Abstract Background Variability in standard-of-care classifications precludes accurate predictions of early tumor recurrence for individual patients with meningioma, limiting the appropriate selection of patients who would benefit from adjuvant radiotherapy to delay recurrence. We aimed to develop an individualized prediction model of early recurrence risk combining clinical and molecular factors in meningioma. Methods DNA methylation profiles of clinically annotated tumor samples across multiple institutions were used to develop a methylome model of 5-year recurrence-free survival (RFS). Subsequently, a 5-year meningioma recurrence score was generated using a nomogram that integrated the methylome model with established prognostic clinical factors. Performance of both models was evaluated and compared with standard-of-care models using multiple independent cohorts. Results The methylome-based predictor of 5-year RFS performed favorably compared with a grade-based predictor when tested using the 3 validation cohorts (ΔAUC = 0.10, 95% CI: 0.03–0.018) and was independently associated with RFS after adjusting for histopathologic grade, extent of resection, and burden of copy number alterations (hazard ratio 3.6, 95% CI: 1.8–7.2, P < 0.001). A nomogram combining the methylome predictor with clinical factors demonstrated greater discrimination than a nomogram using clinical factors alone in 2 independent validation cohorts (ΔAUC = 0.25, 95% CI: 0.22–0.27) and resulted in 2 groups with distinct recurrence patterns (hazard ratio 7.7, 95% CI: 5.3–11.1, P < 0.001) with clinical implications. Conclusions The models developed and validated in this study provide important prognostic information not captured by previously established clinical and molecular factors which could be used to individualize decisions regarding postoperative therapeutic interventions, in particular whether to treat patients with adjuvant radiotherapy versus observation alone.

Abstract Background Tumor hypoxia is associated with prostate cancer (PCa) treatment resistance and poor prognosis. Pimonidazole (PIMO) is an investigational hypoxia probe used in clinical trials. A better understanding of the clinical significance and molecular alterations underpinning PIMO-labeled tumor hypoxia is needed for future clinical application. Here, we investigated the clinical significance and molecular alterations underpinning PIMO-labeled tumor hypoxia in patients with localized PCa, in order to apply PIMO as a prognostic tool and to identify potential biomarkers for future clinical translation. Methods A total of 39 patients with localized PCa were recruited and administered oral PIMO before undergoing radical prostatectomy (RadP). Immunohistochemical staining for PIMO was performed on 37 prostatectomy specimens with staining patterns evaluated and clinical association analyzed. Whole genome bisulfite sequencing was performed using laser-capture of microdissected specimen sections comparing PIMO positive and negative tumor areas. A hypoxia related methylation molecular signature was generated by integrating the differentially methylated regions with previously established RNA-seq datasets. Results Three PIMO staining patterns were distinguished: diffuse, focal, and comedo-like. The comedo-like staining pattern was more commonly associated with adverse pathology. PIMO-defined hypoxia intensity was positively correlated with advanced pathologic stage, tumor invasion, and cribriform and intraductal carcinoma morphology. The generated DNA methylation signature was found to be a robust hypoxia biomarker, which could risk-stratify PCa patients across multiple clinical datasets, as well as be applicable in other cancer types. Conclusions Oral PIMO unveiled clinicopathologic features of disease aggressiveness in localized PCa. The generated DNA methylation signature is a novel and robust hypoxia biomarker that has the potential for future clinical translation.

Abstract Background We previously developed a DNA methylation-based risk predictor for meningioma, which has been used locally in a prospective fashion since its original publication. As a follow-up, we validate this model using a large prospective cohort and introduce a streamlined next-generation predictor compatible with newer methylation arrays. Methods Genome-wide methylation profiles were generated with the Illumina EPICArray. The performance of our next-generation predictor was compared with our original model and standard-of-care 2021 WHO grade using time-dependent receiver operating characteristic curves. An nomogram was generated by incorporating our methylation predictor with WHO grade and extent of resection. Results A total of 1347 meningioma cases were utilized in the study, including 469 prospective cases from 3 institutions and an external cohort of 100 WHO grade 2 cases for model validation. Both the original and next-generation models significantly outperform 2021 WHO grade in predicting early postoperative recurrence. Dichotomizing patients into grade-specific risk subgroups was predictive of outcome within both WHO grades 1 and 2 tumours (p&lt;0.05), while all WHO grade 3 tumours were considered high-risk. Multivariable Cox regression demonstrated benefit of adjuvant radiotherapy in high-risk cases specifically, reinforcing its informative role in clinical decision making. Finally, our next-generation predictor contains nearly 10-fold fewer features than the original model, allowing for targeted arrays. Conclusions This next-generation DNA methylation-based meningioma outcome predictor significantly outperforms 2021 WHO grading in predicting time to recurrence. We make this available as a point-and-click tool which will improve prognostication, inform patient selection for RT, and allow for molecularly-stratified clinical trials.

Abstract Background Meningiomas exhibit considerable clinical and biological heterogeneity. We previously identified four distinct molecular groups (immunogenic, NF2-wildtype, hypermetabolic, proliferative) that address much of this heterogeneity. Despite the utility of these groups, the stochasticity of clustering methods and the use of multi-omics data for discovery limits the potential for classifying prospective cases. We sought to address this with a dedicated classifier. Methods Using an international cohort of 1698 meningiomas, we constructed and rigorously validated a machine learning-based molecular classifier using only DNA methylation data as input. Original and newly-predicted molecular groups were compared using DNA methylation, RNA sequencing, copy number profiles, whole exome sequencing, and clinical outcomes. Results We show that group-specific outcomes in the validation cohort are nearly identical to those originally described, with median PFS of 7.4 (4.9-Inf) years in hypermetabolic tumors and 2.5 (2.3-5.3) years in proliferative tumors (not reached in the other groups). Tumors classified as NF2-wildtype had no NF2 mutations, and 51.4% had canonical mutations previously described in this group. RNA pathway analysis revealed upregulation of immune-related pathways in the immunogenic group, metabolic pathways in the hypermetabolic group and cell-cycle programs in the proliferative group. Bulk deconvolution similarly revealed enrichment of macrophages in immunogenic tumours and neoplastic cells in hypermetabolic and proliferative tumours with similar proportions to those originally described. Conclusions Our DNA methylation-based classifier, which is publicly available for immediate clinical use, recapitulates the biology and outcomes of the original molecular groups as assessed using multiple metrics/platforms that were not used in its training.