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




Un analizador de precisión revela las "proteínas camaleónicas" que causan enfermedades

Por el equipo editorial de LabMedica en español
Actualizado el 24 Mar 2026
Imagen: Proceso central que combina simulación de IA con datos reales de RMN (PNAS, 2026. doi.org/10.1073/pnas.2518125123).
Imagen: Proceso central que combina simulación de IA con datos reales de RMN (PNAS, 2026. doi.org/10.1073/pnas.2518125123).

Comprender cómo se comportan las proteínas dentro del organismo es fundamental para descubrir las causas de muchas enfermedades complejas. Aunque la mayoría de las proteínas funcionan en función de estructuras tridimensionales estables, una gran parte de las proteínas humanas carece de una forma fija, lo que las hace extremadamente difíciles de estudiar.

Ahora, investigadores han desarrollado un nuevo método analítico capaz de examinar con precisión estas proteínas esquivas, abriendo nuevas posibilidades para comprender y tratar enfermedades como la demencia, la enfermedad de Parkinson y la diabetes.

La técnica avanzada de análisis de proteínas, desarrollada por un equipo de investigación conjunto del Instituto de Ciencia y Tecnología de Daegu Gyeongbuk (DGIST, Daegu, Corea del Sur) y el Instituto Coreano de Ciencias Básicas (KBSI, Daejeon, Corea del Sur), combina inteligencia artificial (IA), simulaciones por computadora y validación experimental para estudiar proteínas intrínsecamente desordenadas.

Aproximadamente un tercio de las proteínas humanas son intrínsecamente desordenadas, lo que significa que no tienen una estructura tridimensional fija y cambian de forma constantemente. A pesar de su naturaleza inestable, estas proteínas desempeñan funciones cruciales en la señalización y regulación celular. Sin embargo, cuando se pliegan incorrectamente o se agregan de forma anormal, están estrechamente relacionadas con enfermedades neurodegenerativas como el Alzheimer y el Parkinson, así como con afecciones metabólicas como la diabetes tipo 2.

Para estudiar estas proteínas, los investigadores desarrollaron un enfoque analítico híbrido. Primero, generaron decenas de miles de posibles estructuras proteicas utilizando modelos de IA, simulaciones avanzadas y datos estructurales del Protein Data Bank. Estas estructuras candidatas se compararon con datos experimentales reales obtenidos mediante espectroscopia de resonancia magnética nuclear.

Utilizando un método de "máxima entropía", el sistema asignó mayor confianza a las estructuras que coincidían estrechamente con las observaciones experimentales. Este enfoque permitió a los investigadores capturar incluso estructuras intermedias de corta duración que ocurren durante el movimiento de las proteínas, lo que posibilita una representación más precisa de cómo se comportan estas proteínas en condiciones biológicas reales.

La capacidad de observar proteínas intrínsecamente desordenadas a nivel atómico representa un avance significativo en la investigación biomédica. Al rastrear cómo cambian estas proteínas bajo diferentes condiciones, como variaciones de temperatura o mutaciones genéticas, los investigadores pueden comprender mejor cómo los procesos de plegamiento incorrecto contribuyen al desarrollo de enfermedades.

Los hallazgos, publicados en Proceedings of the National Academy of Sciences (PNAS), podrían desempeñar un papel crucial en la identificación de mecanismos de enfermedades y en el diseño de terapias dirigidas para afecciones que durante mucho tiempo han sido difíciles de tratar debido a la naturaleza compleja de estas proteínas.

El equipo de investigación planea ampliar este enfoque mediante el desarrollo de bases de datos estructurales específicas para proteínas desordenadas. En colaboración con instituciones nacionales de investigación, pretenden establecer una versión localizada del Banco de Datos de Proteínas (PDB) centrada en proteínas sin estructura fija. Estos recursos podrían acelerar la investigación sobre comportamientos proteicos previamente inaccesibles y contribuir al desarrollo de nuevos tratamientos para enfermedades neurodegenerativas y metabólicas.

Enlaces relacionados:
DGIST
KBSI

Miembro Platino
Analizador de coagulación automatizado
Hemolumi H6
Miembro Oro
Solución de biomarcadores proteicos en sangre para la enfermedad de Alzheimer
BG-DTi2000.
ANALIZADOR DE ELECTROLITOS
BKE-B
New
Slide Scanner System
NanoZoomer S540MD

Canales

Química Clínica

ver canal
Imagen: La prueba Galleri de GRAIL utiliza el aprendizaje automático para analizar patrones de ADNcf en busca de señales de cáncer y predecir su ubicación probable para guiar una evaluación adicional.

Prueba sanguínea multicáncer amplía detección a cánceres sin opciones de cribado rutinario

Muchos cánceres letales carecen de cribado rutinario y a menudo se diagnostican solo después de que aparecen los síntomas, lo que limita las opciones curativas. Los programas estándar... Más

Inmunología

ver canal
Imagen: Resumen gráfico (Turner N, Keam S, Abdel-Wahab N, et al. La cascada inflamatoria guiada por células B perpetúa la colitis mediada por ICI. Cell Reports (2026). doi:10.1016/j.celrep.2026.117969)

Biomarcador sanguíneo podría predecir riesgo de colitis durante terapia con inhibidores de puntos de control

Los inhibidores de puntos de control inmunitario pueden desencadenar colitis inmunorrelacionada que provoca diarrea grave, dolor abdominal e interrupciones del tratamiento. Actualmente, los médicos... Más

Microbiología

ver canal
Imagen: El ébola sigue siendo una amenaza para la salud pública en rápida evolución con una alta mortalidad, lo que subraya la necesidad de un diagnóstico oportuno y pruebas descentralizadas más cercanas a los pacientes (Crédito de la imagen: Adobe Stock)

Colaboración busca llevar detección sanguínea del ébola fuera de los laboratorios centrales

Co-Diagnostics, Inc. (Salt Lake City, UT, EE. UU.) y ReadyGo Diagnostics Ltd. (Bath, Reino Unido) han iniciado una colaboración para evaluar GoCollect de ReadyGo con la plataforma Co-Dx PCR para... Más

Patología

ver canal
Imagen: Muestras vaginales y de orina que muestran cáncer de endometrio (caso verdadero positivo; fila superior) y ausencia de células malignas (caso verdadero negativo; fila inferior). (Jones ER, Narine N, O\'Flynn H, et al. The Lancet Obstetrics, Gynecology, & Women's Health (2026). DOI:10.1016/S3050-5038(26)00222-0.)

Prueba sencilla podría reducir necesidad de estudios invasivos para detectar cáncer uterino

El sangrado después de la menopausia requiere una investigación urgente para detectar cáncer de útero, aunque la mayoría de las mujeres que se someten a pruebas no padecen... 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.