CN113624951B - 检测精液质量的方法和系统 - Google Patents

检测精液质量的方法和系统 Download PDF

Info

Publication number
CN113624951B
CN113624951B CN202110813327.0A CN202110813327A CN113624951B CN 113624951 B CN113624951 B CN 113624951B CN 202110813327 A CN202110813327 A CN 202110813327A CN 113624951 B CN113624951 B CN 113624951B
Authority
CN
China
Prior art keywords
semen
motility
sperm
density
quality
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110813327.0A
Other languages
English (en)
Other versions
CN113624951A (zh
Inventor
王宁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute Of Science And Technology National Health Commission
Original Assignee
Institute Of Science And Technology National Health Commission
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Institute Of Science And Technology National Health Commission filed Critical Institute Of Science And Technology National Health Commission
Priority to CN202110813327.0A priority Critical patent/CN113624951B/zh
Publication of CN113624951A publication Critical patent/CN113624951A/zh
Application granted granted Critical
Publication of CN113624951B publication Critical patent/CN113624951B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N9/00—Investigating density or specific gravity of materials; Analysing materials by determining density or specific gravity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
    • G06F18/24155—Bayesian classification
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/01—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials specially adapted for biological cells, e.g. blood cells
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N2015/0003—Determining electric mobility, velocity profile, average speed or velocity of a plurality of particles

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Evolutionary Computation (AREA)
  • Immunology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Dispersion Chemistry (AREA)
  • Biomedical Technology (AREA)
  • Hematology (AREA)
  • Molecular Biology (AREA)
  • Urology & Nephrology (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

本发明属于生物技术领域，公开了一种检测精液质量的方法。所述检测精液质量的方法包括：以精液量、精子活力和精液pH值对精液质量进行评价，得到精液质量的情况。本发明还公开了用于实施本发明的方法的系统。本发明的方法仅以精液量、精子活力和精液pH值对精液质量进行评价，即可获得精液质量高低。这些指标的测定简单、方便。

