Levi Garraway and colleagues report exome sequencing of 112 prostate adenocarcinomas and matched normal tissues. They identify novel recurrent mutations in several genes, including MED12, FOXA1 and SPOP. They find that tumors harboring SPOP mutations lack the TMPRSS2-ERG fusion or other ETS rearrangements, supporting the hypothesis that SPOP mutation is an early driver event in prostate tumorigenesis. Prostate cancer is the second most common cancer in men worldwide and causes over 250,000 deaths each year1. Overtreatment of indolent disease also results in significant morbidity2. Common genetic alterations in prostate cancer include losses of NKX3.1 (8p21)3,4 and PTEN (10q23)5,6, gains of AR (the androgen receptor gene)7,8 and fusion of ETS family transcription factor genes with androgen-responsive promoters9,10,11. Recurrent somatic base-pair substitutions are believed to be less contributory in prostate tumorigenesis12,13 but have not been systematically analyzed in large cohorts. Here, we sequenced the exomes of 112 prostate tumor and normal tissue pairs. New recurrent mutations were identified in multiple genes, including MED12 and FOXA1. SPOP was the most frequently mutated gene, with mutations involving the SPOP substrate-binding cleft in 6–15% of tumors across multiple independent cohorts. Prostate cancers with mutant SPOP lacked ETS family gene rearrangements and showed a distinct pattern of genomic alterations. Thus, SPOP mutations may define a new molecular subtype of prostate cancer.

Abstract The Gleason grading system remains the most powerful prognostic predictor for patients with prostate cancer since the 1960s. Its application requires highly-trained pathologists, is tedious and yet suffers from limited inter-pathologist reproducibility, especially for the intermediate Gleason score 7. Automated annotation procedures constitute a viable solution to remedy these limitations. In this study, we present a deep learning approach for automated Gleason grading of prostate cancer tissue microarrays with Hematoxylin and Eosin (H&E) staining. Our system was trained using detailed Gleason annotations on a discovery cohort of 641 patients and was then evaluated on an independent test cohort of 245 patients annotated by two pathologists. On the test cohort, the inter-annotator agreements between the model and each pathologist, quantified via Cohen’s quadratic kappa statistic, were 0.75 and 0.71 respectively, comparable with the inter-pathologist agreement (kappa = 0.71). Furthermore, the model’s Gleason score assignments achieved pathology expert-level stratification of patients into prognostically distinct groups, on the basis of disease-specific survival data available for the test cohort. Overall, our study shows promising results regarding the applicability of deep learning-based solutions towards more objective and reproducible prostate cancer grading, especially for cases with heterogeneous Gleason patterns.

Mutant protein in tumors hits the DEK Cancer genome sequencing projects have uncovered a multitude of mutations in human tumors. Understanding whether and how these mutations contribute to tumor development and progression could ultimately lead to new therapies. Theurillat et al. studied the protein product of a gene that is recurrently mutated in prostate cancer. Normally this protein helps attach a biochemical tag to cellular proteins that marks them for degradation. The new work shows that the tumor-associated mutant protein loses this tagging ability, which results in the stabilization of a handful of cellular proteins that would otherwise be degraded. One of the most intriguing of these proteins was DEK, which helps prostate cancer cells invade into surrounding tissue. Science , this issue p. 85

