PGT-mt图谱

第3章 · PGT-mt基础知识

线粒体遗传瓶颈

女性以异质性状态携带mtDNA变异时，各卵母细胞的异质性水平可能相差很大，从极低至接近同质性。这种差异被归因于线粒体遗传瓶颈，也使PGT-mt成为可能。

阅读层次

基础

组织与卵母细胞的异质性可不同

一名30岁m.3243A>G携带者血液异质性35%，卵母细胞突变负荷9–90%，胚胎7–91%(Treff et al., 2012)。这表明同一携带者卵母细胞异质性可显著不同。仅凭母亲体细胞组织测量，无法预测单个卵母细胞水平(Smeets et al., 2023)。

什么是瓶颈

线粒体遗传瓶颈指女性生殖系中，每个发育中卵母细胞的mtDNA构成由远小于成熟卵母细胞分子总数的分离单位群体决定(Stewart & Chinnery, 2015; Xie et al., 2026)。从红球占30%的袋中抽1,000个球，红球比例几乎肯定接近30%；抽10个则可能是0%或60%。mtDNA同理：有效群体越小，卵母细胞间异质性随机波动越大。

实际拷贝数与有效分离单位

生殖系早期每细胞mtDNA量确实会显著减少：人胚原始生殖细胞约比成熟卵母细胞少1,000倍(Floros et al., 2018; Cree et al., 2008)。但瓶颈“有效大小”不等于实际分子数：mtDNA包裹于称为类核体的蛋白复合体，小鼠数据提示可能仅部分分子复制(Wai et al., 2008)。有效大小是根据后代异质性水平的离散程度估计的统计量(Otten et al., 2018)。

随机性及可能的选择

许多差异由mtDNA分子随机分配（遗传漂变）解释。但证据逐渐表明，一些mtDNA突变受到选择，可能抑制高负荷，或反而有利于突变分子，且取决于具体变异(Otten et al., 2018; Zhang et al., 2021; Floros et al., 2018)。尚无单一机制被确立为所有变异和发育阶段的通用解释。

为何与PGT-mt有关

卵母细胞异质性差异使选择较低水平胚胎、降低未来儿童疾病风险成为可能。但同一差异也使周期结局不可预测：一个周期可产生多个低水平胚胎，另一个可能没有(Hyslop et al., 2025)。下方模拟器说明有效群体大小如何影响离散程度。它是教学模型，并非对单个患者的预测。

瓶颈解释同一女性卵母细胞为何不同，但不能预先预测某个胚胎的异质性。

进阶

遗传漂变、选择，还是两者？

mtDNA遗传学的核心问题早已提出：致病性变异是否像中性变异一样仅通过随机漂变传递，还是受到选择(Chinnery et al., 2000)？现有证据提示答案取决于变异和发育阶段(Xie et al., 2026)。瓶颈假说源于荷斯坦牛观测：新发现mtDNA变异在数代内由异质性转为同质性。中性变异的瓶颈仅加速随机漂变，而携带有害变异的后代的异质性分布出现偏斜，提示选择(Xie et al., 2026)。

分离群体的有效大小

群体遗传模型将后代异质性方差与p₀(1 − p₀)比较，p₀为起始水平，利用比值估计有效分离单位数。Otten等以Kimura分布描述携带者卵母细胞、合子和卵裂球的分离，估计不同携带者瓶颈大小为10–145(Otten et al., 2018)。即使两位母亲异质性相同，向子女传递疾病的风险也可能显著不同。有效大小概括分离单位数、分裂与复制轮数等多过程，不等于实际拷贝数。

mtDNA实际拷贝数

Floros等显示，CS12人胚原始生殖细胞mtDNA比卵母细胞约少1,000倍（每细胞中位数1,425份，对比卵母细胞均值1.22×10⁶），每个线粒体约五个mtDNA分子；迁移完成后罕见变异异质性升高，符合瓶颈(Floros et al., 2018)。人原始生殖细胞拷贝数低于小鼠对应阶段；作者推断人类瓶颈“更窄”、分离更快(Floros et al., 2018)。小鼠中Cree等以胚胎发生期分子数减少解释快速分离(Cree et al., 2008)；Wai等认为瓶颈发生于出生后卵泡发生，通过部分基因组复制实现(Wai et al., 2008)。时间和机制分歧说明尚无模型能够完全解释这些现象。Xie等综述指出，采用实测拷贝数和细胞分裂数的数学模型显示，即使无选择，仅拷贝数减少也足以解释后代异质性离散；瓶颈的生物学意义仍有争论，可能使有害突变受到自然选择(Xie et al., 2026)。

