Abstract Determination of molecular features that mediate clinically aggressive phenotypes in prostate cancer (PrCa) remains a major biological and clinical challenge. Here, we developed a biologically informed deep learning model (P-NET) to stratify PrCa patients by treatment resistance state and evaluate molecular drivers of treatment resistance for therapeutic targeting through complete model interpretability. Using a molecular cohort of 1,238 prostate cancers, we demonstrated that P-NET can predict cancer state using molecular data that is superior to other modeling approaches. Moreover, the biological interpretability within P-NET revealed established and novel molecularly altered candidates, such as MDM4 and FGFR1 , that were implicated in predicting advanced disease and validated in vitro . Broadly, biologically informed fully interpretable neural networks enable preclinical discovery and clinical prediction in prostate cancer and may have general applicability across cancer types.

Abstract Lineage plasticity, the ability of a cell to alter its identity, is an increasingly common mechanism of adaptive resistance to targeted therapy in cancer 1,2 . An archetypal example is the development of neuroendocrine prostate cancer (NEPC) after treatment of prostate adenocarcinoma (PRAD) with inhibitors of androgen signaling. NEPC is an aggressive variant of prostate cancer that aberrantly expresses genes characteristic of neuroendocrine (NE) tissues and no longer depends on androgens. To investigate the epigenomic basis of this resistance mechanism, we profiled histone modifications in NEPC and PRAD patient-derived xenografts (PDXs) using chromatin immunoprecipitation and sequencing (ChIP-seq). We identified a vast network of cis -regulatory elements (N~15,000) that are recurrently activated in NEPC. The FOXA1 transcription factor (TF), which pioneers androgen receptor (AR) chromatin binding in the prostate epithelium 3,4 , is reprogrammed to NE-specific regulatory elements in NEPC. Despite loss of dependence upon AR, NEPC maintains FOXA1 expression and requires FOXA1 for proliferation and expression of NE lineage-defining genes. Ectopic expression of the NE lineage TFs ASCL1 and NKX2-1 in PRAD cells reprograms FOXA1 to bind to NE regulatory elements and induces enhancer activity as evidenced by histone modifications at these sites. Our data establish the importance of FOXA1 in NEPC and provide a principled approach to identifying novel cancer dependencies through epigenomic profiling.

Abstract Chromosomal gains are among the most frequent somatic genetic alterations occurring in cancer. While the effect of sustained oncogene expression has been characterized, the impact of copy-number gains affecting collaterally-amplified “bystander” genes on cellular fitness remains less understood. To investigate this, we built a comprehensive map of dosage compensations across human cancers by integrating expression and copy number profiles from over 8,000 TCGA tumors and CCLE cell lines. Further, we analyzed the effect of gene overexpression across 17 human cancer ORF screens to provide an overview of genes that prove toxic to cancer cells when overexpressed. Combining these two independent approaches we propose a class of ‘Amplification-Related Gain Of Sensitivity’ (ARGOS) genes. These genes are located in commonly amplified regions of the genome, have lower expression levels than expected by their copy-number status, and are toxic to cancer cells when overexpressed. We experimentally validated CDKN1A and RBM14 as high-confidence pan-cancer ARGOS genes in lung and breast cancer cell line models. We additionally suggest that RBM14’s mechanism of toxicity involves altered DNA damage response and innate immune signaling processes following gene overexpression. Finally, we provide a comprehensive catalog of compensated, toxic, and ARGOS genes as a community resource.

Abstract Metastatic castration resistant prostate cancers (mCRPC) are treated with therapies that antagonize the androgen receptor (AR). Nearly all patients develop resistance to AR-targeted therapies (ART). Our previous work identified CREB5 as an upregulated target gene in human mCRPC that promoted resistance to all clinically-approved ART. The mechanisms by which CREB5 promotes progression of mCRPC or other cancers remains elusive. Integrating ChIP-seq and rapid immunoprecipitation and mass spectroscopy of endogenous proteins (RIME), we report that cells overexpressing CREB5 demonstrate extensive reprogramming of nuclear protein-protein interactions in response to the ART agent enzalutamide. Specifically, CREB5 physically interacts with AR, the pioneering actor FOXA1, and other known co-factors of AR and FOXA1 at transcription regulatory elements recently found to be active in mCRPC patients. We identified a subset of CREB5/FOXA1 co-interacting nuclear factors that have critical functions for AR transcription (GRHL2, HOXB13) while others (TBX3, NFIC) regulated cell viability and ART resistance and were amplified or overexpressed in mCRPC. Upon examining the nuclear protein interactions and the impact of CREB5 expression on the mCRPC patient transcriptome, we found CREB5 was associated with TGFβ and Wnt signaling and epithelial to mesenchymal transitions, implicating these pathways in ART resistance. Overall, these observations define the molecular interactions among CREB5, FOXA1, and pathways that promote ART resistance.

