While circulating tumor cell (CTC)-based detection of AR-V7 has been demonstrated to predict patient response to second-generation androgen receptor therapies, the rarity of AR-V7 expression in metastatic castrate-resistant prostate cancer (mCRPC) suggests that other drivers of resistance exist. We sought to use a multiplex gene expression platform to interrogate CTCs and identify potential markers of resistance to abiraterone and enzalutamide. 37 patients with mCRPC initiating treatment with enzalutamide (n = 16) or abiraterone (n = 21) were prospectively enrolled for CTC collection and gene expression analysis using a panel of 89 prostate cancer-related genes. Gene expression from CTCs was correlated with PSA response and radioclinical progression-free survival (PFS) using Kaplan-Meier and Cox regression analyses. Twenty patients (54%) had detectable CTCs. At a median follow-up of 11.3 months, increased expression of the following genes was significantly associated with shorter PSA PFS and radioclinical PFS: AR, AR-V7, PSA, PSCA, TSPAN8, NKX3.1, and WNT5B. Additionally, high SPINK1 expression was associated with increased PFS. A predictive model including all eight genes gave an area under the curve (AUC) of 0.84 for PSA PFS and 0.86 for radioclinical PFS. In comparison, the AR-V7 only model resulted in AUC values of 0.65 and 0.64.These data demonstrate that clinically relevant information regarding gene expression can be obtained from whole blood using a CTC-based approach. Multigene classifiers in this setting may allow for the development of noninvasive predictive biomarkers to guide clinical management.

中文翻译：

---

循环肿瘤细胞为基础的分子分类器，用于预测抗转移性去势的前列腺癌中对阿比特龙和恩杂鲁胺的抗药性。

虽然已证明基于循环肿瘤细胞（CTC）的AR-V7检测可预测患者对第二代雄激素受体疗法的反应，但AR-V7在转移性去势抵抗性前列腺癌（mCRPC）中表达的罕见性提示其他驱动因素存在抵抗力。我们试图使用一个多重基因表达平台来询问CTC，并确定对阿比特龙和恩杂鲁胺的抗药性潜在标志。前瞻性招募了37名使用恩杂鲁胺（n = 16）或阿比特龙（n = 21）开始治疗的mCRPC患者，使用89个与前列腺癌相关的基因进行了CTC收集和基因表达分析。使用Kaplan-Meier和Cox回归分析，来自CTC的基因表达与PSA反应和放射临床无进展生存期（PFS）相关。20名患者（54％）有可检出的CTC。在平均11.3个月的随访中，以下基因的表达增加与较短的PSA PFS和放射性临床PFS显着相关：AR，AR-V7，PSA，PSCA，TSPAN8，NKX3.1和WNT5B。此外，高SPINK1表达与PFS增加有关。包含所有八个基因的预测模型给出的PSA PFS曲线下面积（AUC）为0.84，放射临床PFS曲线下面积为0.86。相比之下，仅AR-V7模型的AUC值分别为0.65和0.64。这些数据表明，可以使用基于CTC的方法从全血中获得有关基因表达的临床相关信息。在这种情况下，多基因分类器可允许开发非侵入性预测性生物标志物以指导临床管理。以下基因表达的增加与较短的PSA PFS和放射临床PFS显着相关：AR，AR-V7，PSA，PSCA，TSPAN8，NKX3.1和WNT5B。此外，高SPINK1表达与PFS增加有关。包含所有八个基因的预测模型给出的PSA PFS曲线下面积（AUC）为0.84，放射临床PFS曲线下面积为0.86。相比之下，仅AR-V7模型的AUC值分别为0.65和0.64。这些数据表明，可以使用基于CTC的方法从全血中获得有关基因表达的临床相关信息。在这种情况下，多基因分类器可允许开发非侵入性预测性生物标志物以指导临床管理。以下基因表达的增加与较短的PSA PFS和放射临床PFS显着相关：AR，AR-V7，PSA，PSCA，TSPAN8，NKX3.1和WNT5B。此外，高SPINK1表达与PFS增加有关。包含所有八个基因的预测模型给出的PSA PFS曲线下面积（AUC）为0.84，放射临床PFS曲线下面积为0.86。相比之下，仅AR-V7模型的AUC值分别为0.65和0.64。这些数据表明，可以使用基于CTC的方法从全血中获得有关基因表达的临床相关信息。在这种情况下，多基因分类器可允许开发非侵入性预测性生物标志物以指导临床管理。PSCA，TSPAN8，NKX3.1和WNT5B。此外，高SPINK1表达与PFS增加有关。包含所有八个基因的预测模型给出的PSA PFS曲线下面积（AUC）为0.84，放射临床PFS曲线下面积为0.86。相比之下，仅AR-V7模型的AUC值分别为0.65和0.64。这些数据表明，可以使用基于CTC的方法从全血中获得有关基因表达的临床相关信息。在这种情况下，多基因分类器可允许开发非侵入性预测性生物标志物以指导临床管理。PSCA，TSPAN8，NKX3.1和WNT5B。此外，高SPINK1表达与PFS增加有关。包含所有八个基因的预测模型给出的PSA PFS曲线下面积（AUC）为0.84，放射临床PFS曲线下面积为0.86。相比之下，仅AR-V7模型的AUC值分别为0.65和0.64。这些数据表明，可以使用基于CTC的方法从全血中获得有关基因表达的临床相关信息。在这种情况下，多基因分类器可允许开发非侵入性预测性生物标志物以指导临床管理。仅AR-V7模型的AUC值分别为0.65和0.64。这些数据表明，可以使用基于CTC的方法从全血中获得有关基因表达的临床相关信息。在这种情况下，多基因分类器可允许开发非侵入性预测性生物标志物以指导临床管理。仅AR-V7模型的AUC值分别为0.65和0.64。这些数据表明，可以使用基于CTC的方法从全血中获得有关基因表达的临床相关信息。在这种情况下，多基因分类器可允许开发非侵入性预测性生物标志物以指导临床管理。