晚期前列腺癌中KLK2和STEAP1表面抗原的整合性特征分析

《Molecular Cancer Research》：Integrative Surface Antigen Profiling of KLK2 and STEAP1 in Advanced Prostate Cancer

　　

打开图形查看器

摘要

激肽释放酶2（KLK2）和前列腺六跨膜上皮抗原1（STEAP1）是两个与前列腺癌治疗相关的细胞表面靶点。本研究旨在刻画转移性去势抵抗性前列腺癌（mCRPC）中KLK2和STEAP1的表达图谱，并确定与之相关的转录组、基因组和表观基因组特征。我们分析了来自三个mCRPC队列的共1,095例患者样本，包括快速尸检病例的原位研究及患者来源异种移植（PDX）模型。我们发现KLK2和STEAP1的表达在雄激素受体（AR）阳性肿瘤中显著富集，而在神经内分泌型及双阴性表型中几乎缺失。在AR阳性肿瘤内部，成对比较显示STEAP1、KLK2与前列腺特异性膜抗原之间存在共表达，且联合阳性率很高，提示同时靶向其中任意两种抗原可提高整体肿瘤覆盖率。对快速尸检队列样本的分析（该队列可评估肿瘤内和肿瘤间异质性）显示，KLK2和STEAP1具有相当程度的表达异质性。抗原表达与AR基因组改变及血清前列腺特异性抗原水平呈正相关，与RB1和PTEN缺失呈负相关。转录组和表观基因组分析揭示了调控抗原表达的不同机制：KLK2表现出严格的AR依赖性，伴有AR/FOXA1/HOXB13的协同结合和增强子激活，而STEAP1仅为部分AR依赖，并额外受位点特异性DNA甲基化变化调控。此外，KLK2和STEAP1的表达状态与不同的转录程序和免疫微环境特征相关。

临床意义：这些发现确立了KLK2和STEAP1作为前列腺腺癌谱系抗原的关键地位，并为前列腺癌细胞表面抗原导向疗法的理性设计和临床开发提供了重要见解。

引言

细胞表面抗原靶向疗法能够精确递送细胞毒、放射性或免疫效应细胞载荷至靶组织，同时最大程度减少健康细胞的损伤。这些疗法已深刻改变了包括前列腺癌在内的多种癌症的治疗格局（1–4）。前列腺特异性膜抗原（PSMA）是关键的前列腺癌相关抗原，也是放射性配体疗法1??Lu-PSMA-617（LuPSMA）的靶点，该疗法目前已获批用于化疗前后均适用的mCRPC患者（3, 4）。尽管LuPSMA作为前列腺癌领域首个细胞表面抗原靶向疗法代表了重大进展，但其中位无进展生存期不足9个月，且客观缓解率在50%以下（4）。这些结果凸显了增强或补充PSMA靶向疗法的策略需求。预测细胞表面靶向疗法疗效的关键决定因素是抗原在转移灶中的表达水平和均匀性（4–7）。在局限性病灶中，PSMA表达相对均匀；然而在mCRPC中，PSMA水平可降低且出现明显异质性（8–12）。我们和其他研究者此前已展示了晚期前列腺癌中PSMA表达存在显著的肿瘤间和肿瘤内异质性，且VISION和TheraP两项里程碑试验的事后分析表明，PET成像评估的PSMA表达具有关键的临床意义（5, 8–11, 13）。这种变异性对PSMA导向疗法构成潜在挑战，并凸显了识别、确证和治疗性利用额外细胞表面抗原的必要性。

两个最具前景的前列腺谱系特异性细胞表面抗原候选者是激肽释放酶2（KLK2）和前列腺六跨膜上皮抗原1（STEAP1；参考文献14–20）。KLK2是一种胰蛋白酶样丝氨酸蛋白酶，对精液液化至关重要，在局限性和区域进展性前列腺癌中的研究显示其表达近乎均匀且具有极佳的前列腺特异性（14, 16）。虽然KLK2传统上被视为分泌蛋白，因此不适合抗体或配体靶向，但近期研究已证实膜结合形式的KLK2的存在，使其可被多种治疗平台所靶向（14–16）。STEAP1是一种在前列腺癌中高表达的金属还原酶，与细胞增殖、致癌信号传导及侵袭性增强相关（19, 21, 22）。KLK2和STEAP1均具有有利的表达谱，在非前列腺组织中的表达相对较低（14, 16, 19, 23–25）。重要的是，早期临床试验已证实靶向KLK2和STEAP1的概念验证疗效，进一步强调了其转化潜力（15, 18, 20）。Xaluritamig是一种靶向STEAP1的T细胞衔接器（TCE），在一项近期I期研究中显示出疗效迹象，49%的患者前列腺特异性抗原下降≥50%[PSA（PSA50缓解）]，中位缓解持续时间为9.2个月（18, 20）。此外，靶向STEAP1的嵌合抗原受体T细胞产品也在开发中（NCT06236139；参考文献19）。另一种靶向KLK2的TCE pasritamig在一项I期研究中同样显示出疗效，中位无进展生存期为7.9个月，PSA50为42%（14, 15）。基于这些早期结果，多项利用这些TCE的前列腺癌全病程临床试验正在进行中（NCT06613100、NCT06691984和NCT07164443）。

尽管有上述进展，关于KLK2和STEAP1在CRPC中的分布、异质性及其转录调控的基本问题仍然存在。为填补这些空白，我们进行了整合多组学分析，以定义KLK2和STEAP1在三个晚期CRPC队列中的表达图谱和调控架构。这些分析包括转录组、表观基因组和基因组分析，以及快速尸检队列组织样本的深度原位分析。利用这些样本资源，我们系统地绘制了抗原表达、肿瘤异质性及其与不同分子表型之间的关联。我们进一步阐明了影响CRPC中KLK2和STEAP1表达的基因组、转录和表观遗传决定因素。这些数据共同为晚期前列腺癌中两个具有临床可操作性的前列腺限制性抗原的生物学特性提供了关键见解，并为下一代生物标志物指导的治疗策略和生物学驱动的联合治疗方案奠定了基础。

材料与方法

组织样本和患者来源异种移植模型

KLK2和STEAP1的表达在多个具有临床注释信息的晚期前列腺癌队列中进行了评估。这些队列包括来自华盛顿大学前列腺癌捐赠项目[华盛顿大学快速尸检队列（UW-RA）；参考文献26–28]的快速尸检样本，以及来自Stand Up To Cancer（SU2C）国际梦想团队队列[IDT, (29)]和SU2C西海岸梦想团队（WCDT）队列（30–32）的转移性CRPC活检样本。所有快速尸检组织均在华盛顿大学机构审查委员会（IRB）批准下获得，并通过前列腺癌捐赠项目收集。52例患者的福尔马林固定石蜡包埋（FFPE）标本按照先前描述的方案（8, 33）构建组织微阵列（TMA）。患者来源异种移植（PDX）分析使用LuCaP异种移植模型（N = 38）进行，该模型已得到广泛表征并在先前行报道（8, 34, 35）。PDX肿瘤组织经采集、处理和包埋后用于TMA制造。UW-RA和LuCaP PDX样本的PSMA及额外分子表型数据来自先前发表的研究（8）整合。

