队列招募与样本采集
建立短期、长期ME/CFS患者和健康对照队列,并收集临床数据、粪便和血液样本。
招募149名ME/CFS患者(短期74例,长期75例)和79名健康对照,采集临床元数据、粪便和血液样本。
Multi-'omics of gut microbiome-host interactions in short- and long-term myalgic encephalomyelitis/chronic fatigue syndrome patients
包含多队列临床样本、宏基因组测序和血浆代谢组学,并整合临床表型进行多组学分类和相关性分析。
短期ME/CFS患者队列(病程<4年,n=75) 长期ME/CFS患者队列(病程>10年,n=79) 健康对照队列(n=79)
样本量:ME/CFS患者149例(短期74例,长期75例),健康对照79例 粪便样本宏基因组测序平均产生10,801,733条高质量可分类读段 血浆代谢组学鉴定1278种代谢物 分类模型:多组学梯度提升模型AUC=0.90
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。
建立短期、长期ME/CFS患者和健康对照队列,并收集临床数据、粪便和血液样本。
招募149名ME/CFS患者(短期74例,长期75例)和79名健康对照,采集临床元数据、粪便和血液样本。
表征肠道微生物组成和功能以及血浆代谢物谱。
对粪便样本进行全基因组鸟枪法测序,对血浆进行靶向LC-MS代谢组学分析。
评估ME/CFS患者与对照之间的微生物多样性、均匀度和异质性差异。
计算Chao1指数、Evar指数、稀有度和Gini指数,并进行主坐标分析和PERMANOVA。
比较短期和长期患者的微生物和代谢差异。
分别比较短期和长期患者与对照组在物种、基因和代谢物水平上的差异。
构建分类器区分ME/CFS患者和对照,并识别关键特征。
使用物种丰度、KEGG基因丰度、代谢物和组合多组学数据构建梯度提升模型。
验证产丁酸菌和丁酸合成基因与血浆代谢物的关联。
进行宏基因组和代谢组整合分析,包括差异丰度分析、MCMC代谢物预测和Spearman相关分析。
验证发现的可重复性。
在第二个时间点(n=107患者,n=59对照)和两个独立队列(Guo等,n=106患者;Germain等,n=26患者)中验证微生物和代谢特征。
按研究目的归类文中使用的方法,便于定位所需技术。
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| DNA提取 | QIAamp 96 DNA QIAcube HT 试剂盒 | QIAGEN | #51331 |
| 粪便收集 | BioCollector粪便收集试剂盒 | The BioCollective, Denver, CO | -- |
| 粪便保存 | OMNIgene•GUT 管 | DNA Genotek | OMR-200 |
| DNA提取 | 溶菌酶 | Sigma-Aldrich | L6876 |
| 溶葡萄球菌素 | Sigma-Aldrich | L9043 | |
| 变溶菌素 | Sigma-Aldrich | M9901 | |
| DNA浓度测量 | Qubit高灵敏度双链DNA试剂盒 | Invitrogen | -- |
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 |
|---|---|
| 队列招募 | ME/CFS诊断标准(Fukuda、Canadian Consensus或IOM),病程<4年或>10年,健康对照年龄、性别、种族匹配,排除近期感染或使用抗生素、免疫调节药物。 阅读提示:STAR Methods - Cohort and study design |
| 粪便样本采集与DNA提取 | 使用OMNIgene•GUT管保存,DNA提取使用QIAamp 96 DNA QIAcube HT Kit,溶菌酶、溶葡萄球菌素、变溶菌素消化。 阅读提示:STAR Methods - Fecal sample collection and DNA extraction |
| 宏基因组测序 | 采用全基因组鸟枪法测序,平均测序深度(读段数),使用scythe和sickle修剪,Bowtie2去除宿主读段,MetaPhlAn3进行物种分类。 阅读提示:STAR Methods - Metagenomic shotgun sequencing |
| 血浆代谢组学 | 采用UPLC-MS/MS,Metabolon平台,代谢物鉴定数目1278。 阅读提示:STAR Methods - Plasma untargeted metabolome by UPLC-MS/MS |
| 多组学分类模型 | 物种丰度、KEGG基因丰度、血浆代谢物,采用梯度提升模型,10折交叉验证,AUC。 阅读提示:STAR Methods - Multi-omics classification models |