We analysed primary breast cancers by genomic DNA copy number arrays, DNA methylation, exome sequencing, messenger RNA arrays, microRNA sequencing and reverse-phase protein arrays. Our ability to integrate information across platforms provided key insights into previously defined gene expression subtypes and demonstrated the existence of four main breast cancer classes when combining data from five platforms, each of which shows significant molecular heterogeneity. Somatic mutations in only three genes (TP53, PIK3CA and GATA3) occurred at >10% incidence across all breast cancers; however, there were numerous subtype-associated and novel gene mutations including the enrichment of specific mutations in GATA3, PIK3CA and MAP3K1 with the luminal A subtype. We identified two novel protein-expression-defined subgroups, possibly produced by stromal/microenvironmental elements, and integrated analyses identified specific signalling pathways dominant in each molecular subtype including a HER2/phosphorylated HER2/EGFR/phosphorylated EGFR signature within the HER2-enriched expression subtype. Comparison of basal-like breast tumours with high-grade serous ovarian tumours showed many molecular commonalities, indicating a related aetiology and similar therapeutic opportunities. The biological finding of the four main breast cancer subtypes caused by different subsets of genetic and epigenetic abnormalities raises the hypothesis that much of the clinically observable plasticity and heterogeneity occurs within, and not across, these major biological subtypes of breast cancer. The Cancer Genome Atlas Network describe their multifaceted analyses of primary breast cancers, shedding light on breast cancer heterogeneity; although only three genes (TP53, PIK3CA and GATA3) are mutated at a frequency greater than 10% across all breast cancers, numerous subtype-associated and novel mutations were identified. This Article from the Cancer Genome Atlas consortium describes a multifaceted analysis of primary breast cancers in 825 people. Exome sequencing, copy number variation, DNA methylation, messenger RNA arrays, microRNA sequencing and proteomic analyses were performed and integrated to shed light on breast-cancer heterogeneity. Just three genes — TP53, PIK3CA and GATA3 — are mutated at greater than 10% frequency across all breast cancers. Many subtype-associated and novel mutations were identified, as well as two breast-cancer subgroups with specific signalling-pathway signatures. The analyses also suggest that much of the clinically observable plasticity and heterogeneity occurs within, and not across, the major subtypes of breast cancer.

Genome-wide association studies have identified thousands of loci for common diseases, but, for the majority of these, the mechanisms underlying disease susceptibility remain unknown. Most associated variants are not correlated with protein-coding changes, suggesting that polymorphisms in regulatory regions probably contribute to many disease phenotypes. Here we describe the Genotype-Tissue Expression (GTEx) project, which will establish a resource database and associated tissue bank for the scientific community to study the relationship between genetic variation and gene expression in human tissues.

Human cancer cells typically harbour multiple chromosomal aberrations, nucleotide substitutions and epigenetic modifications that drive malignant transformation. The Cancer Genome Atlas (TCGA) pilot project aims to assess the value of large-scale multi-dimensional analysis of these molecular characteristics in human cancer and to provide the data rapidly to the research community. Here we report the interim integrative analysis of DNA copy number, gene expression and DNA methylation aberrations in 206 glioblastomas—the most common type of adult brain cancer—and nucleotide sequence aberrations in 91 of the 206 glioblastomas. This analysis provides new insights into the roles of ERBB2, NF1 and TP53, uncovers frequent mutations of the phosphatidylinositol-3-OH kinase regulatory subunit gene PIK3R1, and provides a network view of the pathways altered in the development of glioblastoma. Furthermore, integration of mutation, DNA methylation and clinical treatment data reveals a link between MGMT promoter methylation and a hypermutator phenotype consequent to mismatch repair deficiency in treated glioblastomas, an observation with potential clinical implications. Together, these findings establish the feasibility and power of TCGA, demonstrating that it can rapidly expand knowledge of the molecular basis of cancer. The Cancer Genome Atlas, a large-scale genomics project to catalogue cancer-linked mutations, is starting to produce results. Glioblastoma, the most common brain cancer, was the first target for the project and the initial results, published AOP on 4 September, are now in print. Genes newly implicated in glioblastoma include tumour suppressors (NF1, RB1, ATM and APC) and several tyrosine kinase genes. Glioblastoma is extremely resistant to therapy, hence the potential importance of the development of a possible model system. Zheng et al. report that mice lacking the tumour suppressors p53 and Pten develop tumours resembling human glioblastomas, associated with increased Myc protein levels. As well as offering a potential system for testing therapeutics, this points to c-Myc as a possible drug target. With a comprehensive analysis of sequencing data, DNA copy number, gene expression and DNA methylation in a large number of human glioblastomas, The Cancer Genome Atlas project initiative provides a broad overview of the genes and pathways that are altered in this cancer type.

