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




Una prueba de sangre detecta la enfermedad de Alzheimer antes de que aparezcan los síntomas

Por el equipo editorial de LabMedica en español
Actualizado el 05 Mar 2019
Imagen: El Fraccionador 3100 OFFGEL (Fotografía cortesía de Agilent Technologies).
Imagen: El Fraccionador 3100 OFFGEL (Fotografía cortesía de Agilent Technologies).
Una evaluación en sangre de la enfermedad preclínica tendría un potencial enorme en el enriquecimiento de los participantes para los ensayos terapéuticos de la enfermedad de Alzheimer (EA). Se ha dedicado mucho esfuerzo al descubrimiento de marcadores de un solo tipo y multianalitos de proteínas para diferenciar a los pacientes con EA de los individuos no afectados cognitivamente emparejados por edad.

Los métodos de inmunoensayo ultrasensibles y de espectrometría de masas (MS) por inmunoprecipitación han informado recientemente que las proporciones de amiloide β (Aβ) en plasma son capaces de predecir la tomografía por emisión de positrones (TEP) de Aβ. Sin embargo, ha habido una investigación limitada utilizando métodos no dirigidos para el descubrimiento de nuevos marcadores sanguíneos que podrían reflejar la carga de Aβ.

Un gran equipo internacional de científicos liderado por el grupo del King's College de Londres (Londres, Reino Unido) comenzó midiendo los niveles de un grupo de proteínas en muestras de sangre de 238 personas (cognitivamente no afectadas) que participaban en dos estudios de biomarcadores y de envejecimiento en Australia. A todos los donantes les habían realizado previamente una TEP para determinar su estado de Aβ. Luego, el equipo construyó un modelo informático para clasificar las proteínas y luego analizó los datos de los participantes en uno de los grupos de estudio de biomarcadores y envejecimiento con un algoritmo de aprendizaje automático diseñado para aprender a identificar marcadores que pudieran indicar la enfermedad de Alzheimer preclínica. Luego, ensayaron el sistema en los datos del segundo grupo de participantes del estudio.

Parte de la metodología utilizada por los científicos incluyó el inmunoagotamiento, la digestión enzimática y el etiquetado de los péptidos mediante espectrometría de masas en tándem. Se logró el inmunoagotamiento de la albúmina y de la inmunoglobulina G mediante una columna de inmunoafinidad, ProteoPrep, disponible comercialmente (Sigma-Aldrich, St. Louis, MO, EUA). La separación de péptidos se logró utilizando el fraccionador 3100 OFFGEL (Agilent Technologies, Santa Clara, CA, EUA) con una configuración de 24 pozos. El análisis de cromatografía líquida-MS en tándem (LC-MS/MS), la separación cromatográfica y la adquisición de espectros de masas se realizó utilizando el LTQ Orbitrap Velos Pro, (Thermo Fisher Scientific, Waltham, MA, EUA).

El equipo informó que las pruebas preliminares demostraron que la técnica tenía una exactitud del 90% en comparación con los resultados obtenidos con las pruebas de exploración TEP. También informaron que su sistema encontró 10 características de proteínas que juntas representan un biomarcador, dos de ellas habían sido identificadas como posibilidades anteriormente. La serina proteasa protrombina (un precursor de la trombina) fue la característica más alta clasificada en la cohorte cognitivamente no deteriorada. A nivel univariado, la protrombina (o factor de coagulación II) se mostró disminuida en los individuos Aβ+, pero tuvo un efecto de tamaño modesto. Dos grupos de proteínas se asociaron específicamente con la carga de Aβ en individuos no afectados cognitivamente (GPR115 y RPS6KA3). GPR115 fue la segunda característica más importante, después de la protrombina, convirtiéndola en un marcador potencial de la deposición temprana de Aβ.

Los autores concluyeron que, a través de la utilización de un enfoque imparcial de MS, encontraron y replicaron con alta exactitud, especificidad y sensibilidad un clasificador de proteínas plasmáticas que refleja la carga de Aβ en una cohorte cognitivamente sin problemas. Estos paneles de predicción destacaron marcadores nuevos y establecidos para la EA. El estudio fue publicado el 6 de febrero de 2019 en la revista Science Advances.

Enlace relacionado:
King's College de Londres
Sigma-Aldrich
Agilent Technologies
Thermo Fisher Scientific




Miembro Platino
Analizador de coagulación automatizado
Hemolumi H6
Miembro Oro
Neonatal Heel Incision Device
Tenderfoot
New
Prueba de MR-proADM
B•R•A•H•M•S MR-proADM KRYPTOR test
New
Sistema de análisis de orina totalmente automatizado
DxU 1800 Fully Automated Urinalysis System

Canales

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

Patología

ver canal
Crédito de la imagen: Adobe Stock

Herramienta citológica de aprendizaje automático mejora la identificación de células cancerosas

El cribado citológico sigue siendo fundamental para la detección temprana del cáncer, pero su precisión depende en gran medida de la interpretación experta de las células... 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.