Gene regulation is frequently altered in diseases in unique and patient-specific ways. Hence, personalized strategies have been proposed to infer patient-specific gene-regulatory networks. However, existing methods do not scale well as they often require recomputing the entire network per sample. Moreover, they do not account for clinically important confounding factors such as age, sex, or treatment history. Finally, a user-friendly implementation for the analysis and interpretation of such networks is missing. We present DysRegNet, a method for inferring patient-specific regulatory alterations (dysregulations) from bulk gene expression profiles. We compared DysRegNet to SSN, a well-known sample-specific network approach. We demonstrate that both SSN and DysRegNet produce interpretable and biologically meaningful networks across various cancer types. In contrast to SSN, DysRegNet can scale to arbitrary sample numbers and highlights the importance of confounders in network inference, revealing an age-specific bias in gene regulation in breast cancer. DysRegNet is available as a Python package (https://github.com/biomedbigdata/DysRegNet_package), and analysis results for eleven TCGA cancer types are available through an interactive web interface (https://exbio.wzw.tum.de/dysregnet).

ABSTRACT MicroRNAs (miRNAs) are small non-coding RNA molecules that bind to target sites in different gene regions and regulate post-transcriptional gene expression. Approximately 95% of human multi-exon genes can be spliced alternatively, which enables the production of functionally diverse transcripts and proteins from a single gene. Through alternative splicing, transcripts might lose the exon with the miRNA target site and become unresponsive to miRNA regulation. To check this hypothesis, we studied the role of miRNA target sites in both coding and noncoding regions using six cancer data sets from The Cancer Genome Atlas (TCGA). First, we predicted miRNA target sites on mRNAs from their sequence using TarPmiR. To check whether alternative splicing interferes with this regulation, we trained linear regression models to predict miRNA expression from transcript expression. Using nested models, we compared the predictive power of transcripts with miRNA target sites in the coding regions to that of transcripts without target sites. Models containing transcripts with target sites perform significantly better. We conclude that alternative splicing does interfere with miRNA regulation by skipping exons with miRNA target sites within the coding region.

Abstract During disease progression or organism development, alternative splicing (AS) may lead to isoform switches (IS) that demonstrate similar temporal patterns and reflect the AS co-regulation of such genes. Tools for dynamic process analysis usually neglect AS. Here we propose Spycone ( https://github.com/yollct/spycone ), a splicing-aware framework for time course data analysis. Spycone exploits a novel IS detection algorithm and offers downstream analysis such as network and gene set enrichment. We demonstrate the performance of Spycone using simulated and real-world data of SARS-CoV-2 infection.

Abstract Alternative splicing is a major contributor to transcriptome and proteome diversity in health and disease. A plethora of tools have been developed for studying alternative splicing in RNA-seq data. Previous benchmarks focused on isoform quantification and mapping. They neglected event detection tools, which arguably provide the most detailed insights into the alternative splicing process. DICAST offers a modular and extensible framework for the analysis of alternative splicing integrating 11 splice-aware mapping and eight event detection tools. We benchmark all tools extensively on simulated as well as whole blood RNA-seq data. STAR and HISAT2 demonstrated the best balance between performance and run time. The performance of event detection tools varies widely with no tool outperforming all others. DICAST allows researchers to employ a consensus approach to consider the most successful tools jointly for robust event detection. Furthermore, we propose the first reporting standard to unify existing formats and to guide future tool development.

Abstract Alternative splicing (AS) is an important aspect of gene regulation. Nevertheless, its role in molecular processes and pathobiology is far from understood. A roadblock is that tools for the functional analysis of AS-set events are lacking. To mitigate this, we developed NEASE, a tool integrating pathways with protein-protein and domain-domain interactions to functionally characterize AS events. We show in four application cases how NEASE can identify pathways contributing to tissue identity and cell type development, and how it highlights splicing-related biomarkers. With a unique view on AS, NEASE generates unique and meaningful biological insights complementary to classical pathways analysis.