原位蛋白表达分析

KLK2和STEAP1的免疫染色在5 μm相邻FFPE TMA切片上进行。载玻片经脱蜡、复水后，在Target Retrieval Solution（S1700；Agilent Technologies）中蒸汽处理45分钟进行抗原修复。在TBS-Tween（Sigma-Aldrich）中平衡10分钟后，切片分别与STEAP1（Cell Signaling Technology, cat. #88677, RRID: AB_2800128; 1:100）或KLK2（OriGene cat. #TA802077S, RRID: AB_2626200; 1:20）一抗孵育。STEAP1的免疫复合物使用PowerVision Poly-HRP Anti-Rabbit（Leica Biosystems）检测，KLK2则使用PowerVision Poly-HRP Anti-Mouse（Leica Biosystems）检测。KLK2染色使用Biotin XX Tyramide SuperBoost试剂盒（Thermo Fisher Scientific, B40931）进行酪胺基信号放大。载玻片以苏木素复染，并使用VENTANA DP 200全玻片扫描仪（Roche Diagnostics）数字化。TMA芯按既定H评分系统以盲法进行评审和评分（8, 36）。简言之，染色强度（"0" = 无；"1" = 淡染；"2" = 明显显色沉积）乘以各强度下阳性肿瘤细胞的百分比，得出每个芯的总H评分（范围0–200）。KLK2和STEAP1的多重免疫荧光研究使用顺序酪胺基放大（Tyramide SuperBoost试剂盒；Thermo Fisher Scientific）在FFPE切片上进行，方法如先前所述（8, 37）。脱蜡和抗原修复（S1700中蒸汽处理45分钟）后，载玻片先与STEAP1抗体（1:100）孵育，随后加入PowerVision Poly-HRP Anti-Rabbit（Leica Biosystems）并进行Tyramide-488沉积。切片在S1700中蒸汽处理15分钟脱去后，再与KLK2抗体（1:20）、PowerVision Poly-HRP Anti-Mouse（Leica Biosystems）及Tyramide-568进行沉积。组织以DAPI复染，并使用ProLong（Thermo Fisher Scientific）封片。荧光成像使用配备Zeiss AxioCam HRm 14位单色相机的Nikon Eclipse E800显微镜进行。所有图像分析均在QuPath（v0.3.0；参考文献38）中完成。

Bulk RNA表达分析

SU2C/前列腺癌基金会队列、LuCaP PDX模型及UW-RA mCRPC队列的RNA测序（RNA-seq）数据按先前描述的方法处理（8, 26–32, 34）。所有下游分析在R（v4.3.1）中进行。基因水平丰度使用GenomicAlignments包定量。雄激素受体（AR）和神经内分泌（NE）分子亚型使用已建立的转录组分类器进行分型（8, 27）。对于KLK2和STEAP1分析，肿瘤根据各数据集内以中位数为中心的基因表达分为高（高于中位数）和低（低于中位数）表达组。仅保留AR+/NE-肿瘤用于后续分析，以实现谱系限定比较。使用limma（RRID: SCR_010943）v3.58.1（39）进行KLK2/STEAP1高表达与KLK2/STEAP1低表达肿瘤之间的差异表达分析。检验前使用filterByExpr以默认参数过滤基因。差异表达基因使用Benjamini-Hochberg FDR校正方法鉴定，结果限制在FDR ≤0.05且绝对fold change >2的基因。这些基因进一步筛选为仅包含注释的细胞表面蛋白（40）和一级可成药靶点（41）。基因按调节t统计量排序用于富集分析。基因集富集分析（GSEA）使用Molecular Signatures Database（RRID: SCR_016863）v2023.1（42）的Hallmark和Canonical Pathway集合进行。富集评分使用基因集置换方法（1,000次迭代）计算。单样本富集分析使用默认参数的GSVA进行，以log2 TPM值为输入。使用先前建立的10基因雄激素调节特征集生成AR活性评分（26, 27）。免疫细胞类型组成使用CIBERSORTx（43）估计，采用TR4和LM22签名、B模式批次校正、绝对定量及1,000次置换。免疫细胞类型按Luca等人的方法聚合（44）。免疫亚型使用Thorsson等人描述的免疫亚型框架（45）通过ImmuneSubtypeClassifier R包进行分型。

单细胞表达分析

单细胞RNA-seq数据来自Gene Expression Omnibus（GEO；RRID: SCR_005012；参考文献9）。所有分析在R（v4.3.1；R Foundation for Statistical Computing）中进行。表达基因少于200个、超过5,000个，或>25%的独特分子标识符来源于线粒体基因的细胞被排除。过滤后的数据使用Seurat（46）进行归一化和缩放。主成分分析使用RunPCA()函数在前50个主成分上进行。聚类使用FindClusters()函数进行（resolution = 0.8），可视化使用均匀流形逼近与投影（UMAP）算法。如果细胞在UMAP上表达某标记的归一化表达值>1，则视为该标记阳性。为量化表达模式，使用FetchData()函数提取每个基因的归一化表达值。基因共表达通过评估两个感兴趣基因是否在同一细胞中均超过归一化表达阈值（>1）来进行；满足此标准的细胞被分类为共表达该基因对。

基因组和表观基因组分析研究

UW-RA样本的体细胞改变源自先前发表的资料（26–28, 47, 48）。LuCaP PDX模型的染色质免疫共沉淀测序（ChIP-seq）数据已在先前行报告（49）。组蛋白和转录因子富集模式使用整合基因组浏览器（IGV）可视化（50），并与RNA和蛋白表达进行关联分析。SU2C-WCDT转移性前列腺癌队列的全基因组亚硫酸盐测序（WGBS）数据来自公开资料并按先前描述的方法处理（30–32）。KLK2和STEAP1位点的DNA甲基化模式在IGV中可视化，并提取各位点的平均甲基化水平（8, 30）。

统计学

H评分的组间差异使用Wilcoxon秩和检验进行比较。计算每组的H评分中位数，并使用Hodges-Lehmann估计量结合95%置信区间（CI）估计组间差异的幅度。

免疫组化（IHC）H评分与对应基因mRNA水平之间的关联在SU2C-IDT和UW-RA队列中通过线性回归进行评估。肿瘤内和肿瘤间异质性通过自举重采样进行估计。具体而言，从同一肿瘤块（肿瘤内）或同一患者不同转移部位（肿瘤间）中随机抽取1,000对组织样本，并通过评估两个样本是否均高于或低于预设的H评分阈值（≥20）来量化异质性。使用Bootstrap R包生成偏差校正和加速的95%置信区间（CI）（8、33、36）。箱线图中组间比较采用双侧Wilcoxon秩和检验，并使用Benjamini–Hochberg校正进行多重比较校正。所有相关性均使用Spearman秩相关计算。所有分析中双侧P值<0.05被认为具有统计学意义。研究批准

