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.

LabMedica

Deascargar La Aplicación Móvil
Noticias Recientes Expo COVID-19 Química Clínica Diagnóstico Molecular Hematología Inmunología Microbiología Patología Tecnología Industria Focus

Desarrollan prueba novedosa para detectar e identificar patógenos

Por el equipo editorial de LabMedica en español
Actualizado el 05 Oct 2021
Imagen: El flujo de trabajo de la línea de productos en proyecto, HUBDesign: diseño de sonda para la captura simultánea y dirigida de diversos objetivos metagenómicos (Fotografía cortesía de la Universidad McMaster)
Imagen: El flujo de trabajo de la línea de productos en proyecto, HUBDesign: diseño de sonda para la captura simultánea y dirigida de diversos objetivos metagenómicos (Fotografía cortesía de la Universidad McMaster)
Los patógenos en entornos clínicos o de vida silvestre, como las muestras de sangre o saliva, por ejemplo, son particularmente difíciles de aislar, ya que pueden constituir fácilmente menos de una millonésima parte de una muestra, especialmente en las primeras etapas de una infección, cuando las concentraciones todavía son bajas y la detección es más crítica para los pacientes.

Una amplia gama de esfuerzos de estudios metagenómicos se ven obstaculizados por el mismo desafío: bajas concentraciones de objetivos de interés combinadas con cantidades abrumadoras de señal de fondo. Aunque se puede utilizar PCR o captura de ADN sin tratamiento previo cuando hay una pequeña cantidad de organismos de interés, los desafíos de diseño se vuelven insostenibles para una gran cantidad de objetivos.

Un equipo de científicos de la Universidad McMaster (Hamilton, ON, Canadá) y sus colegas desarrollaron una herramienta sofisticada nueva que podría ayudar a proporcionar una alerta temprana de virus raros y desconocidos en el medio ambiente e identificar patógenos bacterianos potencialmente mortales que causan sepsis. El nuevo algoritmo es una herramienta avanzada que puede ayudar a desarrollar sondas para capturar trazas de patógenos, tanto conocidos como desconocidos provenientes de una amplia variedad de situaciones, como la transmisión de infecciones de animal a humano como el SARS-CoV-2 o los reservorios de monitoreo en el medio ambiente por posibles patógenos emergentes.

El equipo probó con éxito las sondas en toda la familia de coronavirus, incluido el SARS-CoV-2. Las sondas proporcionan un atajo al apuntar, aislar e identificar, las secuencias de ADN, de manera específica y simultánea, que se comparten entre organismos relacionados, con mayor frecuencia debido a la historia evolutiva o la ascendencia. Para demostrar las capacidades y la eficacia de la herramienta, el Diseño de Cebos Jerárquicos Únicos (The Hierarchical Unique Bait Design, HUBDesign), diseñaron y probaron dos conjuntos de sondas: un conjunto de sondas de coronavirus capaz de detectar simultáneamente todos los coronavirus secuenciados y un conjunto de sondas dirigidas a patógenos bacterianos asociados con la sepsis.

La mayoría (62,5%) de las sondas tienen objetivos específicos para un virus. De las sondas que se dirigen a varios virus, la mayoría (78,1%) se dirigen a dos o tres. Los tres conjuntos restantes de sondas se dirigen a loci específicos de merbecovirus y embecovirus (ambos son subgéneros de Betacoronavirus) y loci comunes al género Deltacoronavirus. Tanto el SARS-CoV-2 como el HCoV-NL63 tienen sondas en dos niveles en la jerarquía.

El conjunto de sondas HUBDesign para patógenos de la sepsis contenía 26.870 sondas dirigidas a patógenos bacterianos, que cubren el 2,09% de todos los nucleótidos en el conjunto de datos de entrada a una profundidad media de cobertura de 3,64x. Los investigadores demostraron la efectividad de las sondas para capturar la increíble variedad de patógenos asociados con la sepsis, una condición potencialmente mortal y de rápido desarrollo que ocurre cuando el cuerpo reacciona de forma exagerada a una infección que generalmente comienza en los pulmones, el tracto urinario, la piel o el tracto gastrointestinal.

Hendrik Poinar, PhD, profesor de Genética Evolutiva Molecular y autor principal del estudio, dijo: “Actualmente necesitamos formas más rápidas, económicas y concisas de detectar patógenos en muestras humanas y ambientales que democraticen la caza y esta línea de productos en proyecto hace exactamente eso”. El estudio fue publicado el 15 de septiembre de 2021 en la revista Cell Reports Methods.

Enlace relacionado:
Universidad McMaster

Miembro Platino
Analizador de coagulación automatizado
Hemolumi H6
Miembro Oro
Analizador totalmente automatizado de proteínas específicas (nefelometría)
PA240
New
Sistema de análisis de orina totalmente automatizado
DxU 1800 Fully Automated Urinalysis System
PRUEBA DE VPH
Allplex HPV28 Detection

Canales

Química Clínica

ver canal
Crédito de la imagen:  Diane E. MacDougall et al., FIND Lp(a) Machine Learning Model: Targeted Screening Enrichment of Elevated Lipoprotein(a) in Atherosclerotic Cardiovascular Disease, JACC: Advances (2026). DOI: 10.1016/j.jacadv.2026.103114

El aprendizaje automático permite orientar el cribado de lipoproteína(a) elevada

La lipoproteína(a) es un factor de riesgo independiente, determinado genéticamente, de la enfermedad cardiovascular aterosclerótica; sin embargo, el cribado rutinario sigue siendo... Más

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