The Cancer Cell Line Encyclopedia presents the first results from a large-scale screen of some 947 cancer cell lines with 24 anticancer drugs, with the aim of identifying specific genomic alterations and gene expression profiles associated with selective sensitivity or resistance to potential therapeutic agents. Cancer cell lines are widely used as preclinical models to gain mechanistic and therapeutic insight. Two manuscripts in this issue describe the large-scale genetic and pharmacological characterization of human cancer cell lines. Each group characterized collections of several-hundred cell lines using different platforms and analytical methods. Their results are complementary, and confirm that many human cell lines capture the genomic diversity of their respective cancers. Initial findings include the identification of a number of potential markers of drug sensitivity and resistance. For example, Garnett et al. report an association between EWS-FLI1 gene translocations, frequently found in Ewing's sarcoma, and sensitivity to PARP inhibitors, a class of drug currently in clinical trials for other cancer types. Barretina et al. report a possible association between SLFN11 expression and sensitivity to topoisomerase inhibitors. The systematic translation of cancer genomic data into knowledge of tumour biology and therapeutic possibilities remains challenging. Such efforts should be greatly aided by robust preclinical model systems that reflect the genomic diversity of human cancers and for which detailed genetic and pharmacological annotation is available1. Here we describe the Cancer Cell Line Encyclopedia (CCLE): a compilation of gene expression, chromosomal copy number and massively parallel sequencing data from 947 human cancer cell lines. When coupled with pharmacological profiles for 24 anticancer drugs across 479 of the cell lines, this collection allowed identification of genetic, lineage, and gene-expression-based predictors of drug sensitivity. In addition to known predictors, we found that plasma cell lineage correlated with sensitivity to IGF1 receptor inhibitors; AHR expression was associated with MEK inhibitor efficacy in NRAS-mutant lines; and SLFN11 expression predicted sensitivity to topoisomerase inhibitors. Together, our results indicate that large, annotated cell-line collections may help to enable preclinical stratification schemata for anticancer agents. The generation of genetic predictions of drug response in the preclinical setting and their incorporation into cancer clinical trial design could speed the emergence of ‘personalized’ therapeutic regimens2.

A catalogue of molecular aberrations that cause ovarian cancer is critical for developing and deploying therapies that will improve patients’ lives. The Cancer Genome Atlas project has analysed messenger RNA expression, microRNA expression, promoter methylation and DNA copy number in 489 high-grade serous ovarian adenocarcinomas and the DNA sequences of exons from coding genes in 316 of these tumours. Here we report that high-grade serous ovarian cancer is characterized by TP53 mutations in almost all tumours (96%); low prevalence but statistically recurrent somatic mutations in nine further genes including NF1, BRCA1, BRCA2, RB1 and CDK12; 113 significant focal DNA copy number aberrations; and promoter methylation events involving 168 genes. Analyses delineated four ovarian cancer transcriptional subtypes, three microRNA subtypes, four promoter methylation subtypes and a transcriptional signature associated with survival duration, and shed new light on the impact that tumours with BRCA1/2 (BRCA1 or BRCA2) and CCNE1 aberrations have on survival. Pathway analyses suggested that homologous recombination is defective in about half of the tumours analysed, and that NOTCH and FOXM1 signalling are involved in serous ovarian cancer pathophysiology. The Cancer Genome Atlas (TCGA) project reports here its analysis of messenger RNA and microRNA expression, promoter methylation, DNA copy number and exome sequences in 489 high-grade serous ovarian adenocarcinomas. The analyses help establish new tumour subtypes. Among other insights is the finding that while the gene encoding p53 tumour suppressor is mutated in almost all tumours, nine other loci including NF1, BRCA1, BRCA2, RB1 and CDK12 carry recurrent albeit low-prevalence mutations. Homologous recombination is defective in about half of the tumours studied, and Notch and FOXM1 signalling are involved in the pathophysiology.