Description

检测精液质量的方法和系统
技术领域
本发明属于生物技术领域，具体涉及一种检测精液质量的方法和系统。
背景技术
优生优育是提高国家和民族的人口素质的重要措施。精液质量是优生优育的关键因素，关系到人口素质、生殖健康水平和种族的延续。以前的研究主要集中在生殖缺陷群体中，对正常群体的研究较少。
精液质量本身由多个指标组成，如何通过原始的精液分析数据报告精准判断精液质量的好坏，一直是困扰男科医生的难题。国内外参照WHO精液指标的参考值(Rowe etal.,2000)，利用统计学的方法在不同群体中研究精液质量的影响因素发现，不同群体中，生活习惯是否影响精液质量存在争议。在某些群体中，BMI(Eisenberg,et al,2014；Jurewicz et al,2014)、饮酒(Jurewicz et al,2014)、吸烟(Sharma et al.,2016)、饮食习惯(Yang et al.,2015)、体育锻炼(Mikkelsen et al.,2016)、压力(Teijón et al.,2007)、居住地(莫毅等，2012)、禁欲天数(黄茜等，2013)、年龄(黄茜等，2013)与精液质量相关。而在另外的研究中发现，吸烟(Jurewicz et al,2014；Li et al.,2009；Trummer etal.,2002；Teijón et al.,2007；修瑞杰等，2012)和喝酒(Hansen et al.,2012；Teijón etal.,2007；修瑞杰等，2012)、年龄(Teijón et al.,2007；修瑞杰等，2012)、禁欲时间(修瑞杰等，2012)对精液质量没有统计学上的显著差异。结合WHO建立的精液指标，主元分析法、主成分分析法以及因子分析方法已经应用到精液质量评价研究中(Agarwal，2003；武俊青等，2003；张晓霞，2010；王奇玲，2012)。以往的研究发现，主成分分析法是综合判断不育男性精液质量影响因素的理想方法，但是不一定适合正常男性精液质量影响因素评价(张晓霞等，2010)，而在天津120例可育男性群体中，利用WHO的标准，仅分析了单个因素对精液质量单一组成成分的影响，没有对单个因素是否影响总体精液质量进行评价(修瑞杰，2012)。
发明内容
针对现有技术中存在的问题，本发明目的在于建立仅通过简单指标就可以评价男性群体精液质量的方法和系统。
因此，在第一方面，本发明提供了一种检测精液质量的方法，所述方法包括：以精液量、精子活力和精液pH值对精液质量进行评价，得到精液质量的情况。
在一个实施方案中，所述精液量包括精液密度和精子数量。
在一个实施方案中，所述精子活力包括精子活动率和向前运动率。
在一个实施方案中，所述精液量、精子活力和精液pH值数据为标准化数据，优选以标准差法对pH值、精液密度、精子数量、精子向前运动率和精子活动率进行标准化。
在一个实施方案中，标准化按如下方式进行：
对序列x1，x2，...，xn进行变换：
这里/>
则新序列y1，y2，...，yn的均值为0，而方差为1，且无量纲。
在一个实施方案中，使用距离判别、费歇尔判别、贝叶斯判别法或因子分析法对精液质量进行评价。
在一个实施方案中，使用费歇尔判别对精液质量进行分类，其中
Dis-1＝0.02*精液pH+0.006*向前运动率(PR)-0.004*活动率+0.08*精子数量/精液密度-0.0009*精子数量-0.018*精液密度；
Dis-2＝0.014*精液pH+0.012*向前运动率(PR)-0.01*活动率-2*精子数量/精液密度-0.08*精子数量-0.026*精液密度，
根据Dis-1、Dis-2和Dis-3进行判断，如果Dis-1＞0，则属于第一类；如果Dis-1＜0且Dis-2＜0，则属于第二类；如果Dis-1＜0且Dis-2≥0，则属于第三类。
在一个实施方案中，使用贝叶斯判别法对精液质量进行分类：
F1＝100*精液pH-0.011*向前运动率(PR)+0.5*活动率+14*精子数量/精液密度+0.6*精子数量-0.1*精液密度-430，
F2＝100*精液pH-0.026*向前运动率(PR)+0.5*活动率+10*精子数量/精液密度+0.5*精子数量+0.03*精液密度-460，
F3＝100*精液pH+0.014*向前运动率(PR)+0.5*活动率+12*精子数量/精液密度+0.6*精子数量-0.14*精液密度-420；
根据F1、F2和F3进行判断，如果F1大，则属于第一类；如果F2大，则属于第二类；如果F3大，则属于第三类。
在一个实施方案中，使用因子分析法对精液质量进行评价：
Y＝(0.4F1+0.4F2+0.2F3)/95，
其中：F1代表精子活力(例如包括活动率和向前运动率(PR))；F2代表精液量(例如包括精液密度、精子数量)；F3代表精液pH。在一个实施方案中，
F1＝0.04*精液pH+0.5*活动率+0.5*向前运动率(PR)-0.03*精液密度-0.04*精子数量，
F2＝0.045*精液pH-0.05*活动率-0.017*向前运动率(PR)+0.5*精液密度+0.5*精子数量，
F3＝1*精液pH+0.034*活动率+0.017*向前运动率(PR)+0.03*精液密度+0.035*精子数量。
在第二方面，本发明提供了一种检测精液质量的系统，所述系统被配置用于以精液量、精子活力和精液pH值对精液质量进行评价，得到精液质量的情况。
在一个实施方案中，所述精液量包括精液密度和精子数量。
在一个实施方案中，所述精子活力包括精子活动率和向前运动率。
在一个实施方案中，所述精液量、精子活力和精液pH值数据为标准化数据，优选以标准差法对精液pH值、精液密度、精子数量、精子向前运动率和精子活动率进行标准化。
在一个实施方案中，标准化按如下方式进行：
对序列x1，x2，...，xn进行变换：
这里/>
则新序列y1，y2，...，yn的均值为0，而方差为1，且无量纲。
在一个实施方案中，使用距离判别、费歇尔判别、贝叶斯判别法或因子分析法对精液质量进行评价。
在一个实施方案中，使用费歇尔判别对精液质量进行分类，其中
Dis-1＝0.02*精液pH+0.006*向前运动率(PR)-0.004*活动率+0.08*精子数量/精液密度-0.0009*精子数量-0.018*精液密度；
Dis-2＝0.014*精液pH+0.012*向前运动率(PR)-0.01*活动率-1.8*精子数量/精液密度-0.08*精子数量-0.026*精液密度，