RNA sequencing (RNA-seq) is the conventional genome-scale approach used to capture the expression levels of all detectable genes in a biological sample. This is now regularly used in the clinical diagnostic space for cancer patients. While the information gained is intended to impact treatment decisions, numerous technical and quality issues remain. This includes inaccuracies in the dissemination of gene-gene relationships. For such reasons, clinical decisions are still mostly driven by DNA biomarkers, such as gene mutations or fusions. In this study, we aimed to correct for systemic bias based on RNA-sequencing platforms in order to improve our understanding of the gene-gene relationships. To do so, we examined standard pre-processed RNA-seq datasets obtained from three studies conducted by two consortium efforts including The Cancer Genome Atlas (TCGA) and Stand Up 2 Cancer (SU2C). We particularly examined the TCGA Bladder Cancer (n = 408) and Prostate Cancer (n = 498) studies as well as the SU2C Prostate Cancer study (n = 208). Using various statistical tests, we detected expression-level dependent, per-sample biases in all datasets. Using simulations, we show that these biases corrupt the results of t-tests designed to identify expression level differences between subpopulations. Importantly, these biases introduce large errors into estimates of gene-gene correlations. To mitigate these biases, we introduce Local Leveling as a novel mathematical approach that transforms count level data and corrects these observed biases. Local Leveling specifically corrects for the bias due to the inherent differential detection of transcripts that is driven by differential expression levels. Based on standard forms of count data (Raw counts, transcripts per million, fragments per kilobase of exon per million), we demonstrate that local leveling effectively removes the observed per-sample biases, and improves the accuracy in simulated statistical tests. Importantly, this led to systemic changes of gene-gene relationships when examining the correlation of key oncogenes, such as the Androgen Receptor, with all other detectable genes. Altogether, Local Leveling improves our capacity towards understanding gene-gene relationships, which may lead to novel ways to utilize the information derived from clinical tests.

Abstract Resistance to androgen deprivation therapies leads to metastatic castration-resistant prostate cancer (mCRPC) of adenocarcinoma (AdCa) origin that can transform to emergent aggressive variant prostate cancer (AVPC) which has neuroendocrine (NE)-like features. To this end, we used LuCaP patient-derived xenograft (PDX) tumors, clinically relevant models that reflects and retains key features of the tumor from advanced prostate cancer patients. Here we performed proteome and phosphoproteome characterization of 48 LuCaP PDX tumors and identified over 94,000 peptides and 9,700 phosphopeptides corresponding to 7,738 proteins. When we compared 15 NE versus 33 AdCa PDX samples, we identified 309 unique proteins and 476 unique phosphopeptides that were significantly altered and corresponded to proteins that are known to distinguish these two phenotypes. Assessment of protein and RNA concordance from these tumors revealed increased dissonance in transcriptionally regulated proteins in NE and metabolite interconversion enzymes in AdCa.

ABSTRACT Androgen receptor (AR) signaling is the central driver of prostate cancer across disease states. While androgen deprivation therapy (ADT) is effective in the initial treatment of prostate cancer, resistance to ADT or to next-generation androgen pathway inhibitors invariably arises, most commonly through re-activation of the AR axis. Thus, orthogonal approaches to inhibit AR signaling in advanced prostate cancer are essential. Here, via genome-scale CRISPR/Cas9 screening, we identify protein arginine methyltransferase 1 (PRMT1) as a critical mediator of AR expression and signaling. PRMT1 regulates recruitment of AR to genomic target sites and inhibition of PRMT1 impairs AR binding at lineage-specific enhancers, leading to decreased expression of key oncogenes, including AR itself. Additionally, AR-driven prostate cancer cells are uniquely susceptible to combined AR and PRMT1 inhibition. Our findings implicate PRMT1 as a key regulator of AR output and provide a preclinical framework for co-targeting of AR and PRMT1 in advanced prostate cancer.

Abstract Prostate cancer (PCa) remains the most diagnosed non-skin cancer amongst the American male population. Treatment for localized prostate cancer consists of androgen deprivation therapies (ADTs), which typically inhibit androgen production and the androgen receptor (AR). Though initially effective, a subset of patients will develop resistance to ADTs and the tumors will transition to castration-resistant prostate cancer (CRPC). Second generation hormonal therapies such as abiraterone acetate and enzalutamide are typically given to men with CRPC. However, these treatments are not curative and typically prolong survival only by a few months. Several resistance mechanisms contribute to this lack of efficacy such as the emergence of AR mutations, AR amplification, lineage plasticity, AR splice variants (AR-Vs) and increased kinase signaling. Having identified SRC kinase as a key tyrosine kinase enriched in CRPC patient tumors from our previous work, we evaluated whether inhibition of SRC kinase synergizes with enzalutamide or chemotherapy in several prostate cancer cell lines expressing variable AR isoforms. We observed robust synergy between the SRC kinase inhibitor, saracatinib, and enzalutamide, in the AR-FL+/AR-V+ CRPC cell lines, LNCaP95 and 22Rv1. We also observed that saracatinib significantly decreases AR Y 534 phosphorylation, a key SRC kinase substrate residue, on AR-FL and AR-Vs, along with the AR regulome, supporting key mechanisms of synergy with enzalutamide. Lastly, we also found that the saracatinib-enzalutamide combination reduced DNA replication compared to the saracatinib-docetaxel combination, resulting in marked increased apoptosis. By elucidating this combination strategy, we provide pre-clinical data that suggests combining SRC kinase inhibitors with enzalutamide in select patients that express both AR-FL and AR-Vs.

Phenotypic plasticity is a recognized mechanism driving therapeutic resistance in prostate cancer (PCa) patients. While underlying molecular causations driving phenotypic plasticity have been identified, therapeutic success is yet to be achieved. To identify putative master regulator transcription factors (MR-TF) driving phenotypic plasticity in PCa, this work utilized a multiomic approach using genetically engineered mouse models of prostate cancer combined with patient data to identify MYBL2 as a significantly enriched transcription factor in PCa exhibiting phenotypic plasticity. Genetic inhibition of