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.

ABSTRACT Advances in artificial intelligence have paved the way for leveraging hematoxylin and eosin (H&E)-stained tumor slides for precision oncology. We present ENLIGHT-DeepPT, an approach for predicting response to multiple targeted and immunotherapies from H&E-slides. In difference from existing approaches that aim to predict treatment response directly from the slides, ENLIGHT-DeepPT is an indirect two-step approach consisting of (1) DeepPT, a new deep-learning framework that predicts genome-wide tumor mRNA expression from slides, and (2) ENLIGHT, which predicts response based on the DeepPT inferred expression values. DeepPT successfully predicts transcriptomics in all 16 TCGA cohorts tested and generalizes well to two independent datasets. Importantly, ENLIGHT-DeepPT successfully predicts true responders in five independent patients’ cohorts involving four different treatments spanning six cancer types with an overall odds ratio of 2.44, increasing the baseline response rate by 43.47% among predicted responders, without the need for any treatment data for training. Furthermore, its prediction accuracy on these datasets is comparable to a supervised approach predicting the response directly from the images, trained and tested on the same cohort in cross validation. Its future application could provide clinicians with rapid treatment recommendations to an array of different therapies and importantly, may contribute to advancing precision oncology in developing countries. Statement of Significance ENLIGHT-DeepPT is the first approach shown to successfully predict response to multiple targeted and immune cancer therapies from H&E slides. In distinction from all previous H&E slides prediction approaches, it does not require supervised training on a specific cohort for each drug/indication treatment but is trained to predict expression on the TCGA cohort and then can predict response to an array of treatments without any further training. ENLIGHT-DeepPT can provide rapid treatment recommendations to oncologists and help advance precision oncology in underserved regions and low-income countries.

Despite decreased screening-based detection of clinically insignificant tumors, most diagnosed prostate cancers are still indolent, indicating a need for better strategies for detection of clinically significant disease prior to treatment. We hypothesized that patients with detectable circulating tumor DNA (ctDNA) were more likely to harbor aggressive disease. We applied ultra-low pass whole genome sequencing to profile cell-free DNA from 112 patients diagnosed with localized prostate cancer and performed targeted resequencing of plasma DNA for somatic mutations previously identified in matched solid tumor in nine cases. We also performed similar analyses on patients with metastatic prostate cancer. In all cases of localized disease, even in clinically high-risk patients who subsequently recurred, we did not detect ctDNA by either method in plasma acquired before surgery or before recurrence. In contrast, ctDNA was detected from patients with metastatic disease. Our findings demonstrate clear differences between localized and advanced prostate cancer with respect to the dissemination and detectability of ctDNA. Because allele-specific alterations in ctDNA are below the threshold for detection in localized prostate cancer, other approaches to identify cell-free nucleic acids of tumor origin may demonstrate better specificity for aggressive disease.

ABSTRACT Intratumoral heterogeneity is a well-documented feature of human cancers associated with outcome and treatment resistance. However, a heterogeneous tumor transcriptome contributes an unknown level of variability to analyses of differentially expressed genes that may contribute to phenotypes of interest, including treatment response. Although current clinical practice and the vast majority of research studies use a single sample from each patient, decreasing costs in sequencing technologies and computing costs have made repeated-measures analyses increasingly economical. Repeatedly sampling the same tumor increases the statistical power of differentially expressed gene analysis that is indispensable towards downstream analysis and also increases ones understanding of within-tumor variance that may affect conclusions. Here, we compared five different methods for analyzing gene expression profiles derived from repeated sampling of human prostate tumors in two separate cohorts of patients. We also benchmarked the sensitivity of generalized linear models to linear mixed models for identifying differentially expressed genes contributing to relevant prostate cancer pathways based on a ground truth model.

Localized prostate cancer develops very slowly in most men, with the androgen receptor (AR) and MYC transcription factors amongst the most well-characterized drivers of prostate tumorigenesis. Canonically, MYC up-regulation in luminal prostate cancer cells functions to oppose the terminally differentiating effects of AR. However, the effects of MYC up-regulation are pleiotropic and inconsistent with a poorly proliferative phenotype. Here we show that increased MYC expression and activity are associated with the down-regulation of MEIS1, a HOX-family transcription factor. Using RNA-seq to profile a series of human prostate cancer specimens laser capture microdissected on the basis of MYC immunohistochemistry, MYC activity and MEIS1 expression were inversely correlated. Knockdown of MYC expression in prostate cancer cells increased expression of MEIS1 and increased occupancy of MYC at the MEIS1 locus. Finally, we show in laser capture microdissected human prostate cancer samples and the prostate TCGA cohort that MEIS1 expression is inversely proportional to AR activity as well as HOXB13, a known interacting protein of both AR and MEIS1. Collectively, our data demonstrate that elevated MYC in a subset of primary prostate cancers functions in a negative role in regulating MEIS1 expression, and that this down-regulation may contribute to MYC-driven development and progression.

Summary Advanced prostate malignancies are a leading cause of cancer-related deaths in men, in large part due to our incomplete understanding of cellular drivers of disease progression. We investigated prostate cancer cell dynamics at single-cell resolution from disease onset to the development of androgen independence in vivo . We observe a dramatic expansion of a castration-resistant intermediate luminal cell type that correlates with treatment resistance and poor prognosis in human patients. Moreover, transformed epithelial cells and associated fibroblasts create a microenvironment conducive to pro-tumorigenic immune infiltration, which is in part androgen responsive. Androgen independent prostate cancer leads to significant diversification of intermediate luminal cell populations characterized by a range of androgen signaling activity inversely correlated with proliferation and mRNA translation. Accordingly, distinct epithelial populations are exquisitely sensitive to translation inhibition which leads to epithelial cell death, loss of pro-tumorigenic signaling, and decreased tumor heterogeneity. Our findings reveal a complex tumor environment largely dominated by castration-resistant luminal cells and immunosuppressive infiltrates.

Abstract Phenotypic plasticity is a hallmark of cancer and increasingly realized as a mechanism of resistance in androgen indifferent prostate tumors. It is critical to identify mechanisms and actionable targets driving phenotypic plasticity. Here, we report that loss of tristetraprolin (TTP, gene ZFP36 ), an RNA binding protein that regulates mRNA stability increases NF-κB activation and is associated with higher rates of aggressive disease and early recurrence in primary prostate cancer (PCa). We examined the clinical and biological impact of ZFP36 loss combined with PTEN loss, a known driver of PCa. Combined loss of PTEN and ZFP36 expression was associated with increased risk of recurrence in multiple independent primary PCa cohorts, and significantly reduced overall survival and time to progression following castration in genetically engineered mouse models. ZFP36 loss alters the cell state that is driven by PTEN loss, demonstrated by positive enrichment of gene sets including EMT, inflammation, TNFα/NF-κB, IL6-JAK/STAT3. ZFP36 loss also induces enrichment of multiple gene sets involved in cell migration, chemotaxis, and proliferation. Use of the NF-κB inhibitor dimethylaminoparthenolide induced significant therapeutic responses in tumors with PTEN and ZFP36 co-loss and reversed castration resistance. This work identifies a novel molecular mechanism driving phenotypic plasticity and castration resistance through loss of ZFP36 expression, that can be reversed by inhibition of NF-κB activity.