Bioláseres iluminan células tumorales circulantes en torrente sanguíneo de pacientes con cáncer

A medida que los tumores crecen, liberan células en el torrente sanguíneo, conocidas como células tumorales circulantes (CTC). Aunque estas células son ampliamente superadas en número por millones de otras células sanguíneas, detectarlas de forma temprana puede mejorar significativamente los resultados del tratamiento. Por ejemplo, el cáncer de páncreas suele diagnosticarse demasiado tarde para un tratamiento eficaz, lo que contribuye a su mal pronóstico. De manera similar, la detección del cáncer de pulmón, especialmente en el caso de la recurrencia después del tratamiento, también es un desafío. Los métodos tradicionales para detectar CTC implican el marcado de proteínas específicas en las superficies de las células tumorales con tintes fluorescentes, lo que hace que las células sean más fáciles de detectar en las muestras de sangre. Sin embargo, este método tiene desventajas. Algunas CTC pueden no expresar estas proteínas, lo que hace que se pasen por alto. Además, estos métodos pierden información valiosa sobre el funcionamiento interno de las células cancerosas y, a menudo, implican técnicas que dañan o matan las células, lo que impide un análisis posterior.

Para encontrar una forma de detectar las CTC mientras siguen vivas, los investigadores de la Universidad de Michigan (Ann Arbor, MI, EUA) desarrollaron un nuevo método para identificar estas células en pacientes con cáncer de páncreas y de pulmón. Los investigadores recurrieron a la tecnología bioláser. Si bien este método todavía utiliza tintes para teñir las células cancerosas, no las mata y, en lugar de centrarse en las proteínas que se encuentran en la superficie celular, se dirige a algo común a todas las células: sus núcleos. Para su estudio, los investigadores primero pasaron muestras de sangre de pacientes con cáncer de páncreas a través de un laberinto circular llamado Labyrinth, que separa previamente las CTC, ya que son ligeramente más grandes que otros glóbulos blancos. Luego colocaron las células tumorales entre dos espejos y dirigieron un láser de excitación hacia ellas, una célula a la vez. Cuando la excitación fue lo suficientemente fuerte, las células emitieron un láser, y estas células se denominaron "láseres celulares". La emisión láser de estas células es significativamente más fuerte que la que se observa con las técnicas fluorescentes tradicionales.

Además, las imágenes generadas por las emisiones láser son distintas; mientras que las imágenes fluorescentes hacen que las células aparezcan como esferas brillantes, las emisiones láser revelan formas más complejas que brindan información sobre la organización del ADN dentro de las células cancerosas. Sin embargo, las diferencias en las emisiones láser son sutiles. Para superar esto, los investigadores utilizaron el aprendizaje automático para mejorar la precisión. Con la ayuda del modelo Deep Cell-Laser Classifier, pudieron identificar células de cáncer de páncreas con una precisión del 99 %. Impresionantemente, el modelo, entrenado inicialmente con células de cáncer de páncreas, también pudo detectar células de cáncer de pulmón sin ningún entrenamiento adicional, como se detalla en el estudio publicado en Biosensors and Bioelectronics . En el futuro, los investigadores pretenden desarrollar un dispositivo capaz de aislar las células cancerosas después de la detección. También planean utilizar los patrones de luz únicos producidos por las células para obtener una comprensión más profunda de qué tumores son más agresivos o resistentes al tratamiento.

“Con nuestro sistema, si se quieren recolectar células tumorales circulantes, hay que quitar el espejo superior, lo que puede hacer que la célula se mueva y se pierda su rastro”, dijo Xudong (Sherman) Fan, profesor de ingeniería biomédica. “Queremos desarrollar un sistema en el que las células se muevan una a una a través del punto de excitación láser y luego pasen por un dispositivo de clasificación de células que nos ayude a clasificar y recolectar células para su posterior análisis”.

Visitar la expo >

Miembro Oro

CONTROL DE CALIDAD DE TROPONINA T

Troponin T Quality Control

New

Miembro Oro

Antipsychotic TDM Assays

Saladax Antipsychotic Assays

New

QC Software Solution

Unity Interlaboratory Program

New

FAP Immunoassay

Quantikine QuicKit Human FAP ELISA