Genomic assessment of follicular marker genes as pregnancy predictors for human IVF
Notice bibliographique
Résumé
Embryo selection efficiency in human IVF procedure is still suboptimal as shown by low pregnancy rates with single embryo transfer (SET). Bidirectional communication between the oocyte and follicular cells (FC) is essential to achieve developmental competence of the oocyte. Differences in the gene expression profile of FCs from follicles leading to pregnancy could provide useful markers of oocyte developmental competence. FCs were recovered by individual follicle puncture. FC expression levels of potential markers were assessed by Q-PCR with an intra-patient and an inter-patient analysis approach. Using gene expression, a predictive model of ongoing pregnancy was investigated. Using intra-patient analysis, four candidate genes, phosphoglycerate kinase 1 (PGK1), regulator of G-protein signalling 2 (RGS2), regulator of G-protein signalling 3 (RGS3) and cell division cycle 42 (CDC42) showed a difference between FCs from follicles leading to a pregnancy or developmental failure. The best predictors for ongoing pregnancy were PGK1 and RGS2. Additionally, inter-patient analysis revealed differences in FC expression for PGK1 and CDC42 between follicles leading to a transferred embryo with positive pregnancy results and those with negative results. Both inter-patient and intra-patient approaches must be taken into consideration to delineate gene expression variations in the context of follicular competence. A predictor model using biomarkers could improve the efficiency of predicting developmental competence of oocytes. These new approaches provide useful tools in the context of embryo selection and in the improvement of pregnancy rates with SET.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».