The Cancer Genome Atlas Network recently cataloged recurrent genomic abnormalities in glioblastoma multiforme (GBM). We describe a robust gene expression-based molecular classification of GBM into Proneural, Neural, Classical, and Mesenchymal subtypes and integrate multidimensional genomic data to establish patterns of somatic mutations and DNA copy number. Aberrations and gene expression of EGFR, NF1, and PDGFRA/IDH1 each define the Classical, Mesenchymal, and Proneural subtypes, respectively. Gene signatures of normal brain cell types show a strong relationship between subtypes and different neural lineages. Additionally, response to aggressive therapy differs by subtype, with the greatest benefit in the Classical subtype and no benefit in the Proneural subtype. We provide a framework that unifies transcriptomic and genomic dimensions for GBM molecular stratification with important implications for future studies.

As the sample size in cancer genome studies increases, the list of genes identified as significantly mutated is likely to include more false positives; here, this problem is identified as stemming largely from mutation heterogeneity, and a new analytical methodology designed to overcome this problem is described. Cancer genomic approaches have identified scores of genes responsible for the initiation and progression of cancer. But as the sample sizes increase, the list of putatively significant genes identified by current analytical methods continues to grow and is likely to include many false positives. This study shows that this situation stems largely from mutational heterogeneity and presents a novel methodology, MutSigCV, that overcomes the problem by incorporating mutational heterogeneity into the analysis. Application of MutSigCV to more than 3,000 tumour samples from 27 different tumour types shows that mutation frequencies vary more than 1,000-fold between extreme samples both between and within tumour types. And when applied to a data set on lung cancer, MutSigCV reduced the list of significantly mutated genes from 450 to a more manageable 11, most of them previously reported to be mutated in squamous cell lung cancer. Major international projects are underway that are aimed at creating a comprehensive catalogue of all the genes responsible for the initiation and progression of cancer1,2,3,4,5,6,7,8,9. These studies involve the sequencing of matched tumour–normal samples followed by mathematical analysis to identify those genes in which mutations occur more frequently than expected by random chance. Here we describe a fundamental problem with cancer genome studies: as the sample size increases, the list of putatively significant genes produced by current analytical methods burgeons into the hundreds. The list includes many implausible genes (such as those encoding olfactory receptors and the muscle protein titin), suggesting extensive false-positive findings that overshadow true driver events. We show that this problem stems largely from mutational heterogeneity and provide a novel analytical methodology, MutSigCV, for resolving the problem. We apply MutSigCV to exome sequences from 3,083 tumour–normal pairs and discover extraordinary variation in mutation frequency and spectrum within cancer types, which sheds light on mutational processes and disease aetiology, and in mutation frequency across the genome, which is strongly correlated with DNA replication timing and also with transcriptional activity. By incorporating mutational heterogeneity into the analyses, MutSigCV is able to eliminate most of the apparent artefactual findings and enable the identification of genes truly associated with cancer.

