数据集筛选与质量控制
筛选符合条件的公开DNA甲基化数据集,并确保数据质量。
通过NCBI GEO搜索,筛选出三个符合条件的数据集(GSE120250、GSE75248、GSE208529),包含IVF和自然受孕的健康、足月、单胎妊娠胎盘样本。对样本进行质量控制,排除了使用体内技术、母体侧胎盘、未报告受孕类型和异常值的样本。
Meta-analysis examining fetal sex-specific placental DNA methylation intensities and estimated cell composition post IVF
研究为基于公共数据集的Meta分析,包含数据质量控制、差异甲基化分析、细胞反卷积和敏感性分析,但缺乏体外或动物模型等实验验证。
胎盘组织样本 男胎胎盘 女胎胎盘
胎儿性别 受孕方式(IVF vs 自然受孕) GEO数据集来源 胎盘细胞类型比例(滋养细胞、基质细胞、合体滋养细胞等)
提炼研究问题、关键发现与证据,快速把握文章的核心贡献。
按研究推进顺序梳理实验设计、验证步骤与关键观察。
筛选符合条件的公开DNA甲基化数据集,并确保数据质量。
通过NCBI GEO搜索,筛选出三个符合条件的数据集(GSE120250、GSE75248、GSE208529),包含IVF和自然受孕的健康、足月、单胎妊娠胎盘样本。对样本进行质量控制,排除了使用体内技术、母体侧胎盘、未报告受孕类型和异常值的样本。
比较IVF和自然受孕胎盘之间常染色体和性染色体的DNA甲基化差异。
使用线性模型(limma包)比较IVF和自然受孕胎盘之间的DNA甲基化水平,校正研究来源和胎儿性别。在合并和按性别分层的群体中进行分析。
估计各样本中不同胎盘细胞类型的比例,并比较不同性别和受孕方式之间的差异。
使用planet和EpiDISH包基于参考甲基化组估计细胞类型比例(滋养细胞、基质细胞、霍夫鲍尔细胞、内皮细胞、有核红细胞、合体滋养细胞)。使用混合效应模型比较性别和受孕方式间的差异。
在调整细胞类型比例后,重新评估差异甲基化CpG,以控制细胞组成差异的混杂影响。
将细胞类型比例作为固定效应纳入线性模型,重新分析常染色体CpG,并计算膨胀因子(λ)评估模型拟合。
按研究目的归类文中使用的方法,便于定位所需技术。
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 数据集筛选 | 纳入标准(健康、足月、单胎妊娠)、排除标准(早产、多胎、并发症妊娠)、样本量(对于每组)、数据来源(GEO数据集编号) 阅读提示:Methods: Dataset collection; Figure 1 |
| 数据质量控制 | 样本排除条件(体内技术、母体侧、未报告受孕类型、标记为异常值)、胎儿性别验证方法、归一化方法(adjusted Funnorm) 阅读提示:Methods: Data quality control and normalization |
| 差异甲基化分析 | 线性模型公式(校正变量)、显著性阈值(FDR <0.05)、差异甲基化阈值(|Δβ| >0.05)、是否使用经验贝叶斯调节 阅读提示:Methods: Differential DNA methylation analysis; Figure legends 2 and 3 |
| 细胞反卷积 | 参考甲基化组(Yuan et al. 2021)、细胞类型列表、统计模型(混合效应模型,随机效应)、比较的变量(性别、受孕方式) 阅读提示:Methods: Placental cell deconvolution; Figure 4 |
| 敏感性分析 | 是否使用稳健方差选项、是否排除特定数据集(GSE75248)、结果是否一致 阅读提示:Methods: Differential DNA methylation analysis; Supplementary Table S1 |