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
RANDOX LABORATORIES

Deascargar La Aplicación Móvil




Eventos

02 jun 2026 - 04 jun 2026
17 jun 2026 - 19 jun 2026

Lipidoma como predictor de progresión en diabetes 2

Por el equipo editorial de LabMedica en español
Actualizado el 22 Jan 2018
Imagen: El sistema ACQUITY UPLC I-Class / Xevo TQ-S IVD (Fotografía cortesía de Waters).
Imagen: El sistema ACQUITY UPLC I-Class / Xevo TQ-S IVD (Fotografía cortesía de Waters).
La diabetes mellitus tipo 2 (DM2) es un trastorno metabólico multifactorial caracterizado por hiperglucemia, como consecuencia de la secreción alterada de insulina por las células β pancreáticas y de una respuesta celular ineficaz a la insulina.

La prediabetes se caracteriza actualmente, una vez que la glucosa se ha elevado, determinando la alteración de los niveles de glucosa en ayunas (IFG) o la alteración de la tolerancia a la glucosa (IGT) o ambas. La IFG y la IGT no son equivalentes en términos metabólicos y, muy probablemente, reflejan diferentes estados fisiopatológicos que conducen a la DM2.

Científicos del Centro de Diabetes Steno de Copenhague (Dinamarca) y sus colegas, aplicaron análisis lipidómicos globales en muestras de plasma de hombres bien fenotipificados (107 casos, 216 controles) que participaron en un estudio longitudinal al inicio del estudio y con un seguimiento a los cinco años. Para validar los marcadores de lípidos, también se realizó un estudio adicional con una muestra representativa de 631 varones adultos.

Se analizaron un total de 277 lípidos plasmáticos utilizando la plataforma lipidómica consistente en cromatografía líquida de rendimiento ultraalto acoplada a la espectrometría de masas de tiempo de vuelo. Los extractos lipídicos se analizaron luego en el espectrómetro de masas Q-Tof Premier con la cromatografía líquida de alta resolución Acquity (UPLC) (Waters, Inc., Milford, MA, EUA). Los lípidos con el mayor poder predictivo para el desarrollo de DM2 fueron seleccionados computacionalmente, validados y comparados con los modelos de riesgo estándar sin lípidos. El estado de tolerancia a la glucosa se evaluó en los niveles de glucosa en plasma usando las mediciones de la PTOG y de la HbA1c.

Los investigadores encontraron que se observó una firma de lípidos persistente con niveles más altos de triacilgliceroles y de diacilfosfolípidos, así como niveles más bajos de alquilacil fosfatidilcolinas en los individuos que progresaron a DM2. Se seleccionaron la acil lisofosfatidilcolina C18:2 (LisoPC (18:2)), las fosfatidilcolinas PC (32:1), PC (34:2e) y PC (36:1) y la TG de triacilglicerol (17:118:1/18:2) para el modelo completo que incluía factores de riesgo metabólicos. Cuando se ajustó aún más para tener en cuenta el índice de masa corporal (IMC) y la edad, estos lípidos tenían una relación de probabilidad respectiva de 0,32, 2,4, 0,50, 2,2 y 0,31 para la progresión a DM2.

Los autores concluyeron que su estudio indica que existe una firma lipídica característica para la DM2 que se presenta años antes del diagnóstico y mejora la predicción de la progresión a DM2. Los biomarcadores moleculares de lípidos mostraron tener poder predictivo también en un grupo de alto riesgo, donde los factores de riesgo estándar no son útiles para diferenciar a los individuos que progresan de los que no progresan. El estudio fue publicado en la edición de enero de 2018 de la revista Metabolism Clinical and Experimental.

Miembro Oro
Neonatal Heel Incision Device
Tenderfoot
Software de laboratorio
Acusera 24•7
Automated Urinalysis Solution
UN-9000
Electrolyte Analyzer
CBS-4000 (CBS-400)

Canales

Diagnóstico Molecular

ver canal
Imagen: El nuevo método de origami de ARN logró una resolución de 18 nucleótidos, suficiente para distinguir las secciones repetidas sanas de las asociadas a enfermedades (crédito de la imagen: Adobe Stock)

Nuevo método de ARN origami facilita pruebas más rápidas para trastornos por expansión de repeticiones

Los trastornos de expansión de repeticiones causan afecciones como la distrofia miotónica, la enfermedad de Huntington y la esclerosis lateral amiotrófica (ELA), pero determinar con... Más

Hematología

ver canal
Imagen: Los hallazgos del estudio pueden ayudar a identificar la deficiencia de hierro antes en niños de 5 a 14 años. (Fotografía cortesía de iStock)

Un umbral de ferritina más elevado podría mejorar la detección de deficiencia de hierro en niños

La deficiencia de hierro en niños en edad escolar puede afectar el desarrollo cerebral, el aprendizaje, el crecimiento y el rendimiento físico; sin embargo, la detección temprana de... Más

Inmunología

ver canal
Imagen: Resumen gráfico (Crotts S.B., Barnes J.T., Antonetti R.M., et al. Cell Reports (2026). DOI:10.1016/j.celrep.2026.117347)

Enzima inmunitaria se vincula con la enfermedad inflamatoria intestinal resistente al tratamiento

La enfermedad inflamatoria intestinal (EII) afecta a casi 3 millones de personas en Estados Unidos y su prevalencia sigue en aumento. Los medicamentos que actúan sobre el factor de necrosis tumoral... Más

Patología

ver canal
Imagen: la tecnología aprovecha las preparaciones de diapositivas de rutina para ofrecer una lectura de riesgo individualizada basada en señales derivadas de imágenes (fotografía cortesía de Valar Labs)

Prueba de patología con IA recibe designación de avance de la FDA para riesgo de cáncer de vejiga

El cáncer de vejiga no músculo-invasivo presenta resultados muy variables, lo que complica la vigilancia y la planificación del tratamiento. La evaluación del riesgo suele basarse en el estadio, el grado... Más
Copyright © 2000-2026 Globetech Media. All rights reserved.