Abstract The coronavirus disease 2019 (COVID-19) pandemic, caused by severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2), has rapidly become a global public health threat due to the lack of effective drugs or vaccines against SARS-CoV-2. The efficacy of several repurposed drugs has been evaluated in clinical trials. Among these drugs, a relatively new antiandrogen agent, enzalutamide, was proposed because it reduces the expression of transmembrane serine protease 2 (TMPRSS2), a key component mediating SARS-CoV-2-driven entry into host cells, in prostate cancer cells. However, definitive evidence for the therapeutic efficacy of enzalutamide in COVID-19 is lacking. Here, we evaluated the antiviral efficacy of enzalutamide in prostate cancer cells, lung cancer cells, human lung organoids and SARS-CoV-2-infected Ad-ACE2-transduced Tmprss2 knockout (Tmprss2-KO) and wild-type (WT) mice. TMPRSS2 knockout significantly inhibited SARS-CoV-2 infection in vivo . Enzalutamide effectively inhibited SARS-CoV-2 infection in human prostate cancer cells (LNCaP) but not in human lung cancer cells or patient-derived lung organoids. Although Tmprss2 knockout effectively blocked SARS-CoV-2 infection in ACE2-transduced mice, enzalutamide showed no antiviral activity due to the AR independence of TMPRSS2 expression in mouse and human lung epithelial cells. Moreover, we observed distinct AR binding patterns between prostate cells and lung cells and a lack of direct binding of AR to TMPRSS2 in human lung cells. Thus, our findings do not support the postulated protective role of enzalutamide in treating COVID-19.

Abstract Summary cell-free methylated DNA immunoprecipitation and high-throughput sequencing (cfMeDIP-seq) has emerged as a promising non-invasive technology to detect cancers and monitor treatments. Several bioinformatics tools are available for cfMeDIP-seq data analysis. However, an easy to implement and flexible pipeline, particularly, for large-scale cfMeDIP-seq profiling, is still lacking. Here we present the MEDIPIPE, which provides a one-stop solution for cfMeDIP-seq data quality control, methylation quantification and sample aggregation. The major advantages of MEDIPIPE are: 1) it is easy to implement and reproduce with automatically deployed execution environments; 2) it can handle different experimental settings with a single input configuration file; 3) it is computationally efficient for large-scale cfMeDIP-seq profiling data analysis and aggregation. Availability and implementation This pipeline is an open-source software under the MIT license and it is freely available at https://github.com/yzeng-lol/MEDIPIPE . Contact yzeng@uhnresearch.ca or trevor.pugh@utoronto.ca or hansenhe@uhnresearch.ca Supplementary information Supplementary data are appended.

PURPOSE Immune gene expression signatures are emerging as potential biomarkers for immunotherapy (IO). VIGex is a 12-gene expression classifier developed in both nCounter (Nanostring) and RNA sequencing (RNA-seq) assays and analytically validated across laboratories. VIGex classifies tumor samples into hot, intermediate-cold (I-Cold), and cold subgroups. VIGex-Hot has been associated with better IO treatment outcomes. Here, we investigated the performance of VIGex and other IO biomarkers in an independent data set of patients treated with pembrolizumab in the INSPIRE phase II clinical trial (ClinicalTrials.gov identifier: NCT02644369 ). MATERIALS AND METHODS Patients with advanced solid tumors were treated with pembrolizumab 200 mg IV once every 3 weeks. Tumor RNA-seq data from baseline tumor samples were classified by the VIGex algorithm. Circulating tumor DNA (ctDNA) was measured at baseline and start of cycle 3 using the bespoke Signatera assay. VIGex-Hot was compared with VIGex I-Cold + Cold and four groups were defined on the basis of the combination of VIGex subgroups and the change in ctDNA at cycle 3 from baseline (ΔctDNA). RESULTS Seventy-six patients were enrolled, including 16 ovarian, 12 breast, 12 head and neck cancers, 10 melanoma, and 26 other tumor types. Objective response rate was 24% in VIGex-Hot and 10% in I-Cold/Cold. VIGex-Hot subgroup was associated with higher overall survival (OS) and progression-free survival (PFS) when included in a multivariable model adjusted for tumor type, tumor mutation burden, and PD-L1 immunohistochemistry. The addition of ΔctDNA improved the predictive performance of the baseline VIGex classification for both OS and PFS. CONCLUSION Our data indicate that the addition of ΔctDNA to baseline VIGex may refine prediction for IO.