Les chercheurs ont découvert trois gènes, MCM5, FGGY et DDX60L, qui sont fortement liés au risque de développer des œufs avec un nombre anormal de chromosomes lorsque les gènes mutent.
Afin de faire la lumière sur la cause génétique de l’infertilité féminine, les chercheurs de Rutgers ont combiné le séquençage génomique avec des techniques d’apprentissage automatique.
Selon les recherches de l’université Rutgers, l’analyse spécialisée du génome d’une femme peut être utilisée pour prédire sa probabilité de subir l’une des formes les plus courantes de fausses couches.
Cette connaissance, selon les scientifiques, pourrait aider les patients et les médecins à porter un jugement plus éclairé sur leurs options de reproduction et leurs stratégies de traitement de la fertilité.
Les chercheurs de Rutgers décrivent une technique qui combine le séquençage génomique avec des méthodes d’apprentissage automatique pour prédire la probabilité qu’une femme fasse une fausse couche en raison d’une aneuploïdie de l’ovule – un terme qui décrit un ovule humain avec un nombre anormal de chromosomes – dans une étude récente publiée dans le journal Génétique humaine.
L’infertilité est un problème grave de santé reproductive qui touche environ 12 % des femmes en âge de procréer aux États-Unis. L’aneuploïdie des ovules humains est à l’origine de fausses couches précoces et de l’échec de la fécondation in vitro (FIV) et représente un pourcentage important de l’infertilité.
Des recherches récentes ont démontré que certains gènes prédisposent certaines femmes à l’aneuploïdie, bien que les origines génétiques précises de la production d’ovules aneuploïdes restent inconnues. L’étude de Rutgers est la première à évaluer dans quelle mesure des variantes génétiques particulières dans le génome de la mère prédisent le risque d’infertilité d’une femme.
“L’objectif de notre projet était de comprendre la cause génétique de l’infertilité féminine et de mettre au point une méthode pour améliorer le pronostic clinique du risque d’aneuploïdie des patientes”, a déclaré Jinchuan Xing, auteur de l’étude et professeur associé au département de génétique de la Rutgers School of Arts and Sciences. “Sur la base de nos travaux, nous avons montré que le risque d’aneuploïdie embryonnaire chez les patientes en FIV peut être prédit avec une accuracy with the patients’ genomic data. We also have identified several potential aneuploidy risk genes.”
Working with Reproduction Medicine Associates of New Jersey, an IVF clinic in Basking Ridge, N.J., the scientists were able to examine genetic samples of patients using a technique called “whole exome sequencing,” which allows researchers to home in on the protein-coding sections of the vast human genome. Then they created software using machine learning, an aspect of artificial intelligence in which programs can learn and make predictions without following specific instructions. To do so, the researchers developed algorithms and statistical models that analyzed and drew inferences from patterns in the genetic data.
As a result, the scientists were able to create a specific risk score based on a woman’s genome. The scientists also identified three genes – MCM5, FGGY, and DDX60L – that, when mutated, are highly associated with a risk of producing eggs with aneuploidy.
While age is a predictive factor for aneuploidy, it is not a highly accurate gauge because aneuploidy rates within individuals of the same age can vary dramatically. Identifying genetic variations with more predictive power arms women and their treating clinicians with better information, Xing said.
“I like to think of the coming era of genetic medicine when a woman can enter a doctor’s office or, in this case, perhaps, a fertility clinic with her genomic information, and have a better sense of how to approach treatment,” Xing said. “Our work will enable such a future.”
The study was funded by the Eunice Kennedy Shriver National Institute of Child Health and Human Development, the National Institute of General Medical Sciences, and the National Institute of Mental Health.
Reference: “Predicting embryonic aneuploidy rate in IVF patients using whole-exome sequencing” by Siqi Sun, Maximilian Miller, Yanran Wang, Katarzyna M. Tyc, Xiaolong Cao, Richard T. Scott Jr., Xin Tao, Yana Bromberg, Karen Schindler and Jinchuan Xing, 26 March 2022, Human Genetics.
DOI: 10.1007/s00439-022-02450-z
