A clinical assay was implemented to perform next-generation sequencing (NGS) of genes commonly mutated in multiple cancer types. This report describes the feasibility and diagnostic yield of this assay in 381 consecutive patients with non-small cell lung cancer (NSCLC).Clinical targeted sequencing of 23 genes was performed with DNA from formalin-fixed, paraffin-embedded (FFPE) tumor tissue. The assay used Agilent SureSelect hybrid capture followed by Illumina HiSeq 2000, MiSeq, or HiSeq 2500 sequencing in a College of American Pathologists-accredited, Clinical Laboratory Improvement Amendments-certified laboratory. Single-nucleotide variants and insertion/deletion events were reported. This assay was performed before methods were developed to detect rearrangements by NGS.Two hundred nine of all requisitioned samples (55%) were successfully sequenced. The most common reason for not performing the sequencing was an insufficient quantity of tissue available in the blocks (29%). Excisional, endoscopic, and core biopsy specimens were sufficient for testing in 95%, 66%, and 40% of the cases, respectively. The median turnaround time (TAT) in the pathology laboratory was 21 days, and there was a trend of an improved TAT with more rapid sequencing platforms. Sequencing yielded a mean coverage of 1318×. Potentially actionable mutations (ie, predictive or prognostic) were identified in 46% of 209 samples and were most commonly found in KRAS (28%), epidermal growth factor receptor (14%), phosphatidylinositol-4,5-bisphosphate 3-kinase catalytic subunit alpha (4%), phosphatase and tensin homolog (1%), and BRAF (1%). Five percent of the samples had multiple actionable mutations. A targeted therapy was instituted on the basis of NGS in 11% of the sequenced patients or in 6% of all patients.NGS-based diagnostics are feasible in NSCLC and provide clinically relevant information from readily available FFPE tissue. The sample type is associated with the probability of successful testing.

Abstract Molecular profiling of the tumour immune microenvironment (TIME) has enabled the rational choice of immunotherapies in some adult cancers. In contrast, the TIME of paediatric cancers is relatively unexplored. We speculated that a more refined appreciation of the TIME in childhood cancers, rather than a reliance on commonly used biomarkers such as tumour mutation burden (TMB), neoantigen load and PD-L1 expression, is an essential prerequisite for improved immunotherapies in childhood solid cancers. We combined immunohistochemistry (IHC) and molecular profiling to develop an alternative, expression-based signature associated with CD8 + T-cell infiltration of the TIME in high-risk paediatric tumours. Using this novel 15-gene immune signature, Immune Paediatric Signature Score (IPASS), we estimate up to 31% of high-risk cancers harbour infiltrating T-cells. Our data provides new insights into the variable immune-suppressive mechanisms dampening responses in paediatric solid cancers. Effective immune-based interventions in high-risk paediatric cancer will require individualised analysis of the TIME.

Despite the increasing availability of comprehensive next generation sequencing (NGS), its role in characterizing pediatric hematologic malignancies remains undefined. We describe findings from comprehensive genomic profiling of hematologic malignancies at a pediatric tertiary care center. Patients enrolled on a translational research protocol to aid in cancer diagnosis, prognostication, treatment, and detection of cancer predisposition. Disease-involved samples underwent exome and RNA sequencing and analysis for single nucleotide variation, insertion/deletions, copy number alteration, structural variation, fusions, and gene expression. Twenty-eight patients with hematologic malignancies were nominated between 2018-2021. Eighteen individuals received both germline and somatic sequencing; two received germline sequencing only. Germline testing identified patients with cancer predisposition syndromes and non-cancer carrier states. Fifteen patients (15/18, 83%) had cancer-relevant somatic findings. Potential therapeutic targets were identified in seven patients (7/18, 38.9%); three (3/7, 42.9%) received targeted therapies and remain in remission an average of 47 months later.

We present Samovar, a mosaic single-nucleotide variant (SNV) caller for linked-read whole-genome shotgun sequencing data. Samovar scores candidate sites using a random forest model trained using the input dataset that considers read quality, phasing, and linked-read characteristics. We show Samovar calls mosaic SNVs within a single sample with accuracy comparable to what previously required trios or matched tumor/normal pairs and outperform single-sample mosaic variant callers at MAF 5%-50% with at least 30x coverage. Furthermore, we use Samovar to find somatic variants in whole genome sequencing of both tumor and normal from 13 pediatric cancer cases that can be corroborated with high recall with whole exome sequencing. Samovar is available open-source at https://github.com/cdarby/samovar under the MIT license.

A bstract Background Pediatric cancers typically have a distinct genomic landscape when compared to adult cancers and frequently carry somatic gene fusion events that alter gene expression and drive tumorigenesis. Sensitive and specific detection of gene fusions through the analysis of next-generation-based RNA sequencing (RNA-Seq) data is computationally challenging and may be confounded by low tumor cellularity or underlying genomic complexity. Furthermore, numerous computational tools are available to identify fusions from supporting RNA-Seq reads, yet each algorithm demonstrates unique variability in sensitivity and precision, and no clearly superior approach currently exists. To overcome these challenges, we have developed an ensemble fusion calling approach to increase the accuracy of identifying fusions. Results Our ensemble fusion detection approach utilizes seven fusion calling algorithms: Arriba, CICERO, FusionMap, FusionCatcher, JAFFA, MapSplice, and STAR-Fusion, which are packaged as a fully automated pipeline using Docker and AWS serverless technology. This method uses paired end RNA-Seq sequence reads as input, and the output from each algorithm is examined to identify fusions detected by a consensus of at least three algorithms. These consensus fusion results are filtered by comparison to an internal database to remove likely artifactual fusions occurring at high frequencies in our internal cohort, while a “known fusion list” prevents failure to report known pathogenic events. We have employed the ensemble fusion-calling pipeline on RNA-Seq data from 229 patients with pediatric cancer or blood disorders studied under an IRB-approved protocol. The samples consist of 138 central nervous system tumors, 73 solid tumors, and 18 hematologic malignancies or disorders. The combination of an ensemble fusion-calling pipeline and a knowledge-based filtering strategy identified 67 clinically relevant fusions among our cohort (diagnostic yield of 29.3%), including RBPMS-MET, BCAN-NTRK1 , and TRIM22-BRAF fusions. Following clinical confirmation and reporting in the patient’s medical record, both known and novel fusions provided medically meaningful information. Conclusions Our ensemble fusion detection pipeline offers a streamlined approach to discover fusions in cancer, at higher levels of sensitivity and accuracy than single algorithm methods. Furthermore, this method accurately identifies driver fusions in pediatric cancer, providing clinical impact by contributing evidence to diagnosis and, when appropriate, indicating targeted therapies.