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




Mapeo de genes mejora diagnóstico del cáncer

Por el equipo editorial de LabMedica en español
Actualizado el 02 Aug 2017
Imagen: Un modelo en 3D de un cromosoma, usando la técnica de visualización Hi-C (Fotografía cortesía del Instituto Babraham).
Imagen: Un modelo en 3D de un cromosoma, usando la técnica de visualización Hi-C (Fotografía cortesía del Instituto Babraham).
A menudo, se ve, en las células de cáncer, cambios a gran escala en la estructura del genoma y los científicos han encontrado una manera de detectar estos cambios, un hecho que podría mejorar el diagnóstico del cáncer y ayudar al uso de tratamientos dirigidos.

Los reordenamientos cromosómicos ocurren constitucionalmente en la población general y somáticamente en la mayoría de los cánceres. La detección de los reordenamientos equilibrados, tales como translocaciones e inversiones recíprocas, es problemática, lo que es particularmente perjudicial en oncología donde los reordenamientos desempeñan funciones diagnósticas y de pronóstico.

Un equipo de científicos médicos dirigido por los investigadores del Instituto Babraham (Cambridge, Reino Unido) ha desarrollado una nueva aplicación para una técnica llamada Hi-C, que permite a los científicos hacer un mapa de cómo se dispone el material genético dentro de las células. Al analizar esta información, los investigadores pueden identificar confiablemente los cambios genéticos importantes que otros métodos pueden pasar por alto. Todo esto tiene un costo menor que los métodos de secuenciación de ADN estándar.

Hi-C puede detectar reordenamientos cromosómicos, en los que se intercambian o se mueven grandes secciones de ADN entre fragmentos del genoma llamados cromosomas, y también la variación en el número de copias, donde el material genético se copia o se elimina. Ambos cambios pueden tener efectos drásticos sobre cómo se comporta la célula. El equipo utilizó Hi-C para examinar el genoma de las células cancerosas de seis personas con tumores cerebrales. Ellos fueron capaces de identificar los principales cambios en el genoma, a menudo con exactitud puntual. De manera única, este método permite a los médicos y científicos estudiar los cambios genéticos en el contexto más amplio de todo el genoma. Hi-C podría convertirse en una poderosa herramienta para la comprensión de los cambios genéticos complejos que se encuentran en muchos tipos de cáncer.

El uso de Hi-C, en las seis muestras de tumor primario, reveló amplificaciones de oncogenes conocidos, deleciones de un gen supresor de tumores y muchos reordenamientos estructurales, equilibrados y no equilibrados. Un reordenamiento equilibrado estudiado en detalle demostró producir la fusión de dos genes que se sabe que están involucrados en el cáncer. Hi-C no se basa en la presencia de células en división y se puede utilizar en todos los tipos de células nucleadas. Por lo tanto, es una herramienta poderosa en el análisis de tumores sólidos, donde el análisis citogenético es difícil y rara vez se realiza como parte de la rutina de diagnóstico/análisis; sin embargo, los genes de fusión pueden desempeñar un papel clínico crítico. Hi-C permite que estos tumores sean interrogados y proporciona un medio para aliviar el sesgo en la detección de los arreglos cromosómicos y los genes de fusión para los cánceres hematológicos.

Peter Fraser, PhD, un profesor e investigador principal del estudio dijo: “Hi-C podría desempeñar un papel fundamental en la detección de las anormalidades cromosómicas y puede ayudar al descubrimiento de nuevos genes de fusión. La técnica trabaja con muestras de calidad mucho más baja que las técnicas actuales y tiene la ventaja adicional de ser capaz de proporcionar información del número de copias a partir de los mismos datos. Todo esto tiene un costo significativamente menor que los métodos estándar que usan la secuenciación del ADN”. El estudio fue publicado el 27 de junio de 2017 en la revista Genome Biology.

Enlace relacionado:
Instituto Babraham

Miembro Platino
Analizador de coagulación automatizado
Hemolumi H6
Miembro Oro
Lector rapido de tarjetas
EASY READER+
New
Slide Scanner System
NanoZoomer S540MD
Miembro Oro
Analizador totalmente automatizado de proteínas específicas (nefelometría)
PA240

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.