Abstract While the past decade has seen meaningful improvements in clinical outcomes for multiple myeloma patients, a subset of patients do not benefit from current therapeutics for unclear reasons. Many gene expression-based models of risk have been developed, but each model uses a different combination of genes and often involve assaying many genes making them difficult to implement. We organized the Multiple Myeloma DREAM Challenge, a crowdsourced effort to develop models of rapid progression in newly diagnosed myeloma patients and to benchmark these against previously published models. This effort lead to more robust predictors and found that incorporating specific demographic and clinical features improved gene expression-based models of high risk. Furthermore, post challenge analysis identified a novel expression-based risk marker and histone modifier, PHF19 , which featured prominently in several independent models. Lastly, we show that a simple four feature predictor composed of age, International Staging System stage (ISS), and expression of PHF19 and MMSET performs similarly to more complex models with many more gene expression features included. Key points Most comprehensive and unbiased assessment of prognostic biomarkers in MM resulting in a robust and parsimonious model. Identification of PHF19 as the expression based biomarker most strongly associated with rapid progression in MM patients.

Failure to clear antigens causes CD8+ T cells to become increasingly hypo-functional, a state known as exhaustion. We combined manually extracted information from published literature with gene expression data from diverse model systems to infer a set of molecular regulatory interactions that underpin exhaustion. Topological analysis and simulation modeling of the network suggests CD8+ T cells undergo 2 major transitions in state following stimulation. The time cells spend in the earlier proliferative/pro-memory (PP) state is a fixed and inherent property of the network structure. Transition to the second state is necessary for exhaustion. Combining insights from network topology analysis and simulation modeling, we predict the extent to which each node in our network drives cells towards an exhausted state. We demonstrate the utility of our approach by experimentally testing the prediction that drug-induced interference with EZH2 function increases the proportion of proliferative/pro-memory cells in the early days post-activation.

Despite recent advancements in the treatment of multiple myeloma (MM), nearly all patients ultimately relapse and many become refractory to their previous therapies. Although many therapies exist with diverse mechanisms of action, it is not yet clear how the differences in MM biology across patients impacts the likelihood of success for existing therapies and those in the pipeline. Therefore, we not only need the ability to predict which patients are at high risk for disease progression, but also a means to understand the mechanisms underlying their risk. We hypothesized that knowledge of the biological networks that give rise to MM, specifically the transcriptional regulatory network (TRN) and the mechanisms by which mutations impact gene regulation, would enable improved predictions of disease progression and actionable insights for treatment. Here we present a method to infer TRNs from multi-omics data and apply it to the generation of a MM TRN that links chromosomal abnormalities and somatic mutations to downstream effects on gene expression via perturbation of transcriptional regulators. We find that 141 genetic programs underlie the disease and that the activity profile of these programs fall into one of 25 distinct transcriptional states. These transcriptional signatures prove to be more predictive of outcomes than do mutations and reveal plausible mechanisms for relapse, including the establishment of an immuno-suppressive microenvironment. Moreover, we observe subtype-specific vulnerabilities to interventions with existing drugs and motivate the development of new targeted therapies that appear especially promising for relapsed refractory MM.