Development of a novel signature integrating clinical, imaging and epigenetic information to tailor pelvic nodal treatment in prostate cancer

La prostatectomia radicale (RP) è un'opzione di trattamento negli gli uomini con carcinoma prostatico localizzato. In questi pazienti si consiglia di eseguire la linfoadenectomia pelvica (ePLND), ma solo se il rischio di invasione linfonodale (LNI) è rilevante. Infatti, una più accurata stadiazione della malattia può facilitare l’indicazione ad ulteriori trattamenti adiuvanti. Il rischio di LNI è valutato attraverso l’uso di modelli predittivi, come i nomogrammi Briganti. L’utilizzo di questi modelli predittivi permette di evitare la ePLND in una percentuale significativa di pazienti. Tuttavia, la loro accuratezza non è del 100%. Sfortunatamente, ePLND si associata ad un rischio significativo di complicanze. Pertanto, migliorare la nostra capacità di predire l'LNI permetterebbe di evitare ePLND quando non necessaria. In tal senso, la risonanza magnetica multiparametrica (mp-MRI) si è rivelata la tecnica di imaging più accurata per la stadiazione locale del tumore prostatico, migliorando anche la capacità di predire LNI. Per questo, le caratteristiche del tumore alla mp-MRI sono state incluse nell'ultima versione del nomogramma Briganti. Recenti ricerche traslazionali hanno evidenziato come l’espressione epigenetica delle cellule del cancro alla prostata possa fornire importanti informazioni sul comportamento biologico del tumore, e anche sul suo rischio di diffusione linfonodale. Perciò, l’analisi dei pathways epigenetici espressi dal tumore prostatico potrebbe migliorare ulteriormente la capacità di predire LNI. Sulla base di queste premesse, abbiamo avviato uno studio volto a sviluppare un nuovo modello predittivo che includesse dati clinici, radiologici ed epigenomici per migliorare la predizione di LNI in pazienti con tumore prostatico e candidati ad RP. Per raggiungere questo obiettivo, abbiamo reclutato 172 pazienti con tumore alla prostata localizzato ed identificato tramite una biopsia target e sistematica, successivamente sottoposti a RP ed ePLND. Abbiamo processato i campioni bioptici, positivi per coinvolgimento tumorale, derivati dal campionamento target e sistematico, analizzando i pathways epigenetici associati a LNI. Il DNA tumorale derivante dai frustoli bioptici target e sistematici è stato sequenziato tramite conversione del bisolfito. Da queste analisi abbiamo osservato che alcuni pathways epigenetici coinvolti nella trascrizione e nella regolazione genica erano significativamente associati a LNI sia nei campioni target che sistematici. Allo stesso modo, altri pathways epigegetici coinvolti nella trascrizione dei canali del potassio erano associati a LNI, ma solo quando venivalo analizzati i campioni target. Abbiamo identificato 508 e 511 siti di CpG, rispettivamennte da campioni target e sistematici, che erano differenzialmente metilati nei pazienti con e senza LNI. Questi siti CpG sono stati utilizzati per creare due score epigenetici, i quali a loro volta sono stati integrati con fattori di rischio convenzionali, come il PSA alla biopsia, lo stadio T alla mp-MRI, e il Gleason score alla biopsia target, per sviluppare due modelli predittivi di LNI. Dopo validazione interna, i modelli hanno raggiunto una AUC dell'86,0% per il modello target e dell’82,7% per il modello sistematico. Entrambi i modelli sono risultati più accurati dei nomogrammi di Briganti in validazione interna. In conclusione, questo studio ha permesso di definire nuovi pathways epigenetici da campioni bioptici di tumore prostatico, ad oggi sconosciuti. Sono stati inoltre sviluppati due nuovi modelli predittivi per LNI, che integrano caratteristiche cliniche, della mp-MRI ed epigenetiche e che per altro si sono mostrati superiori in accuratezza ai nomogrammi attualmente disponibili, in attesa di ulteriori validazioni.

Radical prostatectomy (RP) is a treatment option for men with localized prostate cancer. Extended pelvic lymph node dissection (ePLND) at the time of RP is recommended only in patients at risk of lymph node invasion (LNI), where a more accurate disease staging can tailor further adjuvant treatments. The risk of LNI is assessed through preoperative models, such as the Briganti nomograms, which are based on clinical features. They allow for sparing ePLND in a significant proportion of patients, but their accuracy is still suboptimal. Unfortunately, ePLND is associated with significant risks of complications. Therefore, improving our ability to detect LNI in prostate cancer would be key to avoid ePLND-related morbidity. Multiparametric MRI (mp-MRI) proved to be the most accurate imaging technique for local staging prior to RP, improving also the ability to predict LNI. For this reason, mp-MRI tumor features have been included in the latest version of the Briganti nomogram. Beside this, epigenetic expression of prostate cancer cells showed to be highly informative of the biological behavior of prostate cancer, even in terms of lymph node dissemination. Thus, exploring epigenetic patterns within biopsy tumor samples may further improve the prediction of LNI. Based on these premises, we aimed at developing a novel predicting model that included clinical, radiological, and epigenomic data. To accomplish this aim, we recruited 172 patients with localized prostate cancer diagnosed via combined target and systematic prostate biopsy and undergoing radical prostatectomy and ePLND. Epigenetic profiles of tumor DNA from target and systematic cores were sequenced via reduce representation bisulfite conversion. Gene pathways involved in gene transcription and regulation were significantly associated with LNI. Similarly, gene pathways involved in the transcription of potassium channels were associated with LNI, but only when target samples were considered. We identified 508 and 511 highly differentially methylated CpGs sites within target and systematic samples respectively, that were associated with LNI. The resulting epigenetic signatures were then integrated with conventional risk-factors, such as PSA at biopsy, T-stage at mp-MRI, and ISUP Gleason grade group at target biopsy, to develop two LNI predicting models. After train-test validations, we achieved an AUC of 86.0% for the target model and 82.7% for the systematic model. Both models outperformed Briganti nomograms for LNI prediction at internal validation.