Ir al contenido

Calidad del embrión

Añadir enlaces
De Wikipedia, la enciclopedia libre
Esta es una versión antigua de esta página, editada a las 13:43 31 may 2020 por InternetArchiveBot (discusión · contribs.). La dirección URL es un enlace permanente a esta versión, que puede ser diferente de la versión actual.

La calidad del embrión es una habilidad fundamental que necesita un embrión para lograr una tasa de embarazo alta y/o para concebir a una persona saludable. La edición del perfil del embrión es la estimulación de la calidad del embrión al cualificar y cuantificar ciertos parámetros. Dichas estimulaciones pueden ser aplicadas por distintos métodos así como la selección de embriones por medio de la fertilización in vitro.

El general, el proceso de edición del perfil del embrión, para la predicción del desarrollo del mismo, se enfoca en observar cuidadosamente las expresiones de RNA y proteínas, alrededor del embrión para evitar cualquier tipo de daño al realizar el análisis. Por otro lado, el proceso de edición del perfil del embrión se enfoca, sobre cualquier otra cosa, en el genoma, para averiguar si existe algún tipo de riesgo o algún desorden genético. A menudo se utiliza el método de la extracción de muestras celulares del embrión para éste diagnóstico genético pre-implantacional.

Predicción de taza de embarazo

Microscópicamente

La calidad del embrión es, principalmente, evaluada con el micorscopio a ciertos puntos utilizando un sistema de puntuación morfológico. Gracias a la evaluación microscópica, el conocimiento de la taza de embarazo ha logrado un significante avance.[1]​

La Microscopía de lapso de tiempo Es una expansión de la microscopía en el que la morfología de los embriones es estudiada en el tiempo. Desde 2014, la microscopía de lapso de tiempo, para la evaluación de la calidad del embrión, ha está saliendo de la fase experimental y se ha convertido en algo con suficiente evidencia para su uso clínico.[2]​[3]​ Estudios que utilizan la incubadora de lapso de tiempo EmbryoScope (tm) han utilizado varios indicadores para la calidad del embrión, así como la escisión directa de 1 a 3 células,[4]​ as well as the initiation of compaction and start of blastulation.[5]​[6]​[7]​ La transición de los dos cigotes pronucleares (2PN), a través de la de los estados 1PN o 3Pn, tienden más a desarrollarse como embriones de baja calidad que aquellos que permanecen constantemente en 2PN.[8]​

Visión computacional e Inteligencia Artificial

La evaluación convencional de embriones, e incluso la dependiente de microscopía de lapso de tiempo, a mostrado ser subjetiva, no replicable y poco relacionada con pronóstico. Como consecuencia de lo anterior, algunos grupos como el New Hope Fertility Center y IVF 2.0 LTD [1], trabajan activamente en desarrollar sistemas de selección y ranking de embriones, apoyados de sofisticados sistemas de cómputo, y con capacidad de aplicar Inteligencia Artificial, visión artificial, y aprendizaje profundo durante el proceso​[9]​[2] (enlace roto disponible en Internet Archive; véase el historial, la primera versión y la última)..

Un ejemplo de tecnologías computacionales utilizadas exitosamente es el sistema de Inteligencia Artificial, ERICA (Embryo Ranking Intelligent Classification Assistant)[10]​. Este sistema emplea filtros de visión artificial y Deep Learning para clasificar embriones en etapa de blastocisto, de acuerdo con pronóstico y con el propósito de asistir a los embriólogos en la selección, y ranking de embriones​​[11]​. Los estudios hasta ahora publicados con estas tecnologías han mostrado resultados prometedores[12]​.

Análisis molecular

El análisis molecular se puede realizar mediante la adopción de una de las células de un embrión. Los análisis pueden variar en extensión de un solo biomarcador hasta genomas enteros, transcriptomes, proteomas y metabolomes. Los resultados de los embriones se califican comparándolos con los resultados que previamente se han encontrado de los embriones exitosos frente a embarazos y con los no exitosos.:[13]​

Transcripción de perfil

La expresión de un nuevo perfil genético para los embriones humanos es limitada por cuestiones éticas y legales.[13]​

Por estas razones, se han utilizado otras alternativas para diagnostigar la eficiencia de un protocolo de hiperestimulación ovárica sin tener que forzosamente tomar muestras directas del embrión.[13]​ Una de las alternativas, que los científicos han utilizado, es tomar células del cumulus que rodean el ovicito y el embrión temprano o células de la granulosa, para así no inferir con cuestiones éticos o legales y seguir con la investigación.

