Actividad génica predice progresión de enfermedad autoinmune
Por el equipo editorial de LabMedica en español Actualizado el 11 Jan 2017 |
Imagen: Una histopatología de un espécimen de una biopsia de perforada en un paciente con esclerosis sistémica (Fotografía cortesía del Dr. Soumya Chatterjee, MD, MS, FRCP).
Se ha diseñado una nueva herramienta de diagnóstico para una enfermedad autoinmune rara y mortal llamada esclerosis sistémica que afecta a la piel y los órganos internos; la enfermedad afecta a unas 100.000 personas en los EUA.
La causa de la esclerosis sistémica (SSc) es desconocida, y no hay medicamentos aprobados para tratarla. A muchos pacientes se les administran fármacos que están aprobados para uso en otras enfermedades, pero cada medicamento es clínicamente eficaz en sólo una fracción de los pacientes. Para averiguar si un paciente está respondiendo al tratamiento, los clínicos usan una prueba llamada puntuación de piel de Rodnan modificada (mRSS), en la que un médico pellizca la piel para ver qué tan gruesa es.
Científicos de la Facultad de Medicina de la Universidad de Stanford (CA, EUA) y otras seis instituciones, realizaron un análisis integrado multi-cohorte de los datos del transcriptoma de SSc, a través de siete conjuntos de datos de seis centros compuestos por 515 muestras. Los investigadores utilizaron 158 muestras de piel de pacientes con SSc y de controles sanos, reclutados en dos centros como cohorte de descubrimiento e identificaron una firma de expresión, de 415 genes, específica para la SSc y validaron su capacidad para diferenciar a los pacientes con SSc de los controles sanos en 357 muestras de piel adicionales provenientes de cinco cohortes independientes.
Los investigadores definieron la puntuación de severidad de la piel en la SSc (4S). Para todas las cohortes de SSc de muestras de biopsia de piel analizadas en el estudio, el puntaje 4S se correlacionó significativamente con el mRSS, lo que permite la cuantificación objetiva de la gravedad de la enfermedad SSc. Utilizando los datos del transcriptoma del ensayo longitudinal más grande de los pacientes de SSc, hasta la fecha, mostraron que 4S les permitió monitorizar objetivamente a los pacientes con SSc individuales, con el tiempo. La prueba 4S aplicada al conjunto preexistente de datos del paciente podía diferenciar a los pacientes que estaban mejorando de los que no lo estaban, 12 meses después de que su tratamiento comenzó. En contraste, la prueba del pellizco de la piel de los médicos del mismo conjunto de datos tomó 24 meses para identificar, que los pacientes estaban mejorando. El estudio también descubrió una señal de actividad génica que sugiere la participación de los receptores del factor de crecimiento epidérmico en la enfermedad.
Purvesh Khatri, PhD, profesor asistente de medicina y autor principal del estudio, dijo: “Los datos de toda la piel sana caían dentro de una burbuja, mientras que todos los datos para los pacientes de esclerodermia se superponen entre sí y lo que era realmente genial era que podíamos predecir a nivel individual cuales de los pacientes iban a mejorar o empeorar”. El estudio fue publicado el 22 de diciembre de 2016 en la revista JCI Insight.
Enlace relacionado:
Stanford University School of Medicine
La causa de la esclerosis sistémica (SSc) es desconocida, y no hay medicamentos aprobados para tratarla. A muchos pacientes se les administran fármacos que están aprobados para uso en otras enfermedades, pero cada medicamento es clínicamente eficaz en sólo una fracción de los pacientes. Para averiguar si un paciente está respondiendo al tratamiento, los clínicos usan una prueba llamada puntuación de piel de Rodnan modificada (mRSS), en la que un médico pellizca la piel para ver qué tan gruesa es.
Científicos de la Facultad de Medicina de la Universidad de Stanford (CA, EUA) y otras seis instituciones, realizaron un análisis integrado multi-cohorte de los datos del transcriptoma de SSc, a través de siete conjuntos de datos de seis centros compuestos por 515 muestras. Los investigadores utilizaron 158 muestras de piel de pacientes con SSc y de controles sanos, reclutados en dos centros como cohorte de descubrimiento e identificaron una firma de expresión, de 415 genes, específica para la SSc y validaron su capacidad para diferenciar a los pacientes con SSc de los controles sanos en 357 muestras de piel adicionales provenientes de cinco cohortes independientes.
Los investigadores definieron la puntuación de severidad de la piel en la SSc (4S). Para todas las cohortes de SSc de muestras de biopsia de piel analizadas en el estudio, el puntaje 4S se correlacionó significativamente con el mRSS, lo que permite la cuantificación objetiva de la gravedad de la enfermedad SSc. Utilizando los datos del transcriptoma del ensayo longitudinal más grande de los pacientes de SSc, hasta la fecha, mostraron que 4S les permitió monitorizar objetivamente a los pacientes con SSc individuales, con el tiempo. La prueba 4S aplicada al conjunto preexistente de datos del paciente podía diferenciar a los pacientes que estaban mejorando de los que no lo estaban, 12 meses después de que su tratamiento comenzó. En contraste, la prueba del pellizco de la piel de los médicos del mismo conjunto de datos tomó 24 meses para identificar, que los pacientes estaban mejorando. El estudio también descubrió una señal de actividad génica que sugiere la participación de los receptores del factor de crecimiento epidérmico en la enfermedad.
Purvesh Khatri, PhD, profesor asistente de medicina y autor principal del estudio, dijo: “Los datos de toda la piel sana caían dentro de una burbuja, mientras que todos los datos para los pacientes de esclerodermia se superponen entre sí y lo que era realmente genial era que podíamos predecir a nivel individual cuales de los pacientes iban a mejorar o empeorar”. El estudio fue publicado el 22 de diciembre de 2016 en la revista JCI Insight.
Enlace relacionado:
Stanford University School of Medicine
Últimas Patología noticias
- IA basada en imágenes se muestra prometedora para detección de parásitos en muestras de heces digitalizadas
- Algoritmos de inteligencia artificial potenciados por aprendizaje profundo mejoran la precisión en el diagnóstico de cáncer de piel.
- Inteligencia artificial detecta células tumorales viables para pronósticos precisos de cáncer de hueso después de quimioterapia
- Nueva técnica identifica células cancerosas individuales en sangre para tratamientos específicos
- Innovador dispositivo de extracción de sangre supera obstáculos comunes relacionados con la flebotomía
- Dispositivo de microfluidos para detección del cáncer separa con precisión entidades tumorales
- Biopsia de piel virtual determina la presencia de células cancerosas
- Dispositivo POC intraoperatorio distingue entre quistes ováricos benignos y malignos en 15 minutos
- Prueba simple de biopsia de piel detecta el Parkinson y enfermedades neurodegenerativas relacionadas
- Herramienta bioinformática para identificar alteraciones cromosómicas en células tumorales puede mejorar diagnóstico del cáncer
- Dispositivo del tamaño de una moneda aísla rápidamente plasma sanguíneo para diagnósticos clínicos más rápidos y precisos
- IA predice propagación del cáncer al cerebro a partir de imágenes de biopsia de pulmón
- Tecnología de microagujas mejorada acelera extracción de muestra de líquido intersticial para diagnóstico de enