《Zygote》：Decoding the silent language of embryos: current evidence, clinical applicability and future perspectives of non-invasive embryo assessment in IVF
编辑推荐：
非侵入性胚胎评估策略在体外受精（IVF）中日益受到探索，以补充常规形态学评估并改善胚胎选择。这篇叙述性综述全面概述了当前和新兴方法，重点关注时差监测（TLM）、人工智能（AI）、组学技术以及非侵入性基因组检测，并批判性评估其临床效用与局限性。研究人员回顾了近期
非侵入性胚胎评估策略在体外受精（IVF）中日益受到探索，以补充常规形态学评估并改善胚胎选择。这篇叙述性综述全面概述了当前和新兴方法，重点关注时差监测（TLM）、人工智能（AI）、组学技术以及非侵入性基因组检测，并批判性评估其临床效用与局限性。研究人员回顾了近期探讨形态动力学参数、基于AI的胚胎评估、转录组、代谢组和分泌组生物标志物以及非侵入性植入前遗传学检测的文献，包括相关临床研究、系统综述和基于指南的建议。TLM能够连续监测胚胎发育，并提供与发育能力相关的形态动力学信息；然而，随机临床证据并未证明单独使用基于TLM的胚胎选择可在有临床意义的结局方面带来一致改善。基于AI的模型可能改善胚胎评估的客观性和可重复性，但预测性能异质、外部验证有限以及改善活产结局的证据不足，目前主要支持其作为决策支持工具使用。基于组学的方法已识别出与胚胎能力和着床相关的潜在非侵入性生物标志物，尽管方法学变异、缺乏标准化和有限的前瞻性验证继续限制其临床转化。在非侵入性基因组方法中，基于游离DNA（cfDNA）的非侵入性植入前非整倍体遗传学检测（niPGT-A）已显示出有前景的潜力，但其与滋养层活检的一致率可变，且临床验证不足，目前妨碍其替代常规植入前非整倍体遗传学检测（PGT-A）。胚胎来源cfDNA的更全面基因组应用仍处于探索阶段。总体而言，胚胎评估正朝着整合形态学、发育、分子和计算信息的综合性、多维策略演变。尽管技术取得重大进展，大多数新兴非侵入性方法仍处于研究性或实验性阶段，在常规临床实施前，需要严格标准化、多中心前瞻性验证并证明有临床意义结局的改善。
论文解读：
Gulcin Ozkara 撰写的这篇叙述性综述围绕体外受精（IVF）中非侵入性胚胎评估展开。研究背景在于，尽管卵巢刺激、胚胎培养系统和实验室实践不断进步，IVF着床率仍有限，相当比例形态学优质囊胚未能着床或活产，说明胚胎形态不能完全反映发育能力。传统形态学评估使用Gardner和Schoolcraft分级、Istanbul共识及其更新标准，但相似形态胚胎在染色体状态、代谢活动、基因表达和着床潜力方面差异明显。因此，研究人员需要寻找补充性、优先非侵入性标志物。过去十年，TLM、AI、代谢组、蛋白组、转录组及培养液cfDNA分析等被研究，但多数未进入常规，研究设计、实验室方案、分析方法和临床终点异质，单中心标志物外部可重复性低，临床价值不确定。该综述旨在总结常规形态学、TLM、AI和新兴组学方法的证据，讨论生物学依据、临床适用性和局限，强调整合而非孤立评价。
关键技术方法：该文为叙述性综述，未开展原始临床试验或采集新的胚胎/患者队列。作者通过检索并批判性评价近期文献，纳入形态动力学参数、基于AI的胚胎评估、转录组、代谢组和分泌组生物标志物以及非侵入性植入前遗传学检测相关证据，包括临床研究、系统综述和指南建议。分析框架覆盖常规形态学、TLM、AI、非侵入性基因组学、组学技术及其临床适用性和局限。文中引用证据涉及已发表研究中的IVF胚胎、囊胚、使用过的培养液/胚胎培养上清及部分随机对照试验，但综述本身无样本队列来源。
研究结果：
常规形态学评估：常规形态学仍是基石，主要依据卵裂期细胞数、卵裂球大小和对称性、碎片程度，以及囊胚期囊胚腔扩张、内细胞团（ICM）和滋养层（TE）形态。Istanbul共识标准化，近期更新纳入异常卵裂模式、桑葚胚评估，并将囊胚分级从数字改为字母A–D。国际调查529名胚胎学家、代表82国家显示胚胎分级实践、评估时机和辅助技术使用差异大。基于更新ASEBIR框架的分析显示ICM分级与着床或活产无显著相关，囊胚扩张和TE形态是独立预测因子；一旦发育到囊胚，卵裂期形态额外预后信息少。但形态学不足以准确预测整倍体和着床潜力，且仅为静态快照。
