Epigenetic alterations, that is, disruption of DNA methylation and chromatin architecture, are now acknowledged as a universal feature of tumorigenesis. Medulloblastoma, a clinically challenging, malignant childhood brain tumour, is no exception. Despite much progress from recent genomics studies, with recurrent changes identified in each of the four distinct tumour subgroups (WNT-pathway-activated, SHH-pathway-activated, and the less-well-characterized Group 3 and Group 4), many cases still lack an obvious genetic driver. Here we present whole-genome bisulphite-sequencing data from thirty-four human and five murine tumours plus eight human and three murine normal controls, augmented with matched whole-genome, RNA and chromatin immunoprecipitation sequencing data. This comprehensive data set allowed us to decipher several features underlying the interplay between the genome, epigenome and transcriptome, and its effects on medulloblastoma pathophysiology. Most notable were highly prevalent regions of hypomethylation correlating with increased gene expression, extending tens of kilobases downstream of transcription start sites. Focal regions of low methylation linked to transcription-factor-binding sites shed light on differential transcriptional networks between subgroups, whereas increased methylation due to re-normalization of repressed chromatin in DNA methylation valleys was positively correlated with gene expression. Large, partially methylated domains affecting up to one-third of the genome showed increased mutation rates and gene silencing in a subgroup-specific fashion. Epigenetic alterations also affected novel medulloblastoma candidate genes (for example, LIN28B), resulting in alternative promoter usage and/or differential messenger RNA/microRNA expression. Analysis of mouse medulloblastoma and precursor-cell methylation demonstrated a somatic origin for many alterations. Our data provide insights into the epigenetic regulation of transcription and genome organization in medulloblastoma pathogenesis, which are probably also of importance in a wider developmental and disease context.

Recently, we described a machine learning approach for classification of central nervous system tumors based on the analysis of genome-wide DNA methylation patterns [6]. Here, we report on DNA methylation-based central nervous system (CNS) tumor diagnostics conducted in our institution between the years 2015 and 2018. In this period, more than 1000 tumors from the neurosurgical departments in Heidelberg and Mannheim and more than 1000 tumors referred from external institutions were subjected to DNA methylation analysis for diagnostic purposes. We describe our current approach to the integrated diagnosis of CNS tumors with a focus on constellations with conflicts between morphological and molecular genetic findings. We further describe the benefit of integrating DNA copy-number alterations into diagnostic considerations and provide a catalog of copy-number changes for individual DNA methylation classes. We also point to several pitfalls accompanying the diagnostic implementation of DNA methylation profiling and give practical suggestions for recurring diagnostic scenarios.

Abstract Purpose: The effects of pan–histone deacetylase (HDAC) inhibitors on cancer cells have shown that HDACs are involved in fundamental tumor biological processes such as cell cycle control, differentiation, and apoptosis. However, because of the unselective nature of these compounds, little is known about the contribution of individual HDAC family members to tumorigenesis and progression. The purpose of this study was to evaluate the role of individual HDACs in neuroblastoma tumorigenesis. Experimental Design: We have investigated the mRNA expression of all HDAC1-11 family members in a large cohort of primary neuroblastoma samples covering the full spectrum of the disease. HDACs associated with disease stage and survival were subsequently functionally evaluated in cell culture models. Results: Only HDAC8 expression was significantly correlated with advanced disease and metastasis and down-regulated in stage 4S neuroblastoma associated with spontaneous regression. High HDAC8 expression was associated with poor prognostic markers and poor overall and event-free survival. The knockdown of HDAC8 resulted in the inhibition of proliferation, reduced clonogenic growth, cell cycle arrest, and differentiation in cultured neuroblastoma cells. The treatment of neuroblastoma cell lines as well as short-term-culture neuroblastoma cells with an HDAC8-selective small-molecule inhibitor inhibited cell proliferation and clone formation, induced differentiation, and thus reproduced the HDAC8 knockdown phenotype. Global histone 4 acetylation was not affected by HDAC8 knockdown or by selective inhibitor treatment. Conclusions: Our data point toward an important role of HDAC8 in neuroblastoma pathogenesis and identify this HDAC family member as a specific drug target for the differentiation therapy of neuroblastoma.

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.