Mutations in isocitrate dehydrogenases 1 and 2 (IDH1 and IDH2) in the majority of people with grade 2 and 3 gliomas is associated with elevated levels of 2-hydroxyglutarate (2HG) within the tumor. As harboring IDH1 or IDH2 mutations confers a considerable survival benefit in these individuals, there has been considerable interest in studying this metabolite as a potential biomarker. Here, Changho Choi et al. report the successful noninvasive detection of 2HG in 30 subjects with gliomas using a proton magnetic resonance spectroscopy approach. Mutations in isocitrate dehydrogenases 1 and 2 (IDH1 and IDH2) have been shown to be present in most World Health Organization grade 2 and grade 3 gliomas in adults. These mutations are associated with the accumulation of 2-hydroxyglutarate (2HG) in the tumor. Here we report the noninvasive detection of 2HG by proton magnetic resonance spectroscopy (MRS). We developed and optimized the pulse sequence with numerical and phantom analyses for 2HG detection, and we estimated the concentrations of 2HG using spectral fitting in the tumors of 30 subjects. Detection of 2HG correlated with mutations in IDH1 or IDH2 and with increased levels of D-2HG by mass spectrometry of the resected tumors. Noninvasive detection of 2HG may prove to be a valuable diagnostic and prognostic biomarker.

Glioblastomas and brain metastases are highly proliferative brain tumors with short survival times. Previously, using 13C-NMR analysis of brain tumors resected from patients during infusion of 13C-glucose, we demonstrated that there is robust oxidation of glucose in the citric acid cycle, yet glucose contributes less than 50% of the carbons to the acetyl-CoA pool. Here, we show that primary and metastatic mouse orthotopic brain tumors have the capacity to oxidize [1,2-13C]acetate and can do so while simultaneously oxidizing [1,6-13C]glucose. The tumors do not oxidize [U-13C]glutamine. In vivo oxidation of [1,2-13C]acetate was validated in brain tumor patients and was correlated with expression of acetyl-CoA synthetase enzyme 2, ACSS2. Together, the data demonstrate a strikingly common metabolic phenotype in diverse brain tumors that includes the ability to oxidize acetate in the citric acid cycle. This adaptation may be important for meeting the high biosynthetic and bioenergetic demands of malignant growth.

Dysregulated metabolism is a hallmark of cancer cell lines, but little is known about the fate of glucose and other nutrients in tumors growing in their native microenvironment. To study tumor metabolism in vivo, we used an orthotopic mouse model of primary human glioblastoma (GBM). We infused 13C-labeled nutrients into mice bearing three independent GBM lines, each with a distinct set of mutations. All three lines displayed glycolysis, as expected for aggressive tumors. They also displayed unexpected metabolic complexity, oxidizing glucose via pyruvate dehydrogenase and the citric acid cycle, and using glucose to supply anaplerosis and other biosynthetic activities. Comparing the tumors to surrounding brain revealed obvious metabolic differences, notably the accumulation of a large glutamine pool within the tumors. Many of these same activities were conserved in cells cultured ex vivo from the tumors. Thus GBM cells utilize mitochondrial glucose oxidation during aggressive tumor growth in vivo.

Glioblastomas and brain metastases demonstrate avid uptake of 2‐[ 18 F]fluoro‐2‐deoxyglucose by positron emission tomography and display perturbations of intracellular metabolite pools by 1 H MRS. These observations suggest that metabolic reprogramming contributes to brain tumor growth in vivo . The Warburg effect, excess metabolism of glucose to lactate in the presence of oxygen, is a hallmark of cancer cells in culture. 2‐[ 18 F]Fluoro‐2‐deoxyglucose‐positive tumors are assumed to metabolize glucose in a similar manner, with high rates of lactate formation relative to mitochondrial glucose oxidation, but few studies have specifically examined the metabolic fates of glucose in vivo . In particular, the capacity of human brain cancers to oxidize glucose in the tricarboxylic acid cycle is unknown. Here, we studied the metabolism of human brain tumors in situ . [U‐ 13 C]Glucose (uniformly labeled glucose, i.e. d ‐glucose labeled with 13 C in all six carbons) was infused during surgical resection, and tumor samples were subsequently subjected to 13 C NMR spectroscopy. The analysis of tumor metabolites revealed lactate production, as expected. We also determined that pyruvate dehydrogenase, turnover of the tricarboxylic acid cycle, anaplerosis and de novo glutamine and glycine synthesis contributed significantly to the ultimate disposition of glucose carbon. Surprisingly, less than 50% of the acetyl‐coenzyme A pool was derived from blood‐borne glucose, suggesting that additional substrates contribute to tumor bioenergetics. This study illustrates a convenient approach that capitalizes on the high information content of 13 C NMR spectroscopy and enables the analysis of intermediary metabolism in diverse cancers growing in their native microenvironment. Copyright © 2012 John Wiley & Sons, Ltd.