所有人体组织研究均按照机构和联邦法规进行。快速尸检组织通过UW-RA获得IRB批准（方案编号：2341）获得。所有供体均提供书面知情同意。使用临床标本的附加研究获得Fred Hutchinson癌症中心IRB批准（方案编号：20119）。结果

KLK2和STEAP1是与AR谱系相关的前列腺癌抗原

先前的工作已确定，AR和NE标志物表达可将CRPC分层为四种关键分子表型：前列腺腺癌（AR+/NE?）、神经内分泌前列腺癌（AR?/NE+）、双重阳性（双歧型）前列腺癌（AR+/NE+）和双重阴性前列腺癌（AR?/NE?；参考文献8、26、33、51）。为了表征KLK2和STEAP1的表达并界定其表型特异性模式，我们首先使用UW-RA（N=193；参考文献26-28、34）和SU2C-IDT队列（N=270；补充表S1和S2；图1A-D；参考文献29）中CRPC样本的公开RNA-seq数据量化了RNA转录水平。在两个队列中，AR+肿瘤表现出比AR?肿瘤更高的KLK2和STEAP1表达。在UW-RA队列中，按AR状态分层后，AR+肿瘤——无论NE分化程度如何——KLK2的中位TPM值为log2TPM 11.85（5.27-14.98），STEAP1为log2TPM 8.55（4.23-11.18）。相比之下，AR?肿瘤（NE前列腺癌和双重阴性前列腺癌）两种转录本的表达明显较低[KLK2：log2TPM 2.39（0.07-11.67）；STEAP1：log2TPM 4.34（1.00-8.15）]，两个基因均观察到显著差异（Wilcoxon秩和检验，P<0.001）。值得注意的是，KLK2值平均比STEAP1高1.3倍，这突显了KLK2转录本在前列腺癌中的总体更高丰度。

图1. KLK2和STEAP1在多个致死性转移性前列腺癌队列中跨分子表型的表达模式。A-D，KLK2和STEAP1 mRNA表达[log2(TPM+1)]跨分子表型——AR+/NE?（绿色）、AR?/NE+（黄色）、AR+/NE+（红色）和AR?/NE?（蓝色）——在UW-RA队列（n=193；A和C）和SU2C-IDT（n=270）队列（B和D）中的表现。E，用于原位蛋白表达研究的UW快速尸检（RA）队列概述。染色体图描绘了转移部位的分布，下方显示样本数量。附带的柱状图显示了每个解剖部位受累患者的百分比和数量。F，代表UW-RA队列中KLK2和STEAP1蛋白跨分子表型表达的典型IHC图像。分子表型如前所述通过IHC定义（33）。比例尺为50 μm。G-J，基于UW-RA队列中IHC H评分的KLK2（G）和STEAP1（H）蛋白表达的半定量分析。箱体和点的颜色对应上述分子表型。散点图显示了KLK2（n=68；I）和STEAP1（n=69；J）H评分与其对应mRNA表达值[log2(TPM+1)]之间的关联。显示了Spearman相关系数（R）和P值。水平条表示中位数；箱体表示IQR（25%-75%百分位数）。

为了量化蛋白表达，我们使用经验证的IHC方案和新评分对UW-RA队列中52名患者的632个转移肿瘤核心样本中的KLK2和STEAP1进行了评估（图1E-H；图2；补充图S1和S2；补充表S3；参考文献8、33、36）。对于每位患者，采样了中位四个转移部位（范围1-11）以捕获空间和生物异质性。与转录组数据一致，AR+/NE?肿瘤显示最高蛋白水平，KLK2的中位H评分为100，STEAP1为120；然而，两种抗原均存在实质性表达变异（H评分范围0-200）。AR+/NE+肿瘤保留了同样强烈的表达（中位H评分：KLK2为90，STEAP1为100），表明抗原表达得以保留。相比之下，AR?/NE+肿瘤两种蛋白的染色均最少，KLK2的中位H评分为0，STEAP1为4。AR?NE?病变表现出同样低的表达（中位H评分：KLK2为0，STEAP1为4）。

图2. UW-RA队列中转移肿瘤分子表型和表面抗原表达的位点水平热图。该热图显示了基于UW-RA队列中位点水平H评分的IHC-based分子表型、解剖部位，以及AR信号标志物（AR和NKX3.1）、NE标志物（SYP和INSM1）以及PSMA、STEAP1和KLK2的蛋白表达。在本分析中，来自同一转移部位的多个肿瘤样本取平均值以生成单个位点水平H评分。来自同一患者的肿瘤被分组在一起。白色框表示缺失数据。该队列的PSMA IHC数据此前已报道（Sayar及其同事，2023）。

与AR?肿瘤相比，AR+肿瘤总体上显示出明显更高的KLK2（中位H评分：100对0；Hodges-Lehmann位置差异98；95% CI，83-110；Wilcoxon P<0.001）和STEAP1（中位H评分：120对0；Hodges-Lehmann位置差异107；95% CI，90-120；Wilcoxon P<0.001）表达。这些分子表型相关的表达模式也在LuCaP PDX系列中观察到，无论在RNA还是蛋白水平（补充图S3-S5；参考文献34、35），进一步证实KLK2和STEAP1表达主要局限于AR+前列腺癌。最后，我们检查了转录本和蛋白丰度之间的关系（图1I和J）。KLK2和STEAP1的配对RNA-seq和IHC数据对40名患者可用。转录本和蛋白水平相关（Spearman rho = 0.78（KLK2）和0.77（STEAP1）），特别是在表达谱的极端值处，表明在转移性前列腺癌中mRNA表达与抗原蛋白水平总体一致。总体而言，这些数据突显了肿瘤分子表型与KLK2和STEAP1表达之间的强关联，同时也表明即使在AR+肿瘤中，抗原表达也可能存在变异。

KLK2和STEAP1表现出可比的肿瘤间和肿瘤内异质性

抗原表达的均一性是决定细胞表面定向疗法效力的关键因素之一（5、8、9、36）。为了界定肿瘤间（转移部位之间）和肿瘤内（单个转移灶内）异质性的程度和模式，我们利用了UW-RA队列中独特的采样策略，在52名患者中采样了344个解剖学上不同的转移灶和632个空间上离散的肿瘤灶（8、9、33）。这种方法能够对抗原表达变异进行全面评估，既包括单个患者总肿瘤负荷内的变异，也包括不同患者之间的变异。与我们先前的研究类似，我们将H评分≥20定义为抗原阳性的阈值（补充图S6）。请注意，该截止值旨在区分可检测的表达和低/无表达，而不是代表临床验证或治疗基准阈值（8）。我们确定了KLK2和STEAP1的三种不同表达模式：均匀高表达（所有病灶≥20）、异质表达和均匀低/阴性表达（所有病灶<20）。对于KLK2，52名患者中有20名表现出均匀高表达，另有52名中的24名表现出异质表达（图3A和B）。STEAP1的高表达更为常见（25/51），这可能是由于一个AR?肿瘤亚群保留了STEAP1表达所致。

