Ensayo de crecimiento bacteriano predice gravedad de COVID-19 a partir de plasma

La COVID-19 se presenta con un amplio espectro clínico, desde una enfermedad leve hasta una enfermedad grave y potencialmente mortal. La diferenciación temprana entre pacientes que probablemente permanecerán con síntomas leves y aquellos en riesgo de una progresión grave es vital para las vías de atención. Las muestras biológicas contienen señales químicas multiplexadas que pueden codificar esta información pronóstica. Nuevos hallazgos demuestran que las respuestas de crecimiento de Escherichia coli al plasma de pacientes pueden distinguir la COVID-19 leve de la grave.

El Instituto Nacional de Investigación para la Agricultura, la Alimentación y el Medio Ambiente de Francia (INRAE), en colaboración con el Hospital Universitario Grenoble Alpes, la Universidad Grenoble Alpes y el CEA, describió un método que utiliza Escherichia coli (E. coli) como una computadora biológica de reservorio. Sin modificarla genéticamente, la bacteria se pone en contacto directo con plasma de pacientes con COVID-19. Esta adapta su metabolismo y crecimiento a la composición química del plasma, generando una curva de crecimiento que refleja las señales detectadas.

La curva de crecimiento resultante se mide y se utiliza como una salida de procesamiento de información. En muestras clínicas, esta lectura permitió clasificar si un paciente tenía probabilidades de desarrollar una COVID-19 leve o grave. Para otras tareas computacionales, los investigadores tradujeron distintos problemas en mezclas definidas de nutrientes que provocaron respuestas análogas basadas en el crecimiento bacteriano. Cabe destacar que la bacteria realizó tareas normalmente asignadas a algoritmos de aprendizaje automático sin necesidad de entrenamiento previo.

La investigación fue publicada en Cell Systems y coordinada por el INRAE, con la participación del Hospital Universitario Grenoble Alpes, la Universidad Grenoble Alpes y el CEA. Los autores señalan que los organismos vivos sin modificaciones genéticas pueden convertir la complejidad de una muestra en información utilizable. Este enfoque podría dar lugar a herramientas diagnósticas y pronósticas sencillas y asequibles que puedan implementarse en entornos con recursos técnicos limitados.

El equipo planea explorar aplicaciones adicionales, incluido el monitoreo de muestras ambientales como las aguas residuales urbanas y el análisis de otros tipos de muestras clínicas. En términos más generales, el trabajo pone de relieve el potencial de los sistemas vivos como plataformas para el procesamiento de información y la detección.

Enlaces relacionados
INRAE 
Grenoble Alpes University Hospital

Visitar la expo >

Miembro Oro

Aspiration System

VACUSAFE

Software de laboratorio
Acusera 24•7

Clinical Informatics Platform

CLARION™

Manual Pipetting Aid

Pipette Controllers macro