Urothelial carcinoma of the bladder is a common malignancy that causes approximately 150,000 deaths per year worldwide. So far, no molecularly targeted agents have been approved for treatment of the disease. As part of The Cancer Genome Atlas project, we report here an integrated analysis of 131 urothelial carcinomas to provide a comprehensive landscape of molecular alterations. There were statistically significant recurrent mutations in 32 genes, including multiple genes involved in cell-cycle regulation, chromatin regulation, and kinase signalling pathways, as well as 9 genes not previously reported as significantly mutated in any cancer. RNA sequencing revealed four expression subtypes, two of which (papillary-like and basal/squamous-like) were also evident in microRNA sequencing and protein data. Whole-genome and RNA sequencing identified recurrent in-frame activating FGFR3–TACC3 fusions and expression or integration of several viruses (including HPV16) that are associated with gene inactivation. Our analyses identified potential therapeutic targets in 69% of the tumours, including 42% with targets in the phosphatidylinositol-3-OH kinase/AKT/mTOR pathway and 45% with targets (including ERBB2) in the RTK/MAPK pathway. Chromatin regulatory genes were more frequently mutated in urothelial carcinoma than in any other common cancer studied so far, indicating the future possibility of targeted therapy for chromatin abnormalities. This paper reports integrative molecular analyses of urothelial bladder carcinoma at the DNA, RNA, and protein levels performed as part of The Cancer Genome Atlas project; recurrent mutations were found in 32 genes, including those involved in cell-cycle regulation, chromatin regulation and kinase signalling pathways; chromatin regulatory genes were more frequently mutated in urothelial carcinoma than in any other common cancer studied so far. This study of 131 high-grade muscle-invasive urothelial bladder carcinomas, part of The Cancer Genome Atlas (TCGA) project, reports recurrent mutations in 32 genes, including those involved in cell-cycle regulation, chromatin regulation and kinase signalling pathways. Chromatin regulatory genes were more frequently mutated in urothelial carcinoma than in any common cancer studied to date. Recurrent in-frame activating FGFR3–TACC3 fusions and expression or integration of viruses associated with gene inactivation are also identified. Importantly, potential therapeutic targets are identified in 69% of the tumours.

Targeted therapy for metastatic diseases relies on the identification of functionally important metastasis genes from a large number of random genetic alterations. Here we use a computational algorithm to map minimal recurrent genomic alterations associated with poor-prognosis breast cancer. 8q22 genomic gain was identified by this approach and validated in an extensive collection of breast tumor samples. Regional gain of 8q22 elevates expression of the metastasis gene metadherin (MTDH), which is overexpressed in more than 40% of breast cancers and is associated with poor clinical outcomes. Functional characterization of MTDH revealed its dual role in promoting metastatic seeding and enhancing chemoresistance. These findings establish MTDH as an important therapeutic target for simultaneously enhancing chemotherapy efficacy and reducing metastasis risk.

Abstract Isobologram and combination index (CI) analyses are the two most popular methods for evaluating drug interactions in combination cancer chemotherapy. As the commonly used CI-based software program uses linear regression, our first objective was to evaluate the effects of logarithmic data transformation on data analysis and conclusions. Monte-Carlo simulations were conducted with experimentally relevant parameter values to generate error-containing effect or concentration-effect data of single agents and combinations. The simulated data were then analyzed with linear and nonlinear regression. The results showed that data transformation reduced the accuracy and precision of the regression-derived IC50, curve shape parameter and CI values. Furthermore, as neither isobologram nor CI analyses provide output of concentration-effect curves for investigator evaluation, our second objective was to develop a method and the associated computer program/algorithm to (a) normalize drug concentrations in IC50 equivalents and thereby enable simultaneous presentation of the curves for single agents and combinations in a single plot for visual inspection of potential curve shifts, (b) analyze concentration-effect data with nonlinear regression, and (c) use the curve shift analysis simultaneously with isobologram and CI analyses. The applicability of this method was shown with experimentally obtained data for single agent doxorubicin and suramin and their combinations in cultured tumor cells. In summary, this method, by incorporating nonlinear regression and curve shift analysis, although retaining the attractive features of isobologram and CI analyses, reduced the potential errors introduced by logarithmic data transformation, enabled visual inspection of data variability and goodness of fit of regression analysis, and simultaneously provided information on the extent of drug interaction at different combination ratios/concentrations and at different effect levels.