We present the genome-wide chromatin accessibility profiles of 410 tumor samples spanning 23 cancer types from The Cancer Genome Atlas (TCGA). We identify 562,709 transposase-accessible DNA elements that substantially extend the compendium of known cis-regulatory elements. Integration of ATAC-seq (the assay for transposase-accessible chromatin using sequencing) with TCGA multi-omic data identifies a large number of putative distal enhancers that distinguish molecular subtypes of cancers, uncovers specific driving transcription factors via protein-DNA footprints, and nominates long-range gene-regulatory interactions in cancer. These data reveal genetic risk loci of cancer predisposition as active DNA regulatory elements in cancer, identify gene-regulatory interactions underlying cancer immune evasion, and pinpoint noncoding mutations that drive enhancer activation and may affect patient survival. These results suggest a systematic approach to understanding the noncoding genome in cancer to advance diagnosis and therapy.

We analyzed molecular data on 2,579 tumors from The Cancer Genome Atlas (TCGA) of four gynecological types plus breast. Our aims were to identify shared and unique molecular features, clinically significant subtypes, and potential therapeutic targets. We found 61 somatic copy-number alterations (SCNAs) and 46 significantly mutated genes (SMGs). Eleven SCNAs and 11 SMGs had not been identified in previous TCGA studies of the individual tumor types. We found functionally significant estrogen receptor-regulated long non-coding RNAs (lncRNAs) and gene/lncRNA interaction networks. Pathway analysis identified subtypes with high leukocyte infiltration, raising potential implications for immunotherapy. Using 16 key molecular features, we identified five prognostic subtypes and developed a decision tree that classified patients into the subtypes based on just six features that are assessable in clinical laboratories.

The TP53 tumor suppressor gene is frequently mutated in human cancers. An analysis of five data platforms in 10,225 patient samples from 32 cancers reported by The Cancer Genome Atlas (TCGA) enables comprehensive assessment of p53 pathway involvement in these cancers. More than 91% of TP53-mutant cancers exhibit second allele loss by mutation, chromosomal deletion, or copy-neutral loss of heterozygosity. TP53 mutations are associated with enhanced chromosomal instability, including increased amplification of oncogenes and deep deletion of tumor suppressor genes. Tumors with TP53 mutations differ from their non-mutated counterparts in RNA, miRNA, and protein expression patterns, with mutant TP53 tumors displaying enhanced expression of cell cycle progression genes and proteins. A mutant TP53 RNA expression signature shows significant correlation with reduced survival in 11 cancer types. Thus, TP53 mutation has profound effects on tumor cell genomic structure, expression, and clinical outlook.

This integrated, multiplatform PanCancer Atlas study co-mapped and identified distinguishing molecular features of squamous cell carcinomas (SCCs) from five sites associated with smoking and/or human papillomavirus (HPV). SCCs harbor 3q, 5p, and other recurrent chromosomal copy-number alterations (CNAs), DNA mutations, and/or aberrant methylation of genes and microRNAs, which are correlated with the expression of multi-gene programs linked to squamous cell stemness, epithelial-to-mesenchymal differentiation, growth, genomic integrity, oxidative damage, death, and inflammation. Low-CNA SCCs tended to be HPV(+) and display hypermethylation with repression of TET1 demethylase and FANCF, previously linked to predisposition to SCC, or harbor mutations affecting CASP8, RAS-MAPK pathways, chromatin modifiers, and immunoregulatory molecules. We uncovered hypomethylation of the alternative promoter that drives expression of the ΔNp63 oncogene and embedded miR944. Co-expression of immune checkpoint, T-regulatory, and Myeloid suppressor cells signatures may explain reduced efficacy of immune therapy. These findings support possibilities for molecular classification and therapeutic approaches.

Summary Perturbation biology is a powerful approach to developing quantitative models of cellular behaviors and gaining mechanistic insights into disease development. In recent years, large-scale resources for phenotypic and mRNA responses of cancer cell lines to perturbations have been generated. However, similar large-scale protein response resources are not available, resulting in a critical knowledge gap for elucidating oncogenic mechanisms and developing effective cancer therapies. Here we generated and compiled perturbed expression profiles of ~210 clinically relevant proteins in >12,000 cancer cell-line samples in response to >150 drug compounds using reverse-phase protein arrays. We show that integrating protein response signals substantially increases the predictive power for drug sensitivity and aids in gaining insights into mechanisms of drug resistance. We build a systematic map of protein-drug connectivity and develop an open-access, user-friendly data portal for community use. Our study provides a valuable information resource for a broad range of quantitative modeling and biomedical applications. Highlights A large collection of cancer cell line protein responses to drug perturbations Perturbed protein responses greatly increase predictive power for drug sensitivity Build a systematic map of protein-drug connectivity based on response profiles Develop a user-friendly, interactive data portal for community use