Glioblastoma multiforme (GBM) is the most lethal of brain tumors and is highly resistant to ionizing radiation (IR) and chemotherapy. Here, we report on a molecular mechanism by which a key glioma-specific mutation, epidermal growth factor receptor variant III (EGFRvIII), confers radiation resistance. Using Ink4a/Arf-deficient primary mouse astrocytes, primary astrocytes immortalized by p53/Rb suppression, as well as human U87 glioma cells, we show that EGFRvIII expression enhances clonogenic survival following IR. This enhanced radioresistance is due to accelerated repair of DNA double-strand breaks (DSB), the most lethal lesion inflicted by IR. The EGFR inhibitor gefitinib (Iressa) and the phosphatidylinositol 3-kinase (PI3K) inhibitor LY294002 attenuate the rate of DSB repair. Importantly, expression of constitutively active, myristylated Akt-1 accelerates repair, implicating the PI3K/Akt-1 pathway in radioresistance. Most notably, EGFRvIII-expressing U87 glioma cells show elevated activation of a key DSB repair enzyme, DNA-dependent protein kinase catalytic subunit (DNA-PKcs). Enhanced radioresistance is abrogated by the DNA-PKcs-specific inhibitor NU7026, and EGFRvIII fails to confer radioresistance in DNA-PKcs-deficient cells. In vivo, orthotopic U87-EGFRvIII-derived tumors display faster rates of DSB repair following whole-brain radiotherapy compared with U87-derived tumors. Consequently, EGFRvIII-expressing tumors are radioresistant and continue to grow following whole-brain radiotherapy with little effect on overall survival. These in vitro and in vivo data support our hypothesis that EGFRvIII expression promotes DNA-PKcs activation and DSB repair, perhaps as a consequence of hyperactivated PI3K/Akt-1 signaling. Taken together, our results raise the possibility that EGFR and/or DNA-PKcs inhibition concurrent with radiation may be an effective therapeutic strategy for radiosensitizing high-grade gliomas.

Significance The prognosis and management of patients with glioma is vastly different depending on whether one detects tumor progression or treatment effects. Although the gold standard in the evaluation of treatment efficacy involves MRI, the currently available imaging methods often do not suffice to make the final decision. Our study demonstrated that amide proton transfer (APT) imaging, one subset of chemical exchange saturation transfer imaging, can detect molecular signals in glioma induced by short-term chemotherapy with temozolomide. These molecular events precede morphologic changes. The APT signal did not decrease in tumors resistant to chemotherapy. APT imaging may provide a useful prognostic biomarker of treatment response or tumor progression in glioma.

ABSTRACT Background One of the most important recent discoveries in brain glioma biology has been the identification of the isocitrate dehydrogenase (IDH) mutation and 1p/19q co-deletion status as markers for therapy and prognosis. 1p/19q co-deletion is the defining genomic marker for oligodendrogliomas and confers a better prognosis and treatment response than gliomas without it. Our group has previously developed a highly accurate deep-learning network for determining IDH mutation status using T2-weighted MRI only. The purpose of this study was to develop a similar 1p/19q deep-learning classification network. Methods Multi-parametric brain MRI and corresponding genomic information were obtained for 368 subjects from The Cancer Imaging Archive (TCIA) and The Cancer Genome Atlas (TCGA). 1p/19 co-deletions were present in 130 subjects. 238 subjects were non co-deleted. A T2w image only network (1p/19q-net) was developed to perform 1p/19q co-deletion status classification and simultaneous single-label tumor segmentation using 3D-Dense-UNets. Threefold cross-validation was performed to generalize the network performance. ROC analysis was also performed. Dice-scores were computed to determine tumor segmentation accuracy. Results 1p/19q-net demonstrated a mean cross validation accuracy of 93.46% across the 3 folds (93.4%, 94.35%, and 92.62%, standard dev=0.8) in predicting 1p/19q co-deletion status with a sensitivity and specificity of 0.90 ±0.003 and 0.95 ±0.01, respectively and a mean AUC of 0.95 ±0.01. The whole tumor segmentation mean Dice-score was 0.80 ± 0.007. Conclusion We demonstrate high 1p/19q co-deletion classification accuracy using only T2-weighted MR images. This represents an important milestone toward using MRI to predict glioma histology, prognosis, and response to treatment. Keypoints 1. 1p/19 co-deletion status is an important genetic marker for gliomas. 2. We developed a non-invasive, MRI based, highly accurate deep-learning method for the determination of 1p/19q co-deletion status that only utilizes T2 weighted MR images IMPORTANCE OF THE STUDY One of the most important recent discoveries in brain glioma biology has been the identification of the isocitrate dehydrogenase (IDH) mutation and 1p/19q co-deletion status as markers for therapy and prognosis. 1p/19q co-deletion is the defining genomic marker for oligodendrogliomas and confers a better prognosis and treatment response than gliomas without it. Currently, the only reliable way to determine 1p/19q mutation status requires analysis of glioma tissue obtained either via an invasive brain biopsy or following open surgical resection. The ability to non-invasively determine 1p/19q co-deletion status has significant implications in determining therapy and predicting prognosis. We developed a highly accurate, deep learning network that utilizes only T2-weighted MR images and outperforms previously published imagebased methods. The high classification accuracy of our T2w image only network (1p/19q-net) in predicting 1p/19q co-deletion status marks an important step towards image-based stratification of brain gliomas. Imminent clinical translation is feasible because T2-weighted MR imaging is widely available and routinely performed in the assessment of gliomas.