图3. KLK2和STEAP1的肿瘤间和肿瘤内表达异质性。点图显示了UW-RA中每位患者KLK2（n=304；A）和STEAP1（n=310；B）IHC H评分在转移部位间的分布。每个点代表一个转移样本，并按相应的分子表型着色。根据H评分在其转移部位间的分布，患者被分为三组：低/无表达（所有位点H评分<20）、异质表达（H评分<20和≥20的混合）和高表达（所有位点H评分≥20）。百分比表示每个类别中患者的比例。灰色阴影表示每位患者的四分位距（IQR）。KLK2（C）和STEAP1（D）在不同解剖转移部位间的蛋白表达。每个点代表一个肿瘤样本，按分子表型着色。水平虚线标记用于分类无表达的H评分阈值20。灰色框表示每个解剖位点的IQR。PSMA、KLK2和STEAP1的超几何异质性指数总结了肿瘤间异质性（患者内跨转移部位）和肿瘤内异质性（单个转移部位内）。E，跨所有肿瘤计算的异质性。F，仅限于AR+/NE?肿瘤的异质性。点表示均值；水平条表示95% CI。

先前的出版物表明，解剖位点特异性的微环境可能塑造细胞表面蛋白表达（8、11、14）。因此，我们评估了不同解剖转移部位间的抗原表达（图3C和D）。

尽管已有研究表明KLK2在骨骼中的水平高于软组织，但当我们限制为AR+/NE?肿瘤时，并未观察到KLK2或STEAP1表达存在任何显著的位点特异性差异（补充图S7；补充表S4）。为了正式量化肿瘤间和肿瘤内异质性的程度，我们计算了一个超几何异质性指数，用以描述KLK2和STEAP1在肿瘤间及肿瘤内表达的多样性，并将这些结果与该队列中已发表的PSMA异质性指标进行了比较（8, 36）。KLK2、STEAP1和PSMA的异质性指数相似，当分析限制在AR+/NE?肿瘤时，异质性指数差异不显著（图3E和F）。由于我们的H-score截断值20是根据惯例确定的，我们进行了敏感性分析，评估了不同的H-score截断值，结果显示在不同阈值下异质性模式一致（补充图S8；补充表S5）。这些发现表明，KLK2和STEAP1表现出与PSMA相似的异质性模式，且观察到的表达变异更多地由肿瘤表型驱动，而非由解剖位点决定。

PSMA、KLK2和STEAP1的共表达模式

组合抗原靶向是减轻肿瘤内和肿瘤间异质性的一个有前景的策略。为评估该方法在前列腺癌中的可行性，我们在UW-RA队列中系统评估了PSMA、KLK2和STEAP1在个体肿瘤水平的共表达模式。正如预期，共表达模式因分子表型而异（图4A）。采用H-score为20的低严格性截断值，我们发现，在AR+/NE?肿瘤中，171例中的145例（84.8%）肿瘤同时表达KLK2和STEAP1，10例（5.8%）仅表达KLK2，12例（7.0%）仅表达STEAP1，仅4例（2.3%）两种抗原均为阴性（图4A–C；补充图S9；补充表S6）。在STEAP1–PSMA和KLK2–PSMA配对中也观察到类似的广泛共表达模式和较高的联合阳性率，特别是在AR+/NE?肿瘤中（图4A–C；补充表S6）。此外，成对相关性分析显示，KLK2和STEAP1蛋白表达水平之间存在高度一致性（图4D）。

图4. 查看大图 下载幻灯片 图4. CRPC中KLK2、STEAP1和PSMA的分布与共表达模式。A，马赛克图显示KLK2–STEAP1（n = 281）、STEAP1–PSMA（n = 283）和KLK2–PSMA（n = 279）在不同CRPC分子表型中的成对共表达模式分布。以H-score ≥20将肿瘤归类为标记阳性。柱状图表示仅表达单一标记、两种标记均表达或均不表达的肿瘤比例。B，环形图总结了所有肿瘤（上行）和仅AR+/NE?（n = 171）肿瘤（下行）的相同成对表达类别。百分比反映各表达类别中肿瘤的比例。在此分析中，同一转移位点的多个肿瘤样本取平均以生成单一位点水平的H-score。C，来自UW-RA队列的代表性多重免疫荧光图像，显示了KLK2和STEAP1低表达的转移位点（上行）以及两种标记高共表达的位点（下行），其中KLK2（红色）、STEAP1（绿色）和DAPI（蓝色）。比例尺，50 μm。D，所有肿瘤样本中PSMA、KLK2和STEAP1蛋白表达的成对相关性。散点图显示了各标记组合的H-score，点按分子表型着色。显示了Spearman相关系数（总体和表型特异性）。E，来自两个转移性前列腺癌样本（MSK-HMP14和MSK-HMP23A；参考文献9）的单细胞RNA测序数据的UMAP投影，展示了单细胞水平的KLK2和STEAP1表达。细胞按表达类别着色：仅KLK2、仅STEAP1、两者均阳性或两者均阴性。F，柱状图显示了ARPC单细胞数据集（N = 7）中各表达类别细胞的比例。

图4. 查看大图 下载幻灯片 图4. CRPC中KLK2、STEAP1和PSMA的分布与共表达模式。A，马赛克图显示KLK2–STEAP1（n = 281）、STEAP1–PSMA（n = 283）和KLK2–PSMA（n = 279）在不同CRPC分子表型中的成对共表达模式分布。以H-score ≥20将肿瘤归类为标记阳性。柱状图表示仅表达单一标记、两种标记均表达或均不表达的肿瘤比例。B，环形图总结了所有肿瘤（上行）和仅AR+/NE?（n = 171）肿瘤（下行）的相同成对表达类别。百分比反映各表达类别中肿瘤的比例。在此分析中，同一转移位点的多个肿瘤样本取平均以生成单一位点水平的H-score。C，来自UW-RA队列的代表性多重免疫荧光图像，显示了KLK2和STEAP1低表达的转移位点（上行）以及两种标记高共表达的位点（下行），其中KLK2（红色）、STEAP1（绿色）和DAPI（蓝色）。比例尺，50 μm。D，所有肿瘤样本中PSMA、KLK2和STEAP1蛋白表达的成对相关性。散点图显示了各标记组合的H-score，点按分子表型着色。显示了Spearman相关系数（总体和表型特异性）。E，来自两个转移性前列腺癌样本（MSK-HMP14和MSK-HMP23A；参考文献9）的单细胞RNA测序数据的UMAP投影，展示了单细胞水平的KLK2和STEAP1表达。细胞按表达类别着色：仅KLK2、仅STEAP1、两者均阳性或两者均阴性。F，柱状图显示了ARPC单细胞数据集（N = 7）中各表达类别细胞的比例。 关闭 图4.

