Preview

PDF, English (PhD Thesis) Download (9MB) | Terms of use

Abstract

The discovery of functional cancer drivers has traditionally focused on mutations within coding regions of DNA, despite these regions comprising only about 2% of the entire genome. However, studies have shown that the remaining 98% of the genome, known as non-coding DNA or “junk” DNA, also harbors mutations that can alter gene functionality, most notably the two hotspot SNVs within the promoter of TERT. Beyond these two SNVs, however, the catalog of known functional mutations within promoter regions remain limited. This scarcity can primarily be attributed to existing methods relying on a singular SNV being observed in a large amount of patients (i.e. high recurrence) thereby having high statistical power for their detection. Since the vast majority of SNVs in current datasets do not meet this criterion and are instead categorized as singletons or lowly-recurrent SNVs, there is a need for new approaches to identify this underrepresented class of mutations. To address this gap, I developed the REMIND-Cancer workflow, a recurrence- agnostic approach designed to identify and prioritize functional promoter SNVs within protein-coding genes. This workflow, which follows a filtering-ranking- inspection-validation process, was applied to two pan-cancer datasets, resulting in the identification of 10 promoter SNVs (pSNVs) that were confirmed to acti- vate their corresponding promoters in vitro using a luciferase assay. Aiming to have a translational impact, this workflow was also applied to two ongoing preci- sion oncology programs as a pilot study to evaluate my approach’s effectiveness and computational efficiency. Overall, this thesis highlights the significance of an often overlooked yet abundant class of mutations: promoter SNVs. By employing my recurrence- agnostic approach, the identification and subsequent in vitro validation of these 10 pSNVs have the potential to enhance prognostic and therapeutic strategies within a precision oncology setting. All together, this work underscores the im- portance of further exploring the non-coding genome, particularly promoter regions, and investigating singletons and lowly-recurrent mutations through recurrence-agnostic approaches such as the REMIND-Cancer workflow.

Translation of abstract (German)

Die Entdeckung funktioneller Krebstreiber hat sich traditionell auf Mutatio- nen in den kodierenden Bereichen der DNA konzentriert, obwohl diese Bere- iche nur etwa 2% des gesamten Genoms ausmachen. Studien haben jedoch gezeigt, dass die verbleibenden 98% des Genoms, die als nicht codierende DNA oder ”Junk”-DNA bekannt sind, ebenfalls Mutationen enthalten, die die Genfunktionalita ̈t vera ̈ndern ko ̈nnen, insbesondere die beiden Hotspot- SNVs im Promotor von TERT. Abgesehen von diesen beiden SNVs ist der Katalog der bekannten funktionellen Mutationen in Promotorregionen jedoch begrenzt. Diese Seltenheit ist in erster Linie darauf zuru ̈ckzufu ̈hren, dass die vorhandenen Methoden darauf angewiesen sind, dass eine einzelne SNV bei einer großen Anzahl von Patienten beobachtet wird (d. h. eine hohe Aufkom- mensrate) und somit eine hohe statistische Aussagekraft fu ̈r ihre Entdeckung hat. Da die u ̈berwiegende Mehrheit der SNVs in den aktuellen Datens ̈atzen dieses Kriterium nicht erfu ̈llt und stattdessen als Singletons oder selten aufk- ommende SNVs eingestuft werden, besteht ein Bedarf an neuen Ans ̈atzen zur Identifizierung dieser unterrepra ̈sentierten Klasse von Mutationen. Um diese Lu ̈cke zu schließen, habe ich den REMIND-Cancer Arbeitsablauf entwickelt, einen Aufkommensrate-agnostischen Ansatz zur Identifizierung und Priorisierung funktioneller SNVs in Promotorregionen von proteinkodieren- den Genen. Dieser Arbeitsablauf, der Filter-, Priorisierungs-, Inspizierungs- und Validierungsprozesse beinhaltet, wurde auf zwei Pan-Krebs-Datens ̈atze angewandt, was zur Identifizierung von 10 Promotor-SNVs fu ̈hrte, die ihre entsprechenden Promotoren aktivieren, wie in vitro mit einem Luciferase- Assay validiert wurde. Mit dem Ziel, eine translationale Wirkung zu erzie- len, wurde dieser Arbeitsablauf auch auf zwei laufende Pr ̈azisionsonkologie- Programme als Pilotstudie angewandt, um die Wirksamkeit meines Ansatzes und seine rechnerische E�zienz zu bewerten. Zusammenfassend unterstreicht diese Arbeit die Relevanz, funktionelle Mutationen innerhalb des nicht-kodierenden Genoms zu identifizieren, die u ̈ber die ha ̈ufig aufkommenden Mutationen hinausgehen, um die personal- isierte Onkologie voranzubringen.