Nuevos biomarcadores como herramienta de diagnóstico para Alzheimer

Con esta estrategia, los médicos examinan la historia del paciente, los exámenes físicos, las pruebas de laboratorio, los exámenes de imagenología y las evaluaciones neurofisiológicas, como un medio para diagnosticar la EA y determinar su progresión.

Científicos de la Universidad del Estado de Ohio (Columbus, OH, EUA) y sus colegas analizaron 34 muestras de líquido cefalorraquídeo (LCR) de 24 pacientes con EA y de 10 individuos sanos que sirvieron como controles. Se analizaron 30 muestras de suero de 22 pacientes con EA y de ocho individuos sanos que sirven como controles. Las muestras de LCR procesadas se combinaron con anticuerpos primarios anti-Aβ (1-42) derivados de conejo y un anticuerpo secundario anti-conejo derivado de cabra, anti-tau (Abcam, Cambridge, Reino Unido) en ensayos de inmunofluorescencia.

Se secó una muestra de LCR de 10 μL en una superficie de vidrio para la caracterización nanomecánica con microscopía de fuerza atómica (AFM) (MFP-3D SPM, Asylum Research, Santa Bárbara, CA, EUA). Se usó la imagenología con microscopio hiperespectral (HMI, CytoViva, Auburn, AL, EUA) para la visualización y el análisis de las partículas y se capturaron imágenes de estructuras micro-/nanoescala y micro-/nanopartículas. Las puntas AFM, recubiertas con oro y anticuerpos anti-Aβ (1-42), se funcionalizaron para detectar específicamente las proteínas con inclusiones de Aβ, dentro del suero humano. Se utilizó el suero o el anticuerpo anti-Aβ (1-42) para recubrir los sustratos, respectivamente.

Los científicos mostraron que las propiedades físicas a nanoescala de los agregados de proteínas del líquido cefalorraquídeo y de la sangre de los pacientes, se alteran durante la patogénesis de la EA y que estas propiedades pueden ser utilizadas como una nueva clase de biomarcadores físicos. Utilizando un algoritmo computacional, desarrollado para integrar estos biomarcadores y las evaluaciones cognitivas, demostraron un método para diagnosticar imparcialmente la EA y predecir su progresión.

Mingjun Zhang, PhD, DSc, un profesor de Ingeniería Biomecánica, e investigador principal del estudio, dijo: “Con una herramienta como esta, podemos predecir la velocidad de esta enfermedad, algo que actualmente no podemos hacer, simplemente sabemos que todos son diferentes. El estudio de múltiples indicadores de la enfermedad de una vez aumenta la fiabilidad del diagnóstico y el pronóstico”. El estudio fue publicado el 28 de julio de 2017, en la revista Science Advances.