摘要：在生命的宏大叙事中，孕育新生命无疑是最动人心弦的篇章。对于无数渴望拥有自己孩子的家庭而言，体外受精（IVF），俗称“试管婴儿”技术，无疑是现代医学点亮希望的灯塔。它让“求子之路”不再是绝望的代名词，而是充满了科学与爱的奇迹。
引言
在生命的宏大叙事中，孕育新生命无疑是最动人心弦的篇章。对于无数渴望拥有自己孩子的家庭而言，体外受精（IVF），俗称“试管婴儿”技术，无疑是现代医学点亮希望的灯塔。它让“求子之路”不再是绝望的代名词，而是充满了科学与爱的奇迹。
然而，尽管这项技术问世已逾四十载，帮助了成千上万的家庭，其总体成功率却依然徘徊在约30%的水平。这个数字背后，是许多夫妇漫长而煎熬的等待，是反复尝试的身体与精神双重考验。为什么我们明明在实验室里孕育了生命，却依然难以保证最终的成功？症结究竟何在？
答案的核心，往往在于如何精准地识别出那个最具“天赋”、最有可能健康成长的“天选之子”——胚胎。在IVF过程中，挑选出最有发育潜能（developmental potential）的胚胎进行移植，是决定成败的关键。但传统的胚胎评估方式，常常依赖于胚胎学家的肉眼观察，这就像是一门古老的“相面术”，主观性强，效率不高，且难以洞察胚胎深层次的秘密。
想象一下，如果我们能拥有“火眼金睛”，在不触碰胚胎分毫的情况下，就能读取它所有的“生命密码”，洞悉其健康状况和未来潜力，那该是多么激动人心的一件事！这不再是科幻，而是正在IVF领域掀起的一场非侵入性（noninvasive）技术革命。研究人员正通过最前沿的生物标志物（biomarkers）研究，从胚胎悄悄分泌到培养液（spent media）中的DNA、RNA、蛋白质、代谢物，甚至微小的细胞外囊泡（extracellular vesicles, EVs）中，寻找生命的“信号”。这些无创的“液体活检”（liquid biopsy）和智能化的“时间舞曲”，正帮助我们更客观、更精准地为每一个新生命挑选最佳的“起跑线”。这不仅关乎一个个家庭的幸福，更深远地影响着生殖医学的未来。
火眼金睛识胚胎——形态学与动力学 (Morphology & Kinetics)
我们对胚胎的观察和评估，可以追溯到IVF技术诞生之初。起初，这就像是古老的“相面术”：胚胎学家们会根据受精卵（zygote）和早期胚胎在不同发育阶段的静态图像，来判断它们的“颜值”和“命运”。
从“相面术”到“时间舞曲”
早期研究发现，受精后原核（pronuclei, PN）的模式具有很高的预测价值。在原核并置（pronuclear apposition）时，原核内“核仁前体（nucleolar precursor bodies, NPBs）”的数量、大小和分布模式，被视为预测胚胎后续发育和染色体状态的重要指标。例如，研究发现“正常原核模式”——即两个原核大小相同、NPBs分布均匀——对胚胎的进一步发育和染色体状况具有“极高”的预测能力。甚至有研究显示，中心原核并置（central PN juxtaposition）与活产率（live birth rate）提高两倍相关，而多核卵裂球（multinucleated blastomeres, MNB）的存在则会使活产率降低一半。
对于正在分裂的胚胎，评估标准包括卵裂球（blastomeres）的数量和对称性、碎片化程度（fragmentation）、多核卵裂球的存在以及致密化（compaction）状态。囊胚（blastocyst）则根据囊胚腔（blastocoel）扩张程度、内细胞团（inner cell mass）和滋养外胚层（trophectoderm）的定义进行评分。
