Computational reconstruction of clonal evolution in cancers has become a crucial tool for understanding how tumors initiate and progress and how this process varies across patients. The field still struggles, however, with special challenges of applying phylogenetic methods to cancers, such as the prevalence and importance of copy number alteration (CNA) and structural variation (SV) events in tumor evolution, which are difficult to profile accurately by prevailing sequencing methods in such a way that subsequent reconstruction by phylogenetic inference algorithms is accurate. In the present work, we develop computational methods to combine sequencing with multiplex interphase fluorescence in situ hybridization (miFISH) to exploit the complementary advantages of each technology in inferring accurate models of clonal CNA evolution accounting for both focal changes and aneuploidy at whole-genome scales. We demonstrate on simulated data that incorporation of FISH data substantially improves accurate inference of focal CNA and ploidy changes in clonal evolution from deconvolving bulk sequence data. Analysis of real glioblastoma data for which FISH, bulk sequence, and single cell sequence are all available confirms the power of FISH to enhance accurate reconstruction of clonal copy number evolution in conjunction with bulk and optionally single-cell sequence data.

Tumor mutation burden (TMB) is a potential biomarker for response to immunotherapy. The subset of patients with TMB has not been well characterized in lung adenocarcinomas. Here we performed molecular subtyping based on TMB and compared the features of different subtypes including clinical features, somatic driver genes and mutational signatures. We found that patients with lower tumor mutation burden had a longer disease-free survival, while higher tumor mutation burden is associated with smoking and aging. Analysis of somatic driver genes and mutational signatures demonstrates a significant association between somatic RYR2 mutations and the subtype with higher mutation burden. Overall, our study identified two molecular subtypes based on TMB and described the corresponding difference in their clinical and genomic levels.

Characterizing intratumor heterogeneity (ITH) is crucial to understanding cancer development, but it is hampered by limits of available data sources. Bulk DNA sequencing is the most common technology to assess ITH, but mixes many genetically distinct cells in each sample, which must then be computationally deconvolved. Single-cell sequencing (SCS) is a promising alternative, but its limitations − e.g., high noise, difficulty scaling to large populations, technical artifacts, and large data sets − have so far made it impractical for studying cohorts of sufficient size to identify statistically robust features of tumor evolution. We have developed strategies for deconvolution and tumor phylogenetics combining limited amounts of bulk and single-cell data to gain some advantages of single-cell resolution with much lower cost, with specific focus on deconvolving genomic copy number data. We developed a mixed membership model for clonal deconvolution via non-negative matrix factorization (NMF) balancing deconvolution quality with similarity to single-cell samples via an associated efficient coordinate descent algorithm. We then improve on that algorithm by integrating deconvolution with clonal phylogeny inference, using a mixed integer linear programming (MILP) model to incorporate a minimum evolution phylogenetic tree cost in the problem objective. We demonstrate the effectiveness of these methods on semi-simulated data of known ground truth, showing improved deconvolution accuracy relative to bulk data alone.

A two-stage model integrating a spatiotemporal linear mixed effect (STLME) and a geographic weight regression (GWR) model is proposed to improve the meteorological variables-based aerosol optical depth (AOD) retrieval method (Elterman retrieval model-ERM). The proposed model is referred to as the STG-ERM model. The STG-ERM model is applied over the Beijing-Tianjin-Hebei (BTH) region in China for the years 2019 and 2020. The results show that data coverage increased by 39.0% in 2019 and 40.5% in 2020. Cross-validation of the retrieval results versus multi-angle implementation of atmospheric correction (MAIAC) AOD shows the substantial improvement of the STG-ERM model over earlier meteorological models for AOD estimation, with a determination coefficient (R