Background Colorectal cancer (CRC) incidence is increasing in adults younger than 50 years. This study evaluated clinical and molecular features to identify those features unique to early‐onset CRC that differentiate these patients from patients 50 years old or older. Methods Baseline characteristics were evaluated according to the CRC onset age with 3 independent cohorts. A fourth cohort was used to describe the impact of age on the consensus molecular subtype (CMS) prevalence. Results This retrospective review of more than 36,000 patients with CRC showed that early‐onset patients were more likely to have microsatellite instability ( P = .038), synchronous metastatic disease ( P = .009), primary tumors in the distal colon or rectum ( P < .0001), and fewer BRAF V600 mutations ( P < .001) in comparison with patients 50 years old or older. Patients aged 18 to 29 years had fewer adenomatous polyposis coli (APC) mutations (odds ratio [OR], 0.56; 95% confidence interval [CI], 0.35‐0.90; P = .015) and an increased prevalence of signet ring histology (OR, 4.89; 95% CI, 3.23‐7.39; P < .0001) in comparison with other patients younger than 50 years. In patients younger than 40 years, CMS1 was the most common subtype, whereas CMS3 and CMS4 were uncommon ( P = .003). CMS2 was relatively stable across age groups. Early‐onset patients with inflammatory bowel disease were more likely to have mucinous or signet ring histology (OR, 5.54; 95% CI, 2.24‐13.74; P = .0004) and less likely to have APC mutations (OR, 0.24; 95% CI, 0.07‐0.75; P = .019) in comparison with early‐onset patients without predisposing conditions. Conclusions Early‐onset CRC is not only distinct from traditional CRC: special consideration should be given to and further investigations should be performed for both very young patients with CRC (18‐29 years) and those with predisposing conditions. The etiology of the high rate of CMS1 in patients younger than 40 years deserves further exploration.

Abstract Purpose: Colorectal cancers are classified as right/left-sided based on whether they occur before/after the splenic flexure, with established differences in molecular subtypes and outcomes. However, it is unclear if this division is optimal and whether precise tumor location provides further information. Experimental Design: In 1,876 patients with colorectal cancer, we compared mutation prevalence and overall survival (OS) according to side and location. Consensus molecular subtype (CMS) was compared in a separate cohort of 608 patients. Results: Mutation prevalence differed by side and location for TP53, KRAS, BRAFV600, PIK3CA, SMAD4, CTNNB1, GNAS, and PTEN. Within left- and right-sided tumors, there remained substantial variations in mutation rates. For example, within right-sided tumors, RAS mutations decreased from 70% for cecal, to 43% for hepatic flexure location (P = 0.0001), while BRAFV600 mutations increased from 10% to 22% between the same locations (P &lt; 0.0001). Within left-sided tumors, the sigmoid and rectal region had more TP53 mutations (P = 0.027), less PIK3CA (P = 0.0009), BRAF (P = 0.0033), or CTNNB1 mutations (P &lt; 0.0001), and less MSI (P &lt; 0.0001) than other left-sided locations. Despite this, a left/right division preceding the transverse colon maximized prognostic differences by side and transverse colon tumors had K-modes mutation clustering that appeared more left than right sided. CMS profiles showed a decline in CMS1 and CMS3 and rise in CMS2 prevalence moving distally. Conclusions: Current right/left classifications may not fully recapitulate regional variations in tumor biology. Specifically, the sigmoid-rectal region appears unique and the transverse colon is distinct from other right-sided locations. Clin Cancer Res; 24(5); 1062–72. ©2017 AACR. See related commentary by Dienstmann, p. 989

We introduce novel methods to integrate methylation and mRNA data to construct gene-specific methylation profiles that find for each gene/tissue type a sparse set of CpGs best explaining expression with weights indicating association direction/strength and producing summaries for integrative genomics modeling. Using TCGA and MD Anderson colorectal cohorts to build and validate, we show ours outperforms standard approaches, identifies which CpG types are most important, demonstrates selected CpG tend to be enriched for certain annotated chromatin states, and produces gene-level scores showing key methylation differences across newly discovered CRC subtypes. Results for multiple cancers are shared by R-Shiny app.

Abstract Cancer cells depend on multiple driver alterations whose oncogenic effects can be suppressed by drug combinations. Discovery of effective combination therapies is challenging due to the complexity of the biomolecular landscape of drug responses. Here, we developed the method REFLECT (REcurrent Features Leveraged for Combination Therapies), which integrates machine learning and cancer informatics algorithms. The method maps recurrent co-alteration signatures from multi-omic data across patient cohorts to combination therapies. Using the REFLECT framework, we generated a precision therapy resource matching 2,201 drug combinations to co-alteration signatures across 201 cohorts stratified from 10,392 patients and 33 cancer types. We validated that REFLECT-predicted combinations introduce significantly higher therapeutic benefit through analysis of independent data from comprehensive drug screens. In patient cohorts with immunotherapy response markers, HER2 activation and DNA repair aberrations, we identified therapeutically actionable co-alteration signatures shared across patient sub-cohorts. REFLECT provides a framework to design combination therapies tailored to patient cohorts in data-driven clinical trials.