Systematic studies of cancer genomes have provided unprecedented insights into the molecular nature of cancer. Using this information to guide the development and application of therapies in the clinic is challenging. Here, we report how cancer-driven alterations identified in 11,289 tumors from 29 tissues (integrating somatic mutations, copy number alterations, DNA methylation, and gene expression) can be mapped onto 1,001 molecularly annotated human cancer cell lines and correlated with sensitivity to 265 drugs. We find that cell lines faithfully recapitulate oncogenic alterations identified in tumors, find that many of these associate with drug sensitivity/resistance, and highlight the importance of tissue lineage in mediating drug response. Logic-based modeling uncovers combinations of alterations that sensitize to drugs, while machine learning demonstrates the relative importance of different data types in predicting drug response. Our analysis and datasets are rich resources to link genotypes with cellular phenotypes and to identify therapeutic options for selected cancer sub-populations.

DNA methylation is the most studied epigenetic mark and CpG methylation is central to many biological processes and human diseases. Since cancer has highlighted the contribution to disease of aberrant DNA methylation patterns, such as the presence of promoter CpG island hypermethylation-associated silencing of tumor suppressor genes and global DNA hypomethylation defects, their importance will surely become apparent in other pathologies. However, advances in obtaining comprehensive DNA methylomes are hampered by the high cost and time-consuming aspects of the single nucleotide methods currently available for whole genome DNA methylation analyses. Following the success of the standard CpG methylation microarrays for 1,505 CpG sites and 27,000 CpG sites, we have validated in vivo the newly developed 450,000 (450K) cytosine microarray (Illumina). The 450K microarray includes CpG and CNG sites, CpG islands/shores/shelves/open sea, non-coding RNA (microRNAs and long non-coding RNAs) and sites surrounding the transcription start sites (-200 bp to -1,500 bp, 5'-UTRs and exons 1) for coding genes, but also for the corresponding gene bodies and 3'-UTRs, in addition to intergenic regions derived from GWAS studies. Herein, we demonstrate that the 450K DNA methylation array can consistently and significantly detect CpG methylation changes in the HCT-116 colorectal cancer cell line in comparison with normal colon mucosa or HCT-116 cells with defective DNA methyltransferases (DKO). The provided validation highlights the potential use of the 450K DNA methylation microarray as a useful tool for ongoing and newly designed epigenome projects.

Human aging cannot be fully understood in terms of the constrained genetic setting. Epigenetic drift is an alternative means of explaining age-associated alterations. To address this issue, we performed whole-genome bisulfite sequencing (WGBS) of newborn and centenarian genomes. The centenarian DNA had a lower DNA methylation content and a reduced correlation in the methylation status of neighboring cytosine--phosphate--guanine (CpGs) throughout the genome in comparison with the more homogeneously methylated newborn DNA. The more hypomethylated CpGs observed in the centenarian DNA compared with the neonate covered all genomic compartments, such as promoters, exonic, intronic, and intergenic regions. For regulatory regions, the most hypomethylated sequences in the centenarian DNA were present mainly at CpG-poor promoters and in tissue-specific genes, whereas a greater level of DNA methylation was observed in CpG island promoters. We extended the study to a larger cohort of newborn and nonagenarian samples using a 450,000 CpG-site DNA methylation microarray that reinforced the observation of more hypomethylated DNA sequences in the advanced age group. WGBS and 450,000 analyses of middle-age individuals demonstrated DNA methylomes in the crossroad between the newborn and the nonagenarian/centenarian groups. Our study constitutes a unique DNA methylation analysis of the extreme points of human life at a single-nucleotide resolution level.

