Predictor de calidad de embriones mediante espectros FTIR para fertilización in vitro

• Autores: Gallo, Francisco; Grangetto, Tomas
• Año de publicación: 2023
• Idioma: español castellano
• Tipo de recurso: tesis de grado
• Colaborador/a o director/a de tesis: Fernández, Elmer; Anduagami, Iván
• Materia: TECHNOLOGY::Bioengineering; MEDICINE; INTERDISCIPLINARY RESEARCH AREAS; TECHNOLOGY::Other technology
• Institución: Universidad Nacional de Córdoba

Proyecto Integrador (I.Biom.)--FCEFN-UNC, 2024 Palabras Claves: Reproducción asistida - Embriones - Metabolómica - Modelos predictivos - Aprendizaje supervisado Keywords: Assisted reproduction - Embryos - Metabolomics - Predictive models - Supervised learning
Fil: Gallo, Francisco. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.
Fil: Grangetto, Tomas. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.
Los centros de reproducción asistida están continuamente registrando información proveniente de sus pacientes y de los tratamientos de fertilización que se realizan allí. Sin embargo, la información recopilada por las diferentes clínicas de reproducción asistida puede variar en términos de formatos, terminología y criterios utilizados. Esto puede dificultar la comparación y el intercambio de datos entre centros, así como la realización de investigaciones y análisis a gran escala. En el contexto que nos encontramos, este trabajo tiene el objetivo de estudiar, caracterizar, entender datos tanto metabolómicos como morfológicos de embriones provenientes de pacientes bajo tratamiento de fertilidad asistida. De este modo, este proyecto busca obtener información de procesos no invasivos para el embrión que luego va a ser implantado, así lograr el desarrollo de herramientas y algoritmos que van a otorgar soporte a la toma de decisiones de los profesionales. En este trabajo se aborda la problemática de la selección de embriones en tratamientos de reproducción asistida, contemplando que su correcta elección es crucial para aumentar las posibilidades de nacimiento y evitar la manipulación de estos embriones en el momento de su desarrollo. Se emplean técnicas de análisis de datos y aprendizaje automático para seleccionar los embriones con mayor potencial de implantación y optimizar los resultados del tratamiento mediante los restos metabólicos que se encuentran en los medios de cultivos en el que estos se desarrollan. El producto final de este trabajo es una serie de distintos abordajes para la predecir el mejor candidato para ser trasplantado, también entender la importancia de la manipulación de los profesionales sobre las muestras y cómo estas se ven modificadas por distintos factores. El objetivo es poder brindar una herramienta para la selección de embriones, utilizando y recolectando datos que no afectan de ninguna manera a los candidatos.
Assisted reproduction centers continuously record information from their patients and the fertility treatments performed there. However, the information collected by different assisted reproduction clinics can vary in terms of formats, terminology, and criteria used. This can hinder data comparison and exchange between centers, as well as the conduct of large-scale research and analysis. In the context at hand, this work aims to study, characterize, and understand both metabolomic and morphological data from embryos from patients undergoing assisted fertility treatment. Thus, this project seeks to obtain information from non-invasive processes for the embryo that will later be implanted, in order to develop tools and algorithms that will support professionals' decision-making. This work addresses the issue of embryo selection in assisted reproduction treatments, considering that their correct selection is crucial to increase the chances of birth and avoid manipulation of these embryos during their development. Data analysis techniques and machine learning are employed to select embryos with the greatest potential for implantation and optimize treatment outcomes using the metabolic residues found in the culture media in which they develop. The final product of this work is a series of different approaches to predict the best candidate for transplantation, as well as to understand the importance of professional manipulation of the samples and how they are affected by different factors. The goal is to provide a tool for embryo selection, using and collecting data that do not affect the candidates in any way.
Fil: Gallo, Francisco. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.
Fil: Grangetto, Tomas. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.