研究队列建立与临床表型采集
建立性激素和肥胖分层明确的年轻成人队列,获取用于多组学分析的临床和生化表型。
招募46名白人年轻成人(15例PMOS、16例对照女性、15例对照男性),按BMI分为非肥胖(n=23)和肥胖(n=23)亚组;采集空腹血样和粪便样本,测定临床、激素和代谢指标。
Multi-omics factor analysis v2 (MOFA+) reveals specific co-variation patterns in women with PMOS that are strongly influenced by obesity
横断面人体队列,整合血清代谢组、蛋白质组与粪便菌群三种组学数据,行MOFA+建模及下游统计验证,但无独立功能或机制验证实验。
15名PMOS女性(经典高雄激素表型) 16名健康对照女性 15名对照男性 肥胖(BMI≥30 kg/m²)与非肥胖(BMI<30 kg/m²)亚组
PMOS诊断标准:临床和/或生化高雄激素(mFG>8、总睾酮>2.3 nmol/l、游离睾酮>35 pmol/l、雄烯二酮>13.8 nmol/l和/或DHEAS>9.2 µmol/l)、月经失调并排除其他疾病 肥胖分组阈值:BMI < 30 kg/m²为非肥胖,BMI ≥ 30 kg/m²为肥胖,两组各23人 MOFA+特征载荷阈值:|W| > 0.6,经ELBO在4–12个潜在因子(10个种子)中优化,正交性通过诊断相关性图验证 贝叶斯差异分析:Benjamini–Hochberg校正,调整P < α 血清代谢组38个特征、循环蛋白27个特征、肠道菌群213个分类群,均为空腹样本
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。
建立性激素和肥胖分层明确的年轻成人队列,获取用于多组学分析的临床和生化表型。
招募46名白人年轻成人(15例PMOS、16例对照女性、15例对照男性),按BMI分为非肥胖(n=23)和肥胖(n=23)亚组;采集空腹血样和粪便样本,测定临床、激素和代谢指标。
整合血清代谢组、循环蛋白和肠道微生物组成,识别跨组学层的主要共变异模式。
对278个未过滤特征(38个血清代谢物、27个循环蛋白、213个肠道菌群分类群)进行MOFA+分析;代谢组和蛋白质组数据缩放和中心化,肠道菌群数据用ALDEx2的Dirichlet多项模型归一化;使用ELBO在4–12个潜在因子(10个种子)中优化模型,通过诊断相关性图验证正交性;采用两阶段特征过滤策略。
评估识别出的潜在因子与临床表型变量的关系,以及因子在不同性别/性激素和肥胖亚组间的差异。
计算潜在因子与临床变量(肥胖指标、脂质和葡萄糖代谢、性激素)的Pearson相关性;使用经验贝叶斯t检验比较研究组间的因子差异;以Benjamini–Hochberg校正P值。
评估每个特征在亚组比较中的独立贡献,明确肥胖、性别和PMOS对各组学层变量的影响。
基于MOFA+重构信号,对每个特征进行经验贝叶斯t检验,按肥胖和性别/性激素亚组比较;以热图展示t统计量和显著性。
探索分子间跨组学和组内关系,揭示性别、肥胖和PMOS对关联模式的影响。
对所有分子进行Pearson相关分析,以热图展示;分别按对照女性、PMOS女性、男性以及肥胖和非肥胖整体;进一步按肥胖与性别/性激素亚组交互分层分析;使用Supplementary Figs S2–S12展示变量名。
比较MOFA+整合前后信号的PCA,评估整合对亚组分离的改善,并识别贡献变量。
对原始信号(Fig. 5A)和MOFA+重构信号(Fig. 5B)进行PCA;计算PC1和PC2方差解释比例;以双因素方差分析比较PC得分在研究组和肥胖间的差异;分析贡献PC1和PC2的分子及权重(Supplementary Figs S13–S15)。
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 |
|---|---|---|---|
| 样本量计算 | GRANMO 7.12版在线样本量和把握度计算器 | DataRUS, LARS Services, Barcelona, Spain | -- |
| 多组学数据整合与统计 | R v4.4.2 | R Foundation for Statistical Computing, Vienna, Austria | -- |
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 |
|---|---|
| 研究队列建立与临床表型采集 | PMOS诊断标准(mFG>8、总睾酮>2.3 nmol/l、游离睾酮>35 pmol/l、雄烯二酮>13.8 nmol/l、DHEAS>9.2 µmol/l)、月经失调、排除其他疾病;肥胖分组BMI阈值30 kg/m²;药物洗脱至少6个月;三组年龄和BMI匹配 阅读提示:Materials and methods中Study cohort and data collection |
| 多组学数据整合与MOFA+建模 | 特征数(38代谢物、27蛋白、213菌群分类群);代谢组和蛋白质组缩放中心化;菌群ALDEx2 Dirichlet多项模型归一化;MOFA+ ELBO优化4–12个因子、10个种子;载荷阈值|W|>0.6;贝叶斯差异分析BH校正 阅读提示:Materials and methods中Multi-omics factor data integration and downstream statistical analysis;Supplementary Materials and Methods |
| 潜在因子与临床变量及亚组关联分析 | Pearson相关分析;经验贝叶斯t检验;BH校正;亚组定义(对照女性、PMOS女性、对照男性;非肥胖/肥胖) 阅读提示:Results中Multi-omics data analysis revealed potential patterns of co-variation及Fig. 1 |
| 单特征组间差异分析 | 基于MOFA+重构信号的经验贝叶斯t检验;BH校正;按肥胖和性别/性激素亚组分层 阅读提示:Results中Multi-omics group differences in circulating metabolites, proteins, and gut bacteria及Fig. 2 |
| 跨组学和组内相关性分析 | Pearson相关分析;分组(对照女性、PMOS女性、男性;非肥胖、肥胖;及肥胖与性别/性激素亚组交互分层);变量名参见Supplementary Figs S2–S12 阅读提示:Results中Correlation analyses及Figs 3–4、Supplementary Figs S2–S12 |
| 主成分分析与MOFA+重构信号评估 | 原始信号和MOFA+重构信号的PCA;双因素方差分析;PC1和PC2贡献变量及权重参见Supplementary Figs S13–S15 阅读提示:Results中MOFA+ and PCA及Figs 5–6、Supplementary Figs S13–S15 |