根据Dis-1和Dis-2，Dis-1＞0：则属于第一类；Dis-1＜0且Dis-2＜0：则属于第二类；Dis-1＜0且Dis-2≥0：则属于第三类。
在一个实施方案中，使用贝叶斯判别法对精液质量进行分类：
F1＝100*精液pH-0.011*向前运动率(PR)+0.5*活动率+13*精子数量/精液密度+0.6*精子数量-0.1*精液密度-430，
F2＝100*精液pH-0.026*向前运动率(PR)+0.5*活动率+10*精子数量/精液密度+0.5*精子数量+0.027*精液密度-458，
F3＝100*精液pH+0.014*向前运动率(PR)+0.5*活动率+12*精子数量/精液密度+0.6*精子数量-0.14*精液密度-420；
根据F1、F2和F3进行判断，如果F1大，则属于第一类；如果F2大，则属于第二类；如果F3大，则属于第三类。
在一个实施方案中，使用因子分析法对精液质量进行评价：
Y＝(0.4F1+0.36F2+0.2F3)/95，
其中：F1代表精子活力(例如包括活动率和向前运动率(PR))；F2代表精液量(例如包括精液密度和精子数量)；F3代表精液pH。
在一个实施方案中，
F1＝0.04*精液pH+0.5*活动率+0.5*向前运动率-0.03*精液密度-0.04*精子数量，
F2＝0.045*精液pH-0.05*活动率-0.017*向前运动率+0.5*精液密度+0.5*精子数量，
F3＝1*精液pH+0.034*活动率+0.017*向前运动率+0.028*精液密度+0.035*精子数量。
本发明的技术方案具有以下积极效果：本发明的方法仅以精液量、精子活力和精液pH值对精液质量进行评价，即可获得精液质量高低。这些指标的测定简单、方便。
附图说明
图1示出了系统聚类结果的树状图，将精液质量分为优、中、差三类。
图2示出了聚类分析得到了三类的聚类中心。
图3示出了利用费歇尔判别法把样品分为优、中、差三类。
具体实施方式
现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。
在本发明中，发明人基于精液pH、精子活动率、精子PR(向前运动率)、精液密度、精子数量这5个指标，建立男性群体精液质量的评价，并考察影响精液质量的影响因素，为建立精液质量评价标准以及优生优育和男性生殖健康预防保健提供指导性建议。精液pH是指精液液化后的pH值，可以使用通常的pH计、pH试纸或任何pH测定方法进行测定。精子活动率是指运动精子数之和除以总的精子数。精子向前运动率是指前向运动的精子数除以总精子数。精子密度是指单位体积中的精子数量，例如每毫升中的精子数量。精子数量是指精液中的精子总数。
在一个实施方案中，发明人利用六个指标对样品进行系统聚类分析，然后利用距离判别、费歇尔判别和贝叶斯判别法判断样品的精液的类别。
在一个实施方案中，利用因子分析建立精液质量评价体系，考察精液质量的影响因素。本发明通过因子分析，得到正常男性精液质量综合评分公式：精液质量综合评分＝(0.38272F1+0.36359F2+0.20018F3)/94.699，其中F1代表精子活力(例如包括精子活动率和精子向前运动率(PR))；F2代表精液量(例如包括精液密度、精子数量)；F3代表精液pH。
在本发明中涉及的数值取了约数，因此说明书中和权利要求书中出现的数值，除非从上下文相左，否则包括数值上下浮动一个范围的数值范围，例如上下浮动10％。例如0.4可以理解为涵盖了0.36-0.44的数值范围。
实施例：
1.生物样本收集和数据获取：
本发明样本来源于中国6大行政区域，调查女性伴侣处于怀孕期，夫妇双方接受中国计划生育服务的汉族夫妇。参与调查的夫妇排除以下情况的受试者：(1)长期慢性疾病；(2)有甲状腺相关疾病史，例如甲状腺功能亢进，甲状腺功能减退，免疫性甲状腺疾病等；(3)生殖系统功的外伤史和手术史；(3)感染性传播疾病史；(4)泌尿生殖系统疾病如：正处于泌尿生殖系统炎症期间、畸形、隐睾、精索静脉曲张等；(5)具有潜在职业暴露危害的职业(例如石油化工行业，高温高湿的职业环境等)；(6)高危生殖毒害物质接触史(包括苯类/汽油柴油/醛醇醚类等有机/挥发性溶剂、特殊气体、放射/辐射/电磁/雷达/微波等射线类)。共计1039例男性的精液检测数据纳入分析。
每名参与者均会由持有医师执照医师进行体格检查以及问询调查。体格检查包括使用统一标准工具进行身高体重测量并计算BMI值、泌尿生殖器视诊和触诊。问询内容包含男性禁欲时间、吸烟、喝酒、居住地、同房频率、首次遗精年龄、生活评价、学历、性满意程度、本人情况和近期药物服用史。女性伴侣在医师帮助下报告TTP和孕次、产次。
每名参与男性在调查现场均需提供一份精液样本。在进行体格检查前，符合禁欲天数的男性提供精液样本。根据WHO推荐方式(Rowe et al.,2000)取得精液样本，将精液样本储存于广口无菌塑料容器内立即交到实验室，置于37℃水浴中液化。精液体积、精液密度、精子计数以及精子活力将由专业医师严格依照WHO Laboratory Manual for theExamination and Processing of Human Semen执行。精液密度是指每毫升精子数，精子数量等于一次排出的精液体积乘以精液密度，精子前向运动率等于前向运动的精子数除以总精子数，精子活动率等于前向运动精子数和原地运动精子数之和除以总的精子数。精液常规分析在样本完全液化后进行。精液量通过称重法测量(假定精液密度为1g/mL)。精子密度通过使用改良Neubauer血细胞计数板计数完成，精液密度由精液体积乘以精液浓度得出。精子活动力分析在采集精液涂片视频录像后，所有精液样本由两位专业医师完成，结果为两位医师结果平均值。
采用标准差法对以上数据进行标准化，pH值、精液体积、精液密度、精子数量、精子向前运动率和精子活动率的标准化如下：
对于样本i，其值为xi，
对序列x1，x2，...，xn进行变换：
这里/>
则新序列y1，y2，...，yn的均值为0，而方差为1，且无量纲。
步骤如下：
(1)求出各变量(指标)的算术平均值(数学期望)xi和标准差si；
(2)进行标准化处理：
zij＝(xij-xi)/si，
其中：zij为标准化后的变量值；xij为实际变量值。
(3)将逆指标前的正负号对调。
标准化后的变量值围绕0上下波动，大于0说明高于平均水平，小于0说明低于平均水平。
2精液质量判定
2.1聚类分析
发明人利用得到的六个指标对样品进行聚类分析：精液pH值、精液体积、精液密度、精子数量、精子向前运动率和精子活动率，其中精液体积等于精子数量除以精液密度。利用聚类分析将精液质量分为三类。根据按照精液质量评分将参与者平均分成高到低三份，分别归入高评分、中评分和低评分群体。
