Background The WHO classification of brain tumours describes 15 subtypes of meningioma. Nine of these subtypes are allotted to WHO grade I, and three each to grade II and grade III. Grading is based solely on histology, with an absence of molecular markers. Although the existing classification and grading approach is of prognostic value, it harbours shortcomings such as ill-defined parameters for subtypes and grading criteria prone to arbitrary judgment. In this study, we aimed for a comprehensive characterisation of the entire molecular genetic landscape of meningioma to identify biologically and clinically relevant subgroups. Methods In this multicentre, retrospective analysis, we investigated genome-wide DNA methylation patterns of meningiomas from ten European academic neuro-oncology centres to identify distinct methylation classes of meningiomas. The methylation classes were further characterised by DNA copy number analysis, mutational profiling, and RNA sequencing. Methylation classes were analysed for progression-free survival outcomes by the Kaplan-Meier method. The DNA methylation-based and WHO classification schema were compared using the Brier prediction score, analysed in an independent cohort with WHO grading, progression-free survival, and disease-specific survival data available, collected at the Medical University Vienna (Vienna, Austria), assessing methylation patterns with an alternative methylation chip. Findings We retrospectively collected 497 meningiomas along with 309 samples of other extra-axial skull tumours that might histologically mimic meningioma variants. Unsupervised clustering of DNA methylation data clearly segregated all meningiomas from other skull tumours. We generated genome-wide DNA methylation profiles from all 497 meningioma samples. DNA methylation profiling distinguished six distinct clinically relevant methylation classes associated with typical mutational, cytogenetic, and gene expression patterns. Compared with WHO grading, classification by individual and combined methylation classes more accurately identifies patients at high risk of disease progression in tumours with WHO grade I histology, and patients at lower risk of recurrence among WHO grade II tumours (p=0·0096) from the Brier prediction test). We validated this finding in our independent cohort of 140 patients with meningioma. Interpretation DNA methylation-based meningioma classification captures clinically more homogenous groups and has a higher power for predicting tumour recurrence and prognosis than the WHO classification. The approach presented here is potentially very useful for stratifying meningioma patients to observation-only or adjuvant treatment groups. We consider methylation-based tumour classification highly relevant for the future diagnosis and treatment of meningioma. Funding German Cancer Aid, Else Kröner-Fresenius Foundation, and DKFZ/Heidelberg Institute of Personalized Oncology/Precision Oncology Program.

Recently, we described a machine learning approach for classification of central nervous system tumors based on the analysis of genome-wide DNA methylation patterns [6]. Here, we report on DNA methylation-based central nervous system (CNS) tumor diagnostics conducted in our institution between the years 2015 and 2018. In this period, more than 1000 tumors from the neurosurgical departments in Heidelberg and Mannheim and more than 1000 tumors referred from external institutions were subjected to DNA methylation analysis for diagnostic purposes. We describe our current approach to the integrated diagnosis of CNS tumors with a focus on constellations with conflicts between morphological and molecular genetic findings. We further describe the benefit of integrating DNA copy-number alterations into diagnostic considerations and provide a catalog of copy-number changes for individual DNA methylation classes. We also point to several pitfalls accompanying the diagnostic implementation of DNA methylation profiling and give practical suggestions for recurring diagnostic scenarios.

According to the 2016 World Health Organization Classification of Tumors of the Central Nervous System (2016 CNS WHO), IDH-mutant astrocytic gliomas comprised WHO grade II diffuse astrocytoma, IDH-mutant (AIIIDHmut), WHO grade III anaplastic astrocytoma, IDH-mutant (AAIIIIDHmut), and WHO grade IV glioblastoma, IDH-mutant (GBMIDHmut). Notably, IDH gene status has been made the major criterion for classification while the manner of grading has remained unchanged: it is based on histological criteria that arose from studies which antedated knowledge of the importance of IDH status in diffuse astrocytic tumor prognostic assessment. Several studies have now demonstrated that the anticipated differences in survival between the newly defined AIIIDHmut and AAIIIIDHmut have lost their significance. In contrast, GBMIDHmut still exhibits a significantly worse outcome than its lower grade IDH-mutant counterparts. To address the problem of establishing prognostically significant grading for IDH-mutant astrocytic gliomas in the IDH era, we undertook a comprehensive study that included assessment of histological and genetic approaches to prognosis in these tumors. A discovery cohort of 211 IDH-mutant astrocytic gliomas with an extended observation was subjected to histological review, image analysis, and DNA methylation studies. Tumor group-specific methylation profiles and copy number variation (CNV) profiles were established for all gliomas. Algorithms for automated CNV analysis were developed. All tumors exhibiting 1p/19q codeletion were excluded from the series. We developed algorithms for grading, based on molecular, morphological and clinical data. Performance of these algorithms was compared with that of WHO grading. Three independent cohorts of 108, 154 and 224 IDH-mutant astrocytic gliomas were used to validate this approach. In the discovery cohort several molecular and clinical parameters were of prognostic relevance. Most relevant for overall survival (OS) was CDKN2A/B homozygous deletion. Other parameters with major influence were necrosis and the total number of CNV. Proliferation as assessed by mitotic count, which is a key parameter in 2016 CNS WHO grading, was of only minor influence. Employing the parameters most relevant for OS in our discovery set, we developed two models for grading these tumors. These models performed significantly better than WHO grading in both the discovery and the validation sets. Our novel algorithms for grading IDH-mutant astrocytic gliomas overcome the challenges caused by introduction of IDH status into the WHO classification of diffuse astrocytic tumors. We propose that these revised approaches be used for grading of these tumors and incorporated into future WHO criteria.

