Androgen receptor (AR) gene aberrations are rare in prostate cancer before primary hormone treatment but emerge with castration resistance. To determine AR gene status using a minimally invasive assay that could have broad clinical utility, we developed a targeted next-generation sequencing approach amenable to plasma DNA, covering all AR coding bases and genomic regions that are highly informative in prostate cancer. We sequenced 274 plasma samples from 97 castration-resistant prostate cancer patients treated with abiraterone at two institutions. We controlled for normal DNA in patients' circulation and detected a sufficiently high tumor DNA fraction to quantify AR copy number state in 217 samples (80 patients). Detection of AR copy number gain and point mutations in plasma were inversely correlated, supported further by the enrichment of nonsynonymous versus synonymous mutations in AR copy number normal as opposed to AR gain samples. Whereas AR copy number was unchanged from before treatment to progression and no mutant AR alleles showed signal for acquired gain, we observed emergence of T878A or L702H AR amino acid changes in 13% of tumors at progression on abiraterone. Patients with AR gain or T878A or L702H before abiraterone (45%) were 4.9 and 7.8 times less likely to have a ≥50 or ≥90% decline in prostate-specific antigen (PSA), respectively, and had a significantly worse overall [hazard ratio (HR), 7.33; 95% confidence interval (CI), 3.51 to 15.34; P = 1.3 × 10(-9)) and progression-free (HR, 3.73; 95% CI, 2.17 to 6.41; P = 5.6 × 10(-7)) survival. Evaluation of plasma AR by next-generation sequencing could identify cancers with primary resistance to abiraterone.

BackgroundThere is an urgent need to identify biomarkers to guide personalized therapy in castration-resistant prostate cancer (CRPC). We aimed to clinically qualify androgen receptor (AR) gene status measurement in plasma DNA using multiplex droplet digital PCR (ddPCR) in pre- and post-chemotherapy CRPC.MethodsWe optimized ddPCR assays for AR copy number and mutations and retrospectively analyzed plasma DNA from patients recruited to one of the three biomarker protocols with prospectively collected clinical data. We evaluated associations between plasma AR and overall survival (OS) and progression-free survival (PFS) in 73 chemotherapy-naïve and 98 post-docetaxel CRPC patients treated with enzalutamide or abiraterone (Primary cohort) and 94 chemotherapy-naïve patients treated with enzalutamide (Secondary cohort; PREMIERE trial).ResultsIn the primary cohort, AR gain was observed in 10 (14%) chemotherapy-naïve and 33 (34%) post-docetaxel patients and associated with worse OS [hazard ratio (HR), 3.98; 95% CI 1.74–9.10; P < 0.001 and HR 3.81; 95% CI 2.28–6.37; P < 0.001, respectively], PFS (HR 2.18; 95% CI 1.08–4.39; P = 0.03, and HR 1.95; 95% CI 1.23–3.11; P = 0.01, respectively) and rate of PSA decline ≥50% [odds ratio (OR), 4.7; 95% CI 1.17–19.17; P = 0.035 and OR, 5.0; 95% CI 1.70–14.91; P = 0.003, respectively]. AR mutations [2105T>A (p.L702H) and 2632A>G (p.T878A)] were observed in eight (11%) post-docetaxel but no chemotherapy-naïve abiraterone-treated patients and were also associated with worse OS (HR 3.26; 95% CI 1.47–not reached; P = 0.004). There was no interaction between AR and docetaxel status (P = 0.83 for OS, P = 0.99 for PFS). In the PREMIERE trial, 11 patients (12%) with AR gain had worse PSA-PFS (sPFS) (HR 4.33; 95% CI 1.94–9.68; P < 0.001), radiographic-PFS (rPFS) (HR 8.06; 95% CI 3.26–19.93; P < 0.001) and OS (HR 11.08; 95% CI 2.16–56.95; P = 0.004). Plasma AR was an independent predictor of outcome on multivariable analyses in both cohorts.ConclusionPlasma AR status assessment using ddPCR identifies CRPC with worse outcome to enzalutamide or abiraterone. Prospective evaluation of treatment decisions based on plasma AR is now required.Clinical Trial numberNCT02288936 (PREMIERE trial).

Background Targeted deep sequencing is a highly effective technology to identify known and novel single nucleotide variants (SNVs) with many applications in translational medicine, disease monitoring and cancer profiling. However, identification of SNVs using deep sequencing data is a challenging computational problem as different sequencing artifacts limit the analytical sensitivity of SNV detection, especially at low variant allele frequencies (VAFs).Methods To address the problem of relatively high noise levels in amplicon-based deep sequencing data (e.g. with the Ion AmpliSeq technology) in the context of SNV calling, we have developed a new bioinformatics tool called AmpliSolve. AmpliSolve uses a set of normal samples to model position-specific, strand-specific and nucleotide-specific background artifacts (noise), and deploys a Poisson model-based statistical framework for SNV detection.Results Our tests on both synthetic and real data indicate that AmpliSolve achieves a good trade-off between precision and sensitivity, even at VAF below 5% and as low as 1%. We further validate AmpliSolve by applying it to the detection of SNVs in 96 circulating tumor DNA samples at three clinically relevant genomic positions and compare the results to digital droplet PCR experiments.Conclusions AmpliSolve is a new tool for in-silico estimation of background noise and for detection of low frequency SNVs in targeted deep sequencing data. Although AmpliSolve has been specifically designed for and tested on amplicon-based libraries sequenced with the Ion Torrent platform it can, in principle, be applied to other sequencing platforms as well. AmpliSolve is freely available at .