精液质量的评价使用的指标主要是pH值、精液体积、精液密度、精子数量、精子向前运动率和精子活动率。利用得到的六个指标对样品进行系统聚类分析，利用类平均的方法对样品进行聚类，采用R语言基础包stats中的hclust函数进行系统聚类，得如图1所示的树状图。
从图1上可以看出分3类比较合适，利用R基础包stats中kmeans函数进行聚类分析，得到三类的聚类中心如图2所示。
由于这些衡量精液质量的指标都是越大越好，结合如图2所示的数据可以看出，第二类各项指标都高于其他两类，因此属于较优秀的精液，第三类中心的各项指标都低于其他两类，属于质量较差的精液，第一类中心的精液各项指标介于两者之间，属于中等质量的精液。由于K均值聚类过程中，每个样品都分配给距离它最近的聚类中心，因此整个样品根据中心精液质量可分为三类：优、中和差。同时方差分析结果表明，6个指标在3类间都是在0.01水平下是显著的，说明选取的指标具有代表性，对分类是合理的。
对于精液样品，可以利用距离判别、费歇尔判别和贝叶斯判别法判断样品的精液是属于优、中、差的某一类。另外，当先验概率看作相同时，距离判别、费歇尔判别和贝叶斯判别法是等价的。
2.2利用Fisher判别进行类别判定
(1)利用Fisher判别(费歇尔判别)。
为验证聚类分析结果，发明人将已知样本随机分为两部分，一部分作为训练样本，另一部分作为测试样本。利用Fisher判别分析，建立判断精液质量的函数。本发明利用R语言中的包MASS中的函数lda实现，两个判别函数在0.01水平下都是显著的，第一判别函数解释95％的信息，第二判别函数可解释4.1％的信息。因此选取2个判别函数，能得到较好的判别结果，判别函数如下所示：
Dis-1＝0.0218*精液pH+0.00626*向前运动率(PR)-0.004156*活动率+0.08*精子数量/精液密度-0.0008918*精子数量-0.018*精液密度；
Dis-2＝0.0139*精液pH+0.01157*向前运动率(PR)-0.01048*活动率-1.8325*精子数量/精液密度-0.08369*精子数量-0.026*精液密度，
根据Dis-1和Dis-2进行判断，判别标准为：Dis-1＞0：则属于第一类；Dis-1＜0且Dis-2＜0：则属于第二类；Dis-1＜0且Dis-2≥0：则属于第三类。
上式中的指标都是标准化数据，将标准化的数据带入判别函数中，可得每个样品的Fisher得分。利用R语言的包ggplo2中的函数ggplot可将样品画在平面中，如图3所示，可以看出，利用费歇尔判别法，分类效果较好，对训练样本回判，很清晰的把样品分为优、中、差三类，错分概率较低。具体地，利用建立的判别函数对训练样本进行回判，正确判断率概率为97％，同时对测试样本进行判断，正确判断率概率为96％。因此，利用费歇尔判别法建立的判别函数，判别效果很好。
2.3利用贝叶斯判别法进行类别判定
对于贝叶斯判别法，可以利用R语言的predict函数进行判断。发明人利用贝叶斯判别法，建立先验概率相同时每一类的贝叶斯函数：
F1＝104.391*精液pH-0.011*向前运动率(PR)+0.526*活动率+13.534*精子数量/精液密度+0.646*精子数量-0.108*精液密度-431.03，
F2＝104.297*精液pH-0.026*向前运动率(PR)+0.532*活动率+10.332*精子数量/精液密度+0.524*精子数量+0.027*精液密度-458.028，
F3＝104.457*精液pH+0.014*向前运动率(PR)+0.508*活动率+12.36*精子数量/精液密度+0.581*精子数量-0.135*精液密度-419.488；
将原始指标代入以上三个函数，并比较三个值的大小，如果F1大，则新样品属于第一类；如果F2大，则新样品属于第二类；如果F3大，则新样品属于第三类，很方便地判断样品属于优、中、差其中的一类，如图3所示。
利用Fisher判别(费歇尔判别)和贝叶斯判别说明如何将精液质量进行分类，二者的结果是相似的，常用的是贝叶斯判别。
2.4利用因子分析进行质量打分
聚类结合判别法虽然可以将精液质量分为优、中、差三类，但是仍然是有好有差，因此可以使用因子分析对每份精液质量进行打分。
精液分析各参数采用一般描述，本文使用相关分析描述参数间的相互关系。将精液pH、活动率、PR(向前运动率)、精液密度和精子数量5个指标进行因子分析。
(1)因子分析方法：数学模型及其特征:假设有m个随机变量X，k个因子f，X可表示为xi＝li1 f1+li2f2+……+lik fk+ξi；fi用来解释影响原始变量的共同因素，ξi表示影响原始变量但又不能由fi解释的特殊因素。这个数学模型需要满足以下条件:(i)k＜m即提取的公共因子个数少于原始变量个数；(ii)Cov(f，ξ)＝0即公共因子和特殊因子不相关；(iii)Var(f)＝1i×j即各公共因子不相关且方差为1；(iiii)Cov(ξi，ξj)＝0，Var(ξi)＝δj即各特殊因子不相关且方差不同。因子分析的步骤包括:因子模型的构建、因子负载矩阵求解、因子旋转和因子得分的求解。
所有统计分析采用SPSS 21.0统计软件完成。
(2)精液质量评价标准
根据《WHO人类精液检验与实验处理手册》与相关文献资料，精子数量、精子活动率和精液pH是评价精液质量的重要指标。发明人以精液pH、活动率、PR(向前运动率)、精液密度、精子总数5个指标，利用主成分分析法进行因子萃取，并以方差最大正交旋转法进行因子转轴。得到精液质量评价的标准，具体结果如下：
(a)相关系数矩阵：由于因子分析是基于相关矩阵进行的，要求各指标间具有一定的相关性。表1列出各精液检测指标之间的相关系数及其显著性水平。KMO统计量是0.519，Bartlett球体检验值为3076.168，卡方统计值的显著性水平为0.000，说明本数据适用于因子分析。
表1精液质量各指标间相关性分析
**.在.01水平(双侧)上显著相关。
(b)因子分析结果
以主成分分析法进行因子萃取，并以方差最大正交旋转法进行因子转轴，因子分析结果如表2所示。依据累积方差贡献率达到85％的原则，从表2中可知共萃取3个特征值大于1的公共因子，累积方差贡献率为94.649％。
表2解释的总方差
提取方法：主成份分析。
表3成份得分系数矩阵
提取方法：主成份。
旋转法：具有Kaiser标准化的正交旋转法。
(c)精液质量综合评分标准