DNA methylation is the best known epigenetic mark. Cancer and other pathologies show an altered DNA methylome. However, delivering complete DNA methylation maps is compromised by the price and labor-intensive interpretation of single nucleotide methods.Following the success of the HumanMethylation450 BeadChip (Infinium) methylation microarray (450K), we report the technical and biological validation of the newly developed MethylationEPIC BeadChip (Infinium) microarray that covers over 850,000 CpG methylation sites (850K). The 850K microarray contains >90% of the 450K sites, but adds 333,265 CpGs located in enhancer regions identified by the ENCODE and FANTOM5 projects.The 850K array demonstrates high reproducibility at the 450K CpG sites, is consistent among technical replicates, is reliable in the matched study of fresh frozen versus formalin-fixed paraffin-embeded samples and is also useful for 5-hydroxymethylcytosine. These results highlight the value of the MethylationEPIC BeadChip as a useful tool for the analysis of the DNA methylation profile of the human genome.

Cancer of unknown primary ranks in the top ten cancer presentations and has an extremely poor prognosis. Identification of the primary tumour and development of a tailored site-specific therapy could improve the survival of these patients. We examined the feasability of using DNA methylation profiles to determine the occult original cancer in cases of cancer of unknown primary.We established a classifier of cancer type based on the microarray DNA methylation signatures (EPICUP) in a training set of 2790 tumour samples of known origin representing 38 tumour types and including 85 metastases. To validate the classifier, we used an independent set of 7691 known tumour samples from the same tumour types that included 534 metastases. We applied the developed diagnostic test to predict the tumour type of 216 well-characterised cases of cancer of unknown primary. We validated the accuracy of the predictions from the EPICUP assay using autopsy examination, follow-up for subsequent clinical detection of the primary sites months after the initial presentation, light microscopy, and comprehensive immunohistochemistry profiling.The tumour type classifier based on the DNA methylation profiles showed a 99·6% specificity (95% CI 99·5-99·7), 97·7% sensitivity (96·1-99·2), 88·6% positive predictive value (85·8-91·3), and 99·9% negative predictive value (99·9-100·0) in the validation set of 7691 tumours. DNA methylation profiling predicted a primary cancer of origin in 188 (87%) of 216 patients with cancer with unknown primary. Patients with EPICUP diagnoses who received a tumour type-specific therapy showed improved overall survival compared with that in patients who received empiric therapy (hazard ratio [HR] 3·24, p=0·0051 [95% CI 1·42-7·38]; log-rank p=0·0029).We show that the development of a DNA methylation based assay can significantly improve diagnoses of cancer of unknown primary and guide more precise therapies associated with better outcomes. Epigenetic profiling could be a useful approach to unmask the original primary tumour site of cancer of unknown primary cases and a step towards the improvement of the clinical management of these patients.European Research Council (ERC), Cellex Foundation, the Institute of Health Carlos III (ISCIII), Cancer Australia, Victorian Cancer Agency, Samuel Waxman Cancer Research Foundation, the Health and Science Departments of the Generalitat de Catalunya, and Ferrer.

DNA methylation patterns are important for establishing cell, tissue, and organism phenotypes, but little is known about their contribution to natural human variation. To determine their contribution to variability, we have generated genome-scale DNA methylation profiles of three human populations (Caucasian-American, African-American, and Han Chinese-American) and examined the differentially methylated CpG sites. The distinctly methylated genes identified suggest an influence of DNA methylation on phenotype differences, such as susceptibility to certain diseases and pathogens, and response to drugs and environmental agents. DNA methylation differences can be partially traced back to genetic variation, suggesting that differentially methylated CpG sites serve as evolutionarily established mediators between the genetic code and phenotypic variability. Notably, one-third of the DNA methylation differences were not associated with any genetic variation, suggesting that variation in population-specific sites takes place at the genetic and epigenetic levels, highlighting the contribution of epigenetic modification to natural human variation.

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.

