Utilizamos cookies para comprender de qué manera utiliza nuestro sitio y para mejorar su experiencia. Esto incluye personalizar el contenido y la publicidad. Para más información, Haga clic. Si continua usando nuestro sitio, consideraremos que acepta que utilicemos cookies. Política de cookies.

Presenta Sitios para socios Información LinkXpress hp
Ingresar
Publique su anuncio con nosotros
INTEGRA BIOSCIENCES AG

Deascargar La Aplicación Móvil




Inmunoensayo guiado mediante IA mide autoanticuerpos maternos para predecir la probabilidad de una enfermedad del espectro del autismo

Por el equipo editorial de LabMedica en español
Actualizado el 02 Feb 2021
Imagen: Estructura de la proteína CRMP1 (Fotografía cortesía de Wikimedia Commons)
Imagen: Estructura de la proteína CRMP1 (Fotografía cortesía de Wikimedia Commons)
Un inmunoensayo, guiado por IA, que mide los autoanticuerpos maternos, predice con precisión la probabilidad de que un niño desarrolle un trastorno del espectro autista (TEA).

Investigadores de la Universidad de California, Davis (EUA), habían identificado previamente la presencia de autoanticuerpos maternos contra las proteínas cerebrales fetales específicas de los TEA, ahora denominados autoanticuerpos maternos relacionados con el TEA (MAR-TEA). En un artículo reciente, discutieron la creación y validación de un ensayo serológico para identificar patrones de reactividad de autoanticuerpos maternos específicos de TEA contra ocho proteínas previamente identificadas (CRMP1, CRMP2, GDA, NSE, LDHA, LDHB, STIP1 e YBOX) que tienen una expresión alta en el desarrollo del cerebro.

Los investigadores analizaron el plasma de 450 madres de niños diagnosticados con TEA y de 342 madres de niños con un desarrollo típico para desarrollar una prueba ELISA para cada uno de los antígenos proteicos. Luego utilizaron un algoritmo de aprendizaje automático para determinar patrones de asociación altamente significativa con los TEA y descubrieron varios patrones que eran específicos del TEA.

Los resultados revelaron que los tres patrones principales asociados con MAR-TEA fueron CRMP1 + GDA, CRMP1 + CRMP2 y NSE + STIP1. Además, encontraron que la reactividad de los autoanticuerpos maternos a CRMP1 aumentaba significativamente las probabilidades de que un niño tuviera una puntuación de gravedad más alta en el Programa de Observación de Diagnóstico de Autismo (ADOS).

“Las implicaciones de este estudio son tremendas”, dijo la autora principal, la Dra. Judy Van de Water, profesora de reumatología, alergia e inmunología clínica en la Universidad de California en Davis. “Es la primera vez que se ha utilizado el aprendizaje automático para identificar con 100% de exactitud patrones específicos de MAR-TEA como posibles biomarcadores de riesgo de TEA. Podemos imaginar que una mujer podría hacerse un análisis de sangre para estos anticuerpos antes de quedar embarazada. Si los tuviera, sabría que correría un riesgo muy alto de tener un hijo con autismo. Si no, tiene un 43% menos de posibilidades de tener un hijo con autismo, ya que el autismo por MAR está descartado”.

El artículo fue publicado en la edición digital del 22 de enero de 2021 de la revista Molecular Psychiatry.

Enlace relacionado:
Universidad de California, Davis

Miembro Platino
Analizador de coagulación automatizado
Hemolumi H6
Miembro Oro
Aspiration System
VACUSAFE
New
Miembro Oro
Analizador de la función plaquetaria
PL-12
New
Miembro Oro
Serum Indices Control
Acusera Serum Indices Control

Canales

Química Clínica

ver canal
Crédito de la imagen:  Diane E. MacDougall et al., FIND Lp(a) Machine Learning Model: Targeted Screening Enrichment of Elevated Lipoprotein(a) in Atherosclerotic Cardiovascular Disease, JACC: Advances (2026). DOI: 10.1016/j.jacadv.2026.103114

El aprendizaje automático permite orientar el cribado de lipoproteína(a) elevada

La lipoproteína(a) es un factor de riesgo independiente, determinado genéticamente, de la enfermedad cardiovascular aterosclerótica; sin embargo, el cribado rutinario sigue siendo... Más

Microbiología

ver canal
Imagen: El actual brote de BDBV en la República Democrática del Congo pone de relieve los desafíos de respuesta a infecciones raras y graves (Crédito de la imagen: 123RF)

Investigación refuerza la preparación ante brotes del virus Bundibugyo con diagnósticos más rápidos

El virus de Bundibugyo (BDBV), una especie de ebolavirus, causa una enfermedad hemorrágica grave y puede ser difícil de diagnosticar rápidamente durante los brotes. Los recientes cambios... Más

Patología

ver canal
Crédito de la imagen: Adobe Stock

Herramienta citológica de aprendizaje automático mejora la identificación de células cancerosas

El cribado citológico sigue siendo fundamental para la detección temprana del cáncer, pero su precisión depende en gran medida de la interpretación experta de las células... Más

Tecnología

ver canal
Imagen: ADLM recomienda que las herramientas de inteligencia artificial emergentes sigan los mismos estándares profesionales de supervisión, calidad, validación y monitoreo que las pruebas clínicas tradicionales dentro del marco existente de CLIA (Crédito de la imagen: Adobe Stock)

ADLM pide actualizar CLIA para apoyar el uso seguro de IA en medicina de laboratorio

Los laboratorios clínicos utilizan cada vez más la inteligencia artificial para verificar, interpretar e informar resultados, pero las salvaguardas de las Enmiendas para la Mejora de los... Más
Copyright © 2000-2026 Globetech Media. All rights reserved.