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
LGC Clinical Diagnostics

Deascargar La Aplicación Móvil




Presentan una imagen nueva para la clasificación celular

Por el equipo editorial de LabMedica en español
Actualizado el 17 May 2022

Los métodos que separan físicamente las células de interés con base en características medibles tienen numerosos usos en estudios y aplicaciones clínicas, incluidas las terapias celulares. Las células también se pueden clasificar en función de las señales de las sondas extrínsecas.

La clasificación de células activadas por fluorescencia (FACS) es el medio más popular para separar una población de células en subconjuntos de acuerdo con la cantidad total de biomarcadores clave que expresa cada célula. Estos biomarcadores generalmente se detectan con anticuerpos marcados con fluorocromos.

Los especialistas en citometría de flujo de la Universidad de Newcastle (Newcastle upon Tyne, Reino Unido) y el Instituto Broad (Cambridge, MA, EUA), realizaron los últimos avances en el uso de FACS. El instrumento prototipo para este nuevo medio de clasificación es una adaptación del clasificador de células BD FACSMelody (BD Biosciences, San José, CA, EUA), considerado como el caballo de batalla para la FACS.

El nuevo método, llamado Tecnología de Imágenes BD CellView, combinó microscopía ultrarrápida y análisis de imágenes con un clasificador de células de citometría de flujo para desbloquear fenotipos espaciales para aplicaciones de clasificación de alto rendimiento. Aunque este instrumento prototipo tiene solo unos pocos canales de fluorescencia (los sistemas FACS complejos tienen muchos más), clasifica las células según el patrón espacial de fluorescencia dentro de cada célula. El sistema se basa en imágenes de fluorescencia rápidas que utilizan emisión etiquetada por radiofrecuencia y electrónica especializada de clasificación y procesamiento de señales de baja latencia, un enfoque inteligente que proporciona información espacial para cada señal.

El clasificador separó físicamente las células que tenían expresión nuclear de RelA después de nueve horas de tiempo de ejecución a una velocidad de clasificación de 14 millones de células por hora. Luego, los investigadores pudieron identificar loci específicos, cuya ablación bloqueó la translocación nuclear de RelA. Hicieron esto mediante la secuenciación de ARN guía únicos que servían como códigos de barras en las células afectadas. En general, parece que este sistema puede clasificar adecuadamente las células con base en características morfológicas complejas preespecificadas.

Las tecnologías de clasificación de células basadas en imágenes tienen innumerables aplicaciones. Los reactivos genéticos, con código de barras, que están presentes en las poblaciones de células ordenadas por imágenes se pueden secuenciar, lo que permite una poderosa eliminación de todo el genoma o exámenes de expresión exagerada. Esta aplicación amplía el número de fenotipos que se pueden examinar para identificar los genes que subyacen a los fenotipos celulares relacionados con enfermedades, un desarrollo que puede descubrir objetivos terapéuticos potenciales.

La clasificación de células basada en imágenes se puede utilizar para explorar la relación entre los fenotipos de células visibles ordenados y otras características. Las subpoblaciones de células clasificadas según características morfológicas podrían ser analizadas posteriormente en cuanto a su genoma, transcriptoma, epigenoma, proteoma o propiedades morfológicas adicionales. Además, las poblaciones ordenadas se pueden comparar según la respuesta a perturbaciones como los tratamientos farmacológicos.

Las tecnologías de clasificación requieren la clasificación de cada célula en tiempo real, y la clasificación de células con fenotipos complejos requiere aprendizaje automático. Por lo tanto, queda por ver si las células con fenotipos complejos podrían ser clasificadas con éxito. Sin embargo, juntos, estos avances en el proceso apuntan a un futuro en el que las subpoblaciones de células de precisión podrían ser purificadas y aprovechadas rápidamente. El estudio fue publicado el 5 de mayo de 2022 en la revista The New England Journal of Medicine.


Miembro Oro
Veterinary Hematology Analyzer
Exigo H400
Verification Panels for Assay Development & QC
Seroconversion Panels
New
Binocular Laboratory LED Illuminated Microscope
HumaScope Classic LED
New
Miembro Plata
ACTH Assay
ACTH ELISA
Lea el artículo completo al registrarse hoy mismo, es GRATIS! ¡Es GRATUITO!
Regístrese GRATIS a LabMedica.es y acceda a las noticias y eventos que afectan al mundo del Laboratorio.
  • Edición gratuita de la versión digital de Lab Medica en Español enviado regularmente por email
  • Revista impresa gratuita de la revista Lab Medica en Español (disponible únicamente fuera de EUA y Canadá).
  • Acceso gratuito e ilimitado a ediciones anteriores de Lab Medica en Español digital
  • Boletín de Lab Medica en Español gratuito cada dos semanas con las últimas noticias
  • Noticias de último momento enviadas por email
  • Acceso gratuito al calendario de eventos
  • Acceso gratuito a los servicios de nuevos productos de LinkXpress
  • Registrarse es sencillo y GRATUITO!
Haga clic aquí para registrarse








Canales

Inmunología

ver canal
Imagen: la prueba de células madre del cáncer puede elegir con precisión tratamientos más efectivos (fotografía cortesía de la Universidad de Cincinnati)

Prueba de células madre predice resultado del tratamiento en cáncer de ovario resistente al platino

El cáncer de ovario epitelial suele responder inicialmente a la quimioterapia, pero con el tiempo, el tumor desarrolla resistencia a la terapia, lo que provoca su recrecimiento. Esta resistencia... Más

Microbiología

ver canal
Imagen: el método basado en IA puede detectar con mayor precisión la resistencia a los antibióticos en bacterias mortales, como la tuberculosis y el estafilis (fotografía cortesía de Adobe Stock)

Método basado en IA mejora diagnóstico de infecciones resistentes a fármacos

Las infecciones resistentes a los medicamentos, en particular las causadas por bacterias mortales como la tuberculosis y el estafilococo, se están convirtiendo rápidamente en una emergencia... Más
Copyright © 2000-2025 Globetech Media. All rights reserved.