The mutations present in advanced cancers can be identified by integrative high-throughput sequencing to enable biomarker-driven clinical trials and, ultimately, treatment.

Diffuse intrinsic pontine glioma (DIPG) is a fatal childhood cancer. We performed a chemical screen in patient-derived DIPG cultures along with RNA-seq analyses and integrated computational modeling to identify potentially effective therapeutic strategies. The multi-histone deacetylase inhibitor panobinostat demonstrated therapeutic efficacy both in vitro and in DIPG orthotopic xenograft models. Combination testing of panobinostat and the histone demethylase inhibitor GSK-J4 revealed that the two had synergistic effects. Together, these data suggest a promising therapeutic strategy for DIPG.

Abstract To understand the genetic drivers of immune recognition and evasion in colorectal cancer, we analyzed 1,211 colorectal cancer primary tumor samples, including 179 classified as microsatellite instability–high (MSI-high). This set includes The Cancer Genome Atlas colorectal cancer cohort of 592 samples, completed and analyzed here. MSI-high, a hypermutated, immunogenic subtype of colorectal cancer, had a high rate of significantly mutated genes in important immune-modulating pathways and in the antigen presentation machinery, including biallelic losses of B2M and HLA genes due to copy-number alterations and copy-neutral loss of heterozygosity. WNT/β-catenin signaling genes were significantly mutated in all colorectal cancer subtypes, and activated WNT/β-catenin signaling was correlated with the absence of T-cell infiltration. This large-scale genomic analysis of colorectal cancer demonstrates that MSI-high cases frequently undergo an immunoediting process that provides them with genetic events allowing immune escape despite high mutational load and frequent lymphocytic infiltration and, furthermore, that colorectal cancer tumors have genetic and methylation events associated with activated WNT signaling and T-cell exclusion. Significance: This multi-omic analysis of 1,211 colorectal cancer primary tumors reveals that it should be possible to better monitor resistance in the 15% of cases that respond to immune blockade therapy and also to use WNT signaling inhibitors to reverse immune exclusion in the 85% of cases that currently do not. Cancer Discov; 8(6); 730–49. ©2018 AACR. This article is highlighted in the In This Issue feature, p. 663

This report identifies oncogenic fusions in individuals with breast cancer involving the genes encoding NOTCH and MAST, recurring in approximately 5–7% of studied cases. The fusions show growth-promoting properties that suggest that they may represent targetable events in a subset of people with breast cancer. Breast cancer is a heterogeneous disease that has a wide range of molecular aberrations and clinical outcomes. Here we used paired-end transcriptome sequencing to explore the landscape of gene fusions in a panel of breast cancer cell lines and tissues. We observed that individual breast cancers have a variety of expressed gene fusions. We identified two classes of recurrent gene rearrangements involving genes encoding microtubule-associated serine-threonine kinase (MAST) and members of the Notch family. Both MAST and Notch-family gene fusions have substantial phenotypic effects in breast epithelial cells. Breast cancer cell lines harboring Notch gene rearrangements are uniquely sensitive to inhibition of Notch signaling, and overexpression of MAST1 or MAST2 gene fusions has a proliferative effect both in vitro and in vivo. These findings show that recurrent gene rearrangements have key roles in subsets of carcinomas and suggest that transcriptome sequencing could identify individuals with rare, targetable gene fusions.

Next-generation sequencing (NGS) has enabled genome-wide personalized oncology efforts at centers and companies with the specialty expertise and infrastructure required to identify and prioritize actionable variants. Such approaches are not scalable, preventing widespread adoption. Likewise, most targeted NGS approaches fail to assess key relevant genomic alteration classes. To address these challenges, we predefined the catalog of relevant solid tumor somatic genome variants (gain-of-function or loss-of-function mutations, high-level copy number alterations, and gene fusions) through comprehensive bioinformatics analysis of >700,000 samples. To detect these variants, we developed the Oncomine Comprehensive Panel (OCP), an integrative NGS-based assay [compatible with < 20 ng of DNA/RNA from formalin-fixed paraffin-embedded (FFPE) tissues], coupled with an informatics pipeline to specifically identify relevant predefined variants and created a knowledge base of related potential treatments, current practice guidelines, and open clinical trials. We validated OCP using molecular standards and more than 300 FFPE tumor samples, achieving >95% accuracy for KRAS, epidermal growth factor receptor, and BRAF mutation detection as well as for ALK and TMPRSS2:ERG gene fusions. Associating positive variants with potential targeted treatments demonstrated that 6% to 42% of profiled samples (depending on cancer type) harbored alterations beyond routine molecular testing that were associated with approved or guideline-referenced therapies. As a translational research tool, OCP identified adaptive CTNNB1 amplifications/mutations in treated prostate cancers. Through predefining somatic variants in solid tumors and compiling associated potential treatment strategies, OCP represents a simplified, broadly applicable targeted NGS system with the potential to advance precision oncology efforts.

Cancer patients with advanced disease exhaust available clinical regimens and lack actionable genomic medicine results, leaving a large patient population without effective treatments options when their disease inevitably progresses. To address the unmet clinical need for evidence-based therapy assignment when standard clinical approaches have failed, we have developed a probabilistic computational modeling approach which integrates sequencing data with functional assay data to develop patient-specific combination cancer treatments. This computational modeling approach addresses three major challenges in personalized cancer therapy, which we validate across multiple species via computationally-designed personalized synergistic drug combination predictions, identification of unifying therapeutic targets to overcome intra-tumor heterogeneity, and mitigation of cancer cell resistance and rewiring mechanisms. These proof-of-concept studies support the use of an integrative functional approach to personalized combination therapy prediction for the population of high-risk cancer patients lacking viable clinical options and without actionable DNA sequencing-based therapy.