Дальневосточный государственный медицинский университет Поиск | Личный кабинет | Авторизация
Поиск статьи по названию
Поиск книги по названию
Каталог рубрик
в коллекциюДобавить в коллекцию

ИСПОЛЬЗОВАНИЕ МАШИННОГО ОБУЧЕНИЯ ДЛЯ АНАЛИЗА ЛИПИДНОГО ПРОФИЛЯ СРЕДЫ КУЛЬТИВИРОВАНИЯ И ПРОГНОЗИРОВАНИЯ ЭФФЕКТИВНОСТИ ВСПОМОГАТЕЛЬНЫХ РЕПРОДУКТИВНЫХ ТЕХНОЛОГИЙ


Аннотация:

Определение липидного профиля среды культивирования эмбриона является одним из современных и перспективных неинвазивных способов прогнозирования эффективности программы вспомогательных репродуктивных технологий (ВРТ). Использование методов машинного обучения для определения наиболее значимой группы липидов в среде культивирования позволяет обрабатывать нелинейные отношения в данных, а также извлекать наиболее информативные признаки из входных параметров. Цель: Разработать метод прогнозирования результата ВРТ на основании анализа профиля липидов среды культивирования эмбриона на 5-е сутки после оплодотворения с использованием градиентного бустинга (ГБ) и определить липиды, которые вносят наибольший вклад в прогнозирование. В исследование были включены 60 супружеских пар, обратившихся за лечением бесплодия методом ВРТ. Пациенткам с трубно-перитонеальным фактором бесплодия, включенным в исследование, была выполнена овариальная стимуляция по протоколу с антагонистом гонадотропин-рилизинг-гормона. В день переноса эмбриона был проведен забор среды культивирования с последующей криоконсервацией образцов среды. Липидный профиль образцов был определен с помощью жидкостной хроматографии с масс-спектрометрическим детектированием (ЖХ-МС). Полученные данные были проанализированы с использованием ГБ. В результате разработана модель ГБ для прогнозирования результатов ВРТ по липидному профилю среды культивирования. Модель позволяет с точностью 79% (f1 score: 0,81) выявлять липидный профиль среды культивирования с эмбрионами, подсадка которых завершилась наступлением беременности. Среди идентифицированных липидов культуральной среды, согласно построенной модели, наибольший вклад в определение имплантационного потенциала эмбриона вносят триацилглицерины. Заключение: Анализ данных ЖХ-МС с помощью метода ГБ позволяет выделить различные классы липидов в среде культивирования эмбриона, что может быть использовано в качестве неинвазивного подхода для оценки качества и имплантационного потенциала эмбриона, а также для создания прогностической тест-системы эффективности программы ВРТ. Эта информация дает возможность более детального изучения механизмов повреждения гамет у пациентов с различными экстрагенитальными заболеваниями, а также может быть использована для разработки методов селективного переноса максимально перспективного эмбриона.

Авторы:

Драпкина Ю.С.
Макарова Н.П.
Чаговец В.В.
Васильев Р.А.
Амелин В.В.
Калинина Е.А.

Издание: Акушерство и гинекология
Год издания: 2025
Объем: 9с.
Дополнительная информация: 2025.-N 2.-С.91-99. Библ. 28 назв.
Просмотров: 3

Рубрики
Ключевые слова
score
vitro
анализ
антагонисты
беременности
бесплодие
болеющие
бустинг
бытовые
включениями
возможности
вспомогательные
входной
выполнение
гамета
гонадотропин-рилизинг
градиент
групп
данные
детектирование
детям
жидкостная
заболевания
идентификация
изучение
имплантации
инфекций
информации
использование
использованием
исследование
качества
класс
клетки
ключ
криоконсервация
культивирование
культивируемые
культуральная
лечение
липид
липидные
липидный
максимальная
машинное
метод
методов
методы
механизм
модели
наибольшая
наступления
неинвазивная
нелинейная
обмен
образцов
обучение
обучения
овариальная
одного
оплодотворение
определение
определения
основание
отношение
оценка
пар
параметр
пациент
перенос
перспективная
повреждение
подход
поза
пола
помощи
после
послед
потенциал
признаки
проведения
прогнозирование
прогностическая
программ
протоколы
профиль
различный
различными
разработка
результата
репродуктивная
селективная
слова
современная
создание
способ
среда
стимуляци
супружеские
тестовые
технология
точная
трубная
фактор
хроматография
цель
экстрагенитальный
эмбрион
эффективность
Ваш уровень доступа: Посетитель (IP-адрес: 10.1.150.229)
Яндекс.Метрика