病理性和生理性卵巢衰老的定量蛋白质组学分析:模型评估、分子机制以及早期生物标志物和治疗靶点的鉴定

Quantitative proteomic analysis of pathological and physiological ovarian aging: model evaluation, molecular mechanisms, and identification of early biomarkers and therapeutic targets.

作者信息Mengying Bai, Liujuan Zhang, Wenbo Wu, Ruoxin Weng, Haifeng Wu, Yuan Li, Shuyi Ling, Yuehui Zheng
PMID41316481
发布时间2025-11-28
DOI10.1186/s13048-025-01874-1

实验完整度

包含动物模型建立、组织学评估、激素检测、蛋白质组学分析及qPCR验证等多个实验层级,但缺乏功能实验和临床样本验证,整体实验完整度中等。

主要模型

C57BL/6小鼠化疗诱导卵巢衰老模型(CH组) C57BL/6小鼠自然衰老模型(OLD组) C57BL/6小鼠正常对照(CT组)

重点核对

CH组使用8周龄雌性C57BL/6小鼠,腹腔注射30 mg/kg白消安和120 mg/kg环磷酰胺(溶解于DMSO)诱导;OLD组使用18月龄小鼠;CT组注射DMSO。 造模21天后取卵巢,进行H&E染色和卵泡计数。 通过ELISA检测血清FSH、E2和AMH水平。 蛋白质组学分析使用LC-MS/MS(timsTOF Pro),LFQ定量,差异蛋白筛选标准为P<0.05且CV<0.1。 qPCR验证7个关键基因(pbk, sdhd, Gsta3, Gstm6, Nlrp5, Nlrp4f, Nlrp14)。

摘要

目的 卵巢衰老被认为是女性全身衰老的“起搏器”和“生物钟”,其早期表现往往隐匿。在本研究中,我们利用蛋白质组学方法分析了生理性和病理性卵巢衰老模型之间共有的和独特的分子特征,旨在鉴定卵巢衰老的早期预测标志物和治疗靶点,评估模型的保真度,并阐明潜在的分子机制。 方法 收集雌性C57/BL6小鼠的卵巢组织样本,代表化疗性卵巢衰老(8周龄,环磷酰胺-白消安模型)和自然卵巢衰老(18月龄)。通过组织学评估和血清激素测量对模型进行初步验证。采用定量蛋白质组学分析蛋白质表达谱。对差异表达蛋白进行GO、KEGG和WikiPathways功能富集和聚类分析,然后使用定量实时聚合酶链反应(RT-qPCR)验证选定的候选基因。 结果 环磷酰胺-白消安诱导的病理性卵巢衰老模型在组织学形态、激素水平和蛋白质组学谱方面与自然卵巢衰老部分一致。蛋白质-蛋白质相互作用(PPI)网络构建和通路富集分析进一步支持皮质下母源复合体(SCMC)的改变与卵巢功能障碍之间的强关联。值得注意的是,Cyp17a1和Lhcgr被确定为卵巢衰老的潜在早期生物标志物。此外,还确定了7个与慢性炎症和氧化应激密切相关的关键分子靶点(pbk, sdhd, Gsta3, Gstm6, Nlrp5, Nlrp4f和Nlrp14),其中一些可能揭示衰老与肿瘤之间的密切关系。比较分析进一步表明,病理性卵巢衰老主要以DNA损伤和细胞周期失调为特征,而生理性衰老主要涉及免疫功能障碍、脂质代谢异常和慢性低度炎症,强调了衰老亚型之间的分子异质性。 结论 本研究证实了环磷酰胺-白消安诱导的小鼠卵巢衰老模型的有效性,强调了生理性和病理性卵巢衰老的共有和独特分子机制,并确定了有前景的早期生物标志物和治疗干预靶点。

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
本研究旨在评估环磷酰胺-白消安诱导的病理性卵巢衰老模型是否能有效模拟自然生理性卵巢衰老,并揭示两种衰老类型共有的和独特的分子机制,以鉴定早期预测标志物和治疗靶点。
核心机制
病理性卵巢衰老主要由DNA损伤和细胞周期失调驱动,而生理性衰老主要涉及免疫功能障碍、脂质代谢异常和慢性低度炎症。两者均涉及皮质下母源复合体(SCMC)的改变,且与Cyp17a1和Lhcgr相关的激素调节异常可能参与卵巢衰老进程。
主要证据
通过组织学、激素水平、蛋白质组学分析和qPCR验证,发现CH组和OLD组在卵巢形态、激素水平及蛋白质表达谱上部分一致,差异蛋白富集于DNA复制、细胞周期、免疫和代谢通路,qPCR验证了7个关键基因的表达变化。
研究意义
本研究为理解不同类型卵巢衰老的机制提供了证据,确定了Cyp17a1和Lhcgr作为潜在早期预测标志物,并提出了7个可能作为治疗干预靶点的关键基因,为延缓卵巢衰老和改善女性生殖健康提供了理论基础和实验依据。

