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.

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 While sex-based differences in various health scenarios have been thoroughly acknowledged in the literature, we lack a deep analysis of sex as a variable in this context. To fill this knowledge gap, we created MetaFun as an easy-to-use web-based tool to meta-analyze multiple transcriptomic datasets with a sex-based perspective to gain major statistical power and biological soundness. Furthermore, MetaFun can be used to perform case-control meta-analyses, allowing researchers with basic programming skills to access this methodology. Availability and implementation MetaFun is freely available at http://bioinfo.cipf.es/metafun The back end was implemented in R and Java, and the front end was developed using Angular Contact fgarcia@cipf.es , mhidalgo@cipf.es Supplementary information R code available at https://gitlab.com/ubb-cipf/metafunr

Abstract Background As the housekeeping genes (HKG) generally involved in maintaining essential cell functions are typically assumed to exhibit constant expression levels across cell types, they are commonly employed as internal controls in gene expression studies. Nevertheless, HKG may vary gene expression profile according to different variables introducing systematic errors into experimental results. Sex bias can indeed affect expression display, however, up to date, sex has not been typically considered as a biological variable. Methods In this study, we evaluate the expression profiles of six classical housekeeping genes (four metabolic: GAPDH, HPRT, PPIA , and UBC , and two ribosomal: 18S and RPL19 ) to determine expression stability in adipose tissues (AT) of Homo sapiens and Mus musculus and check sex bias and their overall suitability as internal controls. We also assess the expression stability of all genes included in distinct whole-transcriptome microarrays available from the Gene Expression Omnibus database to identify sex-unbiased housekeeping genes (suHKG) suitable for use as internal controls. We perform a novel computational strategy based on meta-analysis techniques to identify any sexual dimorphisms in mRNA expression stability in AT and to properly validate potential candidates. Results Just above half of the considered studies informed properly about the sex of the human samples, however, not enough female mouse samples were found to be included in this analysis. We found differences in the HKG expression stability in humans between female and male samples, with females presenting greater instability. We propose a suHKG signature including experimentally validated classical HKG like PPIA and RPL19 and novel potential markers for human AT and discarding others like the extensively used 18S gene due to a sex-based variability display in adipose tissue. Orthologs have also been assayed and proposed for mouse WAT suHKG signature. All results generated during this study are readily available by accessing an open web resource ( https://bioinfo.cipf.es/metafun-HKG ) for consultation and reuse in further studies. Conclusions This sex-based research proves that certain classical housekeeping genes fail to function adequately as controls when analyzing human adipose tissue considering sex as a variable. We confirm RPL19 and PPIA suitability as sex-unbiased human and mouse housekeeping genes derived from sex-specific expression profiles, and propose new ones such as RPS8 and UBB . Highlights A computational strategy based on massive data analysis revealed that an accurate experimental design for adipose tissue requires the adequate selection of a sex-unbiased housekeeping genes (HKG). The extensively used 18S gene displays sex-based variability in adipose tissue, although PPIA and RPL19 do not, and hence, represent robust HKG. New sex-unbiased human and mouse candidate HKG: RPS8 and UBB. metafun-HKG ( https://bioinfo.cipf.es/metafun-HKG ): a freely available web tool to allow users to review stable expression levels of candidate HKG along the large volume of FAIR data.