Post-mortem tissues samples are a key resource for investigating patterns of gene expression. However, the processes triggered by death and the post-mortem interval (PMI) can significantly alter physiologically normal RNA levels. We investigate the impact of PMI on gene expression using data from multiple tissues of post-mortem donors obtained from the GTEx project. We find that many genes change expression over relatively short PMIs in a tissue-specific manner, but this potentially confounding effect in a biological analysis can be minimized by taking into account appropriate covariates. By comparing ante- and post-mortem blood samples, we identify the cascade of transcriptional events triggered by death of the organism. These events do not appear to simply reflect stochastic variation resulting from mRNA degradation, but active and ongoing regulation of transcription. Finally, we develop a model to predict the time since death from the analysis of the transcriptome of a few readily accessible tissues.

ABSTRACT Abstract Figure Background Age represents a significant risk factor for the development of Alzheimer’s disease (AD); however, recent research has documented an influencing role of sex in several features of AD. Understanding the impact of sex on specific molecular mechanisms associated with AD remains a critical challenge to creating tailored therapeutic interventions. Methods The exploration of the sex-based differential impact on disease (SDID) in AD used a systematic review to first select transcriptomic studies of AD with data regarding sex in the period covering 2002 to 2021 with a focus on the primary brain regions affected by AD - the cortex (CT) and the hippocampus (HP). A differential expression analysis for each study and two tissue-specific meta-analyses were then performed. Focusing on the CT due to the presence of significant SDID-related alterations, a comprehensive functional characterization was conducted: protein-protein network interaction and over-representation analyses to explore biological processes and pathways and a VIPER analysis to estimate transcription factor activity. Results We selected 8 CT and 5 HP studies from the Gene Expression Omnibus (GEO) repository for tissue-specific meta-analyses. We detected 389 significantly altered genes in the SDID comparison in the CT. Generally, female AD patients displayed more affected genes than males; we grouped said genes into six subsets according to their expression profile in female and male AD patients. Only subset I (repressed genes in female AD patients) displayed significant results during functional profiling. Female AD patients demonstrated more significant impairments in biological processes related to the regulation and organization of synapsis and pathways linked to neurotransmitters (glutamate and GABA) and protein folding, Aβ aggregation, and accumulation compared to male AD patients. These findings could partly explain why we observe more pronounced cognitive decline in female AD patients. Finally, we detected 23 transcription factors with different activation patterns according to sex, with some associated with AD for the first time. All results generated during this study are readily available through an open web resource Metafun-AD ( https://bioinfo.cipf.es/metafun-ad/ ). Conclusion Our meta-analyses indicate the existence of differences in AD-related mechanisms in female and male patients. These sex-based differences will represent the basis for new hypotheses and could significantly impact precision medicine and improve diagnosis and clinical outcomes in AD patients. Highlights Female AD patients possess more affected genes than male AD patients. 389 genes from the sex-based differential impact on disease comparison significantly impact the cerebral cortex and suggest a more significant effect on cognitive function in female AD patients. The cluster of repressed genes in female AD patients functionally impacts glutamate and GABA neurotransmitters and Aβ deposition. Female AD patients exhibit several transcription factors with significantly different activity patterns compared to male AD patients. This work includes Metafun-AD, an open and interactive web tool to explore all generated data and results.

Abstract The abuse of alcohol, one of the most popular psychoactive substances, can cause several pathological and psychological consequences, including alcohol use disorder (AUD). An impaired ability to stop or control alcohol intake despite adverse health or social consequences characterize AUD. While AUDs predominantly occur in men, growing evidence suggests the existence of distinct cognitive and biological consequences of alcohol dependence in women. The molecular and physiological mechanisms participating in these differential effects remain unknown. Transcriptomic technology permits the detection of the biological mechanisms responsible for such sex-based differences, which supports the subsequent development of novel personalized therapeutics to treat AUD. We conducted a systematic review and meta-analysis of transcriptomics studies regarding alcohol dependence in humans with representation from both sexes. For each study, we processed and analyzed transcriptomic data to obtain a functional profile of pathways and biological functions and then integrated the resulting data by meta-analysis to characterize any sex-based transcriptomic differences associated with AUD. Global results of the transcriptomic analysis revealed the association of decreased tissue regeneration, embryo malformations, altered intracellular transport, and increased rate of RNA and protein replacement with female AUD patients. Meanwhile, our analysis indicated that increased inflammatory response and blood pressure and a reduction in DNA repair capabilities associated with male AUD patients. In summary, our functional meta-analysis of transcriptomic studies provides evidence for differential biological mechanisms that AUD patients of differing sex. Abstract Figure

