在现代医学的辅助生殖技术中，试管婴儿技术为许多不孕不育家庭带来了希望。然而，即使通过三代试管技术（PGT）筛选整倍体胚胎，也会面临胚胎着床和妊娠失败的的风险。其中有许多制约因素，例如“种子”转录组异常或者表观异常，以及“土壤”内膜容受性因素、免疫因素等。除“种子”基因组异常外，囊胚多组学是胚胎学家讨论的前沿之一。通过转录组特征可追踪到胚胎细胞分化过程中的关键基因表达模式及表观遗传学调控模式，其对于胚胎的形成和发育至关重要。

2024年10月16日，浙江省生殖健康疾病临床医学研究中心、浙江大学医学院附属邵逸夫医院张松英教授团队童晓嵋课题组与亿康医学在生殖医学权威期刊《人类生殖》Human Reproduction (IF=8.3) 期刊联合发表题为"Multi-omics PGT: re-evaluation of euploid blastocysts for implantation potential based on RNA sequencing"的研究，揭示了除染色体整倍性之外，胚胎的转录组特征也是预测着床潜力的重要指标。

研究通过DNA测序（DNA-seq）和RNA测序（RNA-seq）结合的多组学方法创新性评估了囊胚的植入潜力，这种方法提供了比传统仅基于染色体数量的筛选更为全面的胚胎信息。研究者们利用机器学习模型，基于差异表达基因（DEGs）预测了囊胚的着床成功率，构建了胚胎与子宫内膜之间的相互作用网络（PPIN），揭示了胚胎植入过程中胚胎与子宫内膜之间的功能性关系。这种方法不仅提高了预测准确性，还无缝集成了现有的胚胎植入前遗传学检测（PGT-A）流程，为提高试管婴儿成功率提供了新的策略。

首先，研究纳入因复发性流产、反复种植失败等进行非整倍体改变胚胎植入前遗传学筛查（PGT-A）治疗的患者，对412个囊胚进行活检，一部分用于PGT-A检测DNA拷贝数变异，另一部分同时通过RNA测序（RNA-seq）以分析转录组特征。基于DNA测序的PGT-A检测率达99.8%，表明该方法具有极高的可靠性。对于RNA测序部分，在第5天和第6天形成的整倍体囊胚之间，研究发现了187个差异表达基因（DEGs）。这些基因主要参与细胞分化、胚胎胎盘发育、PPAR信号通路和Notch信号通路。这些发现为理解囊胚发育和植入潜力提供了重要的分子标记。通过蛋白-蛋白相互作用网络分析发现D5/D6 DEGs与容受期子宫内膜特异性基因之间存在功能性的对话。这种相互作用网络的存在表明胚胎在植入后进一步分化，并且与子宫内膜的相互作用对于植入成功至关重要。

随后，利用280个与临床妊娠成功或失败相关的DEGs，研究者构建了采用随机森林（RF）、支持向量机（SVM）和线性判别分析（LDA）三种方法预测模型，以优化整倍体囊胚的选择。在测试集上，这些模型的曲线下面积（AUC）分别为0.88、0.71和0.84，显示出较高的预测准确性。通过随机森林（RF）模型对83个移植的整倍囊胚进行回顾性分析，确定了良好（prob≥0.6）、中等（0.5≤prob < 0.6）和较差（prob < 0.5）三类不同植入潜能的胚胎。结果显示，优良组的囊胚植入率显著高于中等组（88.6% vs 50.0%，P = 0.001），中等组的植入率又显著高于较差组（50.0% vs 20.8%，P = 0.035）。这表明通过转录组分析和机器学习模型可以显著提高囊胚的植入成功率。与原始植入率相比，优良组的植入率显著提高（88.6% vs 57.8%，P = 0.001），这进一步证实了该研究方法在提高植入成功率方面的潜力。

该方法学的建立有助于临床工作者在PGT-A整倍体胚胎的基础上，通过转录组分析进行胚胎筛选，从而选择最有可能移植成功的胚胎，减少患者多次植入失败的风险。随着检测技术的不断进步和对胚胎发育生物学的深入理解，胚胎多组学正逐渐成为一种有前景的诊断技术。期待未来有更多的前瞻性研究来验证这项技术，以进一步提升辅助生殖技术的成功率。