Abstract Motivation: High-throughput data is providing a comprehensive view of the molecular changes in cancer tissues. New technologies allow for the simultaneous genome-wide assay of the state of genome copy number variation, gene expression, DNA methylation and epigenetics of tumor samples and cancer cell lines. Analyses of current data sets find that genetic alterations between patients can differ but often involve common pathways. It is therefore critical to identify relevant pathways involved in cancer progression and detect how they are altered in different patients. Results: We present a novel method for inferring patient-specific genetic activities incorporating curated pathway interactions among genes. A gene is modeled by a factor graph as a set of interconnected variables encoding the expression and known activity of a gene and its products, allowing the incorporation of many types of omic data as evidence. The method predicts the degree to which a pathway's activities (e.g. internal gene states, interactions or high-level ‘outputs’) are altered in the patient using probabilistic inference. Compared with a competing pathway activity inference approach called SPIA, our method identifies altered activities in cancer-related pathways with fewer false-positives in both a glioblastoma multiform (GBM) and a breast cancer dataset. PARADIGM identified consistent pathway-level activities for subsets of the GBM patients that are overlooked when genes are considered in isolation. Further, grouping GBM patients based on their significant pathway perturbations divides them into clinically-relevant subgroups having significantly different survival outcomes. These findings suggest that therapeutics might be chosen that target genes at critical points in the commonly perturbed pathway(s) of a group of patients. Availability:Source code available at http://sbenz.github.com/Paradigm Contact: jstuart@soe.ucsc.edu Supplementary information: Supplementary data are available at Bioinformatics online.

Immature teratoma is a subtype of malignant germ cell tumor of the ovary that occurs most commonly in the first three decades of life, frequently with bilateral ovarian disease. Despite being the second most common malignant germ cell tumor of the ovary, little is known about its genetic underpinnings. Here we performed multi-region whole exome sequencing to interrogate the genetic zygosity, clonal relationship, DNA copy number, and mutational status of 52 pathologically distinct tumor components from 10 females with ovarian immature teratomas, with bilateral tumors present in 5 cases and peritoneal dissemination in 7 cases. We found that ovarian immature teratomas are genetically characterized by 2N near-diploid genomes with extensive loss of heterozygosity and an absence of genes harboring recurrent somatic mutations or known oncogenic variants. All components within a single ovarian tumor (immature teratoma, mature teratoma with different histologic patterns of differentiation, and yolk sac tumor) were found to harbor an identical pattern of loss of heterozygosity across the genome, indicating a shared clonal origin. In contrast, the 4 analyzed bilateral teratomas showed distinct patterns of zygosity changes in the right versus left sided tumors, indicating independent clonal origins. All disseminated teratoma components within the peritoneum (including gliomatosis peritonei) shared a clonal pattern of loss of heterozygosity with either the right or left primary ovarian tumor. The observed genomic loss of heterozygosity patterns indicate that diverse meiotic errors contribute to the formation of ovarian immature teratomas, with 11 out of the 15 genetically distinct clones determined to result from the failure of meiosis I or II. Overall, these findings suggest that copy-neutral loss of heterozygosity resulting from meiotic abnormalities may be sufficient to generate ovarian immature teratomas from germ cells.