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.

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.

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.

The ‘Individualized Therapy for Relapsed Malignancies in Childhood’ (INFORM) precision medicine study is a nationwide German program for children with high-risk relapsed/refractory malignancies, which aims to identify therapeutic targets on an individualised basis. In a pilot phase, reported here, we developed the logistical and analytical pipelines necessary for rapid and comprehensive molecular profiling in a clinical setting. Fifty-seven patients from 20 centers were prospectively recruited. Malignancies investigated included sarcomas (n = 25), brain tumours (n = 23), and others (n = 9). Whole-exome, low-coverage whole-genome, and RNA sequencing were complemented with methylation and expression microarray analyses. Alterations were assessed for potential targetability according to a customised prioritisation algorithm and subsequently discussed in an interdisciplinary molecular tumour board. Next-generation sequencing data were generated for 52 patients, with the full analysis possible in 46 of 52. Turnaround time from sample receipt until first report averaged 28 d. Twenty-six patients (50%) harbored a potentially druggable alteration with a prioritisation score of ‘intermediate’ or higher (level 4 of 7). Common targets included receptor tyrosine kinases, phosphoinositide 3-kinase–mammalian target of rapamycin pathway, mitogen-activated protein kinase pathway, and cell cycle control. Ten patients received a targeted therapy based on these findings, with responses observed in some previously treatment-refractory tumours. Comparative primary relapse analysis revealed substantial tumour evolution as well as one case of unsuspected secondary malignancy, highlighting the importance of re-biopsy at relapse. This study demonstrates the feasibility of comprehensive, real-time molecular profiling for high-risk paediatric cancer patients. This extended proof-of-concept, with examples of treatment consequences, expands upon previous personalised oncology endeavors, and presents a model with considerable interest and practical relevance in the burgeoning era of personalised medicine.

It is now clear that medulloblastoma (MB), one of the most clinically challenging paediatric brain tumours, is not a single disease entity. Rather, it comprises four distinct molecular subgroups (Wnt pathway activated (WNT), Sonic hedgehog pathway activated (SHH), and the less well-characterised Group 3 and Group 4) [7, 15], which are highly divergent in terms of their patient demographics, underlying biology, and survival outcomes [4, 6]. These subgroups are becoming increasingly important, not only for refining the discovery of prognostic markers or therapeutic targets, but also for the design of prospective clinical trials. Patients with WNT subgroup tumours, for example, generally have a favourable prognosis, and may benefit from a reduction or omission of radiotherapy or chemotherapy to spare neurological side-effects or other toxicities, as is now being prospectively tested in upcoming trials both in North America and Europe. In contrast, patients with poor prognosis Group 3 tumours may benefit from intensification of up-front therapy. Furthermore, many new targeted therapeutics are likely to be efficacious in only one subgroup, such as smoothened inhibitors for SHH pathway-driven MB [1, 2]. A phase III clinical trial randomising SMO inhibition against standard of care in relapsed SHH-MB patients will start recruiting in mid-late 2013. A method for accurate and robust classification into tumour subgroups that is applicable to standard pathology specimens is therefore of key clinical relevance.