Abstract Activating PIK3CA mutations are known “drivers” of human cancer and developmental overgrowth syndromes. We recently demonstrated that the “hotspot” PIK3CA H1047R variant exerts unexpected allele dose-dependent effects on stemness in human pluripotent stem cells (hPSCs). In the present study, we combine high-depth transcriptomics, total proteomics and reverse-phase protein arrays to reveal potentially disease-related alterations in heterozygous cells, and to assess the contribution of activated TGFβ signalling to the stemness phenotype of PIK3CA H1047R homozygous cells. We demonstrate signalling rewiring as a function of oncogenic PI3K signalling dose, and provide experimental evidence that self-sustained stemness is causally related to enhanced autocrine NODAL/TGFβ signalling. A significant transcriptomic signature of TGFβ pathway activation in PIK3CA H1047R heterozygous was observed but was modest and was not associated with the stemness phenotype seen in homozygous mutants. Notably, the stemness gene expression in PIK3CA H1047R homozygous iPSCs was reversed by pharmacological inhibition of TGFβ signalling, but not by pharmacological PI3Kα pathway inhibition. Altogether, this provides the first in-depth analysis of PI3K signalling in human pluripotent stem cells and directly links dose-dependent PI3K activation to developmental NODAL/TGFβ signalling.

Reverse-phase protein array (RPPA) technology uses panels of high-specificity antibodies to measure proteins and protein post-translational modifications in cells and tissues. The approach offers sensitive and precise quantification of large numbers of samples and has thus found applications in the analysis of clinical and pre-clinical samples. For effective integration into drug development and clinical practice, robust assays with consistent results are essential. Leveraging a collaborative RPPA model, we set out to assess the variability between three different RPPA platforms using distinct instrument set-ups and workflows. Employing multiple RPPA-based approaches operated across distinct laboratories, we characterised a range of human breast cancer cells and their protein-level responses to two clinically relevant cancer drugs. We integrated multi-platform RPPA data and used unsupervised learning to identify protein expression and phosphorylation signatures that were not dependent on RPPA platform and analysis workflow. Our findings indicate that proteomic analyses of cancer cell lines using different RPPA platforms can identify concordant profiles of response to pharmacological inhibition, including when using different antibodies to measure the same target antigens. These results highlight the robustness and the reproducibility of RPPA technology and its capacity to identify protein markers of disease or response to therapy.

ISG15 is an ubiquitin-like modifier that is associated with reduced survival rates in breast cancer patients. However, the mechanism by which ISG15 achieves this remains elusive. We demonstrate that modification of Rab GDP-Dissociation Inhibitor Beta (GDI2) by ISG15 (ISGylation) alters endocytic recycling of the EGF receptor (EGFR). By regulating EGFR trafficking, ISGylation sustains Akt-signalling in vitro and in vivo. Persistent and enhanced Akt activation explains the more aggressive tumour behaviour observed in animal models and human breast cancers. We show that ISGylation can act as driver of tumour progression rather than merely being a marker of it.

Among the technologies available for protein biomarker discovery and validation, reverse-phase protein array (RPPA) benefits from unequalled sample throughput. Panels of high-quality antibodies enable the quantification by RPPA of protein abundance and posttranslational modifications in biological specimens with high precision and sensitivity. Incorporation of RPPA technology into clinical and drug development pipelines requires robust assays that generate reproducible results across multiple laboratories. We implemented the first international multicenter pilot study to investigate RPPA workflow variability. We characterized the proteomic responses of a series of breast cancer cells to two cancer drugs. This analysis quantified 86,832 sample spots, representing 108 biological samples, arrayed at three independent RPPA platforms. This unique integrated set of data is publicly available as a resource to the proteomic and cancer research communities to catalyse further analysis and investigation. We anticipate that this dataset will form a reference for the comparison of RPPA workflows and reagents, which can be expanded in the future, and will aid the identification of platform-robust treatment-marker antigens in breast cancer cells.