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.

Please note that the LabMedica website is also available in a complete English version
Presenta Sitios para socios Información LinkXpress hp
Ingresar
Publique su anuncio con nosotros
INTEGRA BIOSCIENCES AG

Deascargar La Aplicación Móvil




Inteligencia artificial identifica células que destruyen tumores con alta precisión

Por el equipo editorial de LabMedica en español
Actualizado el 03 Jun 2024
Print article
Imagen: El modelo predictivo de IA identifica las células inmunes que matan cáncer más potentes para su uso en inmunoterapias (foto cortesía de Shutterstock)
Imagen: El modelo predictivo de IA identifica las células inmunes que matan cáncer más potentes para su uso en inmunoterapias (foto cortesía de Shutterstock)

La inmunoterapia celular implica extraer células inmunitarias del tumor de un paciente, mejorar potencialmente sus capacidades para combatir el cáncer mediante ingeniería, y luego expandirlas y reintroducirlas en el cuerpo. Las células T, un tipo primario de glóbulo blanco o linfocito, circulan en la sangre y monitorean la presencia de células cancerosas o infectadas por virus. Entre ellos, las células T que infiltran tumores sólidos se conocen como linfocitos infiltrantes de tumores o TIL. Sin embargo, no todos los TIL reconocen y atacan eficazmente las células tumorales. Para abordar esto, los científicos han empleado inteligencia artificial (IA) para crear un modelo predictivo que pueda identificar los TIL más efectivos para su uso en inmunoterapia contra el cáncer.

El nuevo modelo predictivo impulsado por IA, llamado TRTpred desarrollado por científicos de Ludwig Cancer Research (Nueva York, NY, EUA) clasifica los receptores de células T (TCR) según su reactividad tumoral. Para crear TRTpred, los investigadores utilizaron 235 TCR de pacientes con melanoma metastásico, ya clasificados como reactivos o no reactivos al tumor. Introducen los perfiles globales de expresión genética de las células T que albergan cada TCR en un modelo de aprendizaje automático para identificar patrones que distinguen las células T reactivas a tumores de sus contrapartes inactivas. Este modelo, mejorado con algoritmos adicionales, admite tratamientos contra el cáncer personalizados adaptados a la composición celular única de los tumores de cada paciente.

El modelo TRTpred se utilizó para analizar los TIL de 42 pacientes con melanoma, cáncer gastrointestinal, de pulmón y de mama, identificando los TCR reactivos a tumores con aproximadamente un 90 % de precisión. El proceso de selección se perfeccionó aún más utilizando un filtro algorítmico secundario para aislar aquellas células T con "alta avidez", lo que significa que se unen fuertemente a los antígenos tumorales. Se observó que las células T identificadas por TRTpred y este filtro secundario como reactivas al tumor y de alta avidez estaban ubicadas predominantemente dentro de los tumores en lugar de en el tejido estromal circundante. Esto concuerda con estudios previos que sugieren que las células T efectivas a menudo penetran profundamente en los islotes tumorales.

Luego se introdujo un tercer filtro para mejorar la identificación de TCR que reconocen una amplia gama de antígenos tumorales. Este filtro agrupa los TCR según características físicas y químicas similares, asumiendo que los TCR de cada grupo reconocen el mismo antígeno. Este sistema mejorado, llamado MixTRTpred, se probó luego cultivando tumores humanos en ratones, extrayendo TCR de sus TIL y empleando MixTRTpred para identificar células T que reaccionaban a tumores, tenían alta avidez y se dirigían a múltiples antígenos tumorales. Luego, los investigadores diseñaron células T de ratón para expresar estos TCR y demostraron que estas células modificadas podían erradicar eficazmente los tumores cuando se reintroducían en los ratones.

"La implementación de la inteligencia artificial en la terapia celular es nueva y puede cambiar las reglas del juego, ofreciendo nuevas opciones clínicas a los pacientes", dijo Alexandre Harari de Ludwig Lausanne, quien dirigió el estudio publicado el 7 de mayo de 2024 en Nature Biotechnology.

