整合 PGT-A 定序数据中端粒讯号：一种成本工具效率的交互优选新策略

Integrating Telomere Signals from PGT-A NGS Data: A Cost-Effective Approach to Optimize Embryo Selection

论文作者：李季頴^{*1, 2} 郑恩惠 ¹ 施惠馨 ^{1, 3} 蔡汉霓 ¹ 林羿萍 ¹ 黄俊嘉¹ 陈忠义¹ 罗伟哲¹ 李茂盛 ^{1, 3 ,4}

服务机关：茂盛医院[1], 清华大学生物资讯与结构生物研究所[2], 中山医学大学医学研究所[3], 中山医学大学附设医院妇产部[4]

摘要

研究问题： 

除了形态学和 PGT-A (胚胎植入前基因检测：非整倍体筛检) 之外，能否透过测量胚胎的端粒长度，进一步提升 ART (人工生殖技术) 中的选择植入胚胎准确性？

研究设计、规模与期间： 

这是一项经 IRB 批准的回溯性研究 (中国医药大学附设医院，编号 CS1-22094)，重新分析了 2023 年 9 月至 2024 年 8 月期间，来自 1,114 对夫妻的 3,550 个囊胚的 PGT-A 数据 (平均母亲年龄：36.5 岁)。 
先前的研究指出，端粒长度会在受精后增加；有鉴于 PGT-A 定序是采用随机取样，因此研究团队假设「发育潜能较佳的胚胎，其端粒长度较长，会被定序采样到的机率较高」。 
研究团队从定序平台读取的序列片段(reads)总数中计算端粒序列的出现频率，以此估算「端粒长度」，并将其定义为其中一项胚胎分级指标「Teloscore」。 
为准确评估着床结果，本研究仅分析了 259 个单一胚胎植入 (single embryo transfer, SET)的治疗周期。

材料、设置与方法： 

在常规的 PGT-A 中，从滋养层细胞切片获得的基因组 DNA 使用 Embryomap 平台进行定序，平均每颗胚胎会取得约 100 万个长度为36个碱基对的单端DNA序列片段(reads)、品质分数 (Q) ≥20 。端粒的序列片段总数会被量化，以生成胚胎分级指标「Teloscore」。 
统计分析采用广义估计方程 (GEE) 和多变量逻辑回归来评估 Teloscore、胚胎整倍体状态与著床结果之间的关联。实验中，胚胎的母亲与父亲平均年龄分别为 35.5 岁和 38.9 岁。

主要结果： 

多变量逻辑回归分析确定 Teloscore 是预测着床的唯一显著因子 (胜算比 OR=1.106, 95% 、信赖区间 CI: 1.016−1.206, p=0.020)，意即不受其他因子影响。实验中显示胚胎是否在第五天活检在统计上未达显著 (p=0.072)。而在针对整倍体状态和临床共变量进行调整后，Teloscore 的预测价值依然存在。 
此外，研究团队也在相同样本上进行重复定序，证实了 Teloscore 测量的技术重现性，Teloscore 的重复测量值之间显示出强相关性 (斜率 =0.90, R2=0.77, p<0.001)。

结论： 

Teloscore－－从标准 PGT-A 定序数据中衍生出的次级分析指标－－提供了一种具成本效益且不需额外活检的评估胚胎活力的方法。这个新颖的生物标记可能辅助现有的胚胎选择策略，并具备优化选胚策略的潜力。