Abstract Proteinuria, the spillage of serum proteins into the urine, is a feature of glomerulonephritides, podocyte disorders and diabetic nephropathy. However, the response of tubular epithelial cells to serum protein exposure has not been systematically characterized. Using transcriptomic profiling we studied serum-induced changes in primary human tubular epithelial cells cultured in 3D microphysiological devices. Serum proteins induced cellular proliferation, cytokine secretion and activated a coordinated stress response. We orthogonally confirmed our findings by comparing the transcriptomic and epigenomic landscapes of intact human kidney cortex and isolated tubular epithelial cells cultured in fetal bovine serum. Importantly, key transcriptomic programs in response to either type of serum exposure remained consistent, including comparisons to an established mouse model of kidney injury. This serum-induced transcriptional response was dominated by switching off of nuclear receptor-driven programs and activation of AP-1 and NF-κB signatures in the tubular epigenomic landscape. These features of active regulation were seen at canonical kidney injury genes ( HAVCR1 ) and genes associated with COVID-19 ( ACE2 , IL6 ). Our data provide a reference map for dissecting the regulatory and transcriptional response of kidney tubular epithelial cells injury induced by serum.

ABSTRACT Advanced prostate cancers comprise distinct phenotypes, but tumor classification remains clinically challenging. Here, we harnessed circulating tumor DNA (ctDNA) to study tumor phenotypes by ascertaining nucleosome positioning patterns associated with transcription regulation. We sequenced plasma ctDNA whole genomes from patient-derived xenografts representing a spectrum of androgen receptor active (ARPC) and neuroendocrine (NEPC) prostate cancers. Nucleosome patterns associated with transcriptional activity were reflected in ctDNA at regions of genes, promoters, histone modifications, transcription factor binding, and accessible chromatin. We identified the activity of key phenotype-defining transcriptional regulators from ctDNA, including AR, ASCL1, HOXB13, HNF4G, and NR3C1. Using these features, we designed a prediction model which distinguished NEPC from ARPC in patient plasma samples across three clinical cohorts with 97-100% sensitivity and 85-100% specificity. While phenotype classification is typically assessed by immunohistochemistry or transcriptome profiling, we demonstrate that ctDNA provides comparable results with numerous diagnostic advantages for precision oncology. STATEMENT OF SIGNIFICANCE This study provides key insights into the dynamics of nucleosome positioning and gene regulation associated with cancer phenotypes that can be ascertained from ctDNA. The new methods established for phenotype classification extend the utility of ctDNA beyond assessments of DNA alterations with important implications for molecular diagnostics and precision oncology.

Abstract Introduction: Metastatic castration-resistant prostate cancer (mCRPC) is a heterogeneous disease which can be classified into clinically relevant subtypes based on the expression of genes, such as the androgen receptor (AR) and neuroendocrine markers. Neuroendocrine prostate cancer (NEPC), characterized by gain of stem-like and neuroendocrine features and lack of AR expression is a clinically aggressive variant. Due to the lack of adequate biomarkers, NEPC is usually detected at a very advanced stage. There is mounting evidence that molecular subtype changes seen in NEPC are enforced by widespread epigenetic alterations, in particular DNA methylation changes. In this study, we aim to devise a novel DNA methylation-based assay for molecular subtyping and disease monitoring from cell-free DNA (cfDNA). Methods: We analyzed genome wide methylation patterns in 56 prostate cancer patient-derived xenograft (PDX) and 128 mCRPC tumors using array- and sequencing-based assays. We integrated DNA methylation at promoters, gene bodies and transcription factor binding site (TFBS) to determine the landscape of methylation alterations at key lineage specific genes. Using whole genome methylation derived from tissue with matched expression data we developed a deep learning framework to predict gene expression directly from tissue or cfDNA. Using key marker genes, the model was used to discern tumor molecular phenotypes from tissue and cfDNA in three independent cohorts of mCRPC patients using whole genome bisulfite sequencing and low-pass Enzymatic Methyl-Seq (EM-seq). Results: We observed a tight association between promoter, gene body and TFBS methylation with gene expression. Inferring gene expression from methylation for lineage specific markers such as AR, KLK3, ASCL1, INSM1, SRRM4 and DLL3 we classified molecular subtypes from both tissue and cfDNA. Additionally, for AR and ASCL1, we identified core sets of TFBSs whose differential methylation allowed for accurate assay-independent molecular subtype quantification. Applying the optimized quantitative model to mCRPC patients who underwent comprehensive tissue sampling by rapid autopsy we observed accurate subtype classification from both tissue samples and cfDNA for all cases. A similar analytical performance was observed in additional clinical mCRPC cohorts with cfDNA. Conclusion: Whole-genome methylation analysis of cfDNA allows for the prediction of gene expression patterns in tumor tissues, enabling non-invasive tumor subclassification and assessment of therapeutic targets. Citation Format: Mohamed Adil, Brian Hanratty, Pallabi Mustafi, Chitvan Mittal, Helen Richards, Ilsa Coleman, Radhika Patel, Anna-Lisa Doebley, Robert Patton, Eden Cruikshank, Patricia Galipeau, Ruth Dumpit, Martine Roudier, Jin-Yih Low, Navonil Sarkar, Robert Montgomery, Eva Corey, Colm Morrissey, Peter Nelson, Gavin Ha, Michael Haffner. Advance prostate cancer detection through epigenomic profiling of cell-free DNA [abstract]. In: Proceedings of the AACR Special Conference: Liquid Biopsy: From Discovery to Clinical Implementation; 2024 Nov 13-16; San Diego, CA. Philadelphia (PA): AACR; Clin Cancer Res 2024;30(21_Suppl):Abstract nr PR011.