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




Método rápido sin etiquetas identifica células cancerosas agresivas

Por el equipo editorial de LabMedica en español
Actualizado el 29 Jan 2026
Imagen: célula marcada con fluorescencia que muestra el cuerpo celular en verde, el citoesqueleto en azul y el núcleo celular en amarillo (fotografía cortesía de Chalom Zemmour/Centro de Nanociencia y Nanotecnología)
Imagen: célula marcada con fluorescencia que muestra el cuerpo celular en verde, el citoesqueleto en azul y el núcleo celular en amarillo (fotografía cortesía de Chalom Zemmour/Centro de Nanociencia y Nanotecnología)

Distinguir las células cancerosas agresivas de las menos peligrosas sigue siendo un gran desafío clínico, ya que las células con alto potencial metastásico suelen presentar una apariencia similar en condiciones estándar de laboratorio. Las pruebas genéticas y moleculares convencionales pueden ser costosas, requerir mucho tiempo y no captar la probabilidad de propagación de un cáncer. La metástasis depende no solo de la expresión génica, sino también de cómo las células cancerosas interactúan físicamente con su entorno. Ahora, un nuevo estudio demuestra que las células cancerosas agresivas pueden identificarse rápidamente y sin necesidad de etiquetas mediante la observación de su comportamiento físico en superficies especialmente diseñadas.

Investigadores de la Universidad Hebrea de Jerusalén (Jerusalén, Israel) han desarrollado metasuperficies diseñadas con patrones de partículas plásticas microscópicas inmovilizadas que crean topografías a escala nanométrica y micrométrica. Estas superficies texturizadas actúan como sondas mecánicas, permitiendo a los investigadores observar cómo las células cancerosas interactúan físicamente con su entorno.

Al colocar células cancerosas sobre estas superficies, se encuentran con un paisaje complejo en lugar de una superficie plana. Esta configuración revela diferencias en la adhesión celular, la internalización de partículas y la adaptación de la forma. El método no requiere etiquetas, no depende de la manipulación genética ni de marcadores químicos, y es compatible con los procesos estándar de imagenología y laboratorio.

Utilizando las superficies estampadas, los investigadores descubrieron que las células cancerosas agresivas se aferran a la superficie con mayor fuerza, engullen significativamente más partículas y se estiran y envuelven alrededor de las características microscópicas. Las células menos agresivas mostraron una adhesión mucho menor y cambios de forma mínimos, a pesar de parecer similares en superficies de cultivo planas convencionales. Estas diferencias funcionales se detectaron de forma consistente con el nuevo método.

El estudio también demostró que las células en diferentes etapas de metástasis podían distinguirse según su comportamiento mecánico. Las células cancerosas redujeron temporalmente la adhesión tras abandonar el tumor primario y recuperaron fuertes interacciones mecánicas al alcanzar nuevos sitios. Los hallazgos, publicados en Materials Today Bio, demuestran que la agresividad del cáncer es un estado funcional dinámico, más que una identidad genética fija.

Medir cómo las células se empujan, tiran y se adhieren físicamente proporciona información sobre el potencial metastásico que las pruebas moleculares por sí solas podrían pasar por alto. Este enfoque ofrece una forma rápida y económica de identificar células cancerosas de alto riesgo y comprender mejor los mecanismos de propagación del cáncer. En el futuro, esta tecnología podría facilitar la detección rápida de la agresividad tumoral, la investigación de la metástasis, las pruebas de fármacos y las estrategias de tratamiento personalizadas. Dado que las superficies son fáciles de fabricar e integrar en los flujos de trabajo existentes, el método tiene un claro potencial para aplicaciones de investigación clínica y traslacional.

“Nuestro trabajo demuestra que la forma en que las células cancerosas empujan, atraen y se aferran a su entorno puede revelarnos mucho sobre su peligrosidad”, afirmó la profesora Ofra Benny, de la Facultad de Farmacia de la Universidad Hebrea. “Esto abre un nuevo camino para el diagnóstico del cáncer, que es a la vez potente y sorprendentemente sencillo”.

Enlaces relacionados:
Universidad Hebrea de Jerusalén

Miembro Platino
Analizador de coagulación automatizado
Hemolumi H6
Miembro Oro
Analizador totalmente automatizado de proteínas específicas (nefelometría)
PA240
New
Solución de automatización para laboratorios de microbiología
BD Kiestra™ ReadA+BarcodA
LAIR2 Antibody Pair Set
LAIR2 Antibody Pair [Biotin]

Canales

Química Clínica

ver canal
Crédito de la imagen:  Diane E. MacDougall et al., FIND Lp(a) Machine Learning Model: Targeted Screening Enrichment of Elevated Lipoprotein(a) in Atherosclerotic Cardiovascular Disease, JACC: Advances (2026). DOI: 10.1016/j.jacadv.2026.103114

El aprendizaje automático permite orientar el cribado de lipoproteína(a) elevada

La lipoproteína(a) es un factor de riesgo independiente, determinado genéticamente, de la enfermedad cardiovascular aterosclerótica; sin embargo, el cribado rutinario sigue siendo... Más

Microbiología

ver canal
Imagen: El actual brote de BDBV en la República Democrática del Congo pone de relieve los desafíos de respuesta a infecciones raras y graves (Crédito de la imagen: 123RF)

Investigación refuerza la preparación ante brotes del virus Bundibugyo con diagnósticos más rápidos

El virus de Bundibugyo (BDBV), una especie de ebolavirus, causa una enfermedad hemorrágica grave y puede ser difícil de diagnosticar rápidamente durante los brotes. Los recientes cambios... Más

Tecnología

ver canal
Imagen: ADLM recomienda que las herramientas de inteligencia artificial emergentes sigan los mismos estándares profesionales de supervisión, calidad, validación y monitoreo que las pruebas clínicas tradicionales dentro del marco existente de CLIA (Crédito de la imagen: Adobe Stock)

ADLM pide actualizar CLIA para apoyar el uso seguro de IA en medicina de laboratorio

Los laboratorios clínicos utilizan cada vez más la inteligencia artificial para verificar, interpretar e informar resultados, pero las salvaguardas de las Enmiendas para la Mejora de los... Más
Copyright © 2000-2026 Globetech Media. All rights reserved.