Abstract Pancreatic ductal adenocarcinoma (PDAC) prognosis and treatment response remains devastatingly poor due partly to the highly heterogeneous, aggressive, and immunosuppressive nature of this tumor type. The intricate relationship between stroma, inflammation, and immunity remains vaguely understood in the PDAC microenvironment. Here, we performed a meta-analysis of stroma-, and immune-related gene expression in the PDAC microenvironment to improve disease prognosis and therapeutic development. We selected twenty-one PDAC studies from the Gene Expression Omnibus and ArrayExpress databases, including 922 samples (320 controls and 602 cases). Differential gene enrichment analysis identified 1153 significant dysregulated genes in PDAC patients that contribute to a desmoplastic stroma and an immunosuppressive environment (the hallmarks of PDAC tumors). The results highlighted two gene signatures related to the immune and stromal environments that cluster PDAC patients in high- and low-risk groups, impacting patient stratification and therapeutic decision-making. Moreover, HCP5, SLFN13, IRF9, IFIT2 , and IFI35 immune genes were related to prognosis value in PDAC patients, for the first time. Simple Summary Pancreatic ductal adenocarcinoma (PDAC) is a highly lethal disease with few curative options. Desmoplastic stroma and immune system evasion in PDAC represent challenges to the success of therapeutic strategies that function well in other tumor types. Characterizing the PDAC microenvironment (including the immune environment) remains critical to developing safe and efficient therapies. Here, we present a comprehensive meta-analysis identifying 1153 significantly dysregulated genes, which mainly impact extracellular matrix remodeling and the immune system. We identify two signatures of twenty-eight immune-related genes and eleven stroma-related genes influencing PDAC patient survival. Additionally, five immune genes are associated with PDAC prognosis for the first time.

Melanoma represents a critical clinical challenge due to its high incidence rates and unfavorable clinical outcomes. This type of skin cancer presents unique adaptability to the brain microenvironment, but its underlying molecular mechanisms are poorly understood. To further characterize its tumor neurobiology, we explore the relation between the transcriptional profiles of melanoma brain metastasis (MBM) and the neurodegenerative diseases Alzheimer's disease, Parkinson's disease, and multiple sclerosis. Through an in silico approach, we unveiled the neurodegenerative signature of MBM when compared to melanoma non-brain metastasis (53 dysregulated genes enriched in 11 functional terms) and to non tumor-bearing brain controls (195 dysregulated genes, mostly involved in development and cell differentiation, chromatin remodeling and nucleosome organization, and translation). Two genes, ITGA10 and DNAJC6, emerged as key potential markers, as they are dysregulated in both scenarios. Lastly, we developed a user-friendly web tool (https://bioinfo.cipf.es/metafun-mbm/) as an open source, so that any user can interactively delve into the results.

Abstract One of the major challenges in addressing multiple sclerosis is to understand the progression trajectory of patients. The pathological process evolves from acute phases predominantly driven by inflammation transitioning to progressive profiles where neurodegeneration takes precedence. It remains unresolved why this course is highly heterogeneous among patients. Currently we know that sex variable plays a crucial role in its understanding. Females are 2-3 times more likely to suffer from multiple sclerosis while males’ progression is faster with greater severity. We investigate the potential molecular mechanisms underlying these sex-differential clinical traits analysing transcriptomic data at single cell resolution. 48,919 central nervous system and 336,934 peripheral immune cells, covering the multiple sclerosis spectrum, enabled us to provide the comprehensive landscape of sex differences by cell type. This includes signatures in gene expression patterns, functional profiling, pathways activation and cell-cell communication networks for females, males and their sex-differential profiles. Complete results can be explored in the user-friendly interactive webtool https://bioinfo.cipf.es/cbl-atlas-ms/ . Among these findings, we unveiled that female neurons may exhibit protective mechanisms against excitotoxicity, glial cells dysregulated widely stress response genes in a sex-differential manner, and female oligodendrocytes increase expression of axon-myelin contact genes suggesting strong potential for myelin recovery. In the inflammatory-predominant forms, female immune cells present an inflammatory core driven by the AP-1 transcription factor, while male adaptive immune cells exhibit higher mitochondrial impairment. Conversely, larger differences are reported in CD8+ T cells, with females displaying homeostasis recovery patterns and males exhibiting cytolytic profiles. We consider that the molecular description of sex differences in multiple sclerosis progression may be a valuable resource for prevention and diagnosis through biomarker research and the development of personalised therapeutic strategies.

