数据获取与差异表达基因鉴定
获取PCOS和正常样本的基因表达数据，并筛选与OSLM相关的差异表达基因。
从GEO数据库获取GSE34526、GSE95728、GSE106724三个数据集，包含22个PCOS和14个正常颗粒细胞样本。通过limma包鉴定DEGs（|log2FC|>1, P<0.05），并与从MSigDB和GeneCards获取的氧化应激和脂质代谢相关基因取交集，得到19个OSLM相关基因。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
氧化应激与脂质代谢调节因子之间的相互作用揭示多囊卵巢综合征的分子分型及免疫特征
Cross-talk between oxidative stress and lipid metabolism regulators reveals molecular clusters and immunological characterization in polycystic ovarian syndrome.
实验完整度
中包含生信分析和动物模型验证，但主要依赖小鼠模型初步验证，缺少患者样本等多层级验证，符合中等完整度。
主要模型
C57BL/6小鼠PCOS模型（DHEA+高脂饮食诱导） 人颗粒细胞基因表达数据（GSE34526, GSE95728, GSE106724）
重点核对
PCOS小鼠模型分组：C57BL/6雌性小鼠，21日龄，正常组与PCOS组，共30只 PCOS诱导条件：DHEA 6 mg/100 g皮下注射，60 kcal%高脂饮食，持续21天 验证实验：qRT-PCR、western blot、IHC检测ACP5、TCF7、CEACAM3、S1PR4、CXCR1表达 结果验证：TUNEL检测颗粒细胞凋亡，P < 0.001 基因筛选阈值：|log2FC| > 1，P < 0.05，RF模型MeanDecreaseGini > 0.25
摘要
背景：氧化应激和脂质代谢（OSLM）通路的变化在多囊卵巢综合征（PCOS）的发病和发展中发挥重要作用。因此，对OSLM相关基因进行系统分析，以识别分子亚型并探索有助于PCOS诊断的新型生物标志物。方法：从GEO数据库（GSE34526、GSE95728和GSE106724）获取22名PCOS女性和14名正常女性的基因表达和临床数据。共识聚类识别OSLM相关的分子亚型，WGCNA揭示共表达模式。利用CIBERSORT算法定量评估免疫微环境。随后应用多种机器学习模型和连通图分析探索PCOS的潜在生物标志物，并采用列线图建立PCOS的预测多基因模型。最后，在PCOS小鼠模型中，通过TUNEL、qRT-PCR、western blot和IHC实验初步验证PCOS的OSLM状态和hub基因表达谱。结果：鉴定出19个与OSLM相关的差异表达基因（DEGs）。基于受OSLM强烈影响的19个DEGs，PCOS患者被分为两个不同的亚型，命名为Cluster 1和Cluster 2。正常组和两个PCOS亚型之间的免疫细胞比例存在显著差异。随机森林模型表现最佳，交叉熵最小，AUC最大（交叉熵：0.111，AUC：0.960）。在19个OSLM相关基因中，CXCR1、ACP5、CEACAM3、S1PR4和TCF7通过贝叶斯网络被识别，并具有与PCOS疾病风险的良好的列线图拟合（AUC: 0.990，CI: 0.968-1.000）。TUNEL分析显示，PCOS小鼠卵巢颗粒细胞的DNA损伤比正常小鼠更严重（P < 0.001）。五个hub基因的RNA和蛋白质表达水平在PCOS小鼠中显著升高，这与生物信息学分析结果一致。结论：为PCOS患者构建了一种新的预测模型，并确定了五个hub基因作为潜在生物标志物，为PCOS的临床诊断策略提供了新的见解。
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- 从氧化应激与脂质代谢（OSLM）角度，探究PCOS的分子亚型和潜在诊断生物标志物。
- 核心机制
- 氧化应激与脂质代谢异常相互作用，导致卵巢颗粒细胞凋亡和慢性炎症，影响卵巢微环境，促进PCOS进展。
- 主要证据
- 生信分析鉴定19个OSLM相关DEGs，并基于随机森林和贝叶斯网络筛选出5个hub基因；小鼠模型中TUNEL显示颗粒细胞凋亡增加，qRT-PCR、western blot、IHC验证了hub基因表达上调。
- 研究意义
- 构建了基于五个hub基因的PCOS预测模型，为PCOS的早期临床诊断和管理提供基础。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
免疫微环境分析
评估PCOS患者与正常对照组以及不同分子亚型之间的免疫细胞浸润差异。
使用CIBERSORT算法估算22种免疫细胞类型比例，通过Spearman相关分析评估19个OSLM相关DEGs与免疫细胞的相关性。
分子亚型鉴定
基于19个OSLM相关基因，对PCOS患者进行分子分型。
利用ConsensusClusterPlus包进行共识聚类，确定最佳聚类数k=2，并使用Rtsne进行降维可视化。比较两个亚型中19个基因的表达差异及免疫微环境差异。
WGCNA共表达网络构建
识别与PCOS和分子亚型相关的基因模块。
基于所有样本的表达谱，使用WGCNA包构建共表达网络，软阈值为5（R²>0.8），识别出12个基因模块，其中turquoise模块与PCOS相关性最强（correlation=0.74）。随后，对两个亚型进行WGCNA，识别出18个模块，其中salmon模块与亚型相关性最强（correlation=0.77）。
机器学习筛选关键基因
利用机器学习算法从候选基因中筛选与PCOS发病相关的关键基因。
从正常vs PCOS的WGCNA和Cluster1 vs Cluster2的WGCNA中取交集得到76个DEGs。使用四种机器学习模型（随机森林、SVM、决策树、KNN）进行二折交叉验证，随机森林表现最佳（交叉熵0.111，AUC 0.960），并筛选出MeanDecreaseGini>0.25的23个重要基因。
PPI网络与贝叶斯网络分析
通过PPI网络和贝叶斯网络确定hub基因。
使用STRING数据库构建23个基因的PPI网络（23个节点，13条边），并通过CBNplot包构建贝叶斯网络，最终确定5个hub基因（CXCR1, ACP5, CEACAM3, S1PR4, TCF7）。
