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




Herramienta de detección no invasiva basada en secuenciación de ARN unicelular para la endometriosis

Por el equipo editorial de LabMedica en español
Actualizado el 22 Sep 2022
Imagen: Endometriosis: ilustración esquemática del útero y las enfermedades del sistema reproductivo femenino (Fotografía cortesía de www.123rf.com)
Imagen: Endometriosis: ilustración esquemática del útero y las enfermedades del sistema reproductivo femenino (Fotografía cortesía de www.123rf.com)

Los resultados presentados en un artículo reciente sientan las bases para el uso de efluentes menstruales (EM) como una herramienta de detección eficaz para identificar la endometriosis en pacientes con síntomas crónicos que sugieren este trastorno.

La endometriosis es un trastorno que ocurre cuando los tejidos similares al útero crecen fuera del útero y forman lesiones. La afección afecta aproximadamente al 10 % de las mujeres en edad reproductiva, lo que resulta en dolor crónico, a menudo debilitante, o infertilidad y otras complicaciones médicas. Debido a la falta de herramientas de diagnóstico no quirúrgicas, a menudo pueden pasar de siete a 10 años para que se le diagnostique la endometriosis. Actualmente, la cirugía laparoscópica invasiva es el único método diagnóstico definitivo.

Investigadores de los Institutos Feinstein para la Investigación Médica (Manhasset, NY, EUA) evaluaron el potencial de EM frescos, que contiene una gran cantidad de fragmentos desprendidos de tejidos endometriales, como una muestra biológica importante e inexplorada para el desarrollo de diagnósticos no invasivos basados en el análisis directo de estos fragmentos de tejido endometrial.

En este estudio, los investigadores realizaron la primera comparación de secuenciación de ARN unicelular (scRNA-Seq) de tejidos endometriales en EM recién recolectados de 33 sujetos, incluidas pacientes con endometriosis confirmada (casos) y controles, así como sujetos sintomáticos (que tienen síntomas crónicos sugestivos de endometriosis pero no han sido diagnosticadas). Los investigadores llevaron a cabo una digestión enzimática de EM y tejidos asociados seguidos de un análisis de scRNA-Seq y compararon las principales diferencias celulares y los perfiles de expresión génica encontrados en los EM recopilados de controles sanos y pacientes diagnosticadas con endometriosis, así como pacientes con síntomas de endometriosis que aún no fueron diagnosticadas.

El análisis de ARN identificó un subgrupo único de células asesinas naturales uterinas (uNK) en proliferación en los tejidos de EM de los controles que casi no existía en los casos de endometriosis, junto con una reducción sorprendente del total de células uNK en los casos de EM. Además, un subconjunto decidualizado de células estromales endometriales abundaba en el endometrio desprendido de los controles en comparación con los casos, lo que confirma los hallazgos de decidualización comprometida de las células estromales cultivadas de los casos. Las células decidualizadas están rodeadas por una membrana mucosa que recubre el útero y se desprende durante la menstruación y se modifica durante el embarazo.

Además, un enriquecimiento de células B en los casos planteó la posibilidad de que algunas de estas pacientes pudieran tener endometritis crónica, un trastorno que a menudo progresa a endometriosis.

“Millones de adolescentes y mujeres sufren de endometriosis sin un diagnóstico adecuado, lo que retrasa su atención y prolonga su dolor”, dijo la autora colaboradora, la Dra. Christine Metz, profesora de medicina molecular en los Institutos Feinstein de Investigación Médica. "Este nuevo artículo describe el potencial de una nueva herramienta de detección para identificar la endometriosis más temprano y permitir que las pacientes obtengan la ayuda que necesitan".

El artículo sobre endometriosis se publicó en la edición en línea del 15 de septiembre de 2022 de la revista BMC Medicine.

Enlaces relacionados:
Los Institutos Feinstein para la Investigación Médica

Miembro Platino
Analizador de coagulación automatizado
Hemolumi H6
Miembro Oro
Clinical Chemistry Assay
Sorbitol Dehydrogenase (SDH)
Automated Clinical Chemistry Analyzer
Envoy 500+
ANALIZADOR DE INMUNOENSAYOS EN POC
Procise DX

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.