博文
Phenomics | 山东大学陈子江院士/秦莹莹教授团队建立中国女性卵巢衰老COACH前瞻队列，为病理性卵巢衰老进展转
|
文章速递
近日，《表型组学（英文）》（Phenomics）在线发表了山东大学陈子江院士团队秦莹莹教授和焦雪教授的研究论文“Cohort Profile: The Chinese Ovarian Aging Cohort (COACH)”。该研究报告了中国女性病理性卵巢衰老的前瞻队列研究，该队列系统收集了处于不同卵巢功能衰退阶段女性的临床表型、随访资料及生物样本，揭示了该人群的高度异质性与独特临床特征。COACH队列的建立，为病理性卵巢衰老的早期预警、进展转归及个体化干预研究提供了重要资源平台，在应对我国生育率下降和人口老龄化方面具有重要意义。
文末点击“阅读原文”可在线阅读文章。
论文DOI链接：
https://doi.org/10.1007/s43657-025-00290-1
论文引用格式：
Wang, C., Meng, T., Luo, W. et al. Cohort Profile: The Chinese Ovarian Aging Cohort (COACH). Phenomics (2026). https://doi.org/10.1007/s43657-025-00290-1
研究背景
卵巢是人体最早出现功能衰退的器官之一。除了增龄相关的卵巢衰老，还存在 病理性卵巢衰老（如早发性卵巢功能不全，POI），不仅导致不孕不育，亦增加骨质疏松、心血管疾病、神经退行性疾病等远期慢病风险。与自然绝经不同，育龄期病理性卵巢衰老女性面临更为迫切的生育需求及更复杂的疾病管理挑战。然而，既往研究多聚焦于已出现明显临床表现的患者，缺乏对疾病早期阶段及其自然演变规律的系统认识，缺少可靠的早期预警标志物和有效干预策略。因此，建立面向病理性卵巢衰老人群的前瞻性队列，探寻疾病进展早期的标志物与干预靶点，具有重要的科学价值与社会意义。
队列介绍
COACH队列是2018年启动建立的病理性卵巢衰老前瞻性纵向研究。该队列纳入40岁以下、两次间隔4周以上卵泡刺激素（FSH）≥15 IU/L的女性，每6个月开展一次面对面随访，系统收集多维数据，包括：- 临床表型数据：人口学特征、生活方式、心理社会因素、环境暴露、月经史及生育史、症状表现、遗传和医源性因素等；
- 影像与生物信息：经阴道盆腔超声、甲状腺及乳腺超声、骨密度、3D面部图像、舌苔、掌纹等；
- 生物样本资源：血清、血浆、外周血单个核细胞（PBMC）及部分辅助生殖助孕患者的卵巢颗粒细胞和卵泡液。
基线特征
本队列共纳入545名汉族女性，平均年龄30.4岁，覆盖全国12个省份。根据FSH水平进行分期，早期（≤25 IU/L）患者占39.82%，进展期（>25 IU/L）占60.18%。病因构成呈现高度异质性，染色体异常占12.11%，免疫因素17.25%，医源性因素9.91%，特发性占比高达60.73%。临床表现方面，83.67%的参与者存在至少一种低雌激素症状，其中以阴道干涩（42.39%）、情绪波动（36.33%）和性欲减退（33.76%）最为常见，这与自然绝经女性以潮热盗汗为主的症状谱显著不同。闭经患者血脂水平（总胆固醇、甘油三酯、载脂蛋白B-100等）显著高于未闭经者，提示闭经状态已对代谢产生影响。值得注意的是，闭经患者仍存在间歇性排卵和自然妊娠的可能，但目前临床缺乏有效预测指标，COACH队列的长期随访将助力填补这一证据空白。
研究结论与展望
COACH队列弥补了病理性卵巢衰老领域前瞻性纵向研究的空白。有别于SWAN等聚焦自然绝经的队列，该研究锁定面临早衰风险且生育需求强烈的年轻女性，通过长期、多维随访数据融合，致力于：
- 构建病理性卵巢衰老的早期预警和风险预测模型；
- 明确不同病因对疾病进展及妊娠结局的影响；
- 识别卵巢功能恢复或自然妊娠的预测标志物；
- 融合多维数据，揭示关键驱动机制及干预靶点。
COACH队列已建立专用电子数据库平台，诚邀更多研究机构和临床中心加入，共同推动卵巢衰老精准医学的发展，为提升全球女性生殖健康与健康寿命提供中国证据。
Main Features
COACH is the first and largest longitudinal survey of women with pathological ovarian insufficiency launched in 2018 in China. Reproductive-aged women with ovarian insufficiency (FSH ≥ 15 IU/L) were recruited and followed every six months across three medical centers in China. Clinical data, biometric information and ultrasonic images were collected at baseline and every six months during follow-up and integrated for clinical phenomics analysis. Peripheral blood mononuclear cells (PBMCs), serum, plasma, ovarian granulosa cells (GCs), and follicular fluid (FF) were collected and stored for subsequent molecular omics analysis, including genomics, transcriptomics, proteomics, and deep immune phenotyping. We aim to identify predictive factors for early disease diagnosis and prognostic markers for pregnancy or recovery of ovarian function, and depict the multidimensional characteristics of female ovarian aging; furthermore, and further establish an early prediction model of ovarian aging based on multidimensional data integration and artificial intelligence.
本文受到山东大学妇儿与生殖健康研究院陈子江院士、南方医科大学南方医院陈士岭教授以及浙江大学医学院附属邵逸夫医院张松英教授的大力支持。
作者简介
通讯作者
秦莹莹，山东大学教授、主任医师、博士生导师。现任山东第一医科大学附属省立医院党委副书记、院长。国家自然科学基金青年基金A类获得者、国家基金委创新群体项目负责人、国家重点研发计划项目首席专家。致力于提升女性生殖健康与防治出生缺陷的基础与临床研究，在NEJM、BMJ、Nat Med等期刊发表论文120余篇，授权发明专利7项。荣获国家科技进步二等奖、妇幼健康科学技术奖自然科学一等奖、全国巾帼建功标兵、中国青年科技奖、中国青年女科学家奖等。焦雪，山东大学教授、副主任医师、博士生导师。国家级青年人才，山东省自然科学基金青年基金A类获得者，泰山学者青年专家。聚焦女性生殖衰老和生殖免疫，以第一/通讯作者在Nat Aging、Sci Immunol、PNAS等期刊发表SCI论文30篇，授权国家发明专利5件。荣获妇幼健康科技奖一等奖、ISIR Young Investigator Award、山东医学科技奖一等奖等。
第一作者
王常静，山东大学妇儿与生殖健康研究院硕士研究生孟婷婷，山东大学妇儿与生殖健康研究院博士研究生罗伟，山东第一医科大学附属省立医院生殖医学科主治医师https://blog.sciencenet.cn/blog-3558836-1539431.html
上一篇：Phenomics | 孟伟华教授团队基于 UK Biobank 大规模队列揭示膝关节疼痛相关遗传新位点
