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

Deascargar La Aplicación Móvil




Microbioma del meconio puede ayudar a predecir el riesgo de desarrollar alergias

Por el equipo editorial de LabMedica en español
Actualizado el 12 May 2021
Imagen: El diagrama esquemático de un metaboloma rico en meconio en bebés humanos está asociado con la composición de la microbiota intestinal en la vida temprana y la sensibilización alérgica reducida (Fotografía cortesía de la Universidad de la Columbia Británica)
Imagen: El diagrama esquemático de un metaboloma rico en meconio en bebés humanos está asociado con la composición de la microbiota intestinal en la vida temprana y la sensibilización alérgica reducida (Fotografía cortesía de la Universidad de la Columbia Británica)
El meconio, que normalmente se elimina durante el primer día de vida, está compuesto por una variedad de materiales ingeridos y excretados durante el desarrollo, que van desde las células de la piel, el líquido amniótico y varias moléculas conocidas como metabolitos.

La maduración de la microbiota comienza en serio inmediatamente después del nacimiento, cuando las bacterias pioneras se introducen en el intestino neonatal y forman un nicho capaz de sustentar colonizadores sucesivos que comprenderán la microbiota infantil. La maduración de esta comunidad microbiana continúa durante los primeros años de vida y ocurre concomitantemente con cambios dramáticos en la función inmune del huésped.

Un equipo de científicos de la Universidad de la Columbia Británica (Vancouver, BC, Canadá), analizó muestras de meconio de 37 bebés de control sanos y 63 bebés con atopia inscritos en el Estudio de Cohorte CHILD (CHILD), un estudio líder de cohorte en el mundo de nacimientos sobre la salud materna, neonatal e infantil. Estas muestras fueron analizadas por Metabolon, Inc. (Morrisville, NC, EUA), para el perfil metabólico no dirigido a través de su Plataforma de Perfiles de Metabolómica Global mView usando Cromatografía Líquida de Ultra Alto Rendimiento-Espectroscopía de Masas en Tándem (UPLC-MS/MS) .

Los científicos descubrieron que cuantos menos tipos diferentes de moléculas contiene el meconio de un bebé, mayor es el riesgo de que el niño desarrolle alergias al cabo de un año. También encontraron que una reducción en ciertas moléculas estaba asociada con cambios en grupos bacterianos clave. Estos grupos de bacterias desempeñan un papel fundamental en el desarrollo y la maduración de un vasto ecosistema de microbios intestinales, conocido como microbiota, que es un actor poderoso en la salud y la enfermedad. Usando un algoritmo de aprendizaje automático, los científicos combinaron meconio, microbios y datos clínicos para predecir con un alto grado de exactitud (76%), y de manera más confiable que nunca, si un bebé desarrollaría alergias al año de edad.

Stuart E. Turvey, MBBS, DPhil, FRCPC, profesor de pediatría y autor principal del estudio, dijo: “Sabemos que los niños con alergias tienen un riesgo mayor de desarrollar asma también. Ahora tenemos la oportunidad de identificar a los bebés en riesgo que podrían beneficiarse de las intervenciones tempranas incluso antes de que comiencen a mostrar signos y síntomas de alergias o asma en el futuro”. El estudio fue publicado el 29 de abril de 2021 en la revista Cell Reports Medicine.

Enlace relacionado:
Universidad de la Columbia Británica
Metabolon, Inc.

Miembro Oro
Lector rapido de tarjetas
EASY READER+
Software de laboratorio
Acusera 24•7
New
Miembro Oro
Control de preeclampsia
Acusera Pre-Eclampsia Control
Hematology Consumables
Bioblood Devices

Canales

Química Clínica

ver canal
Imagen: Nuevos hallazgos presentados en ADLM 2026 sugieren que el aprendizaje automático podría ayudar a mejorar la precisión de un análisis de sangre estándar utilizado para diagnosticar tumores raros que se forman en las glándulas suprarrenales o cerca de ellas (Fotografía cortesía de Shutterstock)

Modelo de aprendizaje automático promete mejorar precisión de pruebas de metanefrinas

Los feocromocitomas y los paragangliomas son tumores poco frecuentes que se forman en las glándulas suprarrenales o cerca de ellas y provocan una sobreproducción de hormonas del estrés.... Más

Diagnóstico Molecular

ver canal
Crédito de la imagen: Shutterstock

Biopsia líquida única predice beneficio temprano de inmunoterapia en cáncer de pulmón avanzado

Evaluar el beneficio temprano de la inmunoterapia en el cáncer de pulmón de células no pequeñas avanzado puede ser un desafío porque las respuestas radiográficas pueden tardar meses en hacerse evidentes.... Más

Patología

ver canal
Crédito de imagen: iStock

Herramienta de patología con IA predice riesgo de recaída en cáncer colorrectal en estadio II

El cáncer colorrectal es el cuarto cáncer diagnosticado con mayor frecuencia en Australia y la segunda causa principal de muerte por cáncer, al tiempo que sigue siendo el tercer cáncer... Más

Tecnología

ver canal
Imagen: el panel combina diagnósticos basados ​​en biomarcadores con algoritmos digitales avanzados para permitir una evaluación no invasiva utilizando datos clínicos disponibles de forma rutinaria (Fotografía cortesía de Adobe Stock)

Panel de algoritmos ayuda a evaluar la fibrosis hepática y vigilar el cáncer de hígado

La enfermedad hepática crónica es común y suele progresar de forma silenciosa, lo que aumenta el riesgo de cirrosis y carcinoma hepatocelular cuando no se detecta de manera temprana.... Más
Copyright © 2000-2026 Globetech Media. All rights reserved.