Desenvolvimento de um modelo in silico para resposta ovariana relacionada a fatores não demográficos

Abstract

Introdução: O resultado esperado do tratamento de fertilização in vitro depende muito da eficácia da estimulação ovariana controlada (EOC). Vários fatores preditivos, como idade, contagem de folículos antrais, concentrações de FSH no dia 3, inibina B e hormônio anti-Mülleriano estão relacionados ao resultado individual de um ciclo de tratamento. A variabilidade genética também parece ser um fator importante na determinação da resposta ovariana na EOC e na FIV. Diferenças no genoma humano podem alterar os efeitos celulares e teciduais ao FSH, alterando assim a resposta a EOC. Através da pesquisa farmacogenômica, a terapêutica medicamentosa pode ser otimizada com base no perfil genético individual. A identificação correta de pacientes que tem risco para baixa resposta pode ajudar a individualizar o aconselhamento e permitir as pacientes decidirem a se submeter a tratamentos de infertilidade. A medicina In Silico é caracterizada por modelos, simulações e visualização de processos médicos e biológicos no computador, com o objetivo de simular processos biológicos reais em um ambiente virtual. Objetivo: Identificar proteínas e moléculas envolvidas na resposta ovariana e inserir o modelo In Silico para avaliação de resposta ovariana, desenvolvendo um modelo In Silico para resposta ovariana baseado em fatores moleculares não demográficos. Métodos: Uma revisão da literatura foi realizada no banco de dados PUBMED. As palavras-chave utilizadas foram: ovulation induction, in vitro fertilization, gens, biomarkers e ovarian response. Os resultados foram inseridos na base de dados STRING para desenvolvimento de um modelo In Silico. Resultados: Após a triagem de títulos e resumos, foram selecionados 144 artigos para leitura posterior. Um total de 100 estudos foram incluídos. Entre os 100 artigos, 42 biomarcadores foram identificados, além de seus polimorfismos. Conclusão: Nosso estudo foi o primeiro a usar o modelo In Silico para identificar biomarcadores que poderiam ser usados na resposta ovariana à estimulação ovariana controlada e conseguimos demonstrar uma associação entre as moléculas. No entanto, precisamos de mais estudos para avaliar outros biomarcadores, além dos encontrados em nossa pesquisa; Ensaios clínicos randomizados também são necessários para uma melhor qualidade de evidência, para que possamos melhorar a prática clínica, individualizando o tratamento de pacientes submetidas à estimulação ovariana controlada e à reprodução assistida.

Introduction: The expected outcome of IVF treatment depends greatly on the effectiveness of controlled ovarian hyperstimulation (COH). Several predictive factors such as age, antral follicle count, day 3 FSH concentrations, inhibin B and anti-Müllerian hormone have been shown to be related to the individual outcome of a treatment cycle. Genetic variability also seems to be an important factor in determining the ovarian response in COH and IVF. Through pharmacogenomics research, drug therapy can be optimized on the basis of individual genetic profile. Correctly identifying patients who are at risk for poor response could help individualize counseling and allow patients to decide to undergo infertility treatments. The In Silico medicine is characterized by models, simulations and visualization of medical and biological processes on the computer, with the objective of simulating real biological processes in a virtual environment. Objective: To identify proteins and molecules involved in ovarian response and insert the In Silico model for ovarian response evaluation, developing an In Silico model for ovarian response based on non demographic molecular factors. Methods: A literature review was carried out in the PUBMED database. The keywords used were ovulation induction, in vitro fertilization, gens, biomarkers and ovarian response. The results were inserted into the STRING database for the development of an In Silico model. Results: After sorting titles and abstracts, 144 articles were selected for later reading. A total of 100 studies were included. Among the 100 articles, 42 biomarkers were identified, in addition to their polymorphisms. Conclusion: Our study was the first to use the In Silico model to identify biomarkers to be used in the ovarian response to controlled ovarian stimulation and we were able to demonstrate an association between the molecules. However, we need more studies to evaluate other biomarkers than those we found in our search; Randomized controlled trials are also needed for better quality of evidence, so we could improve clinical practice by individualizing the treatment of patients undergoing controlled ovarian stimulation and assisted reproduction.