近日，Biology of Reproduction发表了一篇题为Ex ovo omnia—why don’t we know more about egg quality via imaging?的论文，综述了关于通过成像技术评估卵母细胞质量的研究进展。
在过去40年中，辅助生殖技术（ART）取得了显著进展，但怎么进行卵子质量的评估仍是一个巨大的挑战。目前，除了传统的形态学观察方法外，卵母细胞质量评估工具并没有太大的进展。非侵入性卵母细胞筛查方法对于我们了解如何选择用于授精和转移的最高质量卵母细胞至关重要。
随着显微镜技术的进步，多年来许多ART实验室已经开始实施对卵子质量的筛查。目前，卵母细胞质量主要是通过光学显微镜进行形态学评估，主要包括极体评估和卵母细胞形态评估。然而作者发现通过光学显微镜来观察极体有限，没有足够的证据表明这是一种可靠的卵母细胞质量评估工具；卵母细胞形态评估则是通过观察透明带（ZP）、卵周间隙、细胞质和液泡颜色等指标，但这些观察结果是主观的、可变的，关于这些异常结果的数据是不同的。
多年来，显微镜技术不断发展，使生物结构的分辨率达到了纳米级别。许多形式的光学成像已被用于对卵母细胞及卵丘-卵母细胞复合体进行成像，如偏振光显微镜、标准荧光显微镜、拉曼光谱、激光扫描共聚焦显微镜和高光谱显微镜。然而，这些技术都没有用于卵母细胞质量评估或者活体观察，因为它们可能会对卵母细胞造成损害，并且昂贵又繁琐。
非侵入性卵母细胞筛查主要有两种：荧光寿命成像显微镜（FLIM）和卵母细胞线粒体的活细胞和固定细胞成像。荧光寿命成像显微镜是一种测量卵母细胞和胚胎代谢特征和能力的技术。FLIM通过测量荧光团在多长时间内的差异来检测荧光团的分子变化。卵母细胞线粒体的活细胞成像则是使用荧光染料染色的活细胞或者FLIM直接观察卵母细胞中线粒体的结构和分布。非侵入性卵母细胞筛查还融合了微流体设备和人工智能（AI）方法，通过复杂的算法利用机器学习、深度学习和神经网络来检测卵母细胞的形态和发育能力。这些人工智能检测方法可能是无创卵母细胞筛查的未来发展趋势。
这篇文章介绍了过去、现在和未来的卵母细胞成像方法，每种技术的优点和局限性，以及未来的成像技术研究方向。
原文链接：https://doi.org/10.1093/biolre/ioae080 概述：江博文-硕士 指导：张鲁
