Myomektomian vaikutus IVF-tuloksiin

Ryhmittely- ja sokkomenetelmä Tämä on kansallinen monikeskustutkimus, satunnaistettu kontrolloitu tutkimus. Kilpailuun ilmoittautuminen tapahtuu kaikkien keskusten kesken. Tutkimusryhmä sai IVF:n myomektomian jälkeen ja kontrolliryhmä ohjattiin IVF-hoitoon rutiiniarvioinnin jälkeen, johon kuului todennäköisesti diagnostinen laparoskopia. Tässä tutkimuksessa 836 potilasta jaettiin satunnaisesti kahteen ryhmään, joissa kussakin ryhmässä oli 418 potilasta keskitetyn satunnaisjärjestelmän mukaisesti. Satunnainen sarja luodaan satunnaisella lohkokoolla, jonka lohkokoko on 4.

Kliinisen tiedon ja näytteiden kerääminen Tiedot ja näytteet kerätään Case Report Form (CRF) -lomakkeen mukaisesti, mukaan lukien satunnaistetut tiedot, epidemiologiset ja kliiniset tiedot. Lapsettomuushistorian ja yksityiskohtien arviointi, kuvantamistulokset, munasarjojen varaaminen ja leikkauslöydökset ovat erityisen kiinnostavia ja yksityiskohtaisia.

Tutkimusryhmässä kerätään näytteitä ääreisverestä, kohdunkaulan kuorituista soluista, kohdun limakalvon kuoriutuneista soluista, kohdun limakalvon biopsiasta ja myoomasta multi-omiikka-analyysiä varten. Näytteenottoprosessin ei pitäisi häiritä tai heikentää kirurgista ja IVF-hoitoa.

IVF-hoito: IVF-ohjelman tulee sisältää yksityiskohtaiset tiedot alennussäätelysuunnitelmasta, syklien määrästä, jäätyneistä tai tuoreista blastokysteistä, ①Tutkimusryhmä: IVF-hoito suoritetaan 6 kuukautta myomektomian jälkeen, ja potilaita tulee seurata 1 vuoden ajan IVF-hoidon aloittamisen jälkeen. . Jos kohdun limakalvo paljastuu myomektomiassa, IVF-hoito suoritetaan 12 kuukautta myomektomiasta. On huomioitava, että leikkauksen jälkeisen ehkäisyn aika sekä myomektomian ja IVF:n välinen aika on kirjattava.

②Vertailuryhmä: IVF-hoito suoritettiin välittömästi asianmukaisen arvioinnin jälkeen ja seuranta 1 vuoden ajan IVF:n aloittamisen jälkeen.

Genomisen piirteen tutkimus ja bioinformatiikkaanalyysi

1. Endometrium receptive array (ERA) on microarray-teknologiaan perustuva molekyylidiagnostinen testi, joka jakaa endometriumin biopsian reseptiivisiin, pre-reseptiivisiin tai proliferatiivisiin tyyppeihin perustuen 238 valitun geenin ilmentymiseen. ER Map/ER Stage perustuu 184 geenin ilmentymiseen, jotka osallistuvat äidin immuunivasteeseen, joka liittyy kohdun limakalvon lisääntymiseen ja alkion implantaatioon.
2. Metylaatiosekvensointi: Pura perifeeriseen vereen, kudokseen ja soluihin liittyvä DNA ja määritä DNA-pitoisuus tarkasti Qubit 2.0:n avulla. Havaitun DNA:n kokonaismäärän ei tulisi olla pienempi kuin 1 ug. Kirjaston rakentaminen: Näytteen havaitsemisen jälkeen 1 ug näytteen genomista DNA:ta sekoitettiin metyloimattoman lambda-DNA:n kanssa käyttämällä Biouptor-järjestelmää ja fragmentoitiin sitten noin 250 bp:n keskikokoiseksi. Fragmentoinnin jälkeen puhdistettu satunnaisesti fragmentoitunut DNA korjattiin, passivoitiin ja fosforyloitiin T4-DNA-polymeraasin, Klenow-fragmentin ja T4-polynukleotidikinaasin seoksella. Tylsä DNA-fragmentti 3'adenosyloitiin sitten Klenow-fragmentilla (3'-5'-ekso-) ja liitettiin sitten linkkeriin, joka yhdistää 5'-metyylisytosiinin sytosiinin sijasta käyttämällä T4-DNA-ligaasia. Kun olet suorittanut jokaisen vaiheen, käytä magneettihelmiä DNA:n puhdistamiseen. Käytä sitten ZYMO EZ DNA -metylaatiokultasarjaa metyloitumattoman sytosiinin muuntamiseksi urasiiliksi ohjeiden mukaisesti. Käytä lopuksi JumpStart Taq DNA -polymeraasia PCR-monistukseen ja käytä sitten magneettihelmiä PCR-tuotteen puhdistamiseen lopullisen kirjaston saamiseksi. Kirjaston laaduntarkastus: Kun kirjaston rakentaminen on valmis, alustava kvantifiointi suoritetaan Qubit2.0:lla, ja kirjasto laimennetaan pitoisuuteen 1 ng/ul. Sitten kirjaston liitekoko testataan Agilent 2100:lla. Kun insertin koko täyttää odotukset, kirjaston tehokas pitoisuus kvantifioidaan tarkasti käyttämällä qPCR-menetelmää (kirjaston tehokas konsentraatio > 2 nM) kirjaston laadun varmistamiseksi. Online-sekvensointi: Kun kirjaston havaitseminen on läpäissyt, erilaiset kirjastot yhdistetään tehokkaan pitoisuuden ja kohteen offline-datamäärän vaatimusten mukaisesti ja sekvensoidaan sitten Illumina Nova -alustalla käyttämällä PE150-sekvensointistrategiaa. Tämän jälkeen suoritettiin alkuperäisen offline-datan laadunvalvonta, sekvenssivertailu, metylaatiotason laskeminen, differentiaalisen metylaatioalueen (DMR) tunnistaminen ja tilastot.