Non-small-cell lung cancer (NSCLC) is a tumor in which only small improvements in clinical outcome have been achieved. The issue is critical for stage I patients for whom there are no available biomarkers that indicate which high-risk patients should receive adjuvant chemotherapy. We aimed to find DNA methylation markers that could be helpful in this regard.A DNA methylation microarray that analyzes 450,000 CpG sites was used to study tumoral DNA obtained from 444 patients with NSCLC that included 237 stage I tumors. The prognostic DNA methylation markers were validated by a single-methylation pyrosequencing assay in an independent cohort of 143 patients with stage I NSCLC.Unsupervised clustering of the 10,000 most variable DNA methylation sites in the discovery cohort identified patients with high-risk stage I NSCLC who had shorter relapse-free survival (RFS; hazard ratio [HR], 2.35; 95% CI, 1.29 to 4.28; P = .004). The study in the validation cohort of the significant methylated sites from the discovery cohort found that hypermethylation of five genes was significantly associated with shorter RFS in stage I NSCLC: HIST1H4F, PCDHGB6, NPBWR1, ALX1, and HOXA9. A signature based on the number of hypermethylated events distinguished patients with high- and low-risk stage I NSCLC (HR, 3.24; 95% CI, 1.61 to 6.54; P = .001).The DNA methylation signature of NSCLC affects the outcome of stage I patients, and it can be practically determined by user-friendly polymerase chain reaction assays. The analysis of the best DNA methylation biomarkers improved prognostic accuracy beyond standard staging.

Epigenetic alterations may contribute to the development of atherosclerosis. In particular, DNA methylation, a reversible and highly regulated DNA modification, could influence disease onset and progression because it functions as an effector for environmental influences, including diet and lifestyle, both of which are risk factors for cardiovascular diseases.To address the role of DNA methylation changes in atherosclerosis, we compared a donor-matched healthy and atherosclerotic human aorta sample using whole-genome shotgun bisulfite sequencing. We observed that the atherosclerotic portion of the aorta was hypermethylated across many genomic loci in comparison with the matched healthy counterpart. Furthermore, we defined specific loci of differential DNA methylation using a set of donor-matched aortic samples and a high-density (>450 000 CpG sites) DNA methylation microarray. The functional importance in the disease was corroborated by crossing the DNA methylation signature with the corresponding expression data of the same samples. Among the differentially methylated CpGs associated with atherosclerosis onset, we identified genes participating in endothelial and smooth muscle functions. These findings provide new clues toward a better understanding of the molecular mechanisms of atherosclerosis.Our data identify an atherosclerosis-specific DNA methylation profile that highlights the contribution of different genes and pathways to the disorder. Interestingly, the observed gain of DNA methylation in the atherosclerotic lesions justifies efforts to develop DNA demethylating agents for therapeutic benefit.

Objective Mutations in cell-free circulating DNA (cfDNA) have been studied for tracking disease relapse in colorectal cancer (CRC). This approach requires personalised assay design due to the lack of universally mutated genes. In contrast, early methylation alterations are restricted to defined genomic loci allowing comprehensive assay design for population studies. Our objective was to identify cancer-specific methylated biomarkers which could be measured longitudinally in cfDNA (liquid biopsy) to monitor therapeutic outcome in patients with metastatic CRC (mCRC). Design Genome-wide methylation microarrays of CRC cell lines (n=149) identified five cancer-specific methylated loci ( EYA4 , GRIA4 , ITGA4 , MAP3K14-AS1, MSC ). Digital PCR assays were employed to measure methylation of these genes in tumour tissue DNA (n=82) and cfDNA from patients with mCRC (n=182). Plasma longitudinal assessment was performed in a patient subset treated with chemotherapy or targeted therapy. Results Methylation in at least one marker was detected in all tumour tissue samples and in 156 mCRC patient cfDNA samples (85.7%). Plasma marker prevalence was 71.4% for EYA4 , 68.5% for GRIA4 , 69.7% for ITGA4 , 69.1% for MAP3K14-AS1% and 65.1% for MSC . Dynamics of methylation markers was not affected by treatment type and correlated with objective tumour response and progression-free survival. Conclusion This five-gene methylation panel can be used to circumvent the absence of patient-specific mutations for monitoring tumour burden dynamics in liquid biopsy under different therapeutic regimens. This method might be proposed for assessing pharmacodynamics in clinical trials or when conventional imaging has limitations.