Prostate cancers are considered to be immunologically 'cold' tumors given the very few patients who respond to checkpoint inhibitor (CPI) therapy. Recently, enrichment of interferon-stimulated genes (ISGs) predicted a favorable response to CPI across various disease sites. The enhancer of zeste homolog-2 (EZH2) is overexpressed in prostate cancer and known to negatively regulate ISGs. In the present study, we demonstrate that EZH2 inhibition in prostate cancer models activates a double-stranded RNA-STING-ISG stress response upregulating genes involved in antigen presentation, Th1 chemokine signaling and interferon response, including programmed cell death protein 1 (PD-L1) that is dependent on STING activation. EZH2 inhibition substantially increased intratumoral trafficking of activated CD8+ T cells and increased M1 tumor-associated macrophages, overall reversing resistance to PD-1 CPI. Our study identifies EZH2 as a potent inhibitor of antitumor immunity and responsiveness to CPI. These data suggest EZH2 inhibition as a therapeutic direction to enhance prostate cancer response to PD-1 CPI.

The Severe Acute Respiratory Syndrome Coronavirus 2 (SARS-CoV-2) virus has infected over 115 million people and caused over 2.5 million deaths worldwide. Yet, the molecular mechanisms underlying the clinical manifestations of COVID-19, as well as what distinguishes them from common seasonal influenza virus and other lung injury states such as Acute Respiratory Distress Syndrome (ARDS), remains poorly understood. To address these challenges, we combined transcriptional profiling of 646 clinical nasopharyngeal swabs and 39 patient autopsy tissues, matched with spatial protein and expression profiling (GeoMx) across 357 tissue sections. These results define both body-wide and tissue-specific (heart, liver, lung, kidney, and lymph nodes) damage wrought by the SARS-CoV-2 infection, evident as a function of varying viral load (high vs. low) during the course of infection and specific, transcriptional dysregulation in splicing isoforms, T cell receptor expression, and cellular expression states. In particular, cardiac and lung tissues revealed the largest degree of splicing isoform switching and cell expression state loss. Overall, these findings reveal a systemic disruption of cellular and transcriptional pathways from COVID-19 across all tissues, which can inform subsequent studies to combat the mortality of COVID-19, as well to better understand the molecular dynamics of lethal SARS-CoV-2 infection and other viruses.

ABSTRACT c-MYC (MYC) is a major driver of prostate cancer tumorigenesis and progression. Although MYC is overexpressed in both early and metastatic disease and associated with poor survival, its impact on prostate transcriptional reprogramming remains elusive. We demonstrate that MYC overexpression significantly diminishes the androgen receptor (AR) transcriptional program (the set of genes directly targeted by the AR protein) in luminal prostate cells without altering AR expression. Importantly, analyses of clinical specimens revealed that concurrent low AR and high MYC transcriptional programs accelerate prostate cancer progression toward a metastatic, castration-resistant disease. Data integration of single-cell transcriptomics together with ChIP-seq revealed an increased RNA polymerase II (Pol II) promoter-proximal pausing at AR-dependent genes following MYC overexpression without an accompanying deactivation of AR-bound enhancers. Altogether, our findings suggest that MYC overexpression antagonizes the canonical AR transcriptional program and contributes to prostate tumor initiation and progression by disrupting transcriptional pause release at AR-regulated genes. STATEMENT OF SIGNIFICANCE AR and MYC are key to prostate cancer etiology but our current understanding of their interplay is scarce. Here we show that the oncogenic transcription factor MYC can pause the transcriptional program of the master transcription factor in prostate cancer, AR, while turning on its own, even more lethal program.

