ABSTRACT The Cancer Genome Atlas (TCGA) has yielded unprecedented genetic and molecular characterization of the cancer genome, yet the functional consequences and patient-relevance of many putative cancer drivers remain undefined. TCGA DEPMAP is the first hybrid map of translational tumor dependencies that was built from machine learning of gene essentiality in the Cancer Dependency Map (DEPMAP) and then translated to TCGA patients. TCGA DEPMAP captured well-known and novel cancer lineage dependencies, oncogenes, and synthetic lethalities, demonstrating the robustness of TCGA DEPMAP as a translational dependency map. Exploratory analyses of TCGA DEPMAP also unveiled novel synthetic lethalities, including the dependency of PAPSS1 driven by loss of PAPSS2 which is collaterally deleted with the tumor suppressor gene PTEN . Synthetic lethality of PAPSS1/2 was validated in vitro and in vivo, including the underlying mechanism of synthetic lethality caused by the loss of protein sulfonation that requires PAPSS1 or PAPSS2 . Moreover, TCGA DEPMAP demonstrated that patients with predicted PAPSS1/2 synthetic lethality have worse overall survival, suggesting that these patients are in greater need of drug discovery efforts to target PAPSS1 . Other map “extensions” were built to capture unique aspects of patient-relevant tumor dependencies using the flexible analytical framework of TCGA DEPMAP , including translating gene essentiality to drug response in patient-derived xenograft (PDX) models (i.e., PDXE DEPMAP ) and predicting gene tolerability within normal tissues (GTEX DEPMAP ). Collectively, this study demonstrates how translational dependency maps can be used to leverage the rapidly expanding catalog of patient genomic datasets to identify and prioritize novel therapeutic targets with the best therapeutic indices.

ABSTRACT Interleukin-1β (IL-1β) is dysregulated in many chronic inflammatory diseases, yet the genetic factors influencing IL-1β production and signaling remain largely unknown. Myeloid-derived cells are the primary producers of IL-1β, prompting a genome-wide CRISPR knockout screen in the human myeloid-derived U937 cell model, treated with lipopolysaccharide (LPS) to mimic inflammatory conditions, and sorted for high and low intracellular IL-1β levels. A total of 295 genes were identified as regulators of IL-1β production, including known mediators, such as TLR4, JAK-STAT, IL-10 receptor, and the Cullin ring finger ligase complex. Notably, 57 out of the 295 genes overlapped with loci associated with human inflammatory diseases, including the TNRC18 gene on chromosome 7p22.1 associated with multiple diseases in the Finnish population. U937 cells engineered with the homozygous rs748670681 risk allele associated with inflammatory bowel disease, demonstrated decreased levels of mRNA for TNRC18 and an adjacent gene WIPI2 , reduction in LPS-dependent gene activation and cytokine production, but elevation of interferon-responsive gene programs. Transcriptomic profiles for individual knockouts of TNRC18 and WIPI2 attributed the loss of LPS-dependent signaling primarily to TNRC18 while the exacerbation of interferon signaling is a hallmark of loss of WIPI2 . Collectively, these findings delineate the global regulatory mechanisms of IL-1β production and provide molecular insights to the role of the rs748670681 variant as a pleiotropic risk factor for inflammatory diseases.

Abstract Cancer dependency maps have accelerated the discovery of tumor vulnerabilities that can be exploited as drug targets when translatable to patients. The Cancer Genome Atlas (TCGA) is a compendium of ‘maps’ detailing the genetic, epigenetic and molecular changes that occur during the pathogenesis of cancer, yet it lacks a dependency map to translate gene essentiality in patient tumors. Here, we used machine learning to build translational dependency maps for patient tumors, which identified tumor vulnerabilities that predict drug responses and disease outcomes. A similar approach was used to map gene tolerability in healthy tissues to prioritize tumor vulnerabilities with the best therapeutic windows. A subset of patient-translatable synthetic lethalities were experimentally tested, including PAPSS1 / PAPSS12 and CNOT7 / CNOT78 , which were validated in vitro and in vivo. Notably, PAPSS1 synthetic lethality was driven by collateral deletion of PAPSS2 with PTEN and was correlated with patient survival. Finally, the translational dependency map is provided as a web-based application for exploring tumor vulnerabilities.

ABSTRACT Genomewide loss-of-function (LOF) screening using CRISPR (clustered regularly interspaced short palindromic repeats) has facilitated the discovery of novel gene functions across diverse physiological and pathophysiological systems. A challenge with conventional genomewide CRISPR/Cas9 libraries is the unwieldy size (60,000 to 120,000 constructs), which is resource intensive and prohibitive in some experimental contexts. One solution to streamlining CRISPR screening is by multiplexing two or more guides per gene on a single construct, which enables functional redundancy to compensate for suboptimal gene knockout by individual guides. In this regard, AsCas12a (Cpf1) and its derivatives, e.g., enhanced AsCas12a (enAsCas12a), have enabled multiplexed guide arrays to be specifically and efficiently processed for genome editing. Prior studies have established that multiplexed CRISPR/Cas12a libraries perform comparably to the larger equivalent CRISPR/Cas9 libraries, yet the most efficient CRISPR/Cas12a library design remains unresolved. Here, we demonstrate that CRISPR/Cas12a genomewide LOF screening performed optimally with three guides arrayed per gene construct and could be adapted to robotic cell culture without noticeable differences in screen performance. Thus, the conclusions from this study provide novel insight to streamlining genomewide LOF screening using CRISPR/Cas12a and robotic cell culture.