利用先前发表的单细胞RNA测序数据集（N = 7；参考文献9），我们在单细胞分辨率下证实了AR+/NE?细胞中KLK2和STEAP1的共表达，其中73.7%的细胞呈现共表达（图4E和F；补充图S10；补充表S7）。值得注意的是，21.4%的肿瘤细胞仅表达KLK2，而STEAP1的单独表达则较为罕见，这可能反映了转录前和转录后调控方面的潜在差异以及KLK2转录本水平的整体较高。我们的分析表明，尽管PSMA、KLK2和STEAP1在转移灶中表现出广泛一致的表达，但共靶向其中任意两种抗原可以显著提高总体覆盖率，因此代表了一种合理的治疗策略。

基因组相关因素和血清PSA水平可预测KLK2和STEAP1表达

成功应用KLK2和STEAP1定向疗法需要识别具有强抗原表达的患者；然而，目前尚无经临床验证的影像学或血液生物标志物。为应对这一问题，我们评估了KLK2和STEAP1表达是否与前列腺癌中常见的基因组改变以及血清PSA水平相关。与AR野生型肿瘤相比，具有AR通路基因组改变的肿瘤表现出更高的KLK2（中位H-score：103 vs. 5；Hodges-Lehmann位置差62；95% CI，42–83）和STEAP1（中位H-score：120 vs. 15；Hodges-Lehmann位置差70；95% CI，50–88）表达（图5A和B；补充图S11；补充表S8）。相比之下，RB1改变的肿瘤表现出KLK2和STEAP1表达均显著降低。PTEN改变同样与KLK2表达降低相关（P = 0.04），并显示出STEAP1表达降低的趋势（P = 0.15）。值得注意的是，这些基因组关联主要由分子表型差异驱动（补充图S11）。此外，血清PSA水平与肿瘤中KLK2、PSMA和STEAP1的表达强烈相关，反映了它们共有的腔面上皮谱系关联（图5C）。综合评估体细胞改变和血清PSA水平可以实现情境特异性的表达估计（补充表S9）。尽管需要外部验证才能实现泛化，但这些结果表明，基因组改变和血清PSA可以作为简单且易得的生物标志物，用于指导KLK2和STEAP1靶向疗法中的患者选择。

图5. 查看大图 下载幻灯片 图5. KLK2和STEAP1表达、基因组改变与血清PSA水平之间的关联。在UW-RA队列中，按PTEN、AR和RB1基因组改变状态分层的KLK2（n = 461；A）和STEAP1（n = 461；B）IHC H-score。每个点代表一个个体肿瘤样本，并按分子表型着色。水平线表示中位值；方框表示IQR（第25至第75百分位数）。P值使用双侧Wilcoxon秩和检验计算。C，散点图显示了最后一次血清PSA水平（ng/mL）与转移肿瘤样本（n = 52）中PSMA、STEAP1和KLK2的IHC H-score之间的关系。各面板中显示了Spearman相关系数和P值。

图5. 查看大图 下载幻灯片 图5. KLK2和STEAP1表达、基因组改变与血清PSA水平之间的关联。在UW-RA队列中，按PTEN、AR和RB1基因组改变状态分层的KLK2（n = 461；A）和STEAP1（n = 461；B）IHC H-score。每个点代表一个个体肿瘤样本，并按分子表型着色。水平线表示中位值；方框表示IQR（第25至第75百分位数）。P值使用双侧Wilcoxon秩和检验计算。C，散点图显示了最后一次血清PSA水平（ng/mL）与转移肿瘤样本（n = 52）中PSMA、STEAP1和KLK2的IHC H-score之间的关系。各面板中显示了Spearman相关系数和P值。 关闭 图5.

与不同KLK2和STEAP1表达状态相关的转录组和免疫微环境差异

为确定与KLK2和STEAP1表达相关的转录程序，我们在AR+/NE?肿瘤中进行了差异表达分析，比较了KLK2高表达与KLK2低表达以及STEAP1高表达与STEAP1低表达的病例。每次比较都揭示了一种独特的基因表达特征（图6A和B）。GSEA显示，KLK2高表达肿瘤以增强的AR信号活性为特征，而KLK2低表达肿瘤则显示出细胞周期程序的增强表达，包括E2F靶标和G2–M检查点，同时可选择性地富集了药物基因组中的基因和已注释的细胞表面靶标（图6C和D；补充图S12；补充表S10、S11、S14和S15）。

图6. 查看大图 下载幻灯片 图6. KLK2高/低表达和STEAP1高/低表达肿瘤之间的转录组和免疫图谱差异。本图中所有分析均限制在UW-RA队列的AR+/NE?肿瘤（N = 125），以避免表型特异性表达模式造成的混淆。热图显示了（A）KLK2高表达与KLK2低表达肿瘤以及（B）STEAP1高表达与STEAP1低表达肿瘤中上调最多的25个基因和下调最多的25个基因。使用Hallmark通路的GSEA突出了（C）KLK2高表达（红色）与KLK2低表达（蓝色）肿瘤以及（E）STEAP1高表达（红色）与STEAP1低表达（蓝色）肿瘤之间的转录组差异。（D）KLK2高表达与KLK2低表达以及（F）STEAP1高表达与STEAP1低表达肿瘤中药物基因组基因（左）和细胞表面编码基因（右）的差异表达。图中展示了按倍数变化排序的上调最多的10个基因和下调最多的10个基因。其他相关数据可在补充表14和15中找到。使用CIBERSORTx进行免疫解卷积，比较了（G）KLK2高表达与KLK2低表达肿瘤以及（I）STEAP1高表达与STEAP1低表达肿瘤。基于泛癌免疫亚型框架对（H）KLK2高表达与KLK2低表达以及（J）STEAP1高表达与STEAP1低表达肿瘤进行免疫亚型分类。

图6. 查看大图 下载幻灯片 图6. KLK2高/低表达和STEAP1高/低表达肿瘤之间的转录组和免疫图谱差异。本图中所有分析均限制在UW-RA队列的AR+/NE?肿瘤（N = 125），以避免表型特异性表达模式造成的混淆。热图显示了（A）KLK2高表达与KLK2低表达肿瘤以及（B）STEAP1高表达与STEAP1低表达肿瘤中上调最多的25个基因和下调最多的25个基因。使用Hallmark通路的GSEA突出了（C）KLK2高表达（红色）与KLK2低表达（蓝色）肿瘤以及（E）STEAP1高表达（红色）与STEAP1低表达（蓝色）肿瘤之间的转录组差异。（D）KLK2高表达与KLK2低表达以及（F）STEAP1高表达与STEAP1低表达肿瘤中药物基因组基因（左）和细胞表面编码基因（右）的差异表达。图中展示了按倍数变化排序的上调最多的10个基因和下调最多的10个基因。其他相关数据可在补充表14和15中找到。使用CIBERSORTx进行免疫解卷积，比较了（G）KLK2高表达与KLK2低表达肿瘤以及（I）STEAP1高表达与STEAP1低表达肿瘤。基于泛癌免疫亚型框架对（H）KLK2高表达与KLK2低表达以及（J）STEAP1高表达与STEAP1低表达肿瘤进行免疫亚型分类。 关闭 图6.