在成份得分系数矩阵，通过因子分析得到的3个公共因子，活动率、向前运动率(PR)被归入成份1上；精液密度、精子数量被归入成份2；精液pH被归为成份3。可以根据表3成份得分系数矩阵表写出表达式，具体如下：
F1＝0.039*精液pH+0.521*活动率+0.512*向前运动率-0.032*精液密度-0.041*精子数量，
F2＝0.045*精液pH-0.053*活动率-0.017*向前运动率+0.529*精液密度+0.532*精子数量，
F3＝1.008*精液pH+0.034*活动率+0.017*向前运动率+0.028*精液密度+0.035*精子数量。
发明人根据上面的表达式将每一位调查者的3个公共因子的得分算出，再根据每个公共因子的方差贡献率占比作为权重，计算出精液质量的综合评分Y，根据表2的方差贡献率发明人可以得到综合评分Y的公式：Y＝(0.38272F1+0.36359F2+0.20018F3)/94.699。
(3)精液质量与影响因素相关性分析。
(a)男性整体群体中精液质量影响因素相关性分析。
根据以上的公式，发明人利用Pearson分析，研究了整体群体中精液质量的影响因素。由表4研究结果表明，在整体人群中，首次遗精、禁欲天数以及同房频率与精液质量具有相关性，与其他因素没有相关性。
表4整体群体中的精液质量影响因素相关性检测
*.在0.05水平(双侧)上显著相关
**.在.01水平(双侧)上显著相关(b)精液质量高评分、中评分和低评分男性群体中，精液质量影响因素相关性分析。
为了进一步考察各个因素对不同群体的精液质量是否有影响，发明人将精液质量群体按照精液质量评分平均分成高评分、中评分、低评分三种人群，分别在高评分、中评分以高评分群体中考察与吸烟、喝酒、居住地、年龄、禁欲天数、首次遗精、BMI、婚姻评价、生活评价、本人情况、取精时长、同房频率、孕次、产次等影响因素的相关性。研究结果表明，在精液质量高评分人群中，喝酒、吸烟、居住地与精液质量具有相关性，其他因素没有相关性。其中，吸烟、喝酒与精液质量负相关，居住地与精液质量正相关，居住在乡村的被调查者精液质量更佳。在精液质量中评分人群中，禁欲天数与精液质量呈现正相关，其他因素没有相关性。在在精液质量低评分群体中，所有调查因素与精液质量无关。具体结果如表5所示：
表5不同群体中的精液质量影响因素相关性检测
*.在0.05水平(双侧)上显著相关
以往的研究表明，精液质量有多个评价指标，包括：精子数量、精子活性、精液pH值、精子形态、精子DNA完整度等。国际上虽然有通用的WHO精液质量评价标准，但是该评价标准检测项分散，统计分析联合WHO的标准，对精液质量指标进行综合评价，将有利于临床医生精准判断精液质量，成为精液质量研究的趋势。发明人利用因子分析发现，精子总数和精子运动速度在精液质量评价处于重要的地位，该结论与以往的研究相符(王奇玲，2012)。包括精子数目、精子活力和精液pH在内的精液质量因素对精液质量的累积方差贡献率为94.649％，表明因子分析适合评价精液质量。
影响精液质量的因素有很多，主要包括年龄、体重、生活习惯(如吸烟、饮酒、桑拿、熬夜等)、环境因素(如电离辐射、粉尘等)、社会因素(压力、焦虑等)、基础疾病(糖尿病、生殖系统炎症、精索静脉曲张等)、禁欲时间等(Gabrielsen et al.,2016；Zhou et al.,2014；Xue et al.,2011；Omran et al.,2018；Chung et al.,2019)。本发明人发现，在男性群体中，首次遗精、禁欲天数以及同房频率与精液质量具有相关性，精液质量高评分人群首次遗精在14-15岁的人数占比最高，达到38.2％，暗示性早熟程度与精液质量相关，性早熟程度对正常精子发育值得进一步研究。WHO标准规定精液分析的禁欲时间是2-7天。在本发明人发现，虽然个别样本禁欲时间小于2，但是仍然表现出禁欲天数与精液质量相关，这与以往利用不育男性和少精、弱精男性群体研究结果一致，可能是因为禁欲时间过短或者过长影响精子活动力和精液浓度的缘故(黄茜et al.,2013；吴贤玲et al.,2008；苏晓程etal.,2015；贾红军et al.,2018)。精液质量与同房频率也表现出正相关，具体原因有待于研究。.
本发明人发现，在整体群体中，年龄、吸烟、喝酒、居住地与精液质量没有相关性，仅在精液质量高评分群体中具有相关性。同样，考察天津地区120例可育男性的精液质量发现，精液质量与年龄、吸烟、喝酒的相关性不明显(修瑞杰et al.,2012)。因为群体数量、混杂变量以及遗传群体(如，可育群体与生殖缺陷群体)均可能影响精液质量因素的相关性研究。吸烟、喝酒等因素在整体群体中没有发现与精液质量存在相关性，可能是因为正常生育的调查者一般都具有比较好的检查指标，发明人以及以往研究仅包含正常生育患者，排除了不育患者，从而导致样本不“平衡的”，因此可能就会导致检验结果的不显著。吸烟、喝酒和居住地在精液质量高评分群体中具有相关性，表明环境因素对精液质量相对高的人群影响更大，这是可能因为在正常生育并且评分得分高的调查者，要求就会比低评分的调查者更为严格，因此只需一点点的影响因素就会使得结果产生显著的差异。
应当理解，以上所描述的具体实施例仅用于解释本发明，并不用于限定本发明。由本发明的精神所引伸出的显而易见的变化或变动仍处于本发明的保护范围之中。
在本说明书中，每当提及“示例性实施方式”、“优选实施方式”、“一个实施方式”等时意味着针对该实施方式描述的具体的特征、结构或特点包括在本发明的至少一个实施方式中。这些用词在本说明书中不同地方的出现不一定都指代同一实施方式。此外，当针对任一实施方式/实施方式描述具体的特征、结构或特点时，应当认为本领域技术人员也能够在所有所述实施方式中的其它实施方式中实现这种特征、结构或特点。
以上详细描述了本发明的实施方式。然而，本发明的方面不限于上述实施方式。在不脱离本发明的范围的情况下，各种改型和替换均可以应用到上述实施方式中。
参考文献
陈峰，陈启光.医用多元统计分析方法.北京:中国统计出版社，2000.65-82.黄茜,丘映,史秋雯,黄承强.年龄、禁欲时间对精液质量的影响[J].中外医学研究,2013,11(14):1-2.
贾红军,温子娜,卢奋坚,董梅,钟影.同一年龄段男性禁欲时间对精液质量的影响[J].生殖医学杂志,2018,27(11):1146-1148.
莫毅,谢丹尼,张树成,吕福通,谢伟,刘琼东,陈美佳.广西地区正常生育力男性精液质量的调查分析[J].中国计划生育和妇产科,2012,4(02):9-12.