ABSTRACT Most cancers, including prostate cancers, express the M2 splice isoform of pyruvate kinase ( Pkm2 ). This isoform can promote anabolic metabolism to support cell proliferation; however, Pkm2 expression is dispensable for many cancers in vivo . Pyruvate kinase M1 ( Pkm1 ) isoform expression is restricted to relatively few tissues and has been reported to promote growth of select tumors, but the role of PKM1 in cancer has been less studied. Pkm1 is expressed in normal prostate tissue; thus, to test how differential pyruvate kinase isoform expression affects cancer initiation and progression we generated mice harboring a conditional allele of Pkm1 and crossed this allele, as well as a Pkm2 conditional allele, to a Pten loss-driven prostate cancer model. We found that Pkm1 loss leads to Pkm2 expression and accelerates prostate cancer, while deletion of Pkm2 leads to increased Pkm1 expression and suppresses cancer. Consistent with these data, a small molecule pyruvate kinase activator that mimics a PKM1-like state suppresses progression of established prostate tumors. PKM2 expression is retained in most human prostate cancers, arguing that pharmacological PKM2 activation may be beneficial for some prostate cancer patients.

Abstract Cancer cells exhibit metabolic plasticity to meet oncogene-driven dependencies while coping with nutrient availability. A better understanding of how systemic metabolism impacts the accumulation of metabolites that reprogram the tumor microenvironment (TME) and drive cancer could facilitate development of precision nutrition approaches. Using the Hi-MYC prostate cancer mouse model, we demonstrated that an obesogenic high-fat diet (HFD) rich in saturated fats accelerates the development of c-MYC–driven invasive prostate cancer through metabolic rewiring. Although c-MYC modulated key metabolic pathways, interaction with an obesogenic HFD was necessary to induce glycolysis and lactate accumulation in tumors. These metabolic changes were associated with augmented infiltration of CD206+ and PD-L1+ tumor-associated macrophages (TAM) and FOXP3+ regulatory T cells, as well as with the activation of transcriptional programs linked to disease progression and therapy resistance. Lactate itself also stimulated neoangiogenesis and prostate cancer cell migration, which were significantly reduced following treatment with the lactate dehydrogenase inhibitor FX11. In patients with prostate cancer, high saturated fat intake and increased body mass index were associated with tumor glycolytic features that promote the infiltration of M2-like TAMs. Finally, upregulation of lactate dehydrogenase, indicative of a lactagenic phenotype, was associated with a shorter time to biochemical recurrence in independent clinical cohorts. This work identifies cooperation between genetic drivers and systemic metabolism to hijack the TME and promote prostate cancer progression through oncometabolite accumulation. This sets the stage for the assessment of lactate as a prognostic biomarker and supports strategies of dietary intervention and direct lactagenesis blockade in treating advanced prostate cancer. Significance: Lactate accumulation driven by high-fat diet and MYC reprograms the tumor microenvironment and promotes prostate cancer progression, supporting the potential of lactate as a biomarker and therapeutic target in prostate cancer. See related commentary by Frigo, p. 1742

Abstract Imaging datasets in cancer research are growing exponentially in both quantity and information density. These massive datasets may enable derivation of insights for cancer research and clinical care, but only if researchers are equipped with the tools to leverage advanced computational analysis approaches such as machine learning and artificial intelligence. In this work, we highlight three themes to guide development of such computational tools: scalability, standardization, and ease of use. We then apply these principles to develop PathML, a general-purpose research toolkit for computational pathology. We describe the design of the PathML framework and demonstrate applications in diverse use-cases. PathML is publicly available at www.pathml.com .

ABSTRACT PTEN is the most frequently lost tumor suppressor in primary prostate cancer (PCa) and its loss is associated with aggressive disease. However, the transcriptional changes associated with PTEN loss in PCa have not been described in detail. Here, we applied a meta-analysis approach, leveraging two large PCa cohorts with experimentally validated PTEN and ERG status, to derive a transcriptomic signature of PTEN loss, while also accounting for potential confounders due to ERG rearrangements. Strikingly, the signature indicates a strong activation of both innate and adaptive immune systems upon PTEN loss, as well as an expected activation of cell-cycle genes. Moreover, we made use of our recently developed FC-R2 expression atlas to expand this signature to include many non-coding RNAs recently annotated by the FANTOM consortium. With this resource, we analyzed the TCGA-PRAD cohort, creating a comprehensive transcriptomic landscape of PTEN loss in PCa that comprises both the coding and an extensive non-coding counterpart.