Abstract Funding Acknowledgements Type of funding sources: Private grant(s) and/or Sponsorship. Main funding source(s): Else Kröner Fresenius Stiftung Background Reticulated platelets (RPs), characterized by youth, hyper-reactivity, and RNA abundance, signify pro-thrombotic potential and serve as predictors for inadequate antiplatelet therapy response post-myocardial infarction. Their pivotal role in chronic coronary syndrome (CCS) and high on-treatment platelet reactivity highlights their significance as promising biomarkers for adverse cardiovascular events in diverse pathological settings. Purpose We aimed to compare for the first time the transcriptomic profiles of RPs and MPs in CCS patients. Methods Using fluorescent activated cell sorting (FACS), RPs and MPs were isolated based on RNA content from peripheral blood of 19 CCS patients. RNA assessment involved the Tapestation 4200 platform (Agilent), and totalRNA libraries were sequenced on a NextSeq 500 Illumina platform. RNA sequencing analysis, with a cut-off of p <0.005 and a log2fc >1, and alternative splicing event detection using MAJIQ, were performed. Circular RNA (circRNA) analysis employed CIRCexplorer. Results Total RNA-sequencing identified 1589 differentially expressed genes, with 1100 transcripts upregulated in RPs and 489 enriched in MPs (Figure 1 A, B and D). Notably, collagen receptor GP6 (log2FC 1.12, p=6.89x10-41), thrombin receptor PAR4 (F2RL3, log2FC 1.1, p=3.54*10-21) and Von Willebrand Factor (log2FC 1.2, p=1.26*10-38) transcripts were significantly enriched in RPs. Gene Ontology identified a higher enrichment of relevant biological categories in RPs compared to MPs, such as "platelet activation", "platelet degranulation" and "blood coagulation" (Figure 1C). These findings are consistent with our previously established discovery and support the hypothesis that RPs in cardiovascular disease are hyper-reactive and pro-thrombotic due to their different RNA content compared to other platelets. Several splicing events were detected as differentially regulated: there is an upregulation of an alternative splicing on the collagen receptor transcript GP6 in RPs (Figure 1E); by the transcript of the G-protein GNAQ, one alternative splicing event was found upregulated in RPs, whilst two others were upregulated in MPs. Moreover, we found an enrichment of the total level of circular RNAs in MPs as compared to RPs (Figure 1F). Several previously undescribed circular RNAs were discovered to be enriched in RPs, as shown in Figure 1F. Conclusion This groundbreaking transcriptomic profiling of RPs and MPs in CCS patients elucidates the biological basis for RPs' hyperreactivity, emphasizing the differential enrichment of platelet activation transcripts. The pronounced upregulation of prothrombotic signaling in RPs provides insight into their hyperactivity and correlation with cardiovascular events. These findings illuminate a novel therapeutic niche in CCS patients, although further investigations are essential to comprehend the detrimental role of RPs in coronary artery disease.

Abstract Background and Purpose Gene regulation is frequently altered in diseases in unique and patient‐specific ways. Hence, personalised strategies have been proposed to infer patient‐specific gene‐regulatory networks. However, existing methods do not scale well because they often require recomputing the entire network per sample. Moreover, they do not account for clinically important confounding factors such as age, sex or treatment history. Finally, a user‐friendly implementation for the analysis and interpretation of such networks is missing. Experimental Approach We present DysRegNet, a method for inferring patient‐specific regulatory alterations (dysregulations) from bulk gene expression profiles. We compared DysRegNet to the well‐known SSN method, considering patient clustering, promoter methylation, mutations and cancer‐stage data. Key Results We demonstrate that both SSN and DysRegNet produce interpretable and biologically meaningful networks across various cancer types. In contrast to SSN, DysRegNet can scale to arbitrary sample numbers and highlights the importance of confounders in network inference, revealing an age‐specific bias in gene regulation in breast cancer. DysRegNet is available as a Python package ( https://github.com/biomedbigdata/DysRegNet_package ), and analysis results for 11 TCGA cancer types are available through an interactive web interface ( https://exbio.wzw.tum.de/dysregnet ). Conclusion and Implications DysRegNet introduces a novel bioinformatics tool enabling confounder‐aware and patient‐specific network analysis to unravel regulatory alteration in complex diseases.