人工智能模型PGT-Plus在胚胎植入前基因检测中实现异常倍性精准识别

本研究针对PGT-A（胚胎植入前非整倍体筛查）无法检测倍性异常的临床痛点，开发了基于超低覆盖度全基因组测序(ulc-WGS)的AI模型PGT-Plus。该模型通过整合杂合率、等位基因似然比等23个特征，可100%准确识别三倍体、全基因组单亲二倍体(GW-UPD)等异常，在19,103例2PN胚胎中检出0.57%异常倍性胚胎，并从140枚1PN胚胎中成功挽救57枚可移植二倍体胚胎。该技术无需额外实验步骤，显著提升了PGT的临床应用价值。

　　

人类生殖效率受胚胎染色体异常影响显著，其中倍性异常（如三倍体、单亲二倍体）可导致葡萄胎、流产等严重后果。传统PGT-A技术虽能检测非整倍体，却无法识别全染色体组倍性异常。更棘手的是，体外受精(IVF)中通过原核形态判断的"异常受精"胚胎（如单原核1PN胚胎）实际有30-50%可能是正常二倍体，造成大量优质胚胎被错误废弃。这种技术局限既增加了异常胚胎移植风险，又浪费了珍贵生殖资源。

为突破这一技术瓶颈，Pingyuan Xie、Ge Lin等研究者开发了PGT-Plus人工智能模型。该研究分两阶段进行：首先利用653例已知倍性样本建立模型，通过随机森林算法整合11个关键特征（包括杂合率Z值、BPH/SPH似然比等），在792例验证样本中实现99.5%检出率和100%准确率。随后应用于19,103例临床胚胎检测，发现其不仅能有效拦截异常倍性胚胎，更能从传统认为"异常"的1PN胚胎中挽救出正常二倍体胚胎。相关成果发表在《Human Reproduction Open》期刊。

关键技术方法包括：1）基于1000基因组计划数据库计算高频率双等位SNP的杂合率和等位基因似然比(LLR)；2）采用随机森林算法比较SVM和逻辑回归模型性能；3）对19,103例2PN和140例1PN囊胚进行滋养层活检和NGS测序；4）通过受试者工作特征曲线评估模型效能。

主要研究结果：

【准确倍性预测AI模型】

模型对GW-UPD的AUC达1.0，三倍体识别AUC为1.0，二倍体识别AUC 0.99。在792例盲法验证中，735例二倍体样本与54例异常样本均100%符合预期。特征重要性分析显示，BPH/SPH比例、染色体Z值标准差等11个特征最具判别力。

【2PN PGT囊胚中的异常倍性】

在19,069例可分析样本中，检出110例（0.57%）异常倍性，包括96例三倍体（0.50%）和14例GW-UPD（0.07%）。三倍体胚胎中XXY型占54.2%（24例伴附加异常），XXX型占45.8%（27例伴附加异常）。值得注意的是，胚胎质量越差，三倍体率越高（优质胚胎0% vs 差胚0.77%）。

【1PN囊胚中二倍体胚胎鉴定】

140例1PN胚胎中，69.3%为双亲来源二倍体（46例整倍体、11例嵌合体）。ICSI来源1PN胚胎的异常倍性率显著高于IVF（37.1% vs 2.9%）。经患者知情同意，20例移植1PN来源整倍体囊胚的患者获得50%临床妊娠率，其中9例持续妊娠。

研究结论与意义：

1）PGT-Plus首次实现基于常规PGT-A数据的全自动倍性分析，无需父母样本或额外实验步骤，使三倍体等异常检出成本降低90%以上；

2）推翻"1PN胚胎必须废弃"的传统认知，为卵巢储备低下患者增加30-40%可用胚胎；

3）发现ICSI来源1PN胚胎异常率显著高于IVF（P<0.01），建议ICSI周期1PN胚胎必须进行分子遗传学确认；

4）局限性在于无法检测92,XXXX等完全同源多倍体，未来需整合单细胞测序等技术突破。

该研究通过AI技术创新，既避免了异常胚胎移植导致的妊娠失败，又挖掘了"边缘化"胚胎的临床价值，为生殖医学领域提供了双重保障。特别是在中国二孩政策背景下，对高龄、卵巢功能减退患者的生育力保存具有重要实践意义。