MétaCan
Menu
Retour à la cohorte
Enregistrement W2591846204 · doi:10.1093/biolreprod/85.s1.743

Non-Invasive Assessment of Spent Bovine Culture Media Using Proton Nuclear Magnetic Resonance.

2011· article· en· W2591846204 sur OpenAlexaff
Kayla Jane Perkel, Pavneesh Madan

Notice bibliographique

RevueBiology of Reproduction · 2011
Typearticle
Langueen
DomaineMedicine
ThématiqueReproductive Biology and Fertility
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésBiologyBlastocystEmbryo cultureEmbryoOocyteMetabolomicsHuman fertilizationAndrologyIn vitro fertilisationZygoteEmbryonic stem cellIn vitro maturationEmbryogenesisMetabolomeMetaboliteEmbryo qualityCell biologyBiotechnologyGeneticsBioinformaticsBiochemistryGene

Résumé

récupéré en direct d'OpenAlex

Early embryonic mortality is a great determinant of reproductive efficiency in mammals, including cattle. In in vitro production, approximately 90% of oocytes undergo fertilization following in vitro maturation; however, of these fertilized oocytes approximately 30-40% will reach the blastocyst stage. Factors involved in early embryonic mortality include oocyte and sperm quality, genetic factors, environmental and oxidative stresses, and largely in in vitro production, sub-optimal culture conditions. Current methods of embryo viability evaluation depend on morphological assessment, which in spite of its importance, is a poor predictor of embryo viability. Development of refined biological techniques like metabolomics has enabled us to explore the health of a cell based on its secreted metabolite constituents. Advanced analytical techniques, such as proton nuclear magnetic resonance (H1 NMR) has little chemical bias, gives detailed structural information of isolated metabolites and allow metabolites to be measured simultaneously with minimal sample preparation. We hypothesize that, embryos developing at different rates differ in their metabolomic signatures. The specific objective of study was to determine the metabolomic signatures of slow growing and fast growing embryos at timed stages of development, thereby determining possible biomarkers of embryo competency. Oocytes were collected from ovaries obtained from a local abattoir and then matured and fertilized in vitro using standard protocols. Presumptive zygotes were either placed for individual culture in 25 μl media drops. Media samples from fast growing embryos were collected at 2-cell (31 hours post fertilization), 4-cell (42 hours post fertilization), 8-cell (49 hours post fertilization) or 16-cell (72 hours post fertilization) and from slow growing embryos, which required additional 8 to 12 hours to reach equivalent embryo stage. The 18 μl media collection was diluted in 600 μl of 100% deuterium oxide (D2O) which included the internal reference standard TSP (sodium 3-(trimethyl-2,2,3,3)-1-propionic acid-d4). H1 NMR analysis was performed using a 600MHz Bruker NMR spectrometer. Preliminary data indicates distinct differences between metabolomic fingerprints of plain media, 2-cell, 4-cell, 8-cell, and 16-cell slow growing and fast growing groups. Specifically, slow growing embryos had lower lactate uptake and increased pyruvate production, while fast growing embryos demonstrated higher levels of pyruvate uptake. Moreover, in the presence of hydrogen peroxide, a reactive oxygen species, pyruvate can be decarboxylated to produce acetate, a metabolite which is higher in slow growing embryos compared to fast growing embryos. The data suggests that slow growing embryos have a slower metabolism and lower utilization of media substrates, as well as an increased response to oxidative stress. The results provide evidence towards the use of metabolomics for the development of a non-invasive tool for assessing embryo viability and the discovery of potential embryo viability biomarkers. (poster)

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,050
Tête enseignante GPT0,311
Écart entre enseignants0,261 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiology of ReproductionMême sujetReproductive Biology and FertilityTravaux en français237 207