多组学因子分析v2(MOFA+)揭示PMOS女性中受肥胖强烈影响的特定共变异模式

Multi-omics factor analysis v2 (MOFA+) reveals specific co-variation patterns in women with PMOS that are strongly influenced by obesity

作者信息Edmond Géraud-Aguilar, M Ángeles Martínez-García, María Insenser, Susana Barceló-Cerdá, Manuel Luque-Ramírez, Francisco García-García, Héctor F Escobar-Morreale
PMID42799253
发布时间2026-09-08
DOI10.1093/hropen/hoag080

实验完整度

中

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。

主要模型

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

重点核对

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

摘要

研究问题:通过多组学整合方法研究多内分泌代谢性卵巢综合征(PMOS)与肥胖之间复杂相互作用背后的机制是什么? 总结答案:多组学因子分析v2(MOFA+)提示PMOS以雄激素驱动的代谢重编程为特征,其中性别二态性以肥胖和组学特异的方式被重塑,表现为促炎蛋白和脂肪因子与肠道微生物属及代谢组学变量之间存在强关联,且这些关联被肥胖放大。 已知背景:PMOS是一种常见的代谢-内分泌疾病,其中雄激素过多、体重过重和肥胖的复杂相互作用定义了特别不利的心血管代谢表型。 研究设计、规模、持续时间:横断面研究,包含2个对照组,涉及46名西班牙马德里某学术医院的年轻白人成年人。 参与者/材料、环境、方法:我们招募了15名PMOS女性、16名健康对照女性和15名对照男性,平均年龄和BMI相似。参与者进一步分为非肥胖(BMI < 30 kg/m²)或肥胖(BMI ≥ 30 kg/m²)受试者。我们使用MOFA+整合了血清代谢组学和循环蛋白与肠道微生物组成。 主要结果和偶然性的作用:MOFA+识别出五个潜在因子,解释了跨组学层次的主要变异来源。结果显示性别二态性以组学和肥胖特异的方式呈现:代谢组学谱在非肥胖个体中呈现性别二态性,而循环蛋白和肠道微生物群仅在肥胖受试中在患有或不患有PMOS的女性与男性之间存在差异。相关分析显示男性中关联总体减弱,尤其是代谢物之间;肥胖与蛋白相关关联增强;以及PMOS特有的模式,其特征是肠道微生物群与蛋白质组特征内部及之间的相关性增强。PMOS女性表现出最强的代谢组学-蛋白质组学相关性,并被肥胖进一步加剧。 局限性、注意事项:我们研究相对较小的样本量可能遗漏了在更大样本中可能达到统计学显著性的相关关联。此外,我们仅纳入了PMOS高雄激素表型的女性。因此,我们的结果可能不适用于该综合征的非高雄激素表型。 发现的更广泛意义:PMOS即使在体重未超标时也表现出与肥胖相似的代谢谱,支持脂肪组织功能障碍、促炎蛋白和脂肪因子,而非脂肪质量过量本身,是该综合征代谢紊乱的中心驱动因素这一概念。总之,这些发现突出了雄激素过多、肥胖和宿主-微生物群相互作用之间的复杂相互作用,并提供了一个系统级框架,可能有助于识别PMOS中新的生物标志物和靶向治疗策略。此外,这些发现强调了在生物标志物发现和机制研究中考虑性别、性激素和肥胖特异背景的重要性。

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
通过多组学整合方法,研究PMOS与肥胖之间复杂相互作用的机制,以及不同组学谱如何体现性别、肥胖和PMOS的影响。
核心机制
PMOS以雄激素驱动的代谢重编程为特征,性别二态性以肥胖和组学特异的方式被重塑;脂肪组织功能障碍、促炎蛋白和脂肪因子,而非脂肪质量过量本身,是代谢紊乱的中心驱动因素;肠道微生物群可能通过炎症蛋白和脂肪因子介导对代谢谱的调节,而非直接效应。
主要证据
对46名年轻成人(15例PMOS、16例对照女性、15例对照男性)的空腹血清代谢组、循环蛋白和粪便菌群进行MOFA+整合,识别出5个潜在因子;相关性热图显示PMOS女性具有最强的代谢组-蛋白质组相关性及菌群-蛋白质组关联增强,且肥胖进一步放大这些关联;PCA显示MOFA+重构信号后前两个主成分解释超过80%的方差并改善亚组分离。
研究意义
这些发现突出了雄激素过多、肥胖和宿主-微生物群相互作用之间的复杂相互作用,提供了一个系统级框架,可能有助于识别PMOS中新的生物标志物和靶向治疗策略,并强调在生物标志物发现和机制研究中考虑性别、性激素和肥胖特异背景的重要性。

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

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。

2

多组学数据整合与MOFA+建模

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。

3

潜在因子与临床变量及研究亚组的关联分析

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。

4

单特征组间差异分析

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。

5

跨组学和组内相关性分析

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。

6

主成分分析与MOFA+重构信号评估

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)。

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
GRANMO 7.12版在线样本量和把握度计算器DataRUS, LARS Services, Barcelona, Spain--
R v4.4.2R Foundation for Statistical Computing, Vienna, Austria--

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
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