O-055 A large proportion of cycle failure is associated with an excessive inflammation response
Notice bibliographique
Résumé
Abstract Our recent studies aims to understand IVF cycle failure using transcriptomic analysis of pooled granulosa cells from one oocyte collection session to characterize the patient response to the treatment and identify the cause of failure. We first performed a genomic analysis to identify the granulosa gene expression profile of women (n = 32) that didn’t get pregnant after an IVF cycle and identify potential failure causes. 165 differentially expressed genes (DEGs) were found between cells from follicles associated with failed and successful IVF cycles. The biological functions significantly affected in the negative patients were mainly related to immune and inflammatory responses. Indeed, many of the affected genes encode pro-inflammatory cytokines (e.g. IL1B and EGR1) or other inflammation-related factors that are transcriptionally active in human granulosa cells. Overexpression of several factors, including some acting upstream from VEGF, also indicates increased permeability and vasodilation. Another mechanism that appears more pronounced in the negative group is the recruitment of immune cells to ovarian tissues. Additionally, to this sustained pro-inflammatory response, the anti-inflammatory mechanisms normally helping restoration of homeostasis seem to be impaired in the negative group supporting the hypothesis that the ovarian environment created by hormonal stimulation is prone to dysregulation. Using these inflammation markers and other genes indicative of follicular status (e.g. growth phase or over-differentiated follicles) we analyzed an enlarged cohort of negative patients (n = 63) by qRT-PCR. A hierarchical cluster analysis showed that the negative patients could cluster into 3 groups. Moreover, these groups mainly differ on the expression of genes indicative of different failure causes. These results highlight the possibility of creating a simple diagnostic tool to identify the probable cause of failure and means to improve success in the next cycle.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».