苏晓程,王健,叶纯,高劲松,黄姗英.不同禁欲时间对少精、弱精精液质量的影响[J].华夏医学,2015,28(05):55-57.
王奇玲因子分析方法在精液质量综合评价中的应用中华男科学杂志2012，18(8):731－737
吴贤玲,曹敏,郭玉佳,文建国,伍赶球.不同禁欲时间对少精、弱精精液质量的影响[J].现代生物医学进展,2008(09):1704-1705.
武俊青,高尔生,杨秋英,梁翠玲,陶建国,薄立伟,李玉仙,周玉梅,姚康寿,陆卫群,陈路,杜银梅.2003中国年轻男性精液质量主成分分析中国卫生统计20(4)
修瑞杰,赵璐,董艳,顾向应.天津市120例有生育力男性精液质量分析[J].国际生殖健康/计划生育杂志,2012,31(02):105-107-118.
张晓霞,孙航,简百录应用主成分分析评价不育男性精液质量初探Journal ofMedical Forum Vol.31No.22 2010
Agarwal A,Sharma RK,Nelson DR.New semen quality scores developedbyprincipal component analysis of Semen characteristics[J].JAndrol,2003,24(3):343-352.
Chung M K,Buck Louis G M,Kannan K,et al.Exposome-wide associationstudy of semen quality:Systematic discovery of endocrine disrupting chemicalbiomarkers in fertility require large sample sizes[J].EnvironmentInternational,2019,125(505-14.
Eisenberg ML,Kim S,Chen Z,Sundaram R,Schisterman EF,Buck LouisGM.2014.The relationship between male BMIand waist circumference on semenquality:data from theLIFE study.Hum Reprod.29(2):193–200.
Gabrielsen J S,Tanrikut C.Chronic exposures and male fertility:theimpacts of environment,diet,and drug use on spermatogenesis[J].Andrology,2016,4(4):648-61.
Jurewicz J,Radwan M,Sobala W,Ligocka D,Radwan P,Bochenek M,HankeW.2014a.Lifestyle and semen quality:role of modifiable risk factors.Syst BiolReprod Med.60(1):43–51.
Mikkelsen EM,Riis AH,Wise LA,Hatch EE,Rothman KJ,Cueto HT,SorensenHT.2016.Alcohol consumption and fecundability:prospective Danish cohortstudy.BMJ.354:i4262.
Omran G A,Gaber H D,Mostafa N AM,et al.Potential hazards of bisphenolA exposure to semen quality and sperm DNAintegrity among infertile men[J].Reproductive Toxicology,2018,81(188-95.
Rowe P,Comhaire F,HargreaveT,et al.WHO manual for the standardizedinvestigation,diagnosis and management of the infertile male[M].1sted.Cambridge:CambridgeUnivsityPress,2000:56.
Sharma R,Harlev A,Agarwal A,Esteves SC.2016b.Cigarette smoking andsemen quality:a new meta-analysis examining the effect of the 2010 WorldHealth Organization laboratory methods for the examination of human semen.EurUrol.70(4):635–645.
Teijón M,López,Garcia F,Serra O,et al.Semen quality in a populationof volunteers from the province of Barcelona[J].Reproductive BiomedicineOnline,2007,15(4):434-44.
Xue H,Niya Z,Zhihong C,et al.Association between urinary polycyclicaromatic hydrocarbon metabolites and sperm DNAdamage:a population study inChongqing,China[J].Environmental Health Perspectives,2011,119(5):652-7.
Yang H,Chen Q,Zhou N,Sun L,Bao H,Tan L,Chen H,Zhang G,Ling X,Huang L,et al.2015.Lifestyles associated with human semen quality:results from MARHCSCohort Study in Chongqing,China.Medicine (Baltimore).94(28):e1166.
Zhou N,Cui Z,Yang S,et al.Air pollution and decreased semen quality:acomparative study of Chongqing urban and rural areas[J].Environ Pollut,2014,187(145-52.

