BRCA1-associated breast and ovarian cancer risks can be modified by common genetic variants. To identify further cancer risk-modifying loci, we performed a multi-stage GWAS of 11,705 BRCA1 carriers (of whom 5,920 were diagnosed with breast and 1,839 were diagnosed with ovarian cancer), with a further replication in an additional sample of 2,646 BRCA1 carriers. We identified a novel breast cancer risk modifier locus at 1q32 for BRCA1 carriers (rs2290854, P = 2.7×10−8, HR = 1.14, 95% CI: 1.09–1.20). In addition, we identified two novel ovarian cancer risk modifier loci: 17q21.31 (rs17631303, P = 1.4×10−8, HR = 1.27, 95% CI: 1.17–1.38) and 4q32.3 (rs4691139, P = 3.4×10−8, HR = 1.20, 95% CI: 1.17–1.38). The 4q32.3 locus was not associated with ovarian cancer risk in the general population or BRCA2 carriers, suggesting a BRCA1-specific association. The 17q21.31 locus was also associated with ovarian cancer risk in 8,211 BRCA2 carriers (P = 2×10−4). These loci may lead to an improved understanding of the etiology of breast and ovarian tumors in BRCA1 carriers. Based on the joint distribution of the known BRCA1 breast cancer risk-modifying loci, we estimated that the breast cancer lifetime risks for the 5% of BRCA1 carriers at lowest risk are 28%–50% compared to 81%–100% for the 5% at highest risk. Similarly, based on the known ovarian cancer risk-modifying loci, the 5% of BRCA1 carriers at lowest risk have an estimated lifetime risk of developing ovarian cancer of 28% or lower, whereas the 5% at highest risk will have a risk of 63% or higher. Such differences in risk may have important implications for risk prediction and clinical management for BRCA1 carriers.

Abstract Glioblastoma undergoes a complex and dynamic evolution involving genetic and epigenetic changes. Understanding the mechanisms underlying this evolution is vital for the development of efficient therapeutic strategies. Although treatment resistance is associated with intratumoral heterogeneity in glioblastoma, it remains uncertain whether hypometabolic and hypermetabolic lesions observed through positron emission tomography (PET) imaging are influenced by spatial intratumoral genomic evolution. In this study, we precisely isolated autologous hypometabolic and hypermetabolic lesions from glioblastoma using advanced neurosurgical and brain tumor imaging technologies, followed by comprehensive whole-genome exome and transcriptome analyses. Our findings revealed that hypermetabolic lesions evolved from hypometabolic lesions, harbored shrewd focal amplifications and deletions, and exhibited a higher frequency of critical genomic alterations linked to increased aggressiveness, upregulated APOBEC3 and hypoxic genes, and downregulated putative tumor suppressors. This study highlights spatial genomic evolution with diagnostic implications and unveils the obstacles and possibilities that should be considered in the development of novel therapeutic strategies. Statement of significance: Glioblastoma is a multifaceted disease that is difficult to treat, and insights into the metabolic gradient observed in imaging and the underlying role of genomic evolution are lacking. This study is the first to investigate the molecular basis of hypermetabolic tumor lesions in glioblastoma using precise three-dimensional biopsy isolation, whole genome/exome, and mRNA sequencing. These findings have diagnostic significance, provide insights into therapeutic resistance, and shed light on the obstacles encountered by precision therapeutics for glioblastoma.

Multiple sclerosis (MS) is a chronic inflammatory neurodegenerative disorder of the central nervous system with an untreatable late progressive phase in a high percentage of patients. Molecular maps of different stages of brain lesion evolution in patients with progressive MS (PMS) are missing but critical for understanding disease development and to identify novel targets to halt progression. We introduce the first MS brain lesion atlas (msatlas.dk), developed to address the current challenges of understanding mechanisms driving the fate of PMS on lesion basis. The MS Atlas gives means for testing research hypotheses, validating candidate biomarkers and drug targets. The MS Atlas data base comprises comprehensive high-quality transcriptomic profiles of 73 brain white matter lesions at different stages of lesion evolution from 10 PMS patients and 25 control white matter samples from five patients with non-neurological disease. The MS Atlas was assembled from next generation RNA sequencing of post mortem samples using strict, conservative preprocessing as well as advanced statistical data analysis. It comes with a user-friendly web interface, which allows for querying and interactively analyzing the PMS lesion evolution. It fosters bioinformatics methods for de novo network enrichment to extract mechanistic markers for specific lesion types and pathway-based lesion type comparison. We describe examples of how the MS Atlas can be used to extract systems medicine signatures. We also demonstrate how its interface can interactively condense and visualize the atlas’ content. This compendium of mechanistic PMS white matter lesion profiles is an invaluable resource to fuel future multiple sclerosis research and a new basis for treatment development.