Effective biomarkers and diagnostic tools are urgently needed in clinical settings for improved management of prostate cancer patients, especially to reduce over-treatment of indolent tumors and for early identification of aggressive disease. Gene expression signatures are currently the “gold standard” to provide guide clinical decision, however their clinical utility and interpretability is questionable. Multi-modal molecular profiling provides an holistic approach to systematically unravel the biological complexity underlying cancer pathogenesis, hence biomarkers developed using such an integrated approach hold the potential to more accurately capture cancer-driving alterations than signatures based on a single omics modality. Currently, however, robust and reproducible multi- omics biomarkers are still lacking for prostate cancer. In this study, we analyzed transcriptomics and metabolomics profiles jointly in a prostate cancer cohort and identified two prognostic signatures with high statistical powers (signature 1: EGLN3, succinate, trans-4-hydroxyprolin; and signature 2: IL6, SLC22A2, histamine). Our approach leveraged a priori biological knowledge of the cellular metabolism and gene circuitry, enabling the identification of dysregulated network modules. Functional bioinformatics analyses suggest that these signatures can capture relevant molecular alterations in prostate cancer tissues, including dysregulations of cellular signaling, cell cycle progression, and immune system modulation, stratifying patients in distinct risk groups. Next, we trained two gene expression signatures as a proxy for the multi- omics ones, extending our investigation to publicly available data, further confirming their prognostic values in independent patient cohorts. In summary, the analysis of multi-modal molecular grounded in cellular network biology represents a promising approach for the development of robust prognostic biomarkers of detecting and discriminating high grade disease.

Abstract Tissue microarrays (TMAs) have been used in thousands of cancer biomarker studies. To what extent batch effects, measurement error in biomarker levels between slides, affects TMA-based studies has not been assessed systematically. We evaluated 20 protein biomarkers on 14 TMAs with prospectively collected tumor tissue from 1,448 primary prostate cancers. In half of the biomarkers, more than 10% of biomarker variance was attributable to between-TMA differences (range, 1–48%). We implemented different methods to mitigate batch effects (R package batchtma ), tested in plasmode simulation. Biomarker levels were more similar between mitigation approaches compared to uncorrected values. For some biomarkers, associations with clinical features changed substantially after addressing batch effects. Batch effects and resulting bias are not an error of an individual study but an inherent feature of TMA-based protein biomarker studies. They always need to be considered during study design and addressed analytically in studies using more than one TMA.

Abstract The healthy prostate is a relatively quiescent tissue. Yet, prostate epithelium overgrowth is a common condition during ageing, associated with urinary dysfunction and tumorigenesis. For over thirty years, TGF-β ligands have been known to induce cytostasis in a large variety of epithelia, but the intracellular pathway mediating this signal in the prostate, as well as its relevance for quiescence, have remained elusive. Here, using mouse prostate organoids to model epithelial progenitors, we found that intra-epithelial non-canonical Activin A signalling inhibited cell proliferation in a Smad-independent manner. Mechanistically, Activin A triggered Tak1 and p38 MAPK activity, leading to p16 and p21 nuclear import. Spontaneous evasion from this quiescent state occurred upon prolonged culture, due to reduced Activin A secretion, a condition associated with DNA replication stress and aneuploidy. Organoids capable to escape quiescence in vitro were also able to implant with increased frequency into immunocompetent mice. Our study demonstrates that non-canonical Activin A signalling safeguards epithelial quiescence in the healthy prostate, with potential implications for the understanding of cancer initiation, and the development of therapies targeting quiescent tumour progenitors.