Total neoadjuvant therapy has been increasingly adopted for multimodal rectal cancer treatment. The optimal sequence of chemoradiotherapy (CRT) and chemotherapy needs to be established.To report the long-term results of the secondary end points prespecified in the Randomized Phase 2 Trial of Chemoradiotherapy Plus Induction or Consolidation Chemotherapy as Total Neoadjuvant Therapy (CAO/ARO/AIO-12 trial) for Locally Advanced Rectal Cancer.This secondary analysis of a randomized clinical trial included 311 patients who were recruited from the accrued CAO/ARO/AIO-12 trial population from June 15, 2015, to January 31, 2018, from 18 centers in Germany. Patients with cT3-4 and/or node-positive rectal adenocarcinoma were included in the analysis. Data were analyzed from June 15, 2015, to January 31, 2018. The follow-up analysis was conducted between January 31, 2018, and November 30, 2020.Patients were randomly assigned to group A for 3 cycles of fluorouracil, leucovorin, and oxaliplatin before fluorouracil/oxaliplatin CRT (50.4 Gy), or to group B for CRT before chemotherapy. Total mesorectal excision was scheduled on day 123 after the start of total neoadjuvant therapy in both groups.The end points assessed in this secondary analysis included long-term oncologic outcomes, chronic toxicity, patient-reported outcome measures for global health status (GHS) and quality of life (QoL), and the Wexner stool incontinence score.Of the 311 patients enrolled, 306 were evaluable, including 156 in group A (mean [SD] age, 60 [11] years; 106 men [68%]) and 150 in group B (mean [SD] age, 62 [10] years; 100 men [67%]). After a median follow-up of 43 months (range, 35-60 months), the 3-year disease-free survival was 73% in both groups (hazard ratio, 0.95; 95% CI, 0.63-1.45, P = .82); the 3-year cumulative incidence of locoregional recurrence (6% vs 5%, P = .67) and distant metastases (18% vs 16%, P = .52) were not significantly different. Chronic toxicity grade 3 to 4 occurred in 10 of 85 patients (11.8%) in group A and 8 of 66 patients (9.9%) in group B at 3 years. The GHS/QoL score decreased after total mesorectal excision but returned to pretreatment levels 1 year after randomization with no difference between the groups. Stool incontinence deteriorated 1 year after randomization in both groups and only improved slightly at 3 years, but never reached baseline levels.This secondary analysis of a randomized clinical trial showed that CRT followed by chemotherapy resulted in higher pathological complete response without compromising disease-free survival, toxicity, QoL, or stool incontinence and is thus proposed as the preferred total neoadjuvant therapy sequence if organ preservation is a priority.ClinicalTrials.gov identifier: NCT02363374.

Abstract The Gleason grading system remains the most powerful prognostic predictor for patients with prostate cancer since the 1960’s. Its application requires highly-trained pathologists, is tedious and yet suffers from limited inter-pathologist reproducibility, especially for the intermediate Gleason score 7. Automated annotation procedures constitute a viable solution to remedy these limitations. In this study, we present a deep learning approach for automated Gleason grading of prostate cancer tissue microarrays with Hematoxylin and Eosin (H&E) staining. Our system was trained using detailed Gleason annotations on a discovery cohort of 641 patients and was then evaluated on an independent test cohort of 245 patients annotated by two pathologists. On the test cohort, the inter-annotator agreements between the model and each pathologist, quantified via Cohen’s quadratic kappa statistic, were 0.75 and 0.71 respectively, comparable with the inter-pathologist agreement (kappa=0.71). Furthermore, the model’s Gleason score assignments achieved pathology expert-level stratification of patients into prognostically distinct groups, on the basis of disease-specific survival data available for the test cohort. Overall, our study shows promising results regarding the applicability of deep learning-based solutions towards more objective and reproducible prostate cancer grading, especially for cases with heterogeneous Gleason patterns.

ABSTRACT Gleason grading is an important prognostic indicator for prostate adenocarcinoma and is crucial for patient treatment decisions. However, intermediate-risk patients diagnosed in Gleason Grade Groups (GG) 2 and GG3 can harbour either aggressive or non-aggressive disease, resulting in under- or over-treatment of a significant number of patients. Here, we performed proteomic, differential expression, machine learning, and survival analyses for 1,348 matched tumour and benign sample runs from 278 patients. Three proteins (F5, TMEM126B and EARS2) were identified as candidate biomarkers in patients with biochemical recurrence. Multivariate Cox regression yielded 18 proteins, from which a risk score was constructed to dichotomise prostate cancer patients into low- and high-risk groups. This 18-protein signature is prognostic for the risk of biochemical recurrence and completely independent of the intermediate GG. Our results suggest that markers generated by computational proteomic profiling have the potential for clinical applications including integration into prostate cancer management.