Abstract Deep learning has shown promise for predicting glioma molecular profiles using MR images. Before clinical implementation, ensuring robustness to real-world problems, such as patient motion, is crucial. We sought to evaluate the effects of motion artifact on glioma marker classifier performance and develop a deep learning motion correction network to restore classification accuracies. T2w images and molecular information were retrieved from the TCIA and TCGA databases. Three-fold cross-validation was used to train and test the motion correction network on artifact-corrupted images. We then compared the performance of three glioma marker classifiers (IDH mutation, 1p/19q codeletion, and MGMT methylation) using motion-corrupted and motion-corrected images. Glioma marker classifier performance decreased markedly with increasing motion corruption. Applying motion correction effectively restored classification accuracy for even the most motion-corrupted images. For IDH classification, an accuracy of 99% was achieved, representing a new benchmark in non-invasive image-based IDH classification and exceeding the original performance of the network. Robust motion correction can enable high accuracy in deep learning MRI-based molecular marker classification rivaling tissue-based characterization. STATEMENT OF SIGNIFICANCE Deep learning networks have shown promise for predicting molecular profiles of gliomas using MR images. We demonstrate that patient motion artifact, which is frequently encountered in the clinic, can significantly impair the performance of these algorithms. The application of robust motion correction algorithms can restore the performance of these networks, rivaling tissue-based characterization.

ABSTRACT PURPOSE Methylation of the O 6 -Methylguanine-DNA Methyltransferase (MGMT) promoter results in epigenetic silencing of the MGMT enzyme and confers an improved prognosis and treatment response in gliomas. The purpose of this study was to develop a deep-learning network for determining the methylation status of the MGMT Promoter in gliomas using T2-w magnetic resonance images only. METHODS Brain MRI and corresponding genomic information were obtained for 247 subjects from The Cancer Imaging Archive (TCIA) and The Cancer Genome Atlas (TCGA). 163 subjects had a methylated MGMT promoter. A T2-w image only network (MGMT-net) was developed to determine MGMT promoter methylation status and simultaneous single label tumor segmentation. The network was trained using 3D-Dense-UNets. Three-fold cross-validation was performed to generalize the networks’ performance. Dice-scores were computed to determine tumor segmentation accuracy. RESULTS MGMT-net demonstrated a mean cross validation accuracy of 94.73% across the 3 folds (95.12%, 93.98%, and 95.12%, standard dev=0.66) in predicting MGMT methylation status with a sensitivity and specificity of 96.31% ±0.04 and 91.66% ±2.06, respectively and a mean AUC of 0.93 ±0.01. The whole tumor segmentation mean Dice-score was 0.82 ± 0.008. CONCLUSION We demonstrate high classification accuracy in predicting the methylation status of the MGMT promoter using only T2-w MR images that surpasses the sensitivity, specificity, and accuracy of invasive histological methods such as pyrosequencing, methylation-specific PCR, and immunofluorescence methods. This represents an important milestone toward using MRI to predict glioma histology, prognosis, and response to treatment.

Abstract Selective vascular access to the brain is desirable in metabolic tracer, pharmacological and other studies aimed to characterize neural properties in isolation from somatic influences from chest, abdomen or limbs. However, current methods for artificial control of cerebral circulation can abolish pulsatility-dependent vascular signaling or neural network phenomena such as the electrocorticogram even when preserving individual neuronal activity. Thus, we set out to mechanically render cerebral hemodynamics fully regulable to replicate or modify native pig brain perfusion. To this end, blood flow to the head was surgically separated from the systemic circulation and full extracorporeal pulsatile circulatory control (EPCC) delivered via a modified aorta or brachiocephalic artery. This control relied on a computerized algorithm that maintained, for several hours, blood pressure, flow and pulsatility at near-native values individually measured before EPCC. Continuous electrocorticography and brain depth electrode recordings were used to evaluate brain activity relative to the standard offered by awake human electrocorticography. Under EPCC, this activity remained unaltered or minimally perturbed compared to the native circulation state, as did cerebral oxygenation, pressure, temperature and microscopic structure. Thus, our approach enables the study of neural activity and its circulatory manipulation in independence of most of the rest of the organism.