然而，这些依赖肉眼观察的“相面术”往往受主观性影响，不同观察者之间存在差异，导致其预测IVF成功率的准确性不尽如人意。例如，对于卵裂期胚胎和囊胚的形态学分级，与IVF成功率的关联性被认为“较差”，这很可能与不同观察者之间甚至同一观察者的不同时间观察存在差异有关。
为了消除这种主观性，时间-延时成像技术（time-lapse technology）和形态动力学算法（morphokinetic algorithms）应运而生。这就像给胚胎拍一部连续的“生长纪录片”，通过计算机分析其从受精到囊胚形成的每一个微小变化，从而获得更客观、更全面的信息。
AI的“透视眼”与未竟的验证
目前，胚胎动力学的许多标志物已被应用于胚胎移植的决策算法中。从多达35个形态计量学、形态学和形态动力学变量中，只有单细胞合子（one-cell zygote）中原核的位置以及二细胞期（two-cell stage）无多核卵裂球（MNB）的存在与活产率相关。
AI（人工智能）和机器学习（machine learning）的介入，更是为胚胎形态学评估带来了“透视眼”。通过时间-延时记录，AI可以创建虚拟三维（3D）图像，显著提升了对囊胚发育的预测性能。例如，一项研究报告称，通过AI模型预测人类囊胚的倍性状态（ploidy status）时，其准确性可达0.74，非整倍体（aneuploidy）的预测精确度高达0.83，召回率（recall）更是达到了0.84。这意味着AI在识别染色体异常胚胎方面具有很强的能力。
客观的进步，昂贵的投入
形态学和动力学评估的优势在于，它们可以应用于胚胎的极早期阶段，包括单细胞合子。时间-延时技术消除了主观偏见，评估速度更快，对胚胎更友好，避免了胚胎长时间暴露在孵化器外。然而，其优越性尚未在已发表的两个随机对照试验（RCTs）中得到完全证实。此外，虽然人工形态学分级无需昂贵设备，但时间-延时图像的生成和处理则需要购买更昂贵的设备。
DNA的秘密——染色体倍性状态 (Genomics)
胚胎的染色体健康是决定其发育潜能的关键。非整倍体（aneuploidy），即染色体数量异常，是导致着床失败（implantation failure）、流产（miscarriage）和胎停（abortion）的“罪魁祸首”。
从活检“采证”到液体“寻踪”
非整倍体主要源于卵母细胞（oocytes）的减数分裂错误，这与母亲年龄密切相关。但它也可能由精子异常或早期卵裂期的有丝分裂错误引起。为了应对非整倍体问题，胚胎植入前遗传学检测（PGT-A）于上世纪90年代初被引入IVF临床实践。
最初，PGT-A主要通过荧光原位杂交（FISH）技术，对异常发育的胚胎细胞进行分析，但只能检测有限的几条染色体（如X, Y, 18, 13, 21）。为了不影响胚胎活性，后来发展出滋养外胚层活检（trophectoderm biopsy）技术，即从囊胚中提取少量滋养外胚层细胞进行检测。随后，更高效的技术如聚合酶链式反应（PCR）、比较基因组杂交（CGH）和新一代测序（NGS）逐渐取代了FISH，使PGT-A能够检测更多甚至所有的染色体。
然而，传统的PGT-A，即使采用了最先进的分子技术，也面临着诸多挑战。首先，滋养外胚层细胞通常发育成胎盘，而内细胞团（inner cell mass）发育成胎儿。因此，活检细胞的遗传物质不一定完全代表胚胎的真实情况。其次，滋养外胚层活检可能会对胚胎的发育潜能造成潜在损害。最后，由于存在嵌合体胚胎（mosaic embryos），即胚胎中同时存在正常和非整倍体细胞，活检结果并不能完全预测嵌合体的真实水平。
为了克服这些问题，研究人员开始探索从胚胎培养液中分析游离DNA的方法，这催生了非侵入性染色体筛查（noninvasive chromosome screening, NICS），也称非侵入性PGT-A（niPGT-A）。
液体活检的精准“画像”
