Analysis of the genomes of four patients with chronic lymphocytic leukaemia, and validation in more than 300 patients, has identified four genes — NOTCH1, MYD88, XPO1 and KLHL6 — that are recurrently mutated in the condition. Mutations in NOTCH1, MYD88 and XPO1 are thought to contribute to the clinical evolution of the disease. Evidence that NOTCH1 and MYD88 mutations are activating events highlights them as potential therapeutic targets. Chronic lymphocytic leukaemia (CLL), the most frequent leukaemia in adults in Western countries, is a heterogeneous disease with variable clinical presentation and evolution1,2. Two major molecular subtypes can be distinguished, characterized respectively by a high or low number of somatic hypermutations in the variable region of immunoglobulin genes3,4. The molecular changes leading to the pathogenesis of the disease are still poorly understood. Here we performed whole-genome sequencing of four cases of CLL and identified 46 somatic mutations that potentially affect gene function. Further analysis of these mutations in 363 patients with CLL identified four genes that are recurrently mutated: notch 1 (NOTCH1), exportin 1 (XPO1), myeloid differentiation primary response gene 88 (MYD88) and kelch-like 6 (KLHL6). Mutations in MYD88 and KLHL6 are predominant in cases of CLL with mutated immunoglobulin genes, whereas NOTCH1 and XPO1 mutations are mainly detected in patients with unmutated immunoglobulins. The patterns of somatic mutation, supported by functional and clinical analyses, strongly indicate that the recurrent NOTCH1, MYD88 and XPO1 mutations are oncogenic changes that contribute to the clinical evolution of the disease. To our knowledge, this is the first comprehensive analysis of CLL combining whole-genome sequencing with clinical characteristics and clinical outcomes. It highlights the usefulness of this approach for the identification of clinically relevant mutations in cancer.

Agents that induce an immune response against tumors by altering T-cell regulation have increased survival times of patients with advanced-stage tumors, such as melanoma or lung cancer. We aimed to characterize molecular features of immune cells that infiltrate hepatocellular carcinomas (HCCs) to determine whether these types of agents might be effective against liver tumors.We analyzed HCC samples from 956 patients. We separated gene expression profiles from tumor, stromal, and immune cells using a non-negative matrix factorization algorithm. We then analyzed the gene expression pattern of inflammatory cells in HCC tumor samples. We correlated expression patterns with the presence of immune cell infiltrates and immune regulatory molecules, determined by pathology and immunohistochemical analyses, in a training set of 228 HCC samples. We validated the correlation in a validation set of 728 tumor samples. Using data from 190 tumors in the Cancer Genome Atlas, we correlated immune cell gene expression profiles with numbers of chromosomal aberrations (based on single-nucleotide polymorphism array) and mutations (exome sequence data).We found approximately 25% of HCCs to have markers of an inflammatory response, with high expression levels of the CD274 molecule (programmed death-ligand 1) and programmed cell death 1, markers of cytolytic activity, and fewer chromosomal aberrations. We called this group of tumors the Immune class. It contained 2 subtypes, characterized by markers of an adaptive T-cell response or exhausted immune response. The exhausted immune response subclass expressed many genes regulated by transforming growth factor beta 1 that mediate immunosuppression. We did not observe any differences in numbers of mutations or expression of tumor antigens between the immune-specific class and other HCCs.In an analysis of HCC samples from 956 patients, we found almost 25% to express markers of an inflammatory response. We identified 2 subclasses, characterized by adaptive or exhausted immune responses. These findings indicate that some HCCs might be susceptible to therapeutic agents designed to block the regulatory pathways in T cells, such as programmed death-ligand 1, programmed cell death 1, or transforming growth factor beta 1 inhibitors.

Objective Sorafenib is the standard systemic therapy for advanced hepatocellular carcinoma (HCC). Survival benefits of resection/local ablation for early HCC are compromised by 70% 5-year recurrence rates. The phase 3 STORM trial comparing sorafenib with placebo as adjuvant treatment did not achieve its primary endpoint of improving recurrence-free survival (RFS). The biomarker companion study BIOSTORM aims to define (A) predictors of recurrence prevention with sorafenib and (B) prognostic factors with B level of evidence. Design Tumour tissue from 188 patients randomised to receive sorafenib (83) or placebo (105) in the STORM trial was collected. Analyses included gene expression profiling, targeted exome sequencing (19 known oncodrivers), immunohistochemistry (pERK, pVEGFR2, Ki67), fluorescence in situ hybridisation (VEGFA) and immunome. A gene signature capturing improved RFS in sorafenib-treated patients was generated. All 70 RFS events were recurrences, thus time to recurrence equalled RFS. Predictive and prognostic value was assessed using Cox regression models and interaction test. Results BIOSTORM recapitulates clinicopathological characteristics of STORM. None of the biomarkers tested (related to angiogenesis and proliferation) or previously proposed gene signatures, or mutations predicted sorafenib benefit or recurrence. A newly generated 146-gene signature identifying 30% of patients captured benefit to sorafenib in terms of RFS (p of interaction=0.04). These sorafenib RFS responders were significantly enriched in CD4 + T, B and cytolytic natural killer cells, and lacked activated adaptive immune components. Hepatocytic pERK (HR=2.41; p=0.012) and microvascular invasion (HR=2.09; p=0.017) were independent prognostic factors. Conclusion In BIOSTORM, only hepatocytic pERK and microvascular invasion predicted poor RFS. No mutation, gene amplification or previously proposed gene signatures predicted sorafenib benefit. A newly generated multigene signature associated with improved RFS on sorafenib warrants further validation. Trial registration number NCT00692770 .