STEAP1高表达肿瘤表现出与腔面上皮分化相关的转录特征，包括蛋白质分泌、AR反应通路的富集以及FOLH1/PSMA的高表达。相比之下，STEAP1低表达肿瘤则富集了TNFα信号通路、上皮-间充质转化（EMT），以及间质相关标记物（如LRRC15）表达的增加（图6E和F；补充表S12–S15；参考文献52）。基于CIBERSORTx的免疫解卷积和免疫特征分析揭示了与抗原表达相关的特点异质性免疫图谱（43, 45）。KLK2低表达肿瘤显示出更高的CD8+ T细胞浸润和更具炎症性的细胞因子环境，而STEAP1低表达肿瘤则表现出巨噬细胞和NK细胞群体的增加（图6G–J）。这些数据表明，KLK2和STEAP1的高表达在mCRPC中定义了独特的转录、表型和免疫状态，凸显了其在治疗分层中的潜在意义。

**KLK2和STEAP1受雄激素受体依赖性表观遗传调控的多面性**

为了进一步明确KLK2和STEAP1表达的决定因素，我们检查了先前发表的来自具有不同抗原表达水平的CRPC PDX模型的ChIP-seq数据集(35, 53)。这些分析显示，在KLK2高表达肿瘤中，前列腺腔面谱系转录因子和先锋因子在KLK2位点富集，包括AR、FOXA1和HOXB13，同时伴有密集的H3K27ac占据，这与强烈的AR驱动的增强子活性一致(图7A；补充图S13)。相比之下，KLK2低表达PDX模型显示转录因子结合明显减弱，增强子活性降低。尽管STEAP1高表达肿瘤也显示出增强子激活的证据，但AR、FOXA1和HOXB13占据的模式和强度与STEAP1表达的关联不那么紧密(图7B)。与这些发现一致，在UW-RA数据集中，两种抗原都与AR转录特征相关，但这种关系对KLK2来说要强得多(图7C和D)。为了直接评估AR依赖性，我们重新分析了一系列前列腺癌细胞系中的AR扰动研究(54)。在表达AR的LNCaP和LNCaP95细胞中，雄激素(R1881)处理诱导KLK2表达显著增加。值得注意的是，在两个独立的AR敲除模型中，基础表达和雄激素刺激的KLK2表达均被完全消除，证实KLK2表达依赖于AR。相比之下，雄激素暴露后STEAP1表达略有下降，但在AR敲除细胞中仍可检测到，表明STEAP1表达不直接依赖于AR信号。

**图7。** 查看大图 下载幻灯片 KLK2和STEAP1表达的表观遗传和转录决定因素。A. IGV ChIP-seq轨迹显示在KLK2低表达(LuCaP 35和LuCaP 58)和KLK2高表达(LuCaP 70和LuCaP 77)PDX肿瘤中KLK2位点的AR、FOXA1、HOXB13和H3K27ac富集。肿瘤按KLK2 mRNA丰度分组(右侧显示TPM值)。高亮区域指示KLK2高表达肿瘤中AR、AR共因子和H3K27ac显著富集的调控区间。B. IGV ChIP-seq轨迹显示在STEAP1低表达(LuCaP 35和LuCaP 58)和STEAP1高表达(LuCaP 70和LuCaP 77)PDX肿瘤中STEAP1位点的AR、FOXA1、HOXB13和H3K27ac。高亮区间标记STEAP1高表达肿瘤中H3K27ac信号增加的调控区域。C. LNCaP、LNCaP95和LNCaP95 AR敲除(ARKO)细胞在基线(EtOH)条件和雄激素(R1881)处理后的KLK2 mRNA水平。注意KLK2表达在雄激素刺激下增加，在AR敲除后下降。左侧面板显示UW-RA队列中AR活性特征(AR10)与KLK2 mRNA水平的相关性(显示Spearman R和P值)。D. LNCaP、LNCaP95和LNCaP95 AR敲除(ARKO)细胞在基线(EtOH)条件和雄激素(R1881)处理后的STEAP1 mRNA水平。注意STEAP1表达在雄激素刺激或ARKO条件下变化极小。左侧面板显示UW-RA队列中AR10与STEAP1的相关性。WGBS轨迹显示SU2C-WCDT队列(30)中代表性KLK2低表达对比KLK2高表达和STEAP1低表达对比STEAP1高表达肿瘤的KLK2(E)和STEAP1(F)位点的DNA甲基化模式。高亮的差异甲基化区域(DMR)显示在目标mRNA低表达的肿瘤中甲基化增加。散点图描绘了SU2C-WCDT队列(n=48)中KLK2(G)和STEAP1(H)mRNA表达与相应DMR甲基化水平的相关性。显示Spearman相关系数和P值。关闭图7。

为了进一步研究AR非依赖性调控机制，我们接下来分析了来自SU2C-WCDT的CRPC病例的WGBS DNA甲基化图谱(N=48；参考文献30, 31)。KLK2低表达肿瘤表现出广泛且密集基因体甲基化，而STEAP1位点的差异甲基化区域更为局灶性(图7E和F)。这些差异甲基化区域的DNA甲基化与KLK2和STEAP1表达水平相关(图7G和H)。这些研究突出了控制KLK2和STEAP1表达的多因素和不同调控机制。