niPGT-A，这种非侵入性液体活检（liquid biopsy）技术，通过对培养液中胚胎释放的DNA进行全基因组扩增（whole-genome amplification, WGA），然后进行NGS分析，评估胚胎的倍性状态。研究显示，niPGT-A在诊断胚胎倍性准确性方面，表现出“高灵敏度、特异性”，假阳性率和假阴性率都很低，甚至与传统PGT-A“不相上下”。
最近，niPGT-A已被成功应用于单胚胎移植（single-embryo transfer）中，用于筛选携带平衡染色体易位（balanced chromosomal rearrangements）患者的整倍体胚胎。尽管这些发现令人鼓舞，但传统的PGT-A，即对捐赠用于研究的过剩IVF胚胎进行的PGT-A，仍然是验证新非侵入性生物标志物的“金标准”，niPGT-A的广泛应用仍需更多随机对照试验（RCTs）的确认。同时，AI和形态动力学分析的结合也被寄予厚望，有望在未来替代部分或全部的PGT-A和niPGT-A。
niPGT-A能够提供关于胚胎发育潜能的信息，有助于选择最佳胚胎进行移植。其结果获取速度比传统PGT-A更快。然而，两种方法都需要昂贵的设备和高技能的专业人员。未来，基于形态学、形态动力学数据，有时甚至结合患者临床数据的间接评估方法，可能是最佳解决方案。
生命活力的“指纹”——基因活性 (Gene Activity)
胚胎的早期发育并非从零开始，而是巧妙地利用了卵母细胞中预先储存的“储备”——母体mRNA和蛋白质。然而，真正的“生命序曲”——胚胎基因激活（embryonic gene activation）——则在特定阶段才会奏响。
基因表达的序曲——转录组学 (Transcriptomics)
miRNA的“指挥棒”
人类胚胎的基因组主要激活（major embryonic gene activation）发生在四细胞期（four-cell stage）到八细胞期（eight-cell stage）之间，这比大多数实验室动物要晚。但即使在单细胞期，也能检测到低水平的基因表达。
健康卵裂球（blastomeres）合成的一些RNA种类能够分泌到胚胎培养液中并保持稳定，这为利用胚胎分泌的RNA作为胚胎质量标志物提供了可能性。其中，非编码RNA（non-coding RNAs, ncRNAs）受到了特别关注，它们占转录组（transcriptome）的98%，其中微小RNA（microRNAs, miRNAs）和piwi相互作用RNA（piRNAs）被证实与胚胎活力和发育潜能相关。
miRNAs由18-24个核苷酸组成，通过翻译抑制或mRNA降解来调节基因表达。它们被认为在着床之初调节囊胚对子宫内膜（endometrium）的粘附。在过去的十年中，从人囊胚分泌到培养液中的miRNAs被视为非侵入性胚胎选择的潜在生物标志物，甚至可以预测胚胎移植后的生化妊娠（biochemical pregnancy）丢失风险。另一种snRNA，piRNA，也参与基因表达调控和基因组稳定性保护，并被提出作为胚胎生物标志物。
高通量测序的“精准定位”
最近的一些研究，利用测序平台进行大规模并行测序（massive-parallel sequencing），成功识别了两种miRNAs和五种piRNAs，它们能够预测和区分高质量胚胎与低质量胚胎，展现出“高灵敏度、特异性和准确性”。具体而言，miR-16-5p和miR-92a-3p两种miRNAs，以及piR-28263、piR-18682、piR-23020、piR-414和piR-27485五种piRNAs，被证明具有预测高品质胚胎进行IVF移植的潜力。