TLM与形态动力学：TLM可在稳定培养条件下每10分钟连续成像，提供分裂同步性和关键发育里程碑信息。形态动力学受母体年龄、体质量指数（BMI）、卵巢储备、刺激方案和子宫内膜异位症等影响。随机研究未显示TLM选择优于常规形态；SelecTIMO和TILT多中心双盲随机对照试验均未显示累积持续妊娠或活产改善。Serrano-Novillo等分析374个囊胚，发现整倍体更早达到若干里程碑，并识别细胞质运动参数St2，但曲线下面积（AUC）约0.69，不能可靠替代侵入性遗传检测。结论是TLM当前主要价值在连续观察和客观注释，单独选择有限，未来需与AI、代谢组学等多组学整合。
计算与数据驱动（AI）胚胎评估：AI基于深度学习，用静态图像或延时视频及植入、胎心、活产或PGT-A结果训练。AI与经验胚胎学家一致性高，减少观察者变异，但研究设计、成像平台和验证策略异质。AI非侵入性倍性预测AUC约0.65–0.87，变异大，不能替代PGT-A。Illingworth等多中心随机双盲非劣效试验显示AI辅助选择对持续妊娠等关键结局非劣于标准胚胎学家评估，但无明确优效。结论：AI应作为决策支持工具，而非自主胚胎选择系统。
IVF中的非侵入性基因组学
非侵入性植入前遗传学检测（ni-PGT-A）：分析培养液cfDNA，无需TE活检。初始多中心研究显示与TE活检中度至高度一致，但中心间变异。cfDNA与TE和ICM样本比较也显示鼓励性一致。Sakkas等临床研究比较常规TE活检与ni-PGT-A，持续妊娠和流产率相当。但存在母体DNA污染、胚胎嵌合、cfDNA产量低和扩增错误等局限。系统综述、专家共识和学会建议认为其不能替代常规TE活检PGT-A。未来cfDNA分离、污染控制和测序改进可能提高效用，更全面基因组应用仍探索性。
转录组学与非编码RNA研究：分析培养液中mRNA、miRNA和其他细胞外RNA，用定量PCR或高通量RNA测序。miRNA最受关注，因稳定且调控早期发育。初始研究显示特定miRNA与倍性和妊娠结局相关。Capalbo等发现miR-20a和miR-30c，着床预测准确率约77–78%。Kamijo等RNA测序模型准确率接近80%。Wu等大规模细胞外RNA测序揭示动态和阶段特异性签名。Licciardi等发现整倍体与非整倍体表达差异。Ortega-Jaén等探索RNA测序作为PGT-A辅助，显示一致并识别着床相关表达谱。但培养液成分、受精技术、冷冻、染色体状态、父母特征和不孕诊断影响结果，meta分析显示非编码RNA诊断性能中等且研究间变异大。未来需与蛋白组和代谢组整合。
代谢组学与分泌组学：分析培养液代谢物、蛋白和信号分子。质谱（MS）、核磁共振（NMR）和拉曼光谱扩展检测能力。氨基酸周转、能量代谢和脂质代谢与胚胎能力相关；赖氨酸、色氨酸、谷氨酰胺、精氨酸和脯氨酸代谢物可能标志物。机器学习整合代谢签名对着床和非整倍体预测有鼓励性。分泌组发现HLA-G、白血病抑制因子（LIF）、白介素和细胞外基质蛋白等着床相关蛋白。与形态或TLM参数结合可能改善预测。但近红外（NIR）光谱早期商业化后，前瞻随机研究和个体患者数据meta分析未显示活产改善。低样本量、培养条件、分析平台、生信管线和缺乏标准化及前瞻多中心验证限制可重复性和转化，尚无单一代谢组或分泌组标志物进入常规。
未来展望：未来方向是多模态整合，将影像、分子和计算数据结合，AI可整合常规形态、形态动力学、细胞外转录组、代谢组和分泌蛋白，预测着床、持续妊娠和活产。需要标准化培养条件、培养箱系统、培养基、图像采集、分析平台和生信管线，开展多中心前瞻研究、独立外部验证，采用累计活产等有临床意义终点。AI需可解释、可重复和可泛化，作为补充而非替代胚胎学家。胚胎能力由复杂的分子、代谢和胚胎-子宫内膜相互作用决定，系统生物学整合多组学层是方向。
讨论与结论翻译：讨论强调未来胚胎评估不会依赖单一“最佳生物标志物”，而在于在稳健、临床验证框架内整合互补影像、分子和计算信息；也没有单一技术能涵盖着床和活产的全部决定因素。结论原文翻译为：胚胎评估已从传统形态学评估向综合性、非侵入性和数据驱动策略演变。TLM、AI、代谢组和分泌组分析以及非侵入性基因组检测等方法为胚胎活力和着床潜力提供互补信息。方法学异质性、样本特征变异和普遍性有限仍是研究中的重要挑战。同时，越来越多证据表明，整合互补技术而非依赖任何单一生物标志物，是改善胚胎选择最现实的路径。重要的是，既往几种有前景技术的经验也表明，仅有鼓励性初步发现不足以支持临床采用，除非经过严格外部验证并证明可改善活产结局。胚胎评估的未来不太可能依赖单一变革性技术，而更可能依赖在严格临床验证支持下的互补影像、分子和计算方法的有思考整合。这种循证策略更可能改善胚胎选择，同时保留经验丰富胚胎学家在临床决策中的核心作用，并最终改善患者结局。
