基于Oligoasthenozoospermia的代谢分析和基于机器学习的生物标志物识别
Jinli Li1, Tangzhen Zhao2, Mengmeng Ma1
1Center for Reproductive Medicine, Shanghai First Maternity and Infant Hospital, School of Medicine, Tongji University, 2699 West Gao Ke Road, Shanghai, 201204, China.
Metabolomics : Official journal of the Metabolomic Society
|September 17, 2025
概括
使用UPLC-Q-TOF/MS.识别了Oligoasthenozoospermia (精子数量和运动率低) 的代谢差异. 机器学习模型根据这些代谢生物标志物准确地诊断出这种男性不孕症状况.
科学领域:
- 代谢学 代谢学 代谢学
- 男人生殖健康 男人生殖健康
- 生物标志物发现发现
背景情况:
- 奥利戈阿斯动物精子缺陷显著导致男性不孕症,其特点是精子数量低和运动能力受损.
- 了解这种疾病的代谢基础对于开发诊断工具至关重要.
研究的目的:
- 为了调查与oligoasthenozoospermia和健康对照的男性之间的代谢差异.
- 为了识别潜在的代谢生物标志物来诊断oligoasthenozoospermia.
主要方法:
- 使用超高性能液态染色学-四极飞行时间质谱法 (UPLC-Q-TOF/MS) 来分析代谢物.
- 进行了差异代谢物分析和途径分析 (酸途径,TCA循环等). ) 的情况.
- 使用机器学习模型 (逻辑回归,随机森林,SVM) 进行预测分析.
主要成果:
- 在各组之间确定了211种显著不同的代谢物.
- 受影响的关键途径包括酸,TCA循环,糖脂和脂肪酸代谢.
- 一个诊断模型实现了高灵敏度 (0.93),特异性 (1) 和精度 (0.97),AUC为0.998 (训练) 和0.963 (测试).
结论:
- 代谢分析显示了与oligoasthenozoospermia相关的显著变化.
- 建立了一个可靠的诊断框架,以区分使用已识别的代谢物与对照对象的类精子和类精子.