另一项分析第三天和第五天胚胎培养液中miRNAs的研究表明，hsa-miR-199a-5p、hsa-miR-483-5p和hsa-miR-432-5p与妊娠相关，被提议作为IVF周期中胚胎质量的生物标志物。最近利用机器学习模型进行的分析也揭示了临床妊娠成功的整倍体囊胚与未妊娠的整倍体囊胚之间存在不同的基因表达模式。
利用定量实时聚合酶链式反应（qRT-PCR）技术评估ncRNA标志物，具有快速、高灵敏度的特点，这对于临床IVF实践中的快速胚胎评估非常有利。然而，这种方法需要具备相应技能的工作人员和相对昂贵的设备。
蛋白质的“低语”——蛋白质组学与分泌组学 (Proteomics & Secretomics)
蛋白质的“秘密语言”
人类胚胎的基因翻译（gene translation）在八细胞期（eight-cell stage）发生了一次主要的激活。同时，首次观察到胚胎基因表达的形态学迹象。蛋白质组（proteome）是指细胞在特定时间翻译产生的所有蛋白质，而分泌组（secretome）则特指发育中的胚胎产生并分泌的蛋白质。
研究发现，分泌到培养液中的蛋白质（呈增加趋势）和已被胚胎吸收的蛋白质（呈减少趋势），都可能是胚胎发育的宝贵生物标志物。早期，研究人员使用酶联免疫吸附测定（ELISA）和蛋白质印迹法（Western blotting）等相对简单的方法来评估胚胎培养液中的蛋白质组学。
质谱技术的“火眼金睛”
如今，高通量技术，如质谱（mass spectrometry），特别是基质辅助激光解吸电离飞行时间质谱（MALDI-TOF MS），使分析速度更快、灵敏度更高。通过使用MALDI-TOF MS比较整倍体和非整倍体胚胎（经PGT-A验证），研究人员能够识别出整倍体胚胎的12个独特光谱区域和非整倍体胚胎的17个独特光谱区域。这项技术在单胚胎移植后预测持续妊娠（ongoing pregnancy）方面显示出较高的阳性预测值。
个别特定的标志物也引起了广泛关注，例如人绒毛膜促性腺激素（hCG）的异构体、白细胞介素6（IL-6）、干细胞因子（SCF）和干扰素-α2（IFN-α2），以及可溶性人白细胞抗原G（sHLA-G）和可溶性CD146（sCD146）。其中，sCD146与IVF成功率呈负相关。
超快速，但标准待统一
目前可用于胚胎蛋白质组和分泌组评估的非侵入性技术，所需的样本量极少（低至1微升），无需临床实验室人员掌握特殊技能，且评估速度超快，可以在子宫移植前立即进行胚胎选择。然而，目前尚未就哪种技术/标志物更优达成普遍共识，因为结果可能受胚胎培养基成分影响，难以从一个实验室推广到另一个实验室。此外，购买相对昂贵的设备也是一个限制。
新陈代谢的“晴雨表”——代谢组学 (Metabolomics)
胚胎的新陈代谢模式，是其发育潜能的另一张“晴雨表”。就像我们吃饭需要能量一样，胚胎的生长也需要不断消耗和分泌各种物质。
能量转换的“代谢开关”
哺乳动物胚胎在植入前发育的某个阶段，会经历一个快速的代谢活性转变。这首先在能量代谢方面被发现。例如，小鼠和人类胚胎在致密化（compaction）和囊胚形成（blastulation）之间，会从丙酮酸（pyruvate）转变为葡萄糖（glucose）作为主要能量来源。这种转变表明碳水化合物代谢从三羧酸循环（TCA cycle）转向糖酵解（glycolysis）。此外，氨基酸（amino acids）的消耗和分泌模式在这一时期也发生变化。
基于这些观察，研究人员提出，卵裂期胚胎培养液中碳水化合物等成分的消耗或出现，可作为胚胎发育潜能的非侵入性标志物。早期的研究数据主要通过薄层色谱（TLC）、微荧光法（microfluorescence）或ELISA获得。
光谱技术的“精准探针”
目前，胚胎代谢组学评估主要采用高效液相色谱（HPLC）和光谱技术，如拉曼光谱（Raman spectroscopy）、近红外光谱（NIR）和核磁共振光谱（NMR）。