复制与选择可能的作用

  • 原始生殖细胞中的选择。Floros等发现排斥非同义变异、tRNA基因变异及D环变异的选择迹象，与向氧化代谢转变同时出现(Floros et al., 2018)。
  • 卵母细胞突变mtDNA的优先扩增。携带m.5024C>T的小鼠，卵母细胞成熟时突变比例上升（无细胞分裂），但净化选择阻止极高水平积累；m.3243A>G、m.8344A>G及m.8993T>G/C家系也描述了类似的模式：低负荷时优先传递，高负荷时受到负选择(Zhang et al., 2021)。
  • 净化选择与年龄。碱基编辑产生复合体I基因突变的小鼠中，净化选择主要发生于出生后卵母细胞成熟期，并随母龄增强(Ru et al., 2024)。这是小鼠数据；相比之下，人家系研究中儿童新发mtDNA突变数与母龄正相关，作出临床结论前仍需直接观测(Xie et al., 2026)。
  • 人类卵母细胞。单个卵母细胞mtDNA双链测序未发现新突变随年龄增加，提示频率依赖的净化选择(Arbeithuber et al., 2025)；重分析相同数据的预印本结论不同：平均而言正选择占主导，涉及非编码控制区突变，作者认为也包括编码区突变(Franco等，2026，预印本)。
  • 不同选择窗口。小鼠中缺陷mtDNA清除阶段依突变而异。选择可始于原始生殖细胞及卵母细胞阶段之后（m.3875delC）、卵泡成熟期（m.2820G>A、m.12918G>A）、次级卵泡期（m.3177G>A），或早期胚胎发生中经线粒体自噬实现（m.5019A>G）。差异有多少来自真实生物学、有多少来自方法，尚不清楚(Xie et al., 2026)。
  • 选择作用层次。已描述细胞（卵泡闭锁）、细胞器（线粒体分裂、自噬）及分子（优先复制）层面的机制；大多数数据来自小鼠、果蝇及线虫(Xie et al., 2026)。
  • 人群数据。约每200人中1人携带低水平mtDNA致病性变异，mtDNA疾病约影响每5,000–10,000人中的1人；差距提示对有害变异传递的负选择。人类数据的一致性低于小鼠数据：大片段缺失很少遗传；大型母子配对研究中rRNA基因突变传递少于预期，D环变异则中性遗传或有优势(Xie et al., 2026)。
  • 携带者中的变异特异性。m.3243A>G数据更符合在76.5%处截断的Kimura分布（无高负荷）；m.8993T>G多极端值，家系中后代水平更常高于母亲；m.14487T>C未见选择迹象(Otten et al., 2018)。

同一女性各卵母细胞差异

母亲体细胞异质性不能预测特定卵母细胞水平。Spath等研究中，体细胞可检出异质性的女性，携带变异胚胎比例较高，但仍产生未检出变异胚胎；m.8993T>G显示偏斜分离(Spath et al., 2021)。Hellebrekers等指出，多数点变异携带者会有部分卵母细胞负荷低于18%参考值(Hellebrekers et al., 2012)。

胚胎中的变异特异分布

不同胚胎之间栏目汇集的已发表胚胎值显示，m.8993T>G多极端值，m.3243A>G则有较大比例中间值。这些是各家庭及周期的观测数据，不是人群概率，也未考虑家庭间差异。

对PGT-mt的意义

  • PGT-mt是否可行取决于特定患者胚胎的异质性离散程度，而非某mtDNA致病性变异的平均值。
  • 数学模型以母亲异质性为输入，估计治疗周期前的风险与成功机会；模型基于家系数据开发(Ji et al., 2023)；估计依赖瓶颈大小及阈值假设。
  • 纽卡斯尔项目中五名接受PGT的患者未获得异质性低于30%的胚胎(Hyslop et al., 2025)。说明PGT-mt不总能获得满足所选标准的胚胎。

