Transgenerational effects have wide-ranging implications for human health, biological adaptation, and evolution; however, their mechanisms and biology remain poorly understood. Here, we demonstrate that a germline nuclear small RNA/chromatin pathway can maintain stable inheritance for many generations when triggered by a piRNA-dependent foreign RNA response in C. elegans. Using forward genetic screens and candidate approaches, we find that a core set of nuclear RNAi and chromatin factors is required for multigenerational inheritance of environmental RNAi and piRNA silencing. These include a germline-specific nuclear Argonaute HRDE1/WAGO-9, a HP1 ortholog HPL-2, and two putative histone methyltransferases, SET-25 and SET-32. piRNAs can trigger highly stable long-term silencing lasting at least 20 generations. Once established, this long-term memory becomes independent of the piRNA trigger but remains dependent on the nuclear RNAi/chromatin pathway. Our data present a multigenerational epigenetic inheritance mechanism induced by piRNAs.

Whole-exome and whole-genome sequencing have facilitated the large-scale discovery of de novo variants in human disease. To date, most de novo discovery through next-generation sequencing focused on congenital heart disease and neurodevelopmental disorders (NDDs). Currently, de novo variants are one of the most significant risk factors for NDDs with a substantial overlap of genes involved in more than one NDD. To facilitate better usage of published data, provide standardization of annotation, and improve accessibility, we created denovo-db (http://denovo-db.gs.washington.edu), a database for human de novo variants. As of July 2016, denovo-db contained 40 different studies and 32,991 de novo variants from 23,098 trios. Database features include basic variant information (chromosome location, change, type); detailed annotation at the transcript and protein levels; severity scores; frequency; validation status; and, most importantly, the phenotype of the individual with the variant. We included a feature on our browsable website to download any query result, including a downloadable file of the full database with additional variant details. denovo-db provides necessary information for researchers to compare their data to other individuals with the same phenotype and also to controls allowing for a better understanding of the biology of de novo variants and their contribution to disease.

ABSTRACT Advanced prostate cancers comprise distinct phenotypes, but tumor classification remains clinically challenging. Here, we harnessed circulating tumor DNA (ctDNA) to study tumor phenotypes by ascertaining nucleosome positioning patterns associated with transcription regulation. We sequenced plasma ctDNA whole genomes from patient-derived xenografts representing a spectrum of androgen receptor active (ARPC) and neuroendocrine (NEPC) prostate cancers. Nucleosome patterns associated with transcriptional activity were reflected in ctDNA at regions of genes, promoters, histone modifications, transcription factor binding, and accessible chromatin. We identified the activity of key phenotype-defining transcriptional regulators from ctDNA, including AR, ASCL1, HOXB13, HNF4G, and NR3C1. Using these features, we designed a prediction model which distinguished NEPC from ARPC in patient plasma samples across three clinical cohorts with 97-100% sensitivity and 85-100% specificity. While phenotype classification is typically assessed by immunohistochemistry or transcriptome profiling, we demonstrate that ctDNA provides comparable results with numerous diagnostic advantages for precision oncology. STATEMENT OF SIGNIFICANCE This study provides key insights into the dynamics of nucleosome positioning and gene regulation associated with cancer phenotypes that can be ascertained from ctDNA. The new methods established for phenotype classification extend the utility of ctDNA beyond assessments of DNA alterations with important implications for molecular diagnostics and precision oncology.

Abstract Introduction: Metastatic castration-resistant prostate cancer (mCRPC) is a heterogeneous disease which can be classified into clinically relevant subtypes based on the expression of genes, such as the androgen receptor (AR) and neuroendocrine markers. Neuroendocrine prostate cancer (NEPC), characterized by gain of stem-like and neuroendocrine features and lack of AR expression is a clinically aggressive variant. Due to the lack of adequate biomarkers, NEPC is usually detected at a very advanced stage. There is mounting evidence that molecular subtype changes seen in NEPC are enforced by widespread epigenetic alterations, in particular DNA methylation changes. In this study, we aim to devise a novel DNA methylation-based assay for molecular subtyping and disease monitoring from cell-free DNA (cfDNA). Methods: We analyzed genome wide methylation patterns in 56 prostate cancer patient-derived xenograft (PDX) and 128 mCRPC tumors using array- and sequencing-based assays. We integrated DNA methylation at promoters, gene bodies and transcription factor binding site (TFBS) to determine the landscape of methylation alterations at key lineage specific genes. Using whole genome methylation derived from tissue with matched expression data we developed a deep learning framework to predict gene expression directly from tissue or cfDNA. Using key marker genes, the model was used to discern tumor molecular phenotypes from tissue and cfDNA in three independent cohorts of mCRPC patients using whole genome bisulfite sequencing and low-pass Enzymatic Methyl-Seq (EM-seq). Results: We observed a tight association between promoter, gene body and TFBS methylation with gene expression. Inferring gene expression from methylation for lineage specific markers such as AR, KLK3, ASCL1, INSM1, SRRM4 and DLL3 we classified molecular subtypes from both tissue and cfDNA. Additionally, for AR and ASCL1, we identified core sets of TFBSs whose differential methylation allowed for accurate assay-independent molecular subtype quantification. Applying the optimized quantitative model to mCRPC patients who underwent comprehensive tissue sampling by rapid autopsy we observed accurate subtype classification from both tissue samples and cfDNA for all cases. A similar analytical performance was observed in additional clinical mCRPC cohorts with cfDNA. Conclusion: Whole-genome methylation analysis of cfDNA allows for the prediction of gene expression patterns in tumor tissues, enabling non-invasive tumor subclassification and assessment of therapeutic targets. Citation Format: Mohamed Adil, Brian Hanratty, Pallabi Mustafi, Chitvan Mittal, Helen Richards, Ilsa Coleman, Radhika Patel, Anna-Lisa Doebley, Robert Patton, Eden Cruikshank, Patricia Galipeau, Ruth Dumpit, Martine Roudier, Jin-Yih Low, Navonil Sarkar, Robert Montgomery, Eva Corey, Colm Morrissey, Peter Nelson, Gavin Ha, Michael Haffner. Advance prostate cancer detection through epigenomic profiling of cell-free DNA [abstract]. In: Proceedings of the AACR Special Conference: Liquid Biopsy: From Discovery to Clinical Implementation; 2024 Nov 13-16; San Diego, CA. Philadelphia (PA): AACR; Clin Cancer Res 2024;30(21_Suppl):Abstract nr PR011.