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。

1

动物模型建立与分组

建立化疗诱导的病理性卵巢衰老模型和自然衰老模型,并设置对照组,以比较不同衰老类型。

使用8周龄雌性C57BL/6小鼠,腹腔注射30 mg/kg白消安和120 mg/kg环磷酰胺(溶解于DMSO)建立CH组;采用18月龄小鼠作为OLD组;对照组注射DMSO。

2

一般观察与动情周期监测

评估小鼠整体衰老表型和动情周期变化。

每日观察小鼠毛色、饮食活动等,并收集阴道上皮细胞进行Gram染色,显微镜下评估动情周期。

3

卵巢形态学评估与卵泡计数

评估卵巢组织学变化和卵泡数量。

造模21天后处死小鼠,取卵巢,固定、包埋、切片(5 μm),H&E染色,在显微镜下观察形态并计数各级卵泡。

4

血清激素水平检测

通过ELISA检测血清FSH、E2和AMH水平,评估卵巢内分泌功能。

取血清样本,使用ELISA试剂盒(Elabscience)检测FSH、E2和AMH,在450 nm处读取吸光度。

5

蛋白质提取与质谱分析

获得卵巢组织蛋白质表达谱,进行定量蛋白质组学分析。

卵巢组织液氮研磨,裂解、超声、离心提取蛋白,TCA沉淀,胰酶酶解,肽段经NanoElute液相分离,timsTOF Pro质谱仪PASEF模式分析。

6

生物信息学分析

鉴定差异表达蛋白,进行功能注释、通路富集和蛋白质相互作用网络分析,以揭示分子机制和潜在靶点。

使用MaxQuant提取LFQ强度,进行归一化;通过PCA、Pearson相关、RSD评估数据质量;筛选差异蛋白(P<0.05,CV<0.1),进行GO/KEGG/WikiPathways富集;构建PPI网络(STRING数据库,置信度>0.4);利用Metascape进行共享差异蛋白富集分析。

7

qPCR验证

验证蛋白质组学鉴定的关键靶基因在mRNA水平的表达变化。

对筛选出的7个关键基因(PBK、SDHD、GSTA3、GSTM6、NLRP5、NLRP4F、NLRP14)设计引物,通过qPCR检测其在各组的表达水平。

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。

产品清单

实验环节名称品牌货号
白消安Sigma-AldrichB2635-10G
环磷酰胺Sigma-AldrichC0768-1
二甲基亚砜Sigma-AldrichDH105-2
ELISA试剂盒Elabscience--
裂解缓冲液----
TEAB缓冲液----
胰蛋白酶----
二硫苏糖醇----
纳升超高效液相色谱系统----
timsTOF Pro质谱仪----

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
动物模型建立
CH组:8周龄雌性C57BL/6小鼠,腹腔注射30 mg/kg白消安和120 mg/kg环磷酰胺(溶解于DMSO);OLD组:18月龄;CT组:注射DMSO。
阅读提示:Materials and methods: Animal model establishment
卵巢形态学评估
造模后21天取材,固定于4%多聚甲醛,石蜡切片厚度5 μm,H&E染色,选取最大切面及连续5个切面进行卵泡计数。
阅读提示:Materials and methods: Ovarian morphological assessment and follicle counting; Figure 2
血清激素检测
使用ELISA试剂盒(Elabscience)检测FSH、E2和AMH,波长450 nm。
阅读提示:Materials and methods: Serum hormone detection via ELISA; Figure 2C
蛋白质组学分析
蛋白提取、酶解、LC-MS/MS参数(梯度、流速、电压、扫描范围等),差异蛋白筛选标准(P<0.05,CV<0.1)。
阅读提示:Materials and methods: Protein extraction and trypsin digestion, LC-MS/MS analysis, Protein intensity Processing and normalization
生物信息学分析
PPI网络构建使用STRING数据库v11.5,置信度>0.4;Metascape富集分析参数(P<0.01,富集因子>1.5,至少3个基因)。
阅读提示:Materials and methods: Protein-protein interaction network analysis, Shared differential protein screening
qPCR验证
引物序列见表2,验证基因包括PBK、SDHD、GSTA3、GSTM6、NLRP5、NLRP4F、NLRP14。
阅读提示:Materials and methods: Results: Biomarker prediction, key target identification, and qPCR validation; Table 2