Abstract Spinal cord injury (SCI) is a devastating condition that leads to motor, sensory, and autonomic dysfunction. Current therapeutic options remain limited, emphasizing the need for a comprehensive understanding of the underlying SCI-associated molecular mechanisms. This study characterized distinct SCI phases and severities at the gene and functional levels, focusing on biomarker gene identification. Our approach involved a systematic review, individual transcriptomic analysis, gene meta-analysis, and functional characterization. We compiled a total of fourteen studies with 273 samples, leading to the identification of severity-specific biomarker genes for injury prognosis (e.g., Srpx2, Hoxb8, Acap1, Snai1, and Aadat) and phase-specific genes for the precise classification of the injury profile (e.g., Il6, Fosl1, Cfp, C1qc, Cp). We investigated the potential transferability of severity-associated biomarkers and identified a twelve-gene signature that predicted injury prognosis from human blood samples. We also report the development of MetaSCI-app - an interactive web application designed for researchers - that allows the exploration and visualization of all generated results ( https://metasci-cbl.shinyapps.io/metaSCI ). Overall, we present a transcriptomic reference and provide a comprehensive framework for assessing SCI considering severity and time perspectives. Teaser A transcriptomic meta-analysis of spinal cord injury provides a consensus reference and biomarker genes for injury phase/severity.

In spite of the increasing availability of genomic and transcriptomic data, there is still a gap between the detection of perturbations in gene expression and the understanding of their contribution to the molecular mechanisms that ultimately account for the phenotype studied. Alterations in the metabolism are behind the initiation and progression of many diseases, including cancer. The wealth of available knowledge on metabolic processes can therefore be used to derive mechanistic models that link gene expression perturbations to changes in metabolic activity that provide relevant clues on molecular mechanisms of disease and drug modes of action (MoA). In particular, pathway modules, which recapitulate the main aspects of metabolism, are especially suitable for this type of modeling. We present Metabolizer, a web-based application that offers an intuitive, easy-to-use interactive interface to analyze differences in pathway module metabolic activities that can also be used for class prediction and in silico prediction of Knock-Out (KO) effects. Moreover, Metabolizer can automatically predict the optimal KO intervention for restoring a diseased phenotype. We provide different types of validations of some of the predictions made by Metabolizer. Metabolizer is a web tool that allows understanding molecular mechanisms of disease or the MoA of drugs within the context of the metabolism by using gene expression measurements. In addition, this tool automatically suggests potential therapeutic targets for individualized therapeutic interventions. Metabolizer can be found at: http://metabolizer.babelomics.org.

Abstract Understanding the aspects of the cell functionality that account for disease or drug action mechanisms is a main challenge for precision medicine. Here we propose a new method that models cell signaling using biological knowledge on signal transduction. The method recodes individual gene expression values (and/or gene mutations) into accurate measurements of changes in the activity of signaling circuits, which ultimately constitute high-throughput estimations of cell functionalities caused by gene activity within the pathway. Moreover, such estimations can be obtained either at cohort-level, in case/control comparisons, or personalized for individual patients. The accuracy of the method is demonstrated in an extensive analysis involving 5640 patients from 12 different cancer types. Circuit activity measurements not only have a high diagnostic value but also can be related to relevant disease outcomes such as survival, and can be used to assess therapeutic interventions.