Además, el microRNA(miRNA) y el ADN libre de células (cfDNA) pueden ser muestreados desde la proximidad de los embriones, que pueden funcionar como marcadores de transcripción para diagnosticar la calidad del embrión.[14]​

Perfil proteico

El perfil proteico de embriones se puede evaluar directamente desde muestras de proteínas encontradas en las proximidades de los embriones con el fin de no dañar el perfil del embrión.[13]​ Algunos ejemplos de proteínas encontradas y evaluadas en dichas muestras incluyen a la CXCL13 y al factor estimulante de colonias de granulocitos y macrófagos, donde menos cantidad de proteínas están asociadas con mayor implantación.[13]​ La presencia de HLA-G soluble, puede ser también considerada como otro parámetro para decidir la calidad del embrión.[1]​

Otro nivel de oportunidad se puede lograr haciendo una evaluación del perfil del embrión con respecto a la situación de la madre recordando aspectos como la salud o el estado inmunitario, estudiando los perfiles similares al genoma materno, el transcriptoma, el proteoma y/o el metaboloma. Dos ejemplos de proteínas que se pueden incluir en los perfiles materos son el endometrio - derivado stathmina 1 y anexina A2, cuyas bajas y altas regulaciones, respectivamente, están asociados con mayores tasas de éxito de implantación.[13]​

Perfil genético

Una revisión sistemática y meta-análisis de la existencia de una prueba controlada aleatoria concluyó que no hay evidencia de un efecto positivo de PGP al medirse por la tasa bruta de natalidad.[15]​ Por el contrario, para las mujeres embarazadas de edad avanzada, el PGP reduce significativamente la tasa de natalidad.[15]​ Inconvenientes técnicos, tales como la invasividad de la biopsia y el mosaicismo cromosómico, son los factores principales que provocan la ineficacia de PGP.[15]​

Un inconveniente relevante de la edición del perfil genético para la calidad del embrión es que los resultados se basan, generalmente, en la evaluación de una sola célula. El PGP tiene limitaciones inherentes ya que la célula prueba no puede representar al embrión por mosaicismo.[15]​

El principio detrás de esto es que, puesto que se sabe que las anomalías cromosómicas numéricas explican la mayor parte de los casos de pérdida del embarazo, y la gran proporción de los embriones humanos que son aneuploides, la sustitución selectiva de embriones euploid debería aumentar las posibilidades de un tratamiento de FIV exitoso . métodos de análisis exhaustivo de cromosoma incluyen la matriz de hibridación genómica comparada (aCGH), PCR cuantitativa y SNP array s.[13]​ Combinado con una sola biopsia de blastómeros en el día-3 embriones , aCGH es muy robusto, con un 2,9% de los embriones analizados sin resultados, y se asocia con tasas de error bajas (1,9%).[13]​

Además de la detección de anormalidades específicas, las técnicas se encuentran en desarrollo para que puedan hacer hasta una secuenciación del genoma completo, de la cual perfiles genéticos puedan anotar los patrones de ADN mediante la comparación con las que anteriormente se han encontrado entre los embriones en embarazos exitosos o fallidos.[13]​

Predicción de salud

Véase también: Diagnóstico genético preimplantacional

El método principalmente utilizado en la actualidad para predecir la salud de una persona resultante de un embrión es el diagnóstico genético preimplantación (también llamado Detección genética de preimplantación , previo a la implantación de perfiles genéticos o PGP), con el fin de determinar si la persona resultante heredará una enfermedad específica o no. Por otro lado, una revisión sistemática y meta-análisis de presencia de juicios aleatorios controlados para llegar a la conclusión de que no hay un efecto positivo de PGP medido por la taza de natalidad. [15]​ por el contrario, para las mujeres de edad materna avanzada, PGP reduce significativamente la tasa de nacidos vivos.[15]​ inconvenientes técnicos, tales como la invasividad de la biopsia, y mosaicismo cromosómico son la principal factores que subyace a la ineficacia de PGP.[15]​>