Virtsan proteiinien havaitseminen ja bioinformatiikkaanalyysi

1. Proteiinien erotustekniikka: kaksiulotteinen geelielektroforeesi (2DE), kaksiulotteinen fluoresenssidifferentiaalielektroforeesi (2D-DIGE), isoelektrinen fokusointielektroforeesi (IEF), nestekromatografia; Moniulotteinen kromatografia (MDC) (mukaan lukien kokoekskluusiokromatografia, ioninvaihtokromatografia, korkean suorituskyvyn käänteisfaasikromatografia, hydrofobinen vuorovaikutuskromatografia jne.) ja moniulotteinen nestekromatografia (MDLC).
2. Proteiinin tunnistustekniikka: primäärimassaspektrometria: eri ionilähteiden mukaan se voidaan jakaa matriisiavusteiseen laserdesorptio-ionisaatioajan lennon massaspektrometriaan (MALDI-TOF-MS) ja sähkösuihkumassaspektrometriaan (ESI MS); Toissijainen massaspektrometria: peptidimassasormenjälki (PMF); Uusi tekniikka: Stabiili nuklidisignature biomassaspektrometria (SIAMS).
3. Proteiinipeptidisegmenttien tunnistaminen: amino- ja karboksyylipääanalyysi, kuten Edman; Massaspektrometria, mukaan lukien peptidifragmenttien massaspektrometria ja tandemmassaspektrometria.
4. Proteiinivuorovaikutukset: Immunosaostustekniikka, Hiiva-kaksi hybridijärjestelmä, Proteiinisirutekniikka.

Metabolomia ja bioinformatiikka analyysi

1. Endometriumkudos jäädytettiin välittömästi nestetypessä eristämisen jälkeen, ja sitten kudos säilytettiin -80 ℃:ssa, jauhettiin ja murskattiin ja uutettiin kylmällä orgaanisella neste-nesteuutolla. On kiinnitettävä huomiota aineenvaihdunnan muutosten välttämiseen ennen näytteenottoa ja sen aikana. Suorita metabolomiikkaanalyysi kerätyille soluille, kudoksille, verelle ja virtsalle.
2. Metaboliitin uuttaminen: Yleisimmin käytetty menetelmä metaboliitin uuttamisessa on saostaa proteiini orgaanisilla liuottimilla ja uuttaa supernatantti nopealla sentrifugoinnilla tai ultranopealla suodatuksella proteiinisaostumisen poistamiseksi. Konsentroidaan käyttämällä kylmäkuivausta tai typpipuhallusta ja liuotetaan jäännös monimutkaiseen liuottimeen.
3. Näytteen havaitseminen: Ota tietty määrä uudelleen liuennutta supernatanttia ja käytä Thermo Vanquish UHPLC ultra-korkeatehoista nestekromatografiajärjestelmää ja Thermo Q Active HF-X -massaspektrometriaalustaa koneen havaitsemiseen.
4. Tietojen käsittely: Kun massaspektrometrinen ilmaisu on valmis, offline-tiedot (. raw) -tiedosto tuodaan hakuohjelmistoon retentioajan, massavaraussuhteen ja muiden parametrien yksinkertaista seulontaa varten. Sitten retentioajan poikkeaman, laatupoikkeaman ja signaalin voimakkuuden poikkeaman, signaali-kohinasuhteen, signaalin minimivoimakkuuden ja muiden eri näytteiden tietojen mukaan suoritetaan piikin kohdistus ja piikin erotus. Samanaikaisesti piikin pinta-ala kvantifioidaan ja sitten kohde-ionit integroidaan ennustamaan molekyylikaavaa ja verrataan tietokantaan tietojen tunnistamisen ja kvantitatiivisten tulosten saamiseksi. Siksi ei-kohdennettu metabolomiikan tietokannat ja hakuohjelmistot ovat ratkaisevassa roolissa koetuloksissa. LC-MS:llä on kuitenkin hyvin vähän julkisia tietokantoja, ja useimmat niistä ovat alustalle rakennettuja tietokantoja. Yleisesti käytettyjä tietokantoja ovat HMDB, METLIN ja jotkut itse rakennetut kirjastot.
5. Tietoanalyysi: Pääkomponenttianalyysi, differentiaalinen metaboliittianalyysi jne.