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




Tecnología de secuenciación de lectura larga identifica causas genéticas de enfermedades raras en niños

Por el equipo editorial de LabMedica en español
Actualizado el 11 Sep 2024
Imagen: Los investigadores han recibido una subvención de NIH para identificar contribuyentes genéticos a enfermedades raras en niños (foto cortesía de Adobe Stock)
Imagen: Los investigadores han recibido una subvención de NIH para identificar contribuyentes genéticos a enfermedades raras en niños (foto cortesía de Adobe Stock)

A medida que la tecnología de secuenciación genética avanza y se vuelve más accesible, se han logrado avances significativos en la comprensión de las bases genéticas de varias enfermedades. Este progreso ha impulsado una proliferación de aplicaciones clínicas para las pruebas genéticas, brindando esperanza y mejores resultados a personas que padecen numerosas condiciones genéticas. A pesar de estos avances, aún existe un número considerable de individuos con enfermedades raras que permanecen sin diagnóstico, incluso con las pruebas genómicas más avanzadas. Para abordar esta situación, un equipo de investigadores está empleando ahora un nuevo enfoque de secuenciación conocido como secuenciación genómica de lectura larga para volver a examinar los genomas de personas que se sometieron previamente a la secuenciación sin recibir un diagnóstico. La secuenciación de lectura larga ofrece una visión más completa del genoma, capturando muchas variantes genéticas que pueden pasar desapercibidas con las técnicas de secuenciación tradicionales.

En el Instituto de Biotecnología HudsonAlpha (Huntsville, Alabama, EUA), los investigadores están liderando el uso de la secuenciación genómica para transformar el diagnóstico de trastornos genéticos, especialmente en niños. Desde 2013, el equipo ha secuenciado los genomas de casi 2000 niños, y más del 40 % de estos casos han revelado información genética relacionada con sus síntomas clínicos. Ahora se están centrando en la secuenciación de lectura larga, que creen podría proporcionar diagnósticos para más niños y sus familias. Los hallazgos preliminares indican que la secuenciación de lectura larga podría identificar información genética significativa en el 5-10 % de los casos previamente evaluados pero no diagnosticados, lo que potencialmente mejoraría las tasas de diagnóstico para un amplio espectro de condiciones pediátricas. Dado que esta tecnología aún está en sus primeras etapas, hay un amplio margen para su refinamiento y mejora, lo que podría aumentar aún más el éxito diagnóstico, como sugieren los estudios iniciales.

El equipo de investigación planea aplicar la secuenciación de lectura larga para reevaluar los genomas de más de 500 personas cuya secuenciación de lectura corta anterior no arrojó resultados concluyentes. En ciertos casos, también secuenciarán los genomas de los padres de los pacientes para detectar tanto variaciones genéticas heredadas como nuevas. La secuenciación de lectura larga es especialmente eficaz para identificar tipos de variaciones genéticas que generalmente no se detectan con la secuenciación de lectura corta, como las variantes estructurales. Estas variantes estructurales, que incluyen grandes deleciones, duplicaciones, inversiones, translocaciones y otros reordenamientos complejos, pueden alterar la función genética y provocar enfermedades. La capacidad limitada de la secuenciación de lectura corta para detectar estas variantes estructurales sugiere que la secuenciación de lectura larga podría descubrir variantes adicionales que expliquen los síntomas en algunos pacientes.

“La secuenciación de lectura larga es una herramienta muy prometedora para descubrir las causas genéticas de las enfermedades”, dijo Greg Cooper, PhD, investigador de la facultad de HudsonAlpha. “Mi equipo y yo estamos comprometidos en hacer una diferencia en la vida de las personas y familias afectadas por trastornos genéticos raros. Al expandir los límites de la investigación genética, esperamos arrojar luz sobre variaciones genéticas previamente ocultas y proporcionar diagnósticos más precisos y oportunos. Nuestro objetivo es empoderar a las familias con el conocimiento que necesitan para enfrentar sus desafíos de salud y construir un mejor futuro”.

Enlaces relacionados:
Instituto HudsonAlpha de Biotecnología

Miembro Platino
Analizador de coagulación automatizado
Hemolumi H6
New
Miembro Oro
Analizador de la función plaquetaria
PL-12
Manual Pipetting Aid
Pipette Controllers macro
New
Gastrointestinal Panel
Xpert® GI Panel

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.