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




Algoritmo identifica estructuras específicas del cáncer en datos de secuenciación de ADN de lectura larga

Por el equipo editorial de LabMedica en español
Actualizado el 03 Jun 2025
Imagen: la nueva herramienta está diseñada para una detección precisa de variaciones estructurales en muestras clínicas (foto cortesía de Karen Arnott/EMBL-EBI e Isabel Romero Calvo/EMBL)
Imagen: la nueva herramienta está diseñada para una detección precisa de variaciones estructurales en muestras clínicas (foto cortesía de Karen Arnott/EMBL-EBI e Isabel Romero Calvo/EMBL)

Las tecnologías de secuenciación de lectura larga están diseñadas para analizar segmentos largos y continuos de ADN, lo que ofrece un gran potencial para mejorar la capacidad de los investigadores para detectar cambios genéticos complejos en los genomas del cáncer. Sin embargo, debido a la intrincada estructura de los genomas del cáncer, las herramientas de análisis estándar, incluidas las desarrolladas específicamente para datos de secuenciación de lectura larga, suelen ser insuficientes. Esto puede generar falsos positivos e interpretaciones de datos poco fiables, lo que, en última instancia, dificulta nuestra comprensión de la evolución de los tumores, su respuesta a los tratamientos y su impacto en el diagnóstico y el manejo de los pacientes. Para superar este problema, los investigadores han desarrollado un algoritmo de aprendizaje automático capaz de identificar variaciones estructurales específicas del cáncer y cambios en el número de copias en datos de secuenciación de ADN de lectura larga.

El algoritmo, llamado SAVANA, fue desarrollado por investigadores del Instituto Europeo de Bioinformática (EMBL-EBI, Barcelona, España) y el laboratorio de I+D de Genomics England (Londres, Reino Unido), en colaboración con socios clínicos. SAVANA utiliza técnicas de aprendizaje automático para identificar con precisión variantes estructurales, como inserciones, deleciones, duplicaciones y reordenamientos, junto con los cambios resultantes en el número de copias en genomas de cáncer utilizando datos de secuenciación de lectura larga. Debido a que los genomas de cáncer son complejos, las herramientas de análisis tradicionales a menudo generan falsos positivos, lo que lleva a interpretaciones clínicas inexactas de la biología tumoral. SAVANA reduce significativamente estos errores. El algoritmo, descrito en Nature Methods, se probó en 99 muestras de tumores humanos, y su rápido procesamiento y fuertes capacidades de corrección de errores lo hacen ideal para aplicaciones clínicas. Recientemente, el método se aplicó para estudiar el osteosarcoma, un cáncer de hueso raro y agresivo, donde ayudó a descubrir nuevos reordenamientos genómicos, arrojando luz sobre los mecanismos detrás de la progresión del osteosarcoma.

El equipo también comparó los resultados de SAVANA a partir de datos de lectura larga con los datos generados mediante la secuenciación de Illumina, aplicando el proceso estándar de secuenciación del genoma completo utilizado en entornos clínicos. Los resultados fueron muy consistentes entre ambas tecnologías, lo que demuestra que SAVANA cumple con los estándares clínicos actuales, a la vez que revela alteraciones adicionales relacionadas con el cáncer. SAVANA proporciona un análisis genómico rápido y fiable, lo que mejora la interpretación de muestras clínicas y las estrategias de diagnóstico y tratamiento del cáncer. Esta iniciativa representa el primer esfuerzo global para incorporar la secuenciación del genoma completo en la atención clínica habitual. Al integrar la genómica en la práctica clínica diaria, el objetivo es mejorar la precisión diagnóstica y respaldar planes de tratamiento personalizados para pacientes con cáncer. Sin embargo, para aprovechar al máximo los beneficios de la genómica clínica, es esencial una interpretación precisa de los datos genómicos, lo que depende del uso de herramientas analíticas especializadas. Como parte de sus esfuerzos por explorar el potencial clínico de la tecnología de secuenciación de lectura larga para un diagnóstico del cáncer más rápido y precoz, Genomics England ha incorporado SAVANA a su investigación.

“El uso de SAVANA garantizará que los médicos reciban datos genómicos precisos y confiables, lo que les permitirá integrar con confianza métodos avanzados de secuenciación genómica, como la secuenciación de lectura larga, en la atención rutinaria del paciente”, afirmó Greg Elgar, director de I+D de secuenciación en Genomics England.

Enlaces relacionados:
EMBL-EBI
Genomics England

Miembro Oro
ENSAYOS TDM PARA ANTIPSICÓTICOS
Saladax Antipsychotic Assays
KIT DE PRUEBA POC PARA H.PYLORI
Hepy Urease Test
Autoimmune Liver Diseases Assay
Microblot-Array Liver Profile Kit
CONTROL QUÍMICO DE LA ORINA
Dropper Urine Chemistry Control

Canales

Química Clínica

ver canal
Imagen: la miniaturización de la compleja tecnología MS a escala de chip elimina el uso de equipos de laboratorio tradicionales (fotografía cortesía de Detect-ION)

Diagnóstico de aliento POC detecta patógenos causantes de neumonía

Pseudomonas aeruginosa es una causa importante de neumonía intrahospitalaria y asociada a la ventilación mecánica, especialmente en receptores de trasplante de pulmón y pacientes... Más

Diagnóstico Molecular

ver canal
Imagen: una prueba de biomarcadores sanguíneos ofrece un pronóstico más claro después de un paro cardíaco (fotografía cortesía de Adobe Stock)

Biomarcador sanguíneo mejora pronóstico de lesión cerebral temprana tras paro cardíaco

Tras un paro cardíaco, muchos pacientes permanecen inconscientes durante días, lo que deja a médicos y familiares con la incertidumbre de si es posible una recuperación significativa.... Más

Hematología

ver canal
Imagen: las células leucémicas residuales pueden predecir la supervivencia a largo plazo en la leucemia mieloide aguda (fotografía cortesía de Shutterstock)

Pruebas de MRD podrían predecir supervivencia en pacientes con leucemia

La leucemia mieloide aguda es un cáncer sanguíneo agresivo que altera la producción normal de células sanguíneas y suele recaer incluso después de un tratamiento intensivo. Actualmente, los médicos carecen... Más

Inmunología

ver canal
Imagen: el análisis de sangre ADNlc no invasivo puede identificar eventos adversos de la terapia de puntos de control inmunitario en pacientes con cáncer (Fotografía cortesía de Elizabeth Cook)

Análisis sanguíneo podría detectar efectos adversos de inmunoterapia

Los inhibidores de puntos de control inmunitario han transformado el tratamiento del cáncer, pero también pueden desencadenar graves efectos adversos inmunitarios que dañan órganos... Más
Copyright © 2000-2025 Globetech Media. All rights reserved.