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




Análisis basado en microARN para detección precoz del cáncer

Por el equipo editorial de LabMedica en español
Actualizado el 28 Nov 2017
Imagen: Una microfotografía electrónica de barrido (SEM) de una célula de cáncer de ovario (Fotografía cortesía de Steve Gschmeissner / SPL).
Imagen: Una microfotografía electrónica de barrido (SEM) de una célula de cáncer de ovario (Fotografía cortesía de Steve Gschmeissner / SPL).
Los investigadores del cáncer han propuesto utilizar una red de microARN circulantes para diagnosticar el carcinoma de ovario en una etapa anterior de lo que es posible actualmente.
 
Los microARN (miARN) son una familia de ARN no codificantes, de 19 a 25 nucleótidos, que regulan la expresión génica al dirigirse a los ARN mensajeros (ARNm) de una manera específica según la secuencia, induciendo la represión traslacional o la degradación del ARNm, dependiendo del grado de complementariedad entre los miARN y sus objetivos. La secuencia de muchos miARNs se conserva entre organismos distantemente relacionados, lo que sugiere que estas moléculas participan en procesos esenciales. De hecho, se ha demostrado que los miARN están implicados en la regulación de la expresión génica durante el desarrollo, la proliferación celular, la apoptosis, el metabolismo de la glucosa, la resistencia al estrés y el cáncer.
 
Actualmente no están disponibles técnicas de detección primaria para el cáncer de ovario en etapa temprana, por lo que es difícil diagnosticar la enfermedad. Como lo han sugerido estudios recientes puede existir un papel para los ARN no codificantes en el cáncer de ovario epitelial (COE). Los investigadores del Hospital Brigham and Women's (Boston, MA, EUA) y el Instituto del Cáncer Dana-Farber (Boston, MA, Estados Unidos) evaluaron el potencial diagnóstico de una red neuronal de miARN en suero para la detección de cáncer de ovario.
 
Los investigadores combinaron secuencias de ARN pequeños de 179 muestras de suero humano con el análisis de redes neuronales para producir un algoritmo de miARN para el diagnóstico del EOC. El modelo superó significativamente las pruebas de CA125 y funcionó bien independientemente de la edad, la histología o el estadío del paciente. Entre 454 pacientes con diversos diagnósticos, la red neuronal de miARN tuvo una especificidad del 100% para el cáncer de ovario. Después de usar 325 muestras para adaptar la red neural a las mediciones de qPCR, el modelo se validó utilizando 51 muestras clínicas independientes, con un valor predictivo positivo de 91,3% y un valor predictivo negativo de 78,6%. La relevancia biológica se probó usando hibridación in situ en 30 lesiones premetastásicas, que mostraron una concentración intratumoral de miARN relevantes.
 
“La clave es que esta prueba es muy poco probable que diagnostique mal el cáncer de ovario y genere una señal positiva cuando no hay un tumor maligno. Este es el sello distintivo de una prueba de diagnóstico efectiva”, dijo el autor principal, el Dr. Dipanjan Chowdhury, jefe de la división de radiación y estabilidad genómica en el Instituto de Cáncer Dana-Farber.
 
La prueba de miARN para la detección temprana del cáncer de ovario se describió en la edición en línea del 31 de octubre de 2017 de la revista eLife.
 
Miembro Oro
Automatic Hematology Analyzer
CF9600
Software de laboratorio
Acusera 24•7
ANALIZADOR DE ELECTROLITOS
BKE-B
Chromogenic Culture System
InTray™ COLOREX™ ECC

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

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

Industria

ver canal
Crédito de imagen: iStock

Una colaboración impulsa los diagnósticos basados en esputo para el asma y la EPOC

El asma y la enfermedad pulmonar obstructiva crónica son afecciones inflamatorias de las vías respiratorias muy prevalentes, que afectan a más de 40 million Americans y a más... Más
Copyright © 2000-2026 Globetech Media. All rights reserved.