Abstract Cancer is driven by genetic change, and the advent of massively parallel sequencing has enabled systematic documentation of this variation at the whole-genome scale 1–3 . Here we report the integrative analysis of 2,658 whole-cancer genomes and their matching normal tissues across 38 tumour types from the Pan-Cancer Analysis of Whole Genomes (PCAWG) Consortium of the International Cancer Genome Consortium (ICGC) and The Cancer Genome Atlas (TCGA). We describe the generation of the PCAWG resource, facilitated by international data sharing using compute clouds. On average, cancer genomes contained 4–5 driver mutations when combining coding and non-coding genomic elements; however, in around 5% of cases no drivers were identified, suggesting that cancer driver discovery is not yet complete. Chromothripsis, in which many clustered structural variants arise in a single catastrophic event, is frequently an early event in tumour evolution; in acral melanoma, for example, these events precede most somatic point mutations and affect several cancer-associated genes simultaneously. Cancers with abnormal telomere maintenance often originate from tissues with low replicative activity and show several mechanisms of preventing telomere attrition to critical levels. Common and rare germline variants affect patterns of somatic mutation, including point mutations, structural variants and somatic retrotransposition. A collection of papers from the PCAWG Consortium describes non-coding mutations that drive cancer beyond those in the TERT promoter 4 ; identifies new signatures of mutational processes that cause base substitutions, small insertions and deletions and structural variation 5,6 ; analyses timings and patterns of tumour evolution 7 ; describes the diverse transcriptional consequences of somatic mutation on splicing, expression levels, fusion genes and promoter activity 8,9 ; and evaluates a range of more-specialized features of cancer genomes 8,10–18 .

Accurate pathological diagnosis is crucial for optimal management of patients with cancer. For the approximately 100 known tumour types of the central nervous system, standardization of the diagnostic process has been shown to be particularly challenging-with substantial inter-observer variability in the histopathological diagnosis of many tumour types. Here we present a comprehensive approach for the DNA methylation-based classification of central nervous system tumours across all entities and age groups, and demonstrate its application in a routine diagnostic setting. We show that the availability of this method may have a substantial impact on diagnostic precision compared to standard methods, resulting in a change of diagnosis in up to 12% of prospective cases. For broader accessibility, we have designed a free online classifier tool, the use of which does not require any additional onsite data processing. Our results provide a blueprint for the generation of machine-learning-based tumour classifiers across other cancer entities, with the potential to fundamentally transform tumour pathology.

Glioblastoma (GBM) is a brain tumor that carries a dismal prognosis and displays considerable heterogeneity. We have recently identified recurrent H3F3A mutations affecting two critical amino acids (K27 and G34) of histone H3.3 in one-third of pediatric GBM. Here, we show that each H3F3A mutation defines an epigenetic subgroup of GBM with a distinct global methylation pattern, and that they are mutually exclusive with IDH1 mutations, which characterize a third mutation-defined subgroup. Three further epigenetic subgroups were enriched for hallmark genetic events of adult GBM and/or established transcriptomic signatures. We also demonstrate that the two H3F3A mutations give rise to GBMs in separate anatomic compartments, with differential regulation of transcription factors OLIG1, OLIG2, and FOXG1, possibly reflecting different cellular origins.

