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.

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.

Understanding the role of epigenetic modifications, e.g. DNA methylation, in the process of aging requires the characterization of methylation patterns in large cohorts. We analysed >480 000 CpG sites using Infinium HumanMethylation450 BeadChip (Illumina) in whole blood DNA of 965 participants of a population-based cohort study aged between 50 and 75 years. In an exploratory analysis in 400 individuals, 200 CpG sites with the highest Spearman correlation coefficients for the association between methylation and age were identified. Of these 200 CpGs, 162 were significantly associated with age, which was verified in an independent cohort of 498 individuals using mixed linear regression models adjusted for gender, smoking behaviour, age-related diseases and random batch effect and corrected for multiple testing by Bonferroni. In another independent cohort of 67 individuals without history of major age-related diseases and with a follow-up of 8 years, we observed a gain in methylation at 96% (52%, significant) of the positively age-associated CpGs and a loss at all (89%, significant) of the negatively age-associated CpGs in each individual while getting 8 years older. A regression model for age prediction based on 17 CpGs as predicting variables explained 71% of the variance in age with an average accuracy of 2.6 years. In comparison with cord blood samples obtained from the Ulm Birth Cohort Study, we observed a more than 2-fold change in mean methylation levels from birth to older age at 86 CpGs. We were able to identify 65 novel CpG sites with significant association of methylation with age.

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.

IDH wild type (IDHwt) anaplastic astrocytomas WHO grade III (AA III) are associated with poor outcome. To address the possibilities of molecular subsets among astrocytoma or of diagnostic reclassification, we analyzed a series of 160 adult IDHwt tumors comprising 120 AA III and 40 diffuse astrocytomas WHO grade II (A II) for molecular hallmark alterations and established methylation and copy number profiles. Based on molecular profiles and hallmark alterations the tumors could be grouped into four major sets. 124/160 (78 %) tumors were diagnosed as the molecular equivalent of conventional glioblastoma (GBM), and 15/160 (9 %) as GBM-H3F3A mutated (GBM-H3). 13/160 (8 %) exhibited a distinct methylation profile that was most similar to GBM-H3-K27, however, lacked the H3F3A mutation. This group was enriched for tumors of infratentorial and midline localization and showed a trend towards a more favorable prognosis. All but one of the 120 IDHwt AA III could be assigned to these three groups. 7 tumors recruited from the 40 A II, comprised a variety of molecular signatures and all but one were reclassified into distinct WHO entities of lower grades. Interestingly, TERT mutations were exclusively restricted to the molecular GBM (78 %) and associated with poor clinical outcome. However, the GBM-H3 group lacking TERT mutations appeared to fare even worse. Our data demonstrate that most of the tumors diagnosed as IDHwt astrocytomas can be allocated to other tumor entities on a molecular basis. The diagnosis of IDHwt diffuse astrocytoma or anaplastic astrocytoma should be used with caution.

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.