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 Purpose: Histologic transformation to small cell lung cancer (SCLC) is a mechanism of treatment resistance in patients with advanced oncogene-driven lung adenocarcinoma (LUAD) that currently requires histologic review for diagnosis. Herein, we sought to develop an epigenomic cell-free (cf)DNA-based approach to non-invasively detect small cell transformation in patients with EGFR mutant (EGFRm) LUAD. Experimental Design: To characterize the epigenomic landscape of transformed (t)SCLC relative to LUAD and de novo SCLC, we performed chromatin immunoprecipitation sequencing (ChIP-seq) to profile the histone modifications H3K27ac, H3K4me3, and H3K27me3, methylated DNA immunoprecipitation sequencing (MeDIP-seq), assay for transposase-accessible chromatin sequencing (ATAC-seq), and RNA sequencing on 26 lung cancer patient-derived xenograft (PDX) tumors. We then generated and analyzed H3K27ac ChIP-seq, MeDIP-seq, and whole genome sequencing cfDNA data from 1 ml aliquots of plasma from patients with EGFRm LUAD with or without tSCLC. Results: Analysis of 126 epigenomic libraries from the lung cancer PDXs revealed widespread epigenomic reprogramming between LUAD and tSCLC, with a large number of differential H3K27ac (n=24,424), DNA methylation (n=3,298), and chromatin accessibility (n=16,352) sites between the two histologies. Tumor-informed analysis of each of these three epigenomic features in cfDNA resulted in accurate non-invasive discrimination between patients with EGFRm LUAD versus tSCLC (AUROC=0.82-0.87). A multi-analyte cfDNA-based classifier integrating these three epigenomic features discriminated between EGFRm LUAD versus tSCLC with an AUROC of 0.94. Conclusions: These data demonstrate the feasibility of detecting small cell transformation in patients with EGFRm LUAD through epigenomic cfDNA profiling of 1 ml of patient plasma.