Abstract Understanding the molecular characteristics and changes of the tumor microenvironment (TME) associated with aggressive prostate cancer (PCa) is essential for precise diagnosis and treatment. We interrogated spatially resolved integrated transcriptomics and metabolomics data to build molecular strafiers discriminating patients with aggressive, potentially relapsing, and metastasizing PCa. We report a relapse associated (RA) gene expression signature characterized by upregulated immune response related gene expression scoring high in cancer, stroma, and glandular tissue of relapsing patients. Further, we identified a signature specific to a distinct sub-group of morphologically non-cancerous glands in prostate tissue from patients with relapsing cancer. This signature, named chemokine-enriched-gland (CEG) signature, was characterized by upregulated gene expression of pro-inflammatory chemokines. Glands with a high CEG score were enriched for club-like cells and surrounding stroma was infiltrated by immune cells. Tissue regions scoring high for both CEG and RA signatures were associated with reduced levels of citrate and zinc and loss of normal prostate secretory gland functions via reduced expression of genes necessary for citrate secretion. In summary we report that aggressive PCa is associated with an increased inflammatory status linked to chemokine production and club-like cell enrichment in potentially pre-cancerous prostate glands displaying an aberrant metabolism.

Abstract To truly understand the cancer biology of heterogenous tumors in the context of precision medicine, it is crucial to use analytical methodology capable of capturing the complexities of multiple omics levels, as well as the spatial heterogeneity of cancer tissue. Different molecular imaging techniques, such as mass spectrometry imaging (MSI) and spatial transcriptomics (ST) achieve this goal by spatially detecting metabolites and mRNA, respectively. To take full analytical advantage of such multi-omics data, the individual measurements need to be integrated into one dataset. We present MIIT (Multi-Omics Imaging Integration Toolset), a Python framework for integrating spatially resolved multi-omics data. MIIT’s integration workflow consists of performing a grid projection of spatial omics data, registration of stained serial sections, and mapping of MSI-pixels to the spot resolution of Visium 10x ST data. For the registration of serial sections, we designed GreedyFHist, a registration algorithm based on the Greedy registration tool. We validated GreedyFHist on a dataset of 245 pairs of serial sections and reported an improved registration performance compared to a similar registration algorithm. As a proof of concept, we used MIIT to integrate ST and MSI data on cancer-free tissue from 7 prostate cancer patients and assessed the spot-wise correlation of a gene signature activity for citrate-spermine secretion derived from ST with citrate, spermine, and zinc levels obtained by MSI. We confirmed a significant correlation between gene signature activity and all three metabolites. To conclude, we developed a highly accurate, customizable, computational framework for integrating spatial omics technologies and for registration of serial tissue sections.

Abstract Prostate cancer treatment resistance is a significant challenge facing the field. Genomic and transcriptomic profiling have partially elucidated the mechanisms through which cancer cells escape treatment, but their relation toward the tumor microenvironment (TME) remains elusive. Here we present a comprehensive transcriptomic landscape of the prostate TME at multiple points in the standard treatment timeline employing single-cell RNA-sequencing and spatial transcriptomics data from 110 patients. We identify club-like cells as a key epithelial cell subtype that acts as an interface between the prostate and the immune system. Tissue areas enriched with club-like cells have depleted androgen signaling and upregulated expression of luminal progenitor cell markers. Club-like cells display a senescence-associated secretory phenotype and their presence is linked to increased polymorphonuclear myeloid-derived suppressor cell (PMN-MDSC) activity. Our results indicate that club-like cells partake in inducing myeloid inflammation previously associated with androgen deprivation therapy resistance, providing a rationale for their therapeutic targeting.