Purpose Recent genomic approaches have suggested the existence of multiple distinct subtypes of medulloblastoma. We studied a large cohort of medulloblastomas to determine how many subgroups of the disease exist, how they differ, and the extent of overlap between subgroups. Methods We determined gene expression profiles and DNA copy number aberrations for 103 primary medulloblastomas. Bioinformatic tools were used for class discovery of medulloblastoma subgroups based on the most informative genes in the data set. Immunohistochemistry for subgroup-specific signature genes was used to determine subgroup affiliation for 294 nonoverlapping medulloblastomas on two independent tissue microarrays. Results Multiple unsupervised analyses of transcriptional profiles identified the following four distinct, nonoverlapping molecular variants: WNT, SHH, group C, and group D. Supervised analysis of these four subgroups revealed significant subgroup-specific demographics, histology, metastatic status, and DNA copy number aberrations. Immunohistochemistry for DKK1 (WNT), SFRP1 (SHH), NPR3 (group C), and KCNA1 (group D) could reliably and uniquely classify formalin-fixed medulloblastomas in approximately 98% of patients. Group C patients (NPR3-positive tumors) exhibited a significantly diminished progression-free and overall survival irrespective of their metastatic status. Conclusion Our integrative genomics approach to a large cohort of medulloblastomas has identified four disparate subgroups with distinct demographics, clinical presentation, transcriptional profiles, genetic abnormalities, and clinical outcome. Medulloblastomas can be reliably assigned to subgroups through immunohistochemistry, thereby making medulloblastoma subclassification widely available. Future research on medulloblastoma and the development of clinical trials should take into consideration these four distinct types of medulloblastoma.

Summary

 Ependymal tumors across age groups are currently classified and graded solely by histopathology. It is, however, commonly accepted that this classification scheme has limited clinical utility based on its lack of reproducibility in predicting patients' outcome. We aimed at establishing a uniform molecular classification using DNA methylation profiling. Nine molecular subgroups were identified in a large cohort of 500 tumors, 3 in each anatomical compartment of the CNS, spine, posterior fossa, supratentorial. Two supratentorial subgroups are characterized by prototypic fusion genes involving RELA and YAP1, respectively. Regarding clinical associations, the molecular classification proposed herein outperforms the current histopathological classification and thus might serve as a basis for the next World Health Organization classification of CNS tumors.

Medulloblastoma is the most common malignant brain tumor in childhood. Molecular studies from several groups around the world demonstrated that medulloblastoma is not one disease but comprises a collection of distinct molecular subgroups. However, all these studies reported on different numbers of subgroups. The current consensus is that there are only four core subgroups, which should be termed WNT, SHH, Group 3 and Group 4. Based on this, we performed a meta-analysis of all molecular and clinical data of 550 medulloblastomas brought together from seven independent studies. All cases were analyzed by gene expression profiling and for most cases SNP or array-CGH data were available. Data are presented for all medulloblastomas together and for each subgroup separately. For validation purposes, we compared the results of this meta-analysis with another large medulloblastoma cohort (n = 402) for which subgroup information was obtained by immunohistochemistry. Results from both cohorts are highly similar and show how distinct the molecular subtypes are with respect to their transcriptome, DNA copy-number aberrations, demographics, and survival. Results from these analyses will form the basis for prospective multi-center studies and will have an impact on how the different subgroups of medulloblastoma will be treated in the future.

Pediatric glioblastomas (GBM) including diffuse intrinsic pontine gliomas (DIPG) are devastating brain tumors with no effective therapy. Here, we investigated clinical and biological impacts of histone H3.3 mutations. Forty-two DIPGs were tested for H3.3 mutations. Wild-type versus mutated (K27M-H3.3) subgroups were compared for HIST1H3B, IDH, ATRX and TP53 mutations, copy number alterations and clinical outcome. K27M-H3.3 occurred in 71 %, TP53 mutations in 77 % and ATRX mutations in 9 % of DIPGs. ATRX mutations were more frequent in older children (p < 0.0001). No G34V/R-H3.3, IDH1/2 or H3.1 mutations were identified. K27M-H3.3 DIPGs showed specific copy number changes, including all gains/amplifications of PDGFRA and MYC/PVT1 loci. Notably, all long-term survivors were H3.3 wild type and this group of patients had better overall survival. K27M-H3.3 mutation defines clinically and biologically distinct subgroups and is prevalent in DIPG, which will impact future therapeutic trial design. K27M- and G34V-H3.3 have location-based incidence (brainstem/cortex) and potentially play distinct roles in pediatric GBM pathogenesis. K27M-H3.3 is universally associated with short survival in DIPG, while patients wild-type for H3.3 show improved survival. Based on prognostic and therapeutic implications, our findings argue for H3.3-mutation testing at diagnosis, which should be rapidly integrated into the clinical decision-making algorithm, particularly in atypical DIPG.