Prostate cancers (PCs) with loss of the potent tumor suppressors TP53 and RB1 exhibit poor outcomes. TP53 and RB1 also influence cell plasticity and are frequently lost in PCs with neuroendocrine (NE) differentiation. Therapeutic strategies that address these aggressive variant PCs are urgently needed. Using deep genomic profiling of 410 metastatic biopsies, we determine the relationships between combined TP53 and RB1 loss and PC phenotypes. Notably, 40% of TP53/RB1-deficient tumors are classified as AR-active adenocarcinomas, indicating that NE differentiation is not an obligate consequence of TP53/RB1 inactivation. A gene expression signature reflecting TP53/RB1 loss is associated with diminished responses to AR antagonists and reduced survival. These tumors exhibit high proliferation rates and evidence of elevated DNA repair processes. While tumor cells lacking TP53/RB1 are highly resistant to all single-agent therapeutics tested, the combination of PARP and ATR inhibition is found to produce significant responses, reflecting a clinically exploitable vulnerability resulting from replication stress.

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.