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

Deascargar La Aplicación Móvil




Tecnología de código de barras diagnostica el cáncer con mayor precisión

Por el equipo editorial de LabMedica en español
Actualizado el 23 Nov 2024
Imagen: Patho-DBiT revela la arquitectura de tejido a nivel celular de una muestra agresiva de linfoma gástrico almacenada durante 3 años (Foto cortesía de Yale)
Imagen: Patho-DBiT revela la arquitectura de tejido a nivel celular de una muestra agresiva de linfoma gástrico almacenada durante 3 años (Foto cortesía de Yale)

Una nueva herramienta patológica que utiliza tecnología de código de barras muestra potencial para su uso en el diagnóstico del cáncer.

Desarrollada en la Facultad de Medicina de Yale (New Haven, Connecticut, EUA), esta herramienta, llamada Patho-DBiT (código de barras determinista compatible con patología en tejidos), aprovecha el código de barras del ADN para mapear las relaciones espaciales entre el ARN y las proteínas, lo que permite un examen exhaustivo del ARN, algunos de cuyos tipos desempeñan funciones reguladoras en el cáncer. La innovación radica en el uso de dispositivos microfluídicos que envían códigos de barras al tejido desde dos direcciones, creando un "mosaico" 2D único de píxeles. Este mosaico proporciona información espacial que podría ser crucial para desarrollar terapias dirigidas específicas para cada paciente.

En su estudio publicado en la revista Cell, los investigadores explican cómo Patho-DBiT podría desbloquear una gran cantidad de información conservada en muestras de biopsia de tejido. Las posibles aplicaciones futuras de esta tecnología incluyen la creación de terapias dirigidas y la comprensión de los mecanismos detrás de la transformación de tumores de bajo grado en formas más agresivas, lo que podría ayudar a encontrar formas de prevenir esta progresión. Sin embargo, se requieren más investigaciones para probar y validar muestras de pacientes antes de que Patho-DBiT pueda integrarse en los diagnósticos patológicos de rutina.

“Es la primera vez que podemos 'ver' directamente todo tipo de especies de ARN, dónde están y qué hacen, en muestras de tejido clínico”, dijo el Dr. Rong Fan de Yale, autor principal del estudio. “Usando esta herramienta, podemos entender mejor la fascinante biología de cada molécula de ARN, que tiene un ciclo de vida muy rico más allá de simplemente saber si cada gen se expresa o no. Creo que va a transformar por completo la forma en que estudiamos la biología de los humanos en el futuro”.

“Hay millones de estos tejidos que han estado archivados durante tantos años, pero hasta ahora no teníamos herramientas efectivas para investigarlos a nivel espacial”, dijo el primer autor del estudio, el Dr. Zhiliang Bai, asociado postdoctoral en el laboratorio de Fan. “Las moléculas de ARN en estos tejidos que estamos observando están muy fragmentadas y los métodos tradicionales no pueden capturar toda la información importante sobre ellas. Es por eso que estamos muy entusiasmados con Patho-DBiT”.

New
Miembro Oro
Clinical Chemistry Assay
Sorbitol Dehydrogenase (SDH)
Miembro Oro
Lector rapido de tarjetas
EASY READER+
New
HPV Test
Allplex HPV28 Detection
New
Total Laboratory Automation Solution
SATLARS Mini T8

Canales

Química Clínica

ver canal
Foto cortesía de Adobe Stock

Prueba de cribado multicáncer en orina recibe designación de dispositivo innovador de la FDA

La detección precoz de múltiples tipos de cáncer sigue siendo una necesidad importante no cubierta en los programas de cribado poblacional. Los métodos no invasivos que pueden... Más

Diagnóstico Molecular

ver canal
Imagen: el nuevo enfoque se centra en la metilación del ADN CpG, una modificación química de las bases de citosina y guanina, utilizando muestras de tumores para desarrollar un modelo computacional que distingue entre 21 tipos de cáncer (crédito de la foto: 123RF)

Modelo de aprendizaje automático predice el origen tumoral en cánceres de origen primario desconocido

Los cánceres de origen primario desconocido (CUP, por sus siglas en inglés) son neoplasias malignas metastásicas cuyo sitio primario no se puede identificar, lo que dificulta la s... Más

Hematología

ver canal
Imagen: El linfoma difuso de células B grandes (LDCBG) es la forma más común de linfoma no Hodgkin y a menudo se presenta con un comportamiento clínico agresivo (fotografía cortesía de Shutterstock)

Identifican un “interruptor protector” en el linfoma difuso de células B grandes

El linfoma difuso de células B grandes (LDCBG) es la forma más común de linfoma no Hodgkin y suele presentar un comportamiento clínico agresivo. Si bien muchos pacientes responden... Más

Inmunología

ver canal
Imagen: Filipe Lima, primer autor del artículo (foto cortesía de FMRP-USP)

Método de cribado combinado permite identificar casos de lepra en etapas tempranas

La lepra sigue siendo un problema importante de salud pública, con más de 200.000 casos nuevos notificados anualmente en todo el mundo, y la enfermedad temprana a menudo escapa a la detección... Más
Copyright © 2000-2026 Globetech Media. All rights reserved.