Referencias

  1. ↑ a b Rebmann, V.; Switala, M.; Eue, I.; Grosse-Wilde, H. (2010). «Soluble HLA-G es un factor independiente para la predicción de resultados del embarazo ART: A German multi-centre study». Human Reproduction 25 (7): 1691-1698. PMID 20488801. doi:10.1093/humrep/deq120. 
  2. ↑ Kaser, D. J.; Racowsky, C. (2014). «Clinical outcomes following selection of human preimplantation embryos with time-lapse monitoring: a systematic review». Human Reproduction Update 20 (5): 617-631. ISSN 1355-4786. doi:10.1093/humupd/dmu023. 
  3. ↑ Freour, T.; Basile, N.; Barriere, P.; Meseguer, M. (2014). «Systematic review on clinical outcomes following selection of human preimplantation embryos with time-lapse monitoring». Human Reproduction Update 21 (1): 153-154. ISSN 1355-4786. doi:10.1093/humupd/dmu054. 
  4. ↑ Rubio, I.; Kuhlmann, R.; Agerholm, I.; Kirk, J.; Herrero, J.; Escribá, M. A. J.; Bellver, J.; Meseguer, M. (2012). «Limited implantation success of direct-cleaved human zygotes: A time-lapse study». Fertility and Sterility 98 (6): 1458-1463. PMID 22925687. doi:10.1016/j.fertnstert.2012.07.1135. 
  5. ↑ Campbell, A.; Fishel, S.; Bowman, N.; Duffy, S.; Sedler, M.; Hickman, C. F. L. (2013). «Modelling a risk classification of aneuploidy in human embryos using non-invasive morphokinetics». Reproductive BioMedicine Online 26 (5): 477-485. PMID 23518033. doi:10.1016/j.rbmo.2013.02.006. 
  6. ↑ Meseguer, M.; Herrero, J.; Tejera, A.; Hilligsøe, K. M.; Ramsing, N. B.; Remohí, J. (2011). «The use of morphokinetics as a predictor of embryo implantation». Human Reproduction 26 (10): 2658-2671. PMID 21828117. doi:10.1093/humrep/der256. 
  7. ↑ Dal Canto, M.; Coticchio, G.; Mignini Renzini, M.; De Ponti, E.; Novara, P. V.; Brambillasca, F.; Comi, R.; Fadini, R. (2012). «Cleavage kinetics analysis of human embryos predicts development to blastocyst and implantation». Reproductive BioMedicine Online 25 (5): 474-480. PMID 22995750. doi:10.1016/j.rbmo.2012.07.016. 
  8. ↑ Reichman, D. E.; Jackson, K. V.; Racowsky, C. (2010). «Incidence and development of zygotes exhibiting abnormal pronuclear disposition after identification of two pronuclei at the fertilization check». Fertility and Sterility 94 (3): 965-970. PMID 19476942. doi:10.1016/j.fertnstert.2009.04.018. 
  9. ↑ Chavez-Badiola, Alejandro; Farias, Adolfo Flores-Saiffe; Mendizabal-Ruiz, Gerardo; Garcia-Sanchez, Rodolfo; Drakeley, Andrew J. (1 de septiembre de 2019). «Development and preliminary validation of an automated static digital image analysis system utilizing machine learning for blastocyst selection». Fertility and Sterility (en inglés) 112 (3): e149-e150. ISSN 0015-0282. doi:10.1016/j.fertnstert.2019.07.511. Consultado el 25 de marzo de 2020. 
  10. ↑ Chavez-Badiola, Alejandro; Mendizabal-Ruiz, Gerardo; Ocegueda-Hernandez, Vladimir; Farias, Adolfo Flores-Saiffe; Drakeley, Andrew J. (1 de septiembre de 2019). «Deep learning for automatic determination of blastocyst embryo development stage». Fertility and Sterility (en inglés) 112 (3): e273. ISSN 0015-0282. doi:10.1016/j.fertnstert.2019.07.809. Consultado el 25 de marzo de 2020. 
  11. ↑ Chavez-Badiola, Alejandro; Flores-Saiffe Farias, Adolfo; Mendizabal-Ruiz, Gerardo; Drakeley, Andrew J.; Garcia-Sánchez, Rodolfo; Zhang, John J. (2019-09). «Artificial vision and machine learning designed to predict PGT-A results». Fertility and Sterility (en inglés) 112 (3): e231. doi:10.1016/j.fertnstert.2019.07.715. Consultado el 25 de marzo de 2020. 
  12. ↑ Chavez-Badiola, Alejandro; Flores-Saiffe Farias, Adolfo; Mendizabal-Ruiz, Gerardo; Garcia-Sanchez, Rodolfo; Drakeley, Andrew J.; Garcia-Sandoval, Juan Paulo (2020-12). «Predicting pregnancy test results after embryo transfer by image feature extraction and analysis using machine learning». Scientific Reports (en inglés) 10 (1): 4394. ISSN 2045-2322. PMC 7064494. PMID 32157183. doi:10.1038/s41598-020-61357-9. Consultado el 25 de marzo de 2020. 
  13. ↑ a b c d e f g h i The Evian Annual Reproduction (EVAR) Workshop Group 2010; Fauser, B. C. J. M.; Diedrich, K.; Bouchard, P.; Domínguez, F.; Matzuk, M.; Franks, S.; Hamamah, S.; Simón, C.; Devroey, P.; Ezcurra, D.; Howles, C. M. (2011). «Contemporary genetic technologies and female reproduction». Human Reproduction Update 17 (6): 829-847. PMC 3191938. PMID 21896560. doi:10.1093/humupd/dmr033. 
  14. ↑ Traver, S.; Assou, S.; Scalici, E.; Haouzi, D.; Al-Edani, T.; Belloc, S.; Hamamah, S. (2014). «Cell-free nucleic acids as non-invasive biomarkers of gynecological cancers, ovarian, endometrial and obstetric disorders and fetal aneuploidy». Human Reproduction Update 20 (6): 905-923. ISSN 1355-4786. doi:10.1093/humupd/dmu031. 
  15. ↑ a b c d e f g Mastenbroek, S.; Twisk-, M.; Van Der Veen, F.; Repping, S. (2011). «Detección genética de preimplantación: una revisión sistemática y meta-análisis de ECA». Human Reproduction actualización 17 (4): 454-466. PMID 21531751. doi:10.1093/humupd/dmr003. 
Obtenido de «https://es.wikipedia.org/w/index.php?title=Calidad_del_embrión&oldid=126542817»