研究发现，拉曼光谱结合形态学对第三天胚胎培养液的分析，在预测胚胎着床潜能方面显示出“有希望的结果”。最近，一项基于拉曼光谱模型的研究，通过受试者工作特征（ROC）分析，在预测妊娠方面表现出“高特异性和敏感性”。该研究通过结合多种机器学习方法，能够达到71.5%的准确率，并发现妊娠成功的胚胎培养液中酪氨酸（tyrosine）、色氨酸（tryptophan）和丝氨酸（serine）的含量存在显著差异。
然而，也有研究结果不尽如人意。一项评估第三天胚胎培养液代谢组学特征（NIR结合形态学）的随机对照试验（RCT）未能发现该方法相比单纯形态学具有更强的预测能力。类似结论也出现在核磁共振光谱（NMR）的研究中。
前景广阔，但标准仍待统一
目前可用的代谢组学技术速度快，不需要临床实验室人员的特殊技能。然而，由于检测方法、样本量、样本收集和统计分析方法的差异，全球范围内尚未有任何单一的代谢组学检测方法被普遍接受用于临床。此外，实验室特异性条件，如培养基的类型，都可能影响生物标志物的可靠性。
微观世界的“信使”——细胞外囊泡 (Extracellular Vesicles, EVs)
在生命的微观世界里，有一种名为细胞外囊泡（Extracellular Vesicles, EVs）的“小信使”，它们在胚胎发育和母体-胚胎交流中扮演着越来越重要的角色。
纳米颗粒的“交流秘语”
EVs是被广泛认可的胚胎-母体交流的重要介质，它们携带生物活性分子，如基因组DNA（gDNA）、RNA（特别是miRNAs）和蛋白质。它们通过影响信息传递、免疫刺激和基因表达调控等方式，发挥着重要作用。早在2017年，胚胎来源的EVs就被提出作为胚胎着床潜能的非侵入性生物标志物。
多技术融合的“精准捕获”
通过纳米颗粒追踪分析（Nanoparticle tracking analysis, NTA）和阵列比较基因组杂交（array comparative genomic hybridization, aCGH）分析，可以评估EVs及其gDNA含量，并显示出对胚胎染色体状态和着床具有“高预测价值”。另一项研究显示，成功妊娠的胚胎分泌的EVs具有“更高的颗粒浓度、更大的尺寸和独特的miRNA谱”，与非活胚胎形成鲜明对比。此外，通过碘化丙啶（propidium iodide）标记胚胎来源EVs的核酸含量，并结合流式细胞术（flow cytometry），可以识别出最有可能在子宫移植前着床的胚胎。
潜力无限，期待更多证据
EVs是极具潜力的胚胎着床潜能生物标志物，可以通过简单、非侵入性、廉价且快速的检测进行评估。然而，目前还需要更多的随机对照试验（RCTs）来证实其当前预测的有效性。
AI赋能，多维整合——生物标志物的组合应用 (Combined Use)
在面对复杂的生物系统时，单一的生物标志物往往难以提供全面的信息。因此，将不同类型的生物标志物进行组合，并通过人工智能（AI）和机器学习（machine learning）进行整合分析，正成为预测胚胎发育潜能的前沿趋势。
AI的“智慧大脑”与未来的“生命蓝图”
正如之前所提到的，将不同生物标志物获取的数据进行整合，并将其纳入胚胎发育预测算法中，已经取得了令人振奋的成果。例如，研究人员提出了一个结合非侵入性生物标志物数据、精子参数、卵巢储备、卵巢刺激方案、子宫评估、患者遗传学和人口统计学信息的人工智能和机器学习生物信息学管道模型。
此外，最近还报道了一个人类胚胎模型，整合了从合子（zygote）到原肠胚（gastrula）发育过程中人类胚胎单细胞RNA测序数据集（single-cell RNA sequencing dataset），旨在绘制出更详细的胚胎发育“生命蓝图”。然而，尽管这些新型方法前景广阔，也有近期报告指出，对人工智能辅助胚胎选择的“ inflated expectations（过度期望）”尚未得到事实的充分支持。因此，在承认这些新方法带来可能性的同时，我们也应保持理性，避免过早地抱有过高的期望。
