PGT-mt Atlas

Capítulo 2 · Fundamentos de PGT-mt

Heteroplasmia y efectos umbral

Una medición de heteroplasmia depende del tejido, del momento de muestreo y del método analítico. La relación entre el nivel de heteroplasmia y el desenlace clínico no es lineal y es específica de cada variante.

Nivel de lectura

Conceptos básicos

Qué se mide exactamente

El nivel de heteroplasmia es el porcentaje de moléculas de ADNmt con una variante en una posición dada, en una muestra concreta y medido mediante un método determinado. Las tres precisiones importan. En una misma persona, los valores en sangre, orina, células bucales y músculo pueden diferir (Stewart & Chinnery, 2015; Burr & Chinnery, 2024), y distintos métodos pueden producir resultados diferentes para un mismo tejido (Treff et al., 2012; Mitalipov et al., 2014).

Tejidos diferentes, niveles diferentes

Cuando las células se dividen, las moléculas de ADNmt se reparten de forma desigual entre las células hijas y los distintos tipos celulares pueden seleccionarlas a favor o en contra de manera diferente. Por ello, los niveles de heteroplasmia de distintos tejidos pueden divergir con el tiempo: es la segregación somática. Para m.3243A>G, la heteroplasmia de las células sanguíneas disminuye exponencialmente con la edad, lo que no ocurre, por ejemplo, en el músculo esquelético (Burr & Chinnery, 2024). El nivel de la sangre materna no determina el nivel de sus ovocitos.

El efecto umbral

Cuando los niveles de heteroplasmia son bajos, las copias de ADNmt sin la variante patogénica a menudo mantienen una función mitocondrial suficiente para evitar un defecto bioquímico medible. A medida que aumenta la proporción de ADNmt con la variante patogénica, puede aparecer un defecto bioquímico al superarse un umbral; la relación entre heteroplasmia y función no es lineal (Rossignol et al., 2003). Es el efecto umbral. El umbral depende de la variante, del tejido, del complejo respiratorio, del número de copias de ADNmt y del contexto nuclear (Rossignol et al., 2003; Burr & Chinnery, 2024). El esquema inferior muestra la idea, no valores reales.

Tres niveles de efecto

Molecular
la proporción de ADNmt con una mutación concreta en la muestra estudiada.
Bioquímico
actividad de los complejos respiratorios y síntesis de ATP en células o tejidos.
Clínico
síntomas, gravedad y edad de inicio.

Estos niveles no están ligados por una relación simple de uno a uno. El mismo nivel de heteroplasmia sanguínea puede asociarse con grados distintos de gravedad de la enfermedad, porque lo clínicamente relevante es la carga en los tejidos afectados —cerebro, músculo, corazón, retina—, que normalmente no son accesibles para el análisis (Gorman et al., 2016; Burr & Chinnery, 2024).

No existe un nivel seguro universal

Los números que aparecen en la literatura sobre PGT-mt —por ejemplo, el 18 % y el 30 %— responden a preguntas distintas y proceden de datos diferentes (Hellebrekers et al., 2012; Hyslop et al., 2025). Ninguno garantiza que un niño vaya a estar sano y ninguno puede aplicarse automáticamente a todas las variantes. El capítulo 6 examina estos valores de referencia en detalle.

El umbral de heteroplasmia utilizado para seleccionar un embrión para la transferencia se elige y justifica para una variante concreta; no se aplica como una norma fija.

Avanzado

Definición formal y artefactos de medición

El nivel de heteroplasmia h = n(variante patogénica) / [n(variante patogénica) + n(tipo silvestre)] en una posición concreta del ADNmt extraído de una muestra. Este valor caracteriza la población de moléculas de la muestra. No permite reconstruir el nivel de heteroplasmia de cada célula individual. La obtención de un resultado informado implica varias etapas: selección celular, lisis, amplificación del genoma completo cuando es necesaria, amplificación de la región que contiene la variante, detección y calibración. Cada etapa puede introducir sesgo (Mavraki et al., 2023; Spath et al., 2021).

