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




Aprendizaje automático detecta el cáncer analizando el ADN en las muestras de sangre

Por el equipo editorial de LabMedica en español
Actualizado el 19 Jun 2019
Print article
Imagen: Una prueba nueva de biopsia líquida llamada DELFI (evaluación de ADN de fragmentos para una interceptación temprana) utiliza inteligencia artificial para detectar pacientes con cáncer identificando fragmentaciones alteradas de ADN en la sangre (Fotografía cortesía de Carolyn Hruban, Universidad Johns Hopkins).
Imagen: Una prueba nueva de biopsia líquida llamada DELFI (evaluación de ADN de fragmentos para una interceptación temprana) utiliza inteligencia artificial para detectar pacientes con cáncer identificando fragmentaciones alteradas de ADN en la sangre (Fotografía cortesía de Carolyn Hruban, Universidad Johns Hopkins).
Los investigadores han descrito un enfoque de prueba de principio para el cribado, la detección temprana y el seguimiento del cáncer humano basado en un enfoque de aprendizaje automático que evalúa los patrones de fragmentación del ADN libre de células, en todo el genoma.

Si bien el ADN libre de células en la sangre proporciona una vía de diagnóstico no invasiva para los pacientes con cáncer, las características de los orígenes y las características moleculares del ADN libre de células son poco conocidas. Para corregir esta falta, los investigadores de la Universidad Johns Hopkins (Baltimore, MD, EUA) desarrollaron un enfoque basado en el aprendizaje automático para identificar patrones anormales de fragmentos de ADN en la sangre de los pacientes con cáncer.

Utilizaron este método DELFI (evaluación de ADN de fragmentos para la interceptación temprana) con el fin de analizar los perfiles de fragmentación de 236 pacientes con cáncer de mama, colorrectal, pulmón, ovario, páncreas, estómago o bilis y de 245 personas sanas.

El modelo de aprendizaje automático incorporó características de fragmentación del genoma con sensibilidades de detección que oscilaron entre el 57% y más del 99% entre los siete tipos de cáncer con una especificidad del 98%. Los perfiles de fragmentación se podrían usar para identificar el tejido de origen de los cánceres a un número limitado de sitios en el 75% de los casos. La combinación de este enfoque con el análisis de ADN libre de células basado en mutaciones detectó el 91% de los pacientes con cáncer.

“Por diversas razones, un genoma de cáncer está empaquetado de una manera muy desorganizada, lo que significa que cuando las células cancerosas mueren, liberan su ADN de forma caótica en el torrente sanguíneo”, dijo la primera autora, la Dra. Jillian Phallen, investigadora postdoctoral en la Universidad Johns Hopkins. “Al examinar este ADN libre de células (cfADN), DELFI ayuda a identificar la presencia de cáncer mediante la detección de anomalías en el tamaño y la cantidad de ADN en diferentes regiones del genoma en función de cómo está empaquetado”.

“Nos alienta el potencial de DELFI porque analiza un conjunto completamente independiente de características de ADN libre de células, de aquellas que han planteado dificultades a lo largo de los años, y esperamos trabajar con nuestros colaboradores de todo el mundo para que esta prueba esté disponible para los pacientes”, dijo el autor principal, el Dr. Victor E. Velculescu, profesor de oncología en la Universidad Johns Hopkins.

El método DELFI se describió en la edición en línea del 29 de mayo de 2019 de la revista Nature.

Enlace relacionado:
Johns Hopkins University

Miembro Oro
Pharmacogenetics Panel
VeriDose Core Panel v2.0
Verification Panels for Assay Development & QC
Seroconversion Panels
New
Malaria Test
STANDARD Q Malaria P.f/Pan Ag
New
Biological Indicator Vials
BI-O.K.

Print article

Canales

Inmunología

ver canal
Imagen: los hallazgos se basaron en pacientes del ensayo clínico de ADAURA de la terapia dirigida osimertinib para pacientes con CPCNP con mutaciones activadas por EGFR (foto cortesía del equipo multimedia de YSM)

Análisis de sangre podría orientar decisiones futuras sobre tratamiento del cáncer

En el continuo avance de la medicina personalizada, un nuevo estudio ha aportado evidencia que respalda el uso de una herramienta que detecta moléculas derivadas del cáncer en la sangre de... Más

Microbiología

ver canal
Imagen: representación esquemática que ilustra los hallazgos clave del estudio (foto cortesía de la UNIST)

Innovadora tecnología disgnóstica identifica infecciones bacterianas con precisión de casi 100 % en tres horas

La identificación rápida y precisa de microbios patógenos en muestras de pacientes es esencial para el tratamiento eficaz de enfermedades infecciosas agudas, como la sepsis.... Más
Copyright © 2000-2025 Globetech Media. All rights reserved.