遗传漂变、选择或受限复制均尚未被确立为所有变异和阶段的通用瓶颈解释。各机制相对贡献在人类未测定，可能随变异与阶段而异。

图解与模型

交互模型

遗传瓶颈模拟器

模型计算结果

简化随机模型，展示有效群体大小如何影响卵母细胞间异质性变异。它不预测单个患者胚胎的分布。

虚拟卵母细胞数
0255075100模拟卵母细胞mtDNA异质性水平，%初始水平

中位数30%；半数数值位于25%至39%；范围10–50%。理论标准差：10.2个百分点。 (第1次抽样)

数学模型

每个虚拟卵母细胞从突变mtDNA比例为h₀的群体中，随机且独立地抽取N个分离单位。突变单位数K服从二项分布，K ~ Bin(N, h₀)；卵母细胞异质性h = K / N。h的均值为h₀，方差为h₀(1 − h₀) / N。这是单步Wright–Fisher抽样；描述携带者分离的Kimura分布将其推广至反复漂变(Otten et al., 2018)。

K ~ Bin(N, h₀) · h = K / N · E[h] = h₀ · SD(h) = √(h₀(1 − h₀) / N)

模型局限

  • N是假定的统计参数，并非细胞内mtDNA分子的实际数量；已发表携带者估计值差异很大（例如10–145）(Otten et al., 2018)。
  • 模型仅包含随机漂变，不含选择、优先复制、细胞死亡或卵母细胞成熟，而这些似乎对某些变异很重要（第3章）。
  • 卵母细胞假定独立同分布；不含家庭内相关、周期间变异或年龄效应。
  • 不包含测量误差、检出限，也不区分卵母细胞、胚胎与活检。

不同胚胎之间 →

从概念到图谱数据

  • 不同胚胎之间 →

    各变异的胚胎异质性观测分布——真实已发表数值，与上方模型不同。

  • PGT-mt × PGT-A模型 →

    情景计算：以给定概率获得至少一个低异质性整倍体囊胚，需要多少囊胚。

本章参考文献 (17)

全部DOI已与PubMed核对；例外在条目旁标注。

  1. 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
  2. Smeets HJM, Sallevelt SCEH, Herbert M (2023). Reproductive options in mitochondrial disease. Handb Clin Neurol 194:207–228. doi:10.1016/B978-0-12-821751-1.00004-X · PMID 36813314
  3. 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
  4. 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
  5. Floros VI, Pyle A, Dietmann S, et al. (2018). Segregation of mitochondrial DNA heteroplasmy through a developmental genetic bottleneck in human embryos. Nat Cell Biol 20:144–151. doi:10.1038/s41556-017-0017-8 · PMID 29335530
  6. Cree LM, Samuels DC, de Sousa Lopes SC, et al. (2008). A reduction of mitochondrial DNA molecules during embryogenesis explains the rapid segregation of genotypes. Nat Genet 40:249–254. doi:10.1038/ng.2007.63 · PMID 18223651
  7. Wai T, Teoli D, Shoubridge EA (2008). The mitochondrial DNA genetic bottleneck results from replication of a subpopulation of genomes. Nat Genet 40:1484–1488. doi:10.1038/ng.258 · PMID 19029901
  8. 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
  9. Zhang H, Esposito M, Pezet MG, et al. (2021). Mitochondrial DNA heteroplasmy is modulated during oocyte development propagating mutation transmission. Sci Adv 7:eabi5657. doi:10.1126/sciadv.abi5657 · PMID 34878831
  10. 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
  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. Ru Y, Deng X, Chen J, et al. (2024). Maternal age enhances purifying selection on pathogenic mutations in complex I genes of mammalian mtDNA. Nat Aging 4:1211–1230. doi:10.1038/s43587-024-00672-6 · PMID 39075271
  13. Arbeithuber B, Anthony K, Higgins B, et al. (2025). Allele frequency selection and no age-related increase in human oocyte mitochondrial mutations. Sci Adv 11:eadw4954. doi:10.1126/sciadv.adw4954 · PMID 40768572
  14. Franco M, Fleischmann Z, Annis S, et al. (2026). Positive germline selection of mtDNA: evidence from the oocyte. bioRxiv（预印本，未经同行评审）. doi:10.64898/2025.12.31.697248 预印本，未经同行评审
  15. 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
  16. 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
  17. 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

参考文献 →