药物预测与分子对接
预测五个hub基因的潜在靶向药物。
利用DSigDB数据库进行药物预测，选择排名靠前的药物进行分子对接，使用AutoDock Vina 1.2.0软件。结果显示ACP5-Thalidomide（结合能-6.13）、CEACAM3-Dexbrompheniramine（-5.21）、CXCR1-Ibuprofen（-6.27）结合活性较好。
列线图模型构建与评估
构建基于五个hub基因的PCOS预测模型。
使用rms包构建列线图，并使用校准曲线和决策曲线分析评估模型。ROC曲线显示列线图AUC为0.990（CI: 0.968-1.000）。
PCOS小鼠模型构建与验证
构建PCOS小鼠模型，并验证五个hub基因的表达和颗粒细胞凋亡。
采用DHEA（6mg/100g）皮下注射和60 kcal%高脂饮食诱导PCOS小鼠模型。通过体重测量、血清睾酮检测、阴道涂片观察动情周期、HE染色评估卵巢形态。TUNEL检测颗粒细胞凋亡，qRT-PCR、western blot、IHC检测五个hub基因表达。
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
数据获取与处理
差异表达分析
免疫微环境分析
共表达网络分析
药物预测与分子对接
细胞凋亡检测
统计分析
产品清单
关键环节
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 |
|---|---|
| 数据获取与处理 | 数据集编号（GSE34526, GSE95728, GSE106724），样本类型（人颗粒细胞），样本量（22 PCOS，14 normal），批次校正方法 阅读提示：Materials and methods: Acquisition and processing of datasets |
| 差异表达分析 | 筛选阈值（|log2FC|>1, P<0.05），OSLM基因来源（MSigDB, GeneCards） 阅读提示：Materials and methods: Acquisition and processing of datasets |
| 免疫微环境分析 | CIBERSORT算法版本，免疫细胞类型（22种），过滤条件（P>0.05，浸润分数=0） 阅读提示：Materials and methods: Analysis of immune microenvironment |
| 分子亚型鉴定 | 聚类包（ConsensusClusterPlus）参数，聚类数k=2 阅读提示：Materials and methods: Identification of molecular clusters |
| WGCNA | 软阈值（5），R²>0.8，模块相关性值 阅读提示：Materials and methods: Weighted gene co-expression network analysis (WGCNA) |
| 机器学习筛选 | 模型：RF, SVM, DT, KNN；交叉验证方法（二折）；评估指标（交叉熵，AUC） 阅读提示：Materials and methods: Screening of important genes by machine learning algorithms |
| PPI与贝叶斯网络 | STRING数据库版本，CBNplot包参数，交互强度阈值>0.5 阅读提示：Materials and methods: Protein‒protein interaction (PPI) network construction |
| 药物预测与分子对接 | DSigDB数据库，AutoDock Vina版本 阅读提示：Materials and methods: Drug prediction and molecular docking |
| 列线图模型 | rms包版本，校准曲线和DCA方法 阅读提示：Materials and methods: Nomogram model construction |
| 动物模型构建 | 小鼠品系（C57BL/6），日龄（21天），数量（30只），分组（正常/PCOS），DHEA剂量（6mg/100g），高脂饮食比例（60 kcal%），处理时间（21天） 阅读提示：Materials and methods: Establishment of a PCOS mouse model |
| 血清睾酮检测 | 离心条件（3000 rpm, 10 min），ELISA试剂盒货号（E-OSEL-M0003） 阅读提示：Materials and methods: Detection of serum testosterone |
| 阴道涂片 | PBS体积（5 μl），Giemsa染色液货号（G1007） 阅读提示：Materials and methods: Observation of the estrous cycle in mice |
| 卵巢组织学 | 固定液（中性福尔马林），固定时间（24h），切片厚度（约5 μm），HE染色液货号（G1076） 阅读提示：Materials and methods: Histology of ovaries |
| TUNEL检测 | TUNEL试剂盒货号（G1504-50T），DAPI染色，统计视野数（3个，100×） 阅读提示：Materials and methods: TUNEL assay |
| qRT-PCR | RNA提取方法（TRIzol），RT-PCR试剂盒货号（HY-K0511A），SYBR货号（HY-K0501），仪器（CFX-Connect），引物序列（Supplementary Table 3） 阅读提示：Materials and methods: Quantitative real-time PCR (qRT‒PCR) |
| Western blot | 抗体信息（Supplementary Table 4） 阅读提示：Materials and methods: Western blot |
| IHC | 抗体信息（Supplementary Table 4） 阅读提示：Materials and methods: Immunohistochemistry (IHC) |