Enlaces relacionados:
Ludwig Cancer Research

New
Miembro Platino
Flu SARS-CoV-2 Combo Test
OSOM® Flu SARS-CoV-2 Combo Test
Magnetic Bead Separation Modules
MAG and HEATMAG
Complement 3 (C3) Test
GPP-100 C3 Kit
Miembro Oro
Liquid Ready-To-Use Lp(a) Reagent
Lipoprotein (a) Reagent

Print article
Radcal
77 ELEKTRONIKA

Canales

Química Clínica

ver canal
Imagen: El dispositivo de laboratorio en un chip milifluídico autoalimentado puede determinar la conductividad de la sangre (foto cortesía de materiales avanzados/doi: 10.1002/adma.202403568)

El primer chip alimentado por sangre ofrece monitoreo de salud en tiempo real

Los trastornos metabólicos como la diabetes y la osteoporosis están aumentando rápidamente en todo el mundo, especialmente en los países en desarrollo. El diagnóstico... Más

Diagnóstico Molecular

ver canal
Imagen: La prueba de diagnóstico molecular LAMP podría usarse para detectar la infección por T. cruzi, responsable de la enfermedad de Chagas, en recién nacidos  (foto cortesía de ISGlobal)

Una prueba de diagnóstico molecular innovadora identifica la enfermedad de Chagas en recién nacidos

La infección por el parásito Trypanosoma cruzi provoca la enfermedad de Chagas en los recién nacidos, con la transmisión vertical (congénita) representando el 20 % de... Más

Hematología

ver canal
Imagen: El nuevo Yumizen H550E (autoloader), H500E CT (tubo cerrado) y Yumizen H500E OT (tubo abierto) (foto cortesía de Horiba)

Nuevos analizadores de hematología ofrecen resultados combinados de VSG y CBC/DIFF en 60 segundos

HORIBA (Kyoto, Japón) ha ampliado su línea de analizadores de hematología compactos mediante la introducción de nuevos modelos que incorporan capacidades de medición... Más

Microbiología

ver canal
Imagen: El sistema AST PA-100 para la detección rápida de RAM ha ganado el “Premio Longitud en RAM

Prueba rápida de ITU reduce el tiempo de detección de 3 días a 45 minutos

La resistencia a los antimicrobianos (RAM), también conocida como resistencia a los antibióticos o superbacterias, es una pandemia silenciosa pero creciente en la que las bacterias se han... Más

Patología

ver canal
Imagen que ilustra cuatro escenarios pronósticos que pueden encontrarse en biopsias de hígado cuando se diagnostica cáncer de páncreas antes de la metástasis (Foto cortesía de Vanessa Dudley/Weill Cornell Medicine)

Biopsia de hígado revela signos tempranos de metástasis rápida en pacientes con cáncer de páncreas

Sólo el 10 % de las personas diagnosticadas con cáncer de páncreas vivirán más de dos años después del diagnóstico. La capacidad de predecir el momento y la ubicación de las metástasis podría transformar... Más

Tecnología

ver canal
Imagen: Ilustración del parche de microagujas (foto cortesía del Instituto Karolinska)

Parche de microagujas detecta el cáncer de piel en sus etapas tempranas

La bioelectrónica portátil se ha convertido en una innovación significativa en la atención sanitaria, especialmente en el campo de la biodetección, proporcionando un nuevo método para controlar la salud... Más

Industria

ver canal
Imagen: Durante 46 años, Roche y Hitachi han colaborado para ofrecer soluciones de diagnóstico innovadoras (foto cortesía de Roche)

Roche e Hitachi High-Tech extienden su asociación de 46 años para avances en pruebas diagnósticas

Roche (Basilea, Suiza) e Hitachi High-Tech (Tokio, Japón) han renovado su acuerdo de colaboración, comprometiéndose por 10 años más de colaboración. Esta extensión reúne su amplia experiencia en innovación,... Más
Copyright © 2000-2024 Globetech Media. All rights reserved.