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

Deascargar La Aplicación Móvil




Eventos

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

Tecnología discrimina entre la enfermedad de Parkinson y la atrofia multisistémica

Por el equipo editorial de LabMedica en español
Actualizado el 17 Feb 2020
Imagen: Inmunohistoquímica para la alfa-sinucleína que muestra la coloración positiva (marrón) de un cuerpo de Lewy intraneural en la sustancia negra en la enfermedad de Parkinson (Fotografía cortesía de Marvin101).
Imagen: Inmunohistoquímica para la alfa-sinucleína que muestra la coloración positiva (marrón) de un cuerpo de Lewy intraneural en la sustancia negra en la enfermedad de Parkinson (Fotografía cortesía de Marvin101).
Es difícil diferenciar entre la enfermedad de Parkinson y la atrofia multisistémica (MSA) porque los primeros signos son similares; trastornos en el movimiento, temblores, movimientos incontrolables durante el sueño, problemas del habla, pero las enfermedades progresan de manera diferente y pueden requerir planes de tratamiento distintos.

La enfermedad de Parkinson (EP) provoca temblores, rigidez y dificultades con el equilibrio y el movimiento, así como una serie de síntomas no motores. La MSA conduce a un deterioro motor similar, y también a una disfunción más temprana y más severa del sistema nervioso autónomo, que controla acciones involuntarias como la presión arterial, la digestión y la micción. La MSA progresa más rápido y al principio a menudo se confunde con la EP. Ambas enfermedades se caracterizan por depósitos de una proteína conocida como alfa-sinucleína (aSyn) en el sistema nervioso.

Un equipo de científicos de diferentes instituciones y dirigido por aquellos en la Facultad de Medicina McGovern de la Universidad de Texas en Houston (Houston, TX, EUA) utilizó la tecnología de Amplificación Cíclica de Plegamiento de Proteínas (PMCA) que había mostrado, en estudios previos, la capacidad para detectar proteínas mal plegadas asociadas con enfermedades como la de Creutzfeldt-Jakob y la enfermedad de Alzheimer. Los investigadores apuntaron a los agregados aSyn mal plegados como una forma de desarrollar un diagnóstico bioquímico sensible para la EP. El equipo puso una pequeña cantidad de las proteínas en cuestión del líquido cefalorraquídeo del paciente junto con proteínas normales y observó para ver si y cómo convertían las proteínas normales.

Los científicos utilizaron una combinación de métodos bioquímicos, biofísicos y biológicos para analizar el producto de la α-sinucleína-PMCA, y descubrieron que las características de los agregados de α-sinucleína en el líquido cefalorraquídeo se podrían usar para diferenciar fácilmente entre la enfermedad de Parkinson y la atrofia multisistémica. También descubrieron que las propiedades de los agregados que se amplificaron desde el líquido cefalorraquídeo eran similares a las de los agregados que se amplificaron a partir del cerebro.

Estos hallazgos sugieren que los agregados de α-sinucleína que están asociados con la enfermedad de Parkinson y la atrofia del sistema múltiple corresponden a diferentes cepas conformacionales de α-sinucleína, que se pueden amplificar y detectar mediante α-sinucleína-PMCA. El aSyn-PMCA puede discriminar con éxito entre la EP y la ASM con una sensibilidad general del 95,4%, lo que podría permitir a los médicos mirar hacia el futuro para ver qué enfermedad necesitan abordar. El estudio también ayuda a comprender la base de estas enfermedades a nivel molecular.

Claudio Soto, PhD, profesor de neurología y autor principal del estudio, dijo: “Nuestro último estudio muestra que los agregados aSyn en la EP y la MSA tienen diferentes propiedades, por lo que al amplificar los agregados anormales podemos detectar con alta eficiencia cual es la enfermedad que el paciente tiene. Esto tiene enormes implicaciones, tanto para el diagnóstico exacto y la atención clínica del paciente, como para el desarrollo de nuevos tratamientos específicos para ambas enfermedades”. El estudio fue publicado el 5 de febrero de 2020 en la revista Nature.

Enlace relacionado:
Facultad de Medicina McGovern de la Universidad de Texas en Houston

Miembro Oro
HISOPOS DE FIBRA FLOCADA
Puritan® Patented HydraFlock®
Software de laboratorio
Acusera 24•7
New
LAIR2 Antibody Pair Set
LAIR2 Antibody Pair [Biotin]
New
Rapid Sepsis Test
SeptiCyte RAPID

Canales

Diagnóstico Molecular

ver canal
Imagen: Aclarar las características del microambiente tumoral y los programas de células cancerosas vinculados a la respuesta al tratamiento podría proporcionar información más temprana sobre la terapia contra el cáncer de mama triple negativo (crédito de la imagen: Shutterstock)

Panel genético muestra potencial para predecir la respuesta a la quimioterapia en el CMTN

El cáncer de mama triple negativo (CMTN) es un subtipo agresivo que se trata habitualmente con quimioterapia, pero los resultados varían considerablemente entre las pacientes. Comprender las características... Más

Hematología

ver canal
Imagen: Resumen gráfico (Waclawiczek A, Leppä AM, Renders S, et al. Cell Stem Cell, 2026. doi:10.1016/j.stem.2026.04.012)

Los biomarcadores de células madre podrían orientar el tratamiento en la leucemia mieloide aguda

La leucemia mieloide aguda (LMA) es un cáncer de sangre agresivo que afecta con mayor frecuencia a adultos mayores y que, a pesar de los avances terapéuticos, aún presenta un pronóstico... Más

Microbiología

ver canal
Imagen: Biosensor para la detección de tuberculosis (fotografía cortesía de la UPV)

Biosensor de antígeno detecta tuberculosis activa en una hora

La tuberculosis sigue siendo un importante desafío de salud global y continúa siendo una causa significativa de morbilidad y mortalidad. El informe mundial de 2024 de la Organización... Más

Patología

ver canal
Imagen: ArteraAI Breast analiza imágenes histopatológicas digitalizadas junto con variables clínicas del paciente para producir una puntuación de riesgo derivada de IA que proporciona información de pronóstico sobre la probabilidad de metástasis a distancia (Crédito de la imagen: Adobe Stock)

Herramienta de patología digital con IA para la estratificación del riesgo en cáncer de mama

La evaluación del riesgo en el momento del diagnóstico es fundamental para guiar el tratamiento del cáncer de mama invasivo en estadio temprano, con receptor hormonal positivo y receptor 2 del factor de... Más
Copyright © 2000-2026 Globetech Media. All rights reserved.