Abstract Protein and membrane trafficking pathways are critical for cell and tissue homeostasis. Traditional genetic and biochemical approaches have shed light on basic principles underlying these processes. However, the list of factors required for secretory pathways function remains incomplete, and mechanisms involved in their adaptation poorly understood. Here, we present a powerful strategy based on a pooled genome-wide CRISPRi screen that allowed the identification of new factors involved in protein transport. Two newly identified factors, TTC17 and CCDC157, localized along the secretory pathway and were found to interact with resident proteins of ER-Golgi membranes. In addition, we uncovered that upon TTC17 knockdown, the polarized organization of Golgi cisternae was altered, creating glycosylation defects, and that CCDC157 is an important factor for the fusion of transport carriers to the Golgi complex. In conclusion, our work identified and characterized new actors in the mechanisms of protein transport and secretion, and opens stimulating perspectives for the use of our platform in physiological and pathological contexts.

ABSTRACT The study of cellular networks mediated by ligand-receptor interactions has attracted much attention recently owing to single-cell omics. However, rich collections of bulk data accompanied with clinical information exists and continue to be generated with no equivalent in single-cell so far. In parallel, spatial transcriptomic (ST) analyses represent a revolutionary tool in biology. A large number of ST projects rely on multicellular resolution, for instance the Visium ™ platform, where several cells are analyzed at each location, thus producing localized bulk data. Here, we describe BulkSignalR, a R package to infer ligand-receptor networks from bulk data. BulkSignalR integrates ligand-receptor interactions with downstream pathways to estimate statistical significance. A range of visualization methods complement the statistics, including functions dedicated to spatial data. We demonstrate BulkSignalR relevance using different bulk datasets, including new Visium liver metastasis ST data, with experimental validation of selected interactions. A comparison with other ST packages shows the significantly higher quality of BulkSignalR inferences. BulkSignalR can be applied to any species thanks to its built-in generic ortholog mapping functionality.

Long-term renal allograft rejection is the most common outcome in kidney transplantation. Continuing the crusade to extend allograft function after the first year post-transplantation, we attempted to associate genetic factors that might contribute to long-term allograft outcomes by sequencing the exomes of patients diagnosed with chronic allograft nephropathy/interstitial fibrosis and tubular atrophy. A variety of association analyses were employed, but these analyses failed to identify statistically significant associations. The study was underpowered to detect the association of rare genomic variants with small effect sizes. However, it confirmed previous reports of the absence of large effects from common variants. We have made both the study data and analysis workflow available for public use, and we hope that these resources will help to power future meta-analyses that may detect smaller effects.

Somatic copy number alterations (CNAs) are a hallmark of cancer. Although CNA profiles have been established for most human tumor types, their precise role in tumorigenesis as well as their clinical and therapeutic relevance remain largely unclear. Thus, computational and statistical approaches are required to thoroughly define the interplay between CNAs and tumor phenotypes. Here we developed CNApp, a user-friendly web tool that offers sample- and cohort-level computational analyses, allowing a comprehensive and integrative exploration of CNAs with clinical and molecular variables. By using purity-corrected segmented data from multiple genomic platforms, CNApp generates genome-wide profiles, computes CNA scores for broad, focal and global CNA burdens, and uses machine learning-based predictions to classify samples. We applied CNApp to a pan-cancer dataset of 10,635 genomes from TCGA showing that CNA patterns classify cancer types according to their tissue-of-origin, and that broad and focal CNA scores positively correlate in samples with low amounts of whole-chromosome and chromosomal arm-level imbalances. Moreover, using the hepatocellular carcinoma cohort from the TCGA repository, we demonstrate the reliability of the tool in identifying recurrent CNAs, confirming previous results. Finally, we establish machine learning-based models to predict colon cancer molecular subtypes and microsatellite instability based on broad CNA scores and specific genomic imbalances. In summary, CNApp facilitates data-driven research and provides a unique framework for the first time to comprehensively assess CNAs and perform integrative analyses that enable the identification of relevant clinical implications. CNApp is hosted at .