Segregación somática y variabilidad tisular

La replicación del ADNmt no está vinculada al ciclo celular y, durante la división, el ADNmt se distribuye al azar entre las células hijas. Como resultado, la proporción de ADNmt mutante puede aumentar o disminuir por segregación aleatoria en las generaciones celulares posteriores (Chinnery et al., 2000; Stewart & Chinnery, 2015; Mavraki et al., 2023). Además actúa una selección específica del tipo celular: los tejidos de renovación rápida y las células posmitóticas se comportan de manera diferente, lo que ayuda a explicar la especificidad tisular de las enfermedades del ADNmt (Burr & Chinnery, 2024). Para m.3243A>G, la heteroplasmia sanguínea disminuye exponencialmente con la edad, mientras que en el músculo esquelético no lo hace (Burr & Chinnery, 2024). El mosaicismo entre células puede surgir bastante pronto en el desarrollo embrionario. Para algunas variantes se han demostrado diferencias de ADNmt entre blastómeros individuales ya en el día 3, y esta diversidad puede persistir después (Mertens et al., 2022).

Umbrales tisulares, bioquímicos y específicos de la variante

Rossignol y colaboradores demostraron que el umbral bioquímico difiere entre complejos respiratorios y tejidos, y que la función depende de manera no lineal de la proporción de ADNmt mutante (Rossignol et al., 2003). Los valores de 60–80 % citados con frecuencia son un intervalo generalizado que aparece en revisiones (Xie et al., 2026) y describen la relación entre heteroplasmia y función en un tejido concreto; no son criterios de selección embrionaria.

La especificidad de cada variante también se aprecia en los datos clínicos. A partir de datos familiares de 137 genealogías, Hellebrekers y colaboradores calcularon que un nivel de mutación en músculo del 18 % o menos corresponde a una probabilidad de al menos el 95 % de permanecer sin afectación; para m.3243A>G, esta probabilidad fue significativamente inferior (p < 0,001) (Hellebrekers et al., 2012). Ji y colaboradores estimaron umbrales sintomáticos por separado para distintas variantes (Ji et al., 2023). En la línea germinal, distintas mutaciones del ADNmt pueden producir distintos números de embriones que cumplan los criterios de transferencia: las portadoras de m.3243A>G no presentaron ovocitos ni embriones con cargas muy elevadas, mientras que los valores de m.8993T>G fueron predominantemente extremos y, en datos genealógicos, los niveles de la descendencia fueron más frecuentemente superiores a los maternos (Otten et al., 2018).

Métodos de medida y error analítico

La heteroplasmia se cuantifica mediante reacción en cadena de la polimerasa (PCR) con análisis de restricción, pirosecuenciación, PCR cuantitativa específica de alelo (ARMS-qPCR), PCR digital en gotas (ddPCR) y secuenciación dirigida o del genoma completo (Rubens et al., 2025; Mizuguchi et al., 2025; Mitalipov et al., 2014; Tytgat et al., 2021; Spath et al., 2021; Janssen et al., 2024). Los métodos difieren en límite de detección, linealidad en todo el intervalo del 0–100 %, reproducibilidad y susceptibilidad al sesgo de amplificación. Sus prestaciones se establecen mediante la validación en un laboratorio concreto, no por el nombre de la tecnología (Mavraki et al., 2023).

El error analítico puede ser de una magnitud comparable a las diferencias que se interpretan. Tajima y colaboradores describieron un error de −5 a +6 puntos porcentuales para su método (Tajima et al., 2007). Un caso publicado ilustrativo se refiere a m.3243A>G: tras la transferencia de un blastocisto con una heteroplasmia del 12 %, el nivel en células bucales del niño fue del 15 % al mes; un laboratorio comercial informó de menos del 10 % en sangre a los 5 y 12 meses; un nuevo análisis mediante ARMS-qPCR a las 6 semanas y los 18 meses dio un 47 % y un 46 % en sangre, y un 52 % y un 42 % en orina (Treff et al., 2012; Mitalipov et al., 2014). Estos datos aparecieron en la respuesta de Mitalipov y colaboradores a Steffann y colaboradores (Mitalipov et al., 2014; Steffann et al., 2014). Las muestras se obtuvieron a distintas edades y se analizaron mediante métodos diferentes, por lo que la discrepancia no puede atribuirse únicamente al método.

