Summary

 DNA damage repair (DDR) pathways modulate cancer risk, progression, and therapeutic response. We systematically analyzed somatic alterations to provide a comprehensive view of DDR deficiency across 33 cancer types. Mutations with accompanying loss of heterozygosity were observed in over 1/3 of DDR genes, including TP53 and BRCA1/2. Other prevalent alterations included epigenetic silencing of the direct repair genes EXO5, MGMT, and ALKBH3 in ∼20% of samples. Homologous recombination deficiency (HRD) was present at varying frequency in many cancer types, most notably ovarian cancer. However, in contrast to ovarian cancer, HRD was associated with worse outcomes in several other cancers. Protein structure-based analyses allowed us to predict functional consequences of rare, recurrent DDR mutations. A new machine-learning-based classifier developed from gene expression data allowed us to identify alterations that phenocopy deleterious TP53 mutations. These frequent DDR gene alterations in many human cancers have functional consequences that may determine cancer progression and guide therapy.

Aneuploidy, whole chromosome or chromosome arm imbalance, is a near-universal characteristic of human cancers. In 10,522 cancer genomes from The Cancer Genome Atlas, aneuploidy was correlated with TP53 mutation, somatic mutation rate, and expression of proliferation genes. Aneuploidy was anti-correlated with expression of immune signaling genes, due to decreased leukocyte infiltrates in high-aneuploidy samples. Chromosome arm-level alterations show cancer-specific patterns, including loss of chromosome arm 3p in squamous cancers. We applied genome engineering to delete 3p in lung cells, causing decreased proliferation rescued in part by chromosome 3 duplication. This study defines genomic and phenotypic correlates of cancer aneuploidy and provides an experimental approach to study chromosome arm aneuploidy.

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.

Abstract Small-cell lung cancer (SCLC) is speculated to harbor complex genomic intratumor heterogeneity (ITH) associated with high recurrence rate and suboptimal response to immunotherapy. Here, we revealed a rather homogeneous mutational landscape but extremely suppressed and heterogeneous T cell receptor (TCR) repertoire in SCLCs. Higher mutational burden, lower chromosomal copy number aberration (CNA) burden, less CNA ITH and less TCR ITH were associated with longer overall survival of SCLC patients. Compared to non-small cell lung cancers (NSCLCs), SCLCs had similar predicted neoantigen burden and mutational ITH, but significantly more suppressed and heterogeneous TCR repertoire that may be associated with higher CNA burden and CNA ITH in SCLC. Novel therapeutic strategies targeting CNA could potentially improve the tumor immune microenvironment and response to immunotherapy in SCLC.

SUMMARY Profiling the binding of T cell receptors (TCRs) of T cells to antigenic peptides presented by MHC proteins is one of the most important unsolved problems in modern immunology. Experimental methods to probe TCR-antigen interactions are slow, labor-intensive, costly, and yield moderate throughput. To address this problem, we developed pMTnet-omni, an Artificial Intelligence (AI) system based on hybrid protein sequence and structure information, to predict the pairing of TCRs of αβ T cells with peptide-MHC complexes (pMHCs). pMTnet-omni is capable of handling peptides presented by both class I and II pMHCs, and capable of handling both human and mouse TCR-pMHC pairs, through information sharing enabled this hybrid design. pMTnet-omni achieves a high overall Area Under the Curve of Receiver Operator Characteristics (AUROC) of 0.888, which surpasses competing tools by a large margin. We showed that pMTnet-omni can distinguish binding affinity of TCRs with similar sequences. Across a range of datasets from various biological contexts, pMTnet-omni characterized the longitudinal evolution and spatial heterogeneity of TCR-pMHC interactions and their functional impact. We successfully developed a biomarker based on pMTnet-omni for predicting immune-related adverse events of immune checkpoint inhibitor (ICI) treatment in a cohort of 57 ICI-treated patients. pMTnet-omni represents a major advance towards developing a clinically usable AI system for TCR-pMHC pairing prediction that can aid the design and implementation of TCR-based immunotherapeutics.

ABSTRACT Little is known of the geospatial architecture of individual cell populations in lung adenocarcinoma (LUAD) evolution. Here, we perform single-cell RNA sequencing of 186,916 cells from 5 early-stage LUADs and 14 multi-region normal lung tissues of defined spatial proximities from the tumors. We show that cellular lineages, states, and transcriptomic features geospatially evolve across normal regions to LUADs. LUADs also exhibit pronounced intratumor cell heterogeneity within single sites and transcriptional lineage-plasticity programs. T regulatory cell phenotypes are increased in normal tissues with proximity to LUAD, in contrast to diminished signatures and fractions of cytotoxic CD8+ T cells, antigen-presenting macrophages and inflammatory dendritic cells. We further find that the LUAD ligand-receptor interactome harbors increased expression of epithelial CD24 which mediates pro-tumor phenotypes. These data provide a spatial atlas of LUAD evolution, and a resource for identification of targets for its treatment. Statement of significance The geospatial ecosystem of the peripheral lung and early-stage LUAD is not known. Our multi-region single-cell sequencing analyses unravel cell populations, states, and phenotypes in the spatial and ecological evolution of LUAD from the lung that comprise high-potential targets for early interception.

Bioactive molecule library screening strategies may empirically identify effective combination therapies. However, without a systems theory to interrogate synergistic responses, the molecular mechanisms underlying favorable drug-drug interactions remain unclear, precluding rational design of combination therapies. Here, we introduce Omics-Based Interaction Framework (OBIF) to reveal molecular drivers of synergy through integration of statistical and biological interactions in supra-additive biological responses. OBIF performs full factorial analysis of feature expression data from single vs. dual factor exposures to identify molecular clusters that reveal synergy-mediating pathways, functions and regulators. As a practical demonstration, OBIF analyzed a therapeutic dyad of immunostimulatory small molecules that induces synergistic protection against influenza A pneumonia. OBIF analysis of transcriptomic and proteomic data identified biologically relevant, unanticipated cooperation between RelA and cJun that we subsequently confirmed to be required for the synergistic antiviral protection. To demonstrate generalizability, OBIF was applied to data from a diverse array of Omics platforms and experimental conditions, successfully identifying the molecular clusters driving their synergistic responses. Hence, OBIF is a phenotype-driven systems model that supports multiplatform exploration of synergy mechanisms.### Competing Interest StatementS.E.E. is an author on U.S. patent 8,883,174 “Stimulation of Innate Resistance of the Lungs to Infection with Synthetic Ligands” and owns stock in Pulmotect Inc., which holds the commercial options on these patent disclosures. All other authors declare that no conflict of interest exists.