Claims (2)

1.一种检测精液质量的方法，所述方法包括：以精液量、精子活力和精液pH值对精液质量进行评价，得到精液质量的情况；
所述精液量包括精液密度和精子数量，所述精子活力包括精子活动率和向前运动率；
所述精液量、精子活力和精液pH值数据为标准化数据，以标准差法对精液pH值、精液密度、精子数量、精子向前运动率和精子活动率数据进行标准化；
标准化如下：
对序列x1,x2，...，xn进行变换:
这里/>
则新序列y1，y2，...，yn的均值为0，而方差为1，且无量纲；
使用费歇尔判别或贝叶斯判别法对精液质量进行分类，其中：
使用费歇尔判别对精液质量进行分类：
Dis-1＝0.02*精液pH+0.006*向前运动率PR-0.004*活动率+0.08*精子数量/精液密度-0.0009*精子数量-0.018*精液密度；
Dis-2＝0.014*精液pH+0.012*向前运动率PR-0.01*活动率-2*精子数量/精液密度-0.08*精子数量-0.026*精液密度，
根据Dis-1和Dis-2进行判断，如果Dis-1＞0，则属于第一类；如果Dis-1＜0且Dis-2＜0，则属于第二类；如果Dis-1＜0且Dis-2≥0，则属于第三类；
使用贝叶斯判别法对精液质量进行分类：
F1＝100*精液pH-0.011*向前运动率PR+0.5*活动率+14*精子数量/精液密度+0.6*精子数量-0.1*精液密度-430，
F2＝100*精液pH-0.026*向前运动率PR+0.5*活动率+10*精子数量/精液密度+0.5*精子数量+0.03*精液密度-460，
F3＝100*精液pH+0.014*向前运动率PR+0.5*活动率+12*精子数量/精液密度+0.6*精子数量-0.14*精液密度-420；
根据F1、F2和F3进行判断，如果F1大，则属于第一类；如果F2大，则属于第二类；如果F3大，则属于第三类；
在使用费歇尔判别或贝叶斯判别法对精液质量进行分类后，使用因子分析法对精液质量进行打分：
精液质量的综合评分Y＝(0.4F1+0.4F2+0.2F3)/95，
其中：
F1＝0.04*精液pH+0.5*活动率+0.5*向前运动率PR-0.03*精液密度-0.04*精子数量，
F2＝0.045*精液pH-0.05*活动率-0.017*向前运动率PR+0.5*精液密度+0.5*精子数量，
F3＝1*精液pH+0.034*活动率+0.017*向前运动率PR+0.03*精液密度+0.035*精子数量。
2.一种检测精液质量的系统，所述系统被配置用于以精液量、精子活力和精液pH值对精液质量进行评价，得到精液质量的情况；
所述精液量包括精液量精子数量；所述精子活力包括精子活动率和向前运动率；
所述精液量、精子活力和精液pH值数据为标准化数据，以标准差法对精液pH值、精液密度、精子数量、精子向前运动率和精子活动率进行标准化；
标准化按如下方式进行：
对序列x1，x2，...，xn进行变换:
这里/>
则新序列y1，y2，...，yn的均值为0，而方差为1，且无量纲；
使用费歇尔判别或贝叶斯判别法对精液质量进行分类，其中：
使用费歇尔判别对精液质量进行分类：
Dis-1＝0.02*精液pH+0.006*向前运动率PR-0.004*活动率+0.08*精子数量/精液密度-0.0009*精子数量-0.018*精液密度；
Dis-2＝0.014*精液pH+0.012*向前运动率PR-0.01*活动率-1.8*精子数量/精液密度-0.08*精子数量-0.026*精液密度，
根据Dis-1和Dis-2进行判断，如果Dis-1＞0，则属于第一类；如果Dis-1＜0且Dis-2＜0，则属于第二类；如果Dis-1＜0且Dis-2≥0，则属于第三类；
使用贝叶斯判别法对精液质量进行分类：
F1＝100*精液pH-0.011*向前运动率PR+0.5*活动率+13*精子数量/精液密度+0.6*精子数量-0.1*精液密度-430，
F2＝100*精液pH-0.026*向前运动率PR+0.5*活动率+10*精子数量/精液密度+0.5*精子数量+0.027*精液密度-458，
F3＝100*精液pH+0.014*向前运动率PR+0.5*活动率+12*精子数量/精液密度+0.6*精子数量-0.14*精液密度-420；
根据F1、F2和F3进行判断，如果F1大，则属于第一类；如果F2大，则属于第二类；如果F3大，则属于第三类；
在使用费歇尔判别或贝叶斯判别法对精液质量进行分类后，使用因子分析法对精液质量进行打分：
精液质量的综合评分Y＝(0.4F1+0.36F2+0.2F3)/95，
其中：
F1＝0.04*精液pH+0.5*活动率+0.5*向前运动率PR-0.03*精液密度-0.04*精子数量，
F2＝0.045*精液pH-0.05*活动率-0.017*向前运动率PR+0.5*精液密度+0.5*精子数量，
F3＝1*精液pH+0.034*活动率+0.017*向前运动率PR+0.028*精液密度+0.035*精子数量。
CN202110813327.0A 2021-07-19 2021-07-19 检测精液质量的方法和系统 Active CN113624951B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110813327.0A CN113624951B (zh) 2021-07-19 2021-07-19 检测精液质量的方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110813327.0A CN113624951B (zh) 2021-07-19 2021-07-19 检测精液质量的方法和系统

