Abstract Glioblastoma undergoes a complex and dynamic evolution involving genetic and epigenetic changes. Understanding the mechanisms underlying this evolution is vital for the development of efficient therapeutic strategies. Although treatment resistance is associated with intratumoral heterogeneity in glioblastoma, it remains uncertain whether hypometabolic and hypermetabolic lesions observed through positron emission tomography (PET) imaging are influenced by spatial intratumoral genomic evolution. In this study, we precisely isolated autologous hypometabolic and hypermetabolic lesions from glioblastoma using advanced neurosurgical and brain tumor imaging technologies, followed by comprehensive whole-genome exome and transcriptome analyses. Our findings revealed that hypermetabolic lesions evolved from hypometabolic lesions, harbored shrewd focal amplifications and deletions, and exhibited a higher frequency of critical genomic alterations linked to increased aggressiveness, upregulated APOBEC3 and hypoxic genes, and downregulated putative tumor suppressors. This study highlights spatial genomic evolution with diagnostic implications and unveils the obstacles and possibilities that should be considered in the development of novel therapeutic strategies. Statement of significance: Glioblastoma is a multifaceted disease that is difficult to treat, and insights into the metabolic gradient observed in imaging and the underlying role of genomic evolution are lacking. This study is the first to investigate the molecular basis of hypermetabolic tumor lesions in glioblastoma using precise three-dimensional biopsy isolation, whole genome/exome, and mRNA sequencing. These findings have diagnostic significance, provide insights into therapeutic resistance, and shed light on the obstacles encountered by precision therapeutics for glioblastoma.

Background: The prediction of the regrowth potential of pituitary adenomas after surgery is challenging. The genome-wide DNA methylation profiling of pituitary adenomas may separate adenomas into distinct methylation classes corresponding to histology-based subtypes. Specific genes and differentially methylated probes involving regrowth have been proposed, but no study has linked this epigenetic variance with regrowth potential and the clinical heterogeneity of nonfunctioning pituitary adenomas. This study aimed to investigate whether DNA methylation profiling can be useful as a clinical prognostic marker. Methods: A DNA methylation analysis by Illumina’s MethylationEPIC array was performed on 54 pituitary macroadenomas from patients who underwent transsphenoidal surgery during 2007–2017. Twelve patients were excluded due to an incomplete postoperative follow-up, degenerated biobank-stored tissue, or low DNA methylation quality. For the quantitative measurement of the tumor regrowth rate, we conducted a 3D volumetric analysis of tumor remnant volume via annual magnetic resonance imaging. A linear mixed effects model was used to examine whether different DNA methylation clusters had different regrowth patterns. Results: The DNA methylation profiling of 42 tissue samples showed robust DNA methylation clusters, comparable with previous findings. The subgroup of 33 nonfunctioning pituitary adenomas of an SF1-lineage showed five subclusters with an approximately unbiased score of 86%. There were no overall statistically significant differences when comparing hazard ratios for regrowth of 100%, 50%, or 0%. Despite this, plots of correlated survival estimates suggested higher regrowth rates for some clusters. The mixed effects model of accumulated regrowth similarly showed tendencies toward an association between specific DNA methylation clusters and regrowth potential. Conclusion: The DNA methylation profiling of nonfunctioning pituitary adenomas may potentially identify adenomas with increased growth and recurrence potential. Larger validation studies are needed to confirm the findings from this explorative pilot study.