**讨论**

靶向细胞表面抗原的治疗策略在前列腺癌中持续获得发展，特别是随着放射配体疗法、双特异性TCE和抗体-药物偶联物扩展了治疗格局(1, 4, 20, 55)。在本研究中，我们全面表征了CRPC患者中两种有前景的前列腺癌表面抗原KLK2和STEAP1的表达和调控架构。通过整合实验模型和人类转移组织的转录组学、表观基因组学和蛋白质组学分析，我们阐明了塑造其表达的分子决定因素，并阐明这些特征如何为合理的治疗开发提供信息。KLK2，包括PSA/KLK3的糜蛋白酶家族成员，长期以来被认为是雄激素响应基因(56)。我们的发现证实了这种在转移环境中的关联，并通过展示KLK2表达在明确的体外、PDX模型和临床样本中与AR转录活性紧密相关，扩展了先前的观察。AR信号丧失导致KLK2几乎完全抑制，多组学整合显示活性KLK2表达需要前列腺谱系转录因子的协调占据，包括AR、FOXA1和HOXB13。此外，我们注意到KLK2低表达肿瘤表现出增强子激活丧失和广泛的基因体高甲基化，表明一种多因素调控，其特征是雄激素依赖性和位点特异性表观遗传状态。在UW-RA队列中，KLK2表达几乎仅限于AR+肿瘤。鉴于我们队列的高度预处理性质，我们的数据可能低估了早期疾病阶段具有高且均质KLK2表达的患者比例。相比之下，STEAP1表现出更加精细的调控程序。尽管STEAP1表达在AR+肿瘤中高度富集，但雄激素刺激或AR耗竭均未显著改变STEAP1转录水平，且ChIP-seq分析未发现清晰的AR相关结合模式来解释其表达。在AR-肿瘤中也观察到STEAP1表达。这与早期证据一致，表明在AR通路抑制的情况下STEAP1可以维持甚至被诱导(57, 58)。表观基因组分析进一步显示STEAP1低表达肿瘤经常存在CpG高甲基化，这与先前的研究一致(59)。这些数据表明STEAP1受前列腺谱系背景影响，但也通过表观遗传机制调控，即使在AR非依赖性状态下也可能保持其表达，包括我们队列中的某些AR-null肿瘤。更广泛地说，我们对KLK2和STEAP1表观遗传调控的发现表明，可以利用表观遗传疗法来增强抗原表达，这种方法之前已在PSMA中探索，目前正在进行的临床试验中研究(NCT06145633；参考文献8, 60)。尽管抗原表达对于靶向细胞表面疗法成功至关重要，但肿瘤微环境也可能发挥重要作用，并与TCE的成功特别相关(61)。我们发现KLK2低表达肿瘤富含CD8+ T细胞，而STEAP1低表达肿瘤表现出增强的巨噬细胞和NK细胞浸润以及EMT基因特征。这些发现提出了一个可能性，即更高的KLK2或STEAP1表达可能与免疫学上不太允许的肿瘤免疫微环境同时发生。因此，TCE与检查点阻断或靶向髓系细胞的药物联合可能优化其活性(62, 63)。在基因组水平，我们发现抗原表达与关键致癌改变相关，包括在纯合RB1和PTEN缺失肿瘤中KLK2和STEAP1水平较低，以及在AR扩增肿瘤中这些抗原水平较高。这些关联似乎主要由潜在的肿瘤表型转变塑造，最显著的是RB1和PTEN改变的肿瘤中NE前列腺癌和双重阴性前列腺癌的富集。因此，尽管特定基因组改变与KLK2和STEAP1表达模式相关，但在单个肿瘤水平上它们的转录调控更加复杂。部署靶向细胞表面疗法的一个核心挑战是抗原异质性和丧失的出现，这被认为有助于对PSMA靶向放射配体疗法的耐药性(5, 7, 8)。应对这种弱点的一个有力策略是结合识别不同但互补抗原的药物，从而最小化抗原阴性逃逸的概率。我们的研究为这种策略提供了框架：在mCRPC中，KLK2、STEAP1和PSMA显示出广泛重叠但不完全冗余的表达模式。例如，尽管大约四分之三的AR+/NE-肿瘤共表达KLK2和PSMA，但另有约20%仅表达其中一种抗原。此外，不同的调控依赖性创造了一个机会，即联合靶向可能对肿瘤适应性更具韧性。重要的是要强调，尽管靶点表达是必要的，但不足以确保最大治疗效益。值得注意的是，许多对LuPSMA疗法产生耐药的患者在肿瘤细胞上继续表现出高水平的PSMA表达。这一观察强调了更好地理解影响靶向细胞表面疗法效力的肿瘤细胞内在机制和微环境因素的必要性。尽管如此，这些见解为临床探索合理的抗原组合和序列策略提供了依据，旨在延长靶点持久性并抑制抗原阴性复发。在患者中观察到抗原表达的瘤间和瘤内异质性。在临床环境中，这表明单个患者中不同的转移病灶或肿瘤细胞群体在靶点可用性方面可能存在显著差异。因此，抗原低或抗原阴性群体可能在治疗下持续存在，驱动残留疾病，并使靶向细胞表面疗法的反应预测复杂化。单一靶点方法的这一局限性进一步支持了联合或序贯抗原靶向策略的合理性。PSMA靶向疗法的广泛采用为该领域提供了关键观察，这可能会为KLK2和STEAP1靶向疗法的开发提供信息。与KLK2和STEAP1类似，PSMA表达在AR驱动的腺癌中高度富集，在AR-null和NE表型中降低，且其表达是动态的，取决于既往治疗暴露(8, 12, 64)。LuPSMA试验采用了严格的影像学生物标志物入组标准，以尽量减少低或异质性PSMA表达患者的纳入。类似于PSMA PET成像的非侵入性、实时测量KLK2和STEAP1，最终可能对于有效患者分层是必需的。应该承认我们研究的几个局限性。从临床上说，这里分析的数据集反映了晚期、高度预处理CRPC，包括单一中心快速尸检队列。这里描述的表达模式是否延伸到疾病早期阶段，包括去势敏感性前列腺癌，仍是未来研究的重要领域。从方法学角度来看，使用FFPE组织引入了分析前变量，特别是在骨转移中，尽管我们没有观察到骨病灶中抗原表达系统性降低。

此外，基于TMA的分析可能无法完全捕捉单个转移病灶的空间复杂性。我们的H-score阈值用于定义可检测的抗原表达，以进行生物学特征化和异质性分析，但尚未经过验证以确定其对任何特定靶向治疗的预测效用。根据靶向负载的作用机制，可能需要不同的阈值。最后，虽然此处呈现的群体水平表达数据有助于合理选择靶点，但患者水平的治疗决策仍需要前瞻性、实时的肿瘤评估。总之，我们的工作提供了mCRPC中KLK2和STEAP1表达的详细分子和组织水平图谱，并鉴定了调控它们活性的机制。这些发现支持了目前正在进行的KLK2靶向、STEAP1靶向和PSMA靶向治疗的开发工作，并为可能增强晚期前列腺癌反应持续性和广度的合理抗原组合策略奠定了概念基础。

数据可用性

本研究相关的所有结果均包含在本文或补充材料中。本研究中使用的转录组、基因组、ChIP-seq和DNA甲基化数据已此前在GEO (RRID: SCR_005012)发布：GSE205056、GSE126078、GSE147250、GSE228283、GSE161948和GSE130408；基因型和表型数据库phs001648 (8, 26–31, 34, 37, 47)。分析中使用的其他所有材料均可在合理请求下提供。