Publications (2)

Publication Number Publication Date
CN113624951A CN113624951A (zh) 2021-11-09
CN113624951B true CN113624951B (zh) 2023-11-21

Family

ID=78380131

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110813327.0A Active CN113624951B (zh) 2021-07-19 2021-07-19 检测精液质量的方法和系统

Country Status (1)

Country Link
CN (1) CN113624951B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6309815B1 (en) * 1998-08-07 2001-10-30 University Of Kansas Medical Center Composition and method for preparation, storage and activation of large populations of immotile sperm
CN105046082A (zh) * 2015-07-21 2015-11-11 华南农业大学 一种评定长白公猪受精能力的数学模型及其建立方法
WO2017120173A1 (en) * 2016-01-04 2017-07-13 University Of Tennessee Research Foundation Methods for improvement of semen quality
CN108700494A (zh) * 2015-12-23 2018-10-23 安卓威尔生命科学有限责任公司 鉴定用于实现哺乳动物受精的途径和授精时期的方法
WO2020113061A1 (en) * 2018-11-30 2020-06-04 Ohana Biosciences, Inc. Compositions and methods for enhancing sperm function

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6309815B1 (en) * 1998-08-07 2001-10-30 University Of Kansas Medical Center Composition and method for preparation, storage and activation of large populations of immotile sperm
CN105046082A (zh) * 2015-07-21 2015-11-11 华南农业大学 一种评定长白公猪受精能力的数学模型及其建立方法
CN108700494A (zh) * 2015-12-23 2018-10-23 安卓威尔生命科学有限责任公司 鉴定用于实现哺乳动物受精的途径和授精时期的方法
WO2017120173A1 (en) * 2016-01-04 2017-07-13 University Of Tennessee Research Foundation Methods for improvement of semen quality
WO2020113061A1 (en) * 2018-11-30 2020-06-04 Ohana Biosciences, Inc. Compositions and methods for enhancing sperm function

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
28例无精子症病人睾丸活检病理特征分析;李俊君;宁夏医学杂志;第29卷(第6期);第505-506页 *
A new bayesian network-based approach to analysis of sperm motility:application in the study of tench (Tinca tinca) semen;M.C.Gil Anaya;《ANDROLOGY》;第956-966页 *
Kinematic Sub-populations in bull spermatozoa: A comparison of classical and bayesian approaches;Luis Viquez;《BIOLOGY》;第第9卷卷(第第138期期);第1-16页 *
因子分析方法在精液质量综合评价中的应用;王奇玲;;中华男科学杂志(第08期);第731-737页 *
氧化应激产物MDA与生育力和精子参数相关性的Meta分析;夏雨果;陈秋;汤志梅;陈慧臻;高坪;曾文彤;赵娟;陈岚;;海南医学(第09期);第1316-1320页 *
精液分析区域性外部质量控制研究;王奇玲;唐运革;邓顺美;庄嘉明;李月华;唐雨倩;陈曦;马婷;马春杰;;生殖与避孕;第35卷(第12期);第72-76页 *

Also Published As

Publication number Publication date
CN113624951A (zh) 2021-11-09

Similar Documents

Publication Publication Date Title
Skiba et al. Understanding variation in prevalence estimates of polycystic ovary syndrome: a systematic review and meta-analysis
Hsieh et al. Anemia risk in relation to lead exposure in lead-related manufacturing
Lie Fong et al. Polycystic ovarian morphology and the diagnosis of polycystic ovary syndrome: redefining threshold levels for follicle count and serum anti-Müllerian hormone using cluster analysis
van Baaren et al. Predictive value of cervical length measurement and fibronectin testing in threatened preterm labor
Sanchez-Ramos et al. Fetal fibronectin as a short-term predictor of preterm birth in symptomatic patients: a meta-analysis
Bailey et al. Genetic and environmental influences on sexual orientation and its correlates in an Australian twin sample.
Bulk et al. The Dutch CISOE-A framework for cytology reporting increases efficacy of screening upon standardisation since 1996
Giwercman et al. Sperm chromatin structure assay as an independent predictor of fertility in vivo: a case–control study
Hirji et al. Incidence of genital infection among patients with type 2 diabetes in the UK General Practice Research Database
Zheng et al. Diagnostic value of neutrophil-lymphocyte ratio in preeclampsia: A PRISMA-compliant systematic review and meta-analysis
Geisler et al. Vaginal leucocyte counts in women with bacterial vaginosis: relation to vaginal and cervical infections
EP2016405A2 (en) Methods and apparatus for identifying disease status using biomarkers
Craig et al. Prevalence of steroid sulfatase deficiency in California according to race and ethnicity
Boneva et al. Early menopause and other gynecologic risk indicators for chronic fatigue syndrome in women
Hansen et al. Fertility treatment among women with asthma: a case–control study of 3689 women with live births
Chen et al. The effect of age and abstinence time on semen quality: a retrospective study
Green‐Raleigh et al. Pregnancy planning status and health behaviors among nonpregnant women in a California managed health care organization
Okunade et al. A study on the association between low maternal serum magnesium level and preterm labour
Stein et al. Using the MMPI-2 to detect substance abuse in an outpatient mental health setting.
Nguyen et al. Nongenetic factors associated with stress urinary incontinence
DeStefano et al. Semen characteristics of Vietnam veterans
Vrijlandt et al. Prevalence of chronic kidney disease in women of reproductive age and observed birth rates
CN113624951B (zh) 检测精液质量的方法和系统
Searle et al. A cannulated prolactin series reduces the need for further investigations in women with infertility and lowers the number of false positive screening prolactin measurements
Verma et al. Performance profile of an outcome measure: morbidity assessment index for newborns

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant