT) for doing the task, which can provide non-recurrent neural structures for fast parallel computation. Results We find original BERT architecture does not work as well as the bidirectional recurrent neural network (biRNN) on the nanopore methylation prediction task. Through further analysis, we observe recurrent patterns of positional-signal-shift in the context window surrounding target 5-methylcytosine (5mC) and N6-methyladenine (6mA) motifs. We propose a refined BERT with relative position representation and center hidden units concatenation, which takes account of task-specific characters into modeling. We perform systematic evaluations in-sample and cross-sample. The experiment results show that the refined BERT model can achieve competitive or even better results than the state-of-the-art biRNN model, while the model inference speed is about 6x faster. Besides, on the cross-sample evaluation of datasets from the different research groups, BERT models demonstrate a good generalization performance. Availability The source code and data are available at https://github.com/yaozhong/methBERT Contact yaozhong@ims.u-tokyo.ac.jp

Abstract Motivation Bacteriophages/Phages are the viruses that infect and replicate within bacteria and archaea, and rich in human body. To investigate the relationship between phages and microbial communities, the identification of phages from metagenome sequences is the first step. Currently, there are two main methods for identifying phages: database-based (alignment-based) methods and alignment-free methods. Database-based methods typically use a large number of sequences as references; alignment-free methods usually learn the features of the sequences with machine learning and deep learning models. Results We propose INHERIT which uses a deep representation learning model to integrate both database-based and alignment-free methods, combining the strengths of both. Pre-training is used as an alternative way of acquiring knowledge representations from existing databases, while the BERT-style deep learning framework retains the advantage of alignment-free methods. We compare INHERIT with four existing methods on a third-party benchmark dataset. Our experiments show that INHERIT achieves a better performance with the F1-score of 0.9932. In addition, we find that pre-training two species separately helps the non-alignment deep learning model make more accurate predictions. Availability The codes of INHERIT are now available in: https://github.com/Celestial-Bai/INHERIT . Contact yaozhong@ims.u-tokyo.ac.jp and imoto@hgc.jp Supplementary information Supplementary data are available at BioRxiv online.

Abstract Current KRAS G12C (OFF) inhibitors that target inactive GDP-bound KRAS G12C cause responses in less than half of patients and these responses are not durable. A class of RAS G12C (ON) inhibitors that targets active GTP-bound KRAS G12C blocks ERK signaling more potently than the inactive-state inhibitors. Sensitivity to either class of agents is strongly correlated with inhibition of mTORC1 activity. We have previously shown that PI3K/mTOR and ERK-signaling pathways converge on key cellular processes and that inhibition of both pathways is required for inhibition of these processes and for significant antitumor activity. We find here that the combination of a KRAS G12C inhibitor with a selective mTORC1 kinase inhibitor causes synergistic inhibition of Cyclin D1 expression and cap-dependent translation. Moreover, BIM upregulation by KRAS G12C inhibition and inhibition of MCL-1 expression by the mTORC1 inhibitor are both required to induce significant cell death. In vivo, this combination causes deep, durable tumor regressions and is well tolerated. This study suggests that the ERK and PI3K/mTOR pathways each mitigate the effects of inhibition of the other and that combinatorial inhibition is a potential strategy for treating KRAS G12C -dependent lung cancer.

The recent success of immunotherapy in treating tumors has attracted increasing interest in research related to the adaptive immune system in the tumor microenvironment. Recent advances in next-generation sequencing technology enabled the sequencing of whole T-cell receptors (TCRs) and B-cell receptors (BCRs)/immunoglobulins (Igs) in the tumor microenvironment. Since BCRs/Igs in tumor tissues have high affinities for tumor-specific antigens, the patterns of their amino acid sequences and other sequence-independent features such as the number of somatic hypermutations (SHMs) may differ between the normal and tumor microenvironments. However, given the high diversity of BCRs/Igs and the rarity of recurrent sequences among individuals, it is far more difficult to capture such differences in BCR/Ig sequences than in TCR sequences. The aim of this study was to explore the possibility of discriminating BCRs/Igs in tumor and in normal tissues, by capturing these differences using supervised machine learning methods applied to RNA sequences of BCRs/Igs. RNA sequences of BCRs/Igs were obtained from matched normal and tumor specimens from 90 gastric cancer patients. BCR/Ig-features obtained in Rep-Seq were used to classify individual BCR/Ig sequences into normal or tumor classes. Different machine learning models using various features were constructed as well as gradient boosting machine (GBM) classifier combining these models. The results demonstrated that BCR/Ig sequences between normal and tumor microenvironments exhibit their differences. Next, by using a GBM trained to classify individual BCR/Ig sequences, we tried to classify sets of BCR/Ig sequences into normal or tumor classes. As a result, an area under the curve (AUC) value of 0.826 was achieved, suggesting that BCR/Ig repertoires have distinct sequence-level features in normal and tumor tissues. To the best of our knowledge, this is the first study to show that BCR/Ig sequences derived from tumor and normal tissues have globally distinct patterns, and that these tissues can be effectively differentiated using BCR/Ig repertoires.

Abstract Purpose The average fatherhood age has been consistently increasing in developed countries. Aging has been identified as a risk factor for male infertility. However, its impact on various mechanisms remains unclear. This study focused on the KEAP1–NRF2 oxidative stress response system, by investigating the relationship between the KEAP1–NRF2 system and age‐related changes in spermatogenesis. Method s For examination of age‐related changes, we used 10‐, 30‐, 60‐, and 90‐week‐old mice to compare sperm count, sperm motility, and protein expression. For assessment of Keap1 inhibition, 85‐week‐old C57BL/6J mice were randomly assigned to the following groups: control and bardoxolone methyl (KEAP1 inhibitor). Whole‐exome sequencing of a Japanese cohort of patients with non‐obstructive azoospermia was performed for evaluating. Results Sperm count decreased significantly with aging. Oxidative stress and KEAP1 expression in the testes were elevated. Inhibition of KEAP1 in aging mice significantly increased sperm count compared with that in the control group. In the human study, the frequency of a missense‐type SNP (rs181294188) causing changes in NFE2L2 (NRF2) activity was significantly higher in patients with non‐obstructive azoospermia than in healthy control group. Conclusions The KEAP1–NRF2 system, an oxidative stress response system, is associated with age‐related spermatogenesis dysfunction.

Immune reactions in the tumor micro-environment are one of the cancer hallmarks and emerging immune therapies have been proven effective in many types of cancer. To investigate cancer genome-immune interactions and the role of immuno-editing or immune escape mechanisms in cancer development, we analyzed 2,834 whole genomes and RNA-seq datasets across 31 distinct tumor types from the Pan-Cancer Analysis of Whole Genomes (PCAWG) project with respect to key immunogenomic aspects. We show that selective copy number changes in immune-related genes could contribute to immune escape. Furthermore, we developed an index of the immuno-editing history of each tumor sample based on the information of mutations in exonic regions and pseudogenes. Our immuno-genomic analyses of pan-cancer analyses have the potential to identify a subset of tumors with immunogenicity and diverse background or intrinsic pathways associated with their immune status and immuno-editing history.