Abstract Sarcomas are malignant soft tissue and bone tumours affecting adults, adolescents and children. They represent a morphologically heterogeneous class of tumours and some entities lack defining histopathological features. Therefore, the diagnosis of sarcomas is burdened with a high inter-observer variability and misclassification rate. Here, we demonstrate classification of soft tissue and bone tumours using a machine learning classifier algorithm based on array-generated DNA methylation data. This sarcoma classifier is trained using a dataset of 1077 methylation profiles from comprehensively pre-characterized cases comprising 62 tumour methylation classes constituting a broad range of soft tissue and bone sarcoma subtypes across the entire age spectrum. The performance is validated in a cohort of 428 sarcomatous tumours, of which 322 cases were classified by the sarcoma classifier. Our results demonstrate the potential of the DNA methylation-based sarcoma classification for research and future diagnostic applications.

ABSTRACT Meningiomas are the most frequent primary intracranial tumors. They can follow a wide clinical spectrum from benign to highly aggressive clinical course. No specific therapy exists for refractory cases or cases not amenable to resection and radiotherapy. Identification of risk of recurrence and malignant transformation for the individual patients is challenging. However, promising molecular markers and prognostic subgrouping by DNA methylation are emerging. Still, the biological underpinnings of these diagnostic subgroups are elusive, and, consequently, no novel therapeutic options arise thereof. Here we establish robust subgroups across the full landscape of meningiomas, consistent through DNA methylation, mutations, the transcriptomic, proteomic and phospho-proteomic level. Pronounced proliferative stress and DNA damage repair signals in malignant cells and in clusters exclusive to recurrent tumors are in line with their higher mitotic activity, but also provide an explanation for the accumulation of genomic instability in anaplastic meningiomas. Although homozygous deletion of CDKN2A/B is a diagnostic marker of high-grade meningioma, the expression of its gene product increased from low to non-deleted high-grade cases. Differences between subgroups in lymphocyte and myeloid cell infiltration, representing a majority of tumor mass in low-grade NF2 tumors, could be assigned to cluster-specific interaction with tumor cells. Activation to a more proinflammatory phenotype and decreased infiltration of myeloid cells in high-grade cases correlated with lower expression of CSF1 , located on chromosome arm 1p, whose deletion is known as prognostic marker, with no proposed mechanism before. Our results demonstrate a robust molecular subclassification of a tumor type across multiple layers, provide insight into heterogeneous growth dynamics despite shared pathognomonic mutations, and highlight immune infiltration modulation as a novel target for meningioma therapy.

Abstract Polymicrogyria (PMG) is a developmental cortical malformation characterized by an excess of small and frustrane gyration and abnormal cortical lamination. PMG frequently associates with seizures. The molecular pathomechanisms underlying PMG development are not yet understood. About 40 genes have been associated with PMG, and small copy number variations have also been described in selected patients. We recently provided evidence that epilepsy-associated structural brain lesions can be classified based on genomic DNA methylation patterns. Here we analyzed 26 PMG patients employing array-based DNA-methylation profiling on formalin-fixed paraffin-embedded material. A series of 62 well-characterized non-PMG cortical malformations (focal cortical dysplasia type 2a/b and hemimegalencephaly), temporal lobe epilepsy, and non-epilepsy autopsy controls was used as reference cohort. Unsupervised dimensionality reduction and hierarchical cluster analysis of DNA methylation profiles showed that PMG formed a distinct DNA methylation class. Copy number profiling from DNA methylation data identified a uniform duplication spanning the entire long arm of chromosome 1 in 7 out of 26 PMG patients, which was verified by additional fluorescence in situ hybridization analysis. In respective cases about 50% of nuclei in the center of the PMG lesion were 1q triploid. No chromosomal imbalance was seen in adjacent, architecturally normal-appearing tissue indicating mosaicism. Clinically, PMG 1q patients presented with a unilateral frontal or hemispheric PMG without hemimegalencephaly, a severe form of intractable epilepsy with seizure onset in the first months of life, and severe developmental delay. Our results show that PMG can be classified among other structural brain lesions according to their DNA methylation profile. One subset of PMG with distinct clinical features exhibits a duplication of chromosomal arm 1q.