Un resultado de heteroplasmia debe interpretarse en el contexto de la muestra, el método analítico y el límite de detección. El umbral depende de la variante, del tejido y de la pregunta que el número pretende responder.

Esquemas y modelos

Esquema

El efecto umbral

umbralumbralvariante / tejido Avariante / tejido B0100Nivel de heteroplasmia, %Función de la cadena respiratoria
La relación entre heteroplasmia y función no es lineal. Cuando la proporción de ADNmt mutante es baja, las copias de tipo silvestre compensan el defecto; por encima del umbral, la función disminuye de forma pronunciada. El umbral difiere entre variantes, tejidos y complejos respiratorios (Rossignol et al., 2003). Estas curvas esquemáticas no representan datos medidos.

De los conceptos a los datos del Atlas

  • Dentro de un mismo embrión →

    Concordancia de los niveles de heteroplasmia entre muestras de un embrión. La banda gris de ±5 p. p. es una referencia ilustrativa, no una estimación validada de la incertidumbre analítica.

  • Embrión, feto y niño →

    Cómo se compara la heteroplasmia embrionaria con los niveles de los tejidos fetales y del niño, y cómo influyen en la comparación el tipo de muestra, la edad y el método.

  • Métodos y limitaciones →

    Cómo trata el Atlas los límites de detección, los intervalos y los valores digitalizados a partir de gráficos.

Referencias del capítulo (21)

Todos los DOI se contrastaron con los registros de PubMed; las excepciones se indican en cada entrada.