综上，无论是通过形态学和动力学的直接观察，还是对培养液中基因组、转录组、蛋白质组、代谢组和细胞外囊泡等“微观指纹”的深入分析，研究人员都在不断探索和完善非侵入性评估人类胚胎发育潜能的方法。
尽管目前尚未有单一的“万能”方法被普遍接受，但每一种技术都在不断进步，各具优势和局限。我们看到，随着高通量测序、质谱、光谱技术和AI等前沿科技的飞速发展，胚胎选择正变得越来越客观、精准和个性化。
深远影响：为患者、医生和产业带来变革
这些非侵入性生物标志物的研究和应用，将对体外受精（IVF）领域产生颠覆性的影响：
对患者而言：
提高成功率，减轻身心负担：更精准地选择高质量胚胎，将直接提升IVF的妊娠成功率，减少患者反复尝试、多次移植带来的巨大身体、精神和经济压力。
减少侵入性，降低风险：非侵入性意味着避免了对胚胎进行活检操作，从而消除了活检可能带来的潜在伤害和伦理争议，让患者更安心。
实现单胚胎移植，保障母婴健康：精准评估能够使医生更有信心进行单胚胎移植（single-embryo transfer），这能显著降低多胎妊娠（multiple pregnancy）的风险，从而避免早产、低出生体重等并发症，保障母婴健康。
缩短等待时间：许多非侵入性技术能够实现快速诊断，让患者在同一个治疗周期内完成胚胎选择和移植，无需等待漫长的检测结果，减少焦虑。
对医生而言：
优化临床决策，提升效率：客观、量化的生物标志物数据为医生提供了更科学的胚胎选择依据，帮助他们作出更明智、更个性化的治疗方案，从而提高IVF的临床效率。
标准化评估流程：随着技术的成熟和标准化，不同医疗中心之间的胚胎评估将更加统一，减少主观差异，提升整体医疗质量。
应对复杂案例：对于高龄、反复着床失败等复杂案例，多维度的非侵入性信息能够提供更深入的洞察，帮助医生找到突破口。
减少伦理困境：避免活检嵌合体胚胎的挑战，减轻医生在处理这些特殊情况时的伦理压力。
对产业而言：
技术创新与市场机遇：推动高通量测序仪、质谱仪、时间-延时培养箱、自动化分析系统以及AI算法软件等相关设备的研发和商业化，催生新的医疗器械和诊断市场。
降低成本，扩大可及性：随着技术的成熟和规模化生产，未来这些非侵入性检测的成本有望降低，使更多家庭能够负担得起，从而扩大IVF技术的普惠性。
促进行业标准化： 随着研究的深入，行业将逐步建立起统一的非侵入性生物标志物评估标准和指南，促进行业的健康发展和规范化。
数据驱动的研发：大规模的生物标志物数据积累将为新药物、新培养基以及新治疗策略的研发提供宝贵的洞察力。
未来，我们期待人工智能与多组学（multi-omics）数据的深度整合，能够为人类胚胎发育潜能的评估绘制出更精细、更准确的“生命蓝图”。尽管前路漫漫，仍需要更多的随机对照试验来验证这些新兴技术的临床价值，但我们有理由相信，随着科学探索的不断深入，IVF技术将变得更加安全、高效和个性化，为更多家庭点亮生命的希望。
参考文献
Tesarik J. Noninvasive Biomarkers of Human Embryo Developmental Potential. Int J Mol Sci. 2025;26(10):4928. Published 2025 May 21. doi:10.3390/ijms26104928
责编|探索君
排版|探索君
转载请注明来源于【生物探索】
声明：本文仅用于分享，不代表平台立场，如涉及版权等问题，请尽快联系我们，我们第一时间更正，谢谢！
来源：生物探索一点号1
