Significance Chemotherapy has been proven in clinical studies to improve overall survival significantly. Unfortunately, there is a significant degree of heterogeneity in tumor chemosensitivity, often resulting in unnecessary treatment and needless exposure to toxic side-effects. A platform is needed that can identify preemptively which patients will or will not benefit from treatment. Tumor organoids, 3D cultures of cancer cells, present such an individualized platform. In this study we demonstrate that organoid cultures can be established from metastatic biopsy specimens with a high success rate and genetically represent the metastasis they were derived from. These data support the translation of this innovative technology to the clinic as an ex vivo screening platform for tailoring treatment.

Epithelial ovarian cancer is a highly heterogeneous disease and remains the most lethal gynaecological malignancy in the Western world. Therapeutic approaches need to account for inter-patient and intra-tumoural heterogeneity and detailed characterization of in vitro models representing the different histological and molecular ovarian cancer subtypes is critical to enable reliable preclinical testing. There are approximately 100 publicly available ovarian cancer cell lines but their cellular and molecular characteristics are largely undescribed. We have characterized 39 ovarian cancer cell lines under uniform conditions for growth characteristics, mRNA/microRNA expression, exon sequencing, drug response for clinically-relevant therapeutics and collated all available information on the original clinical features and site of origin. We tested for statistical associations between the cellular and molecular features of the lines and clinical features. Of the 39 ovarian cancer cell lines, 14 were assigned as high-grade serous, four serous-type, one low-grade serous and 20 non-serous type. Three morphological subtypes: Epithelial (n = 21), Round (n = 7) and Spindle (n = 12) were identified that showed distinct biological and molecular characteristics, including overexpression of cell movement and migration-associated genes in the Spindle subtype. Comparison with the original clinical data showed association of the spindle-like tumours with metastasis, advanced stage, suboptimal debulking and poor prognosis. In addition, the expression profiles of Spindle, Round and Epithelial morphologies clustered with the previously described C1-stromal, C5-mesenchymal and C4 ovarian subtype expression profiles respectively. Comprehensive profiling of 39 ovarian cancer cell lines under controlled, uniform conditions demonstrates clinically relevant cellular and genomic characteristics. This data provides a rational basis for selecting models to develop specific treatment approaches for histological and molecular subtypes of ovarian cancer.

Current methods for detection of copy number variants (CNV) and aberrations (CNA) from targeted sequencing data are based on the depth of coverage of captured exons. Accurate CNA determination is complicated by uneven genomic distribution and non-uniform capture efficiency of targeted exons. Here we present CopywriteR, which eludes these problems by exploiting 'off-target' sequence reads. CopywriteR allows for extracting uniformly distributed copy number information, can be used without reference, and can be applied to sequencing data obtained from various techniques including chromatin immunoprecipitation and target enrichment on small gene panels. CopywriteR outperforms existing methods and constitutes a widely applicable alternative to available tools.

Abstract Androgen receptor (AR) is critical to the initiation, growth and progression of almost all prostate cancers. Once activated, the AR binds to cis -regulatory enhancer elements on DNA that drive gene expression. Yet, there are 10-100x more binding sites than differentially expressed genes. It still remains unclear how individual sites contribute to AR-mediated transcription. While descriptive functional genomic approaches broadly correlate with enhancer activity, they do not provide the locus-specific resolution needed to delineate the underlying regulatory logic of AR-mediated transcription. Therefore, we functionally tested all commonly occuring clinical AR binding sites with Self-Transcribing Active Regulatory Regions sequencing (STARRseq) to generate the first map of intrinsic AR enhancer activity. This approach is not significantly affected by endogenous chromatin modifications and measures the potential enhancer activity at each cis -regulatory element. Interestingly we found that only 7% of AR binding sites displayed increased enhancer activity upon hormonal stimulation. Instead, the vast majority of AR binding sites were either inactive (81%) or constitutively active enhancers (11%). These annotations strongly correlated with enhancer-associated features in both cell line and clinical prostate cancer. With these validated annotations we next investigated the effect of each enhancer class on transcription and found that AR-driven inducible enhancers frequently interacted with promoters, forming central chromosomal loops critical for gene transcription. We demonstrated that these inducible enhancers act as regulatory hubs that increase contacts with both other AR binding sites and gene promoters. This functional map was used to identify a somatic mutation that significantly reduces the expression of a commonly mutated AR-regulated tumour suppressor. Together, our data reveal a complex interplay between different AR binding sites that work in a highly coordinated manner to drive gene transcription.

ABSTRACT The incidence and mortality of Endometrial Cancer (EC) is on the rise. 85% of ECs depend on Estrogen Receptor alpha (ERα) for proliferation, but little is known about its transcriptional regulation in these tumors. We generated epigenomics, transcriptomics and Hi-C datastreams in healthy and tumor endometrial tissues, identifying robust ERα reprogramming and profound alterations in 3D genome organization that lead to a gain of tumor-specific enhancer activity during EC development. Integration with endometrial cancer risk single-nucleotide polymorphisms, as well as WGS data from primary tumors and metastatic samples revealed a striking enrichment of risk variants and non-coding somatic mutations at tumor-enriched ERα sites. Through machine learning-based predictions and interaction proteomics analyses, we identified an enhancer mutation which alters 3D genome conformation, impairing recruitment of the transcriptional repressor EHMT2/G9a/KMT1C, thereby alleviating transcriptional repression of ESR1 in EC. In summary, we identified a complex genomic-epigenomic interplay in EC development and progression, altering 3D genome organization to enhance expression of the critical driver ERα.