  1. Stewart JB, Chinnery PF (2015). The dynamics of mitochondrial DNA heteroplasmy: implications for human health and disease. Nat Rev Genet 16:530–542. doi:10.1038/nrg3966 · PMID 26281784
  2. Burr SP, Chinnery PF (2024). Origins of tissue and cell-type specificity in mitochondrial DNA (mtDNA) disease. Hum Mol Genet 33(R1):R3–R11. doi:10.1093/hmg/ddae059 · PMID 38779777
  3. Treff NR, Campos J, Tao X, et al. (2012). Blastocyst preimplantation genetic diagnosis (PGD) of a mitochondrial DNA disorder. Fertil Steril 98:1236–1240. doi:10.1016/j.fertnstert.2012.07.1119 · PMID 22921075
  4. Mitalipov S, Amato P, Parry S, Falk MJ (2014). Limitations of preimplantation genetic diagnosis for mitochondrial DNA diseases. Cell Rep 7:935–937. doi:10.1016/j.celrep.2014.05.004 · PMID 24856294
  5. Rossignol R, Faustin B, Rocher C, et al. (2003). Mitochondrial threshold effects. Biochem J 370:751–762. doi:10.1042/BJ20021594 · PMID 12467494
  6. Gorman GS, Chinnery PF, DiMauro S, et al. (2016). Mitochondrial diseases. Nat Rev Dis Primers 2:16080. doi:10.1038/nrdp.2016.80 · PMID 27775730
  7. Hellebrekers DMEI, Wolfe R, Hendrickx ATM, et al. (2012). PGD and heteroplasmic mitochondrial DNA point mutations: a systematic review estimating the chance of healthy offspring. Hum Reprod Update 18:341–349. doi:10.1093/humupd/dms008 · PMID 22456975
  8. Hyslop LA, Blakely EL, Aushev M, et al. (2025). Mitochondrial donation and preimplantation genetic testing for mtDNA disease. N Engl J Med 393:438–449. doi:10.1056/NEJMoa2415539 · PMID 40673696
  9. Mavraki E, Labrum R, Sergeant K, et al. (2023). Genetic testing for mitochondrial disease: the United Kingdom best practice guidelines. Eur J Hum Genet 31:148–163. doi:10.1038/s41431-022-01249-w · PMID 36513735
  10. Spath K, Babariya D, Konstantinidis M, et al. (2021). Clinical application of sequencing-based methods for parallel preimplantation genetic testing for mitochondrial DNA disease and aneuploidy. Fertil Steril 115:1521–1532. doi:10.1016/j.fertnstert.2021.01.026 · PMID 33745725
  11. Chinnery PF, Thorburn DR, Samuels DC, et al. (2000). The inheritance of mitochondrial DNA heteroplasmy: random drift, selection or both?. Trends Genet 16:500–505. doi:10.1016/S0168-9525(00)02120-X · PMID 11074292
  12. Mertens J, Regin M, De Munck N, et al. (2022). Mitochondrial DNA variants segregate during human preimplantation development into genetically different cell lineages that are maintained postnatally. Hum Mol Genet 31:3629–3642. doi:10.1093/hmg/ddac059 · PMID 35285472
  13. Xie Q, Walker HE, Minczuk M, Chiaratti MR, Chinnery PF (2026). Inheritance and selection of the mitochondrial genome. Nat Rev Genet (online ahead of print). doi:10.1038/s41576-026-01019-0 · PMID 42834120
  14. Ji D, Zhang N, Zou W, et al. (2023). Modeling-based prediction tools for preimplantation genetic testing of mitochondrial DNA diseases: estimating symptomatic thresholds, risk, and chance of success. J Assist Reprod Genet 40:2185–2196. doi:10.1007/s10815-023-02880-2 · PMID 37439868
  15. Otten ABC, Sallevelt SCEH, Carling PJ, et al. (2018). Mutation-specific effects in germline transmission of pathogenic mtDNA variants. Hum Reprod 33:1331–1341. doi:10.1093/humrep/dey114 · PMID 29850888
  16. Rubens P, Mayeur A, Chatzovoulou K, et al. (2025). Profiling mitochondrial DNA variant segregation during human preimplantation development: a prerequisite to preimplantation genetic testing for mitochondrial DNA-related disorders. Hum Reprod 40:956–961. doi:10.1093/humrep/deaf050 · PMID 40174913
  17. Mizuguchi Y, Sueoka K, Sato S, Tanaka M (2025). Successful birth after preimplantation genetic testing for rare mitochondrial DNA mutation m.10197G>A. Hum Genome Var 12:7. doi:10.1038/s41439-025-00311-5 · PMID 40164591
  18. Tytgat O, Tang MX, van Snippenberg W, et al. (2021). Digital polymerase chain reaction for assessment of mutant mitochondrial carry-over after nuclear transfer for in vitro fertilization. Clin Chem 67:968–976. doi:10.1093/clinchem/hvab021 · PMID 33822904
  19. Janssen AEJ, Koeck RM, Essers R, et al. (2024). Clinical-grade whole genome sequencing-based haplarithmisis enables all forms of preimplantation genetic testing. Nat Commun 15:7164. doi:10.1038/s41467-024-51508-1 · PMID 39223156
  20. Tajima H, Sueoka K, Moon SY, et al. (2007). The development of novel quantification assay for mitochondrial DNA heteroplasmy aimed at preimplantation genetic diagnosis of Leigh encephalopathy. J Assist Reprod Genet 24:227–232. doi:10.1007/s10815-007-9114-0 · PMID 17342424
  21. Steffann J, Gigarel N, Samuels DC, et al. (2014). Data from artificial models of mitochondrial DNA disorders are not always applicable to humans. Cell Rep 7:933–934. doi:10.1016/j.celrep.2014.05.005 · PMID 24856293

Bibliografía →