作者披露

E. Sayar报告在研究期间获得了美国国防部前列腺癌研究计划的资助。R. Gulati报告在研究期间获得了NCI的资助。C.-K.C. Ding报告在提交工作之外获得了Intuitive Surgical、Bristol Myers Squibb基金会和Merck的资助以及其他来自Janssen Scientific Affairs的支持。J.M. Lang报告在研究期间获得了NCI、国防部和前列腺癌基金会的资助，以及在提交工作之外获得了Janssen Pharmaceuticals、Astellas Pharma、Sanofi、Pfizer、AstraZeneca、Foundation Medicine、MacroGenics、Daiichi Sankyo和Bayer的其他支持；一项转让给Salus Discovery LLC的循环肿瘤细胞技术专利；以及持有涉及循环生物标志物开发的Eolas Diagnostics Inc.股票。L. Kollath报告在研究期间获得了NCI和前列腺癌研究所的资助。J. Luo报告一项已授权并收取QIAGEN版税的AR-V7专利；一项已授权并收取A&G Pharmaceutical版税的AR-V7专利；以及一项由多家公司授权并收取版税的LNCaP95细胞系专利。J.K. Lee报告在提交工作之外获得了PromiCell的资助和其他支持以及Lyell Immunopharma的个人费用，以及一项转让给PromiCell的US20250144139A1专利。G. Ha报告在提交工作之外获得了Quest Diagnostics Inc.的个人费用，且G. Ha是Fred Hutch提交的与液体活检相关的知识产权的发明人之一。E.Y. Yu报告在提交工作之外获得了Astellas Pharma、AstraZeneca、Johnson & Johnson、Tolmar、Novartis、Samsung Biologics、Bristol Myers Squibb和Loxo Oncology的个人费用；Lantheus、Merck和Bayer的资助和个人费用；以及Dendreon、Pfizer、Blue Earth Therapeutics和Tyra Biosciences的资助。H.H. Cheng报告在提交工作之外获得了Janssen Pharmaceuticals和Promontory Therapeutics的资助以及UpToDate和CureBRCA的个人费用。E. Corey报告在提交工作之外获得了Janssen Pharmaceuticals、Boundless Bio、Bayer、AstraZeneca、Kintor Pharmaceutical、Forma Therapeutics、Foghorn Therapeutics、MacroGenics和K36 Therapeutics的其他支持。C. Morrissey报告在研究期间获得了NCI、前列腺癌研究所和前列腺癌基金会的资助，以及在提交工作之外获得了Genentech、AstraZeneca、Janssen Pharmaceutical和Novartis的其他支持。M.T. Schweizer报告在研究期间获得了NIH的资助，以及在提交工作之外获得了Johnson & Johnson、Kyntra Bio、Pfizer、Daiichi Sankyo、K36 Therapeutics、Bayer、Monte Rosa Therapeutics和Delphia Therapeutics的个人费用，以及Johnson & Johnson、Pfizer、Novartis、Zenith Epigenetics、Bristol Myers Squibb、Merck、Epigenetix、Xencor、Ambrx、Oric Pharmaceuticals、AstraZeneca、Lightspeed和Kyntra Bio的资助。P.S. Nelson报告在提交工作之外获得了Janssen Pharmaceuticals、Genentech和Auron Therapeutics的资助和个人费用以及Vesto Therapeutics的非财务支持。R. Raychaudhuri报告在研究期间获得了国防部和前列腺癌基金会的资助，以及在提交工作之外获得了Merck、Phanes Therapeutics、Acerand Therapeutics、Amgen和Bristol Myers Squibb的其他支持。M.C. Haffner报告在研究期间获得了Novartis、Genentech和Johnson & Johnson的资助，以及在提交工作之外获得了XYone Therapeutics的资助和K36 Therapeutics的个人费用。其他作者未报告任何披露。

作者贡献

E. Sayar：概念化、数据管理、形式分析、调查研究、可视化、撰写——初稿、撰写——审阅与编辑。H.M. Richards：概念化、资源、数据管理、形式分析、调查研究、可视化、方法论、撰写——初稿、撰写——审阅与编辑。R. Gulati：形式分析、调查研究、可视化。R.A. Patel：形式分析、方法论、撰写——审阅与编辑。B. Hanratty：调查研究、可视化、撰写——审阅与编辑。H.J. Lee：调查研究、撰写——审阅与编辑。I. Coleman：数据管理、方法论、撰写——审阅与编辑。P. Mustafi：调查研究、撰写——审阅与编辑。C.-K.C. Ding：资源、调查研究、撰写——审阅与编辑。W.S. Chen：调查研究、撰写——审阅与编辑。D. Quigley：数据管理、调查研究、撰写——审阅与编辑。M. Setty：软件、调查研究、撰写——审阅与编辑。J.M. Lang：数据管理、调查研究、撰写——审阅与编辑。L.D. True：资源、撰写——审阅与编辑。L. Kollath： 资源、撰写——审阅与编辑。D.W. Lin：资源、撰写——审阅与编辑。J. Luo：资源、撰写——审阅与编辑。J.K. Lee：资源、调查研究、撰写——审阅与编辑。G. Ha：数据管理、软件、撰写——审阅与编辑。E.Y. Yu：资源、撰写——审阅与编辑。H.H. Cheng：资源、撰写——审阅与编辑。B. Montgomery： 资源、撰写——审阅与编辑。E. Corey：资源、撰写——审阅与编辑。C. Morrissey：资源、撰写——审阅与编辑。M.T. Schweizer：资源、项目管理。P.S. Nelson：概念化、资源、数据管理、监督、撰写——审阅与编辑。R. Raychaudhuri：概念化、形式分析、监督、调查研究、可视化、方法论、撰写——初稿、撰写——审阅与编辑。M.C. Haffner：概念化、资源、数据管理、形式分析、监督、经费获取、调查研究、可视化、方法论、撰写——初稿、项目管理、撰写——审阅与编辑。

致谢

我们感谢患者及其家属、Jessica Hawley、Funda Vakar-Lopez、Martine Roudier、Meagan Chambers以及快速尸检团队对华盛顿大学医学中心前列腺癌捐赠快速尸检计划和LuCaP PDX模型开发的贡献。我们感谢Haffner和Nelson实验室成员的富有建设性的建议。本工作得到了NIH/NCI (R37CA286450, P01CA2988991, P01CA163227, P30CA15704, P50CA097186, P01CA163227-06A1, R01CA234715-03, R01CA266452, R01CA280056, DP2CA280624, R35CA274442, R50CA221836, R50CA274336, P50CA275741, P01CA163227, CA282978, 和 T32CA009515-33)、NIH研究基础设施办公室 (S10OD028685)、美国国防部前列腺癌研究计划 (W81XWH-20-1-0111, W81XWH-21-1-0229, W81XWH-22-1-0278, W81XWH-18-1-0347, W81XWH-18-1-0689, W81XWH-21-1-0264, W81XWH-14-2-0183, W81XWH-17-2-0043, PC230420, PC230582, W81XWH-22-1-0833, HT9425-23-1-0383, HT94252410252, 和 HT9425-24-1-0291)、Doris Duke慈善基金会 (Grant 2021184)、V基金会、前列腺癌基金会Felix Feng PC-SYNERGY奖、前列腺癌基金会青年研究员奖、韩国国家研究基金会 (RS-2024-00334566)、Novartis生物医学研究、Safeway基金会、Richard M. Lucas基金会、Conquer Cancer青年研究员奖、Benioff前列腺癌研究倡议、Fred Hutch/UW癌症联盟，以及UW/FHCC前列腺癌研究所的支持。

注意：本文的补充数据可在Molecular Cancer Research Online (http://mcr.aacrjournals.org/)上查阅。