Expression, genetic variation, and tissues Human genomes show extensive genetic variation across individuals, but we have only just started documenting the effects of this variation on the regulation of gene expression. Furthermore, only a few tissues have been examined per genetic variant. In order to examine how genetic expression varies among tissues within individuals, the Genotype-Tissue Expression (GTEx) Consortium collected 1641 postmortem samples covering 54 body sites from 175 individuals. They identified quantitative genetic traits that affect gene expression and determined which of these exhibit tissue-specific expression patterns. Melé et al. measured how transcription varies among tissues, and Rivas et al. looked at how truncated protein variants affect expression across tissues. Science , this issue p. 648 , p. 660 , p. 666 ; see also p. 640

We performed an integrated genomic, transcriptomic and proteomic characterization of 373 endometrial carcinomas using array- and sequencing-based technologies. Uterine serous tumours and ∼25% of high-grade endometrioid tumours had extensive copy number alterations, few DNA methylation changes, low oestrogen receptor/progesterone receptor levels, and frequent TP53 mutations. Most endometrioid tumours had few copy number alterations or TP53 mutations, but frequent mutations in PTEN, CTNNB1, PIK3CA, ARID1A and KRAS and novel mutations in the SWI/SNF chromatin remodelling complex gene ARID5B. A subset of endometrioid tumours that we identified had a markedly increased transversion mutation frequency and newly identified hotspot mutations in POLE. Our results classified endometrial cancers into four categories: POLE ultramutated, microsatellite instability hypermutated, copy-number low, and copy-number high. Uterine serous carcinomas share genomic features with ovarian serous and basal-like breast carcinomas. We demonstrated that the genomic features of endometrial carcinomas permit a reclassification that may affect post-surgical adjuvant treatment for women with aggressive tumours. An integrative genomic analysis of several hundred endometrial carcinomas shows that a minority of tumour samples carry copy number alterations or TP53 mutations and many contain key cancer-related gene mutations, such as those involved in canonical pathways and chromatin remodelling; a reclassification of endometrial tumours into four distinct types is proposed, which may have an effect on patient treatment regimes. This paper from The Cancer Genome Atlas Research Network presents an in-depth genome-wide analysis of endometrial (uterine) carcinomas from more than 350 patients. Based on a series of genomic features including newly identified hotspot mutations in the DNA polymerase gene POLE, and novel mutations in the ARID5B DNA-binding protein, the authors propose a reclassification of endometrial tumours into four distinct types. This might have clinical relevance for post-surgical adjuvant treatment of women with aggressive tumours.

A powerful way to discover key genes with causal roles in oncogenesis is to identify genomic regions that undergo frequent alteration in human cancers. Here we present high-resolution analyses of somatic copy-number alterations (SCNAs) from 3,131 cancer specimens, belonging largely to 26 histological types. We identify 158 regions of focal SCNA that are altered at significant frequency across several cancer types, of which 122 cannot be explained by the presence of a known cancer target gene located within these regions. Several gene families are enriched among these regions of focal SCNA, including the BCL2 family of apoptosis regulators and the NF-κΒ pathway. We show that cancer cells containing amplifications surrounding the MCL1 and BCL2L1 anti-apoptotic genes depend on the expression of these genes for survival. Finally, we demonstrate that a large majority of SCNAs identified in individual cancer types are present in several cancer types. Two Articles in this issue add major data sets to the growing picture of the cancer genome. Bignell et al. analysed a large number of homozygous gene deletions in a collection of 746 publicly available cancer cell lines. Combined with information about hemizygous deletions of the same genes, the data suggest that many deletions found in cancer reflect the position of a gene at a fragile site in the genome, rather than as a recessive cancer gene whose loss confers a selective growth advantage. Beroukhim et al. present the largest data set to date on somatic copy-number variations across more than 3,000 specimens of human primary cancers. Many alterations are shared between multiple tumour types. Functional experiments demonstrate an oncogenic role for the apoptosis genes MCL1 and BCL2L1 that are associated with amplifications found in many cancers. One way of discovering genes with key roles in cancer development is to identify genomic regions that are frequently altered in human cancers. Here, high-resolution analyses of somatic copy-number alterations (SCNAs) in numerous cancer specimens provide an overview of regions of focal SCNA that are altered at significant frequency across several cancer types. An oncogenic function is also found for the anti-apoptosis genes MCL1 and BCL2L1, which reside in amplified genome regions in many cancers.