Nueva herramienta de análisis molecular mejora diagnóstico de enfermedades

La distinción precisa entre biomoléculas similares, como las proteínas, es fundamental para la investigación biomédica y el diagnóstico; sin embargo, las herramientas analíticas actuales suelen fallar en la detección de variaciones estructurales o de composición sutiles. Los métodos tradicionales, como ELISA o la espectrometría de masas, requieren marcaje o un procesamiento complejo y pueden pasar por alto diferencias moleculares mínimas. Ahora, un grupo de investigadores ha desarrollado un método analítico sin marcaje, denominado perfilado de nanoporos por matriz de voltaje, que permite clasificar biomoléculas según sus firmas eléctricas intrínsecas.

El avance logrado por investigadores de la Universidad de Tokio (Tokio, Japón) combina registros de nanoporos de estado sólido multivoltaje con aprendizaje automático para crear un mapa multidimensional de señales moleculares. Su investigación, publicada en Chemical Science, demuestra cómo esta técnica puede identificar y clasificar proteínas en mezclas complejas sin modificación, abriendo el camino a la próxima generación de diagnósticos moleculares.

Los nanoporos de estado sólido actúan como túneles a nanoescala a través de los cuales pasan moléculas individuales, impulsadas por la corriente iónica. Al variar sistemáticamente el voltaje, el equipo registró cómo interactuaban las moléculas de proteína con los nanoporos bajo diferentes condiciones eléctricas. Estas mediciones conformaron una matriz de voltaje que capturó tanto las características estables como las sensibles al voltaje de cada molécula. Posteriormente, algoritmos de aprendizaje automático analizaron estas características para clasificar y distinguir con precisión las proteínas, incluso cuando estaban mezcladas.

Para validar su método, los investigadores analizaron mezclas que contenían dos biomarcadores relacionados con el cáncer: el antígeno carcinoembrionario (CEA) y el antígeno del cáncer 15-3 (CA15-3). Mediante seis condiciones de voltaje, construyeron patrones de señal distintos que diferenciaron de forma fiable cada proteína. La técnica también detectó cambios moleculares cuando el CEA se unió a un aptámero, una secuencia corta de ADN sintético, lo que demuestra su sensibilidad a alteraciones estructurales sutiles.

En otra prueba con muestras de suero de ratón, el marco de matriz de voltaje distinguió con éxito entre sueros centrifugados y no centrifugados, lo que confirma su potencial para el diagnóstico en la práctica clínica. El método reveló diferencias de composición imperceptibles para las mediciones convencionales de nanoporos de voltaje único, lo que subraya su capacidad para descubrir la diversidad molecular en fluidos biológicos complejos.

Al integrar la física, la nanotecnología y la inteligencia artificial, este nuevo marco analítico ofrece una potente herramienta para comprender la individualidad molecular: la firma eléctrica única de cada molécula. Resulta prometedor para aplicaciones biomédicas que abarcan desde el diagnóstico de enfermedades hasta la monitorización ambiental, sentando las bases para la caracterización molecular en tiempo real y de alta resolución.

"Al variar sistemáticamente las condiciones de voltaje y aplicar aprendizaje automático, podemos crear una matriz de voltaje que revela tanto características moleculares robustas e independientes del voltaje como cambios estructurales sensibles al voltaje", afirmó el profesor Sotaro Uemura. "Nuestro estudio no se limita a mejorar la sensibilidad de detección; establece una nueva forma de representar y clasificar señales moleculares en función del voltaje, lo que nos permite visualizar la individualidad molecular y estimar la composición de mezclas".

Enlaces relacionados:
La Universidad de Tokio

Visitar la expo >

Miembro Oro

Nucleic Acid Extractor System

NEOS-96 XT

Software de laboratorio
Acusera 24•7

Benchtop Thermomixer

Biometra TS1 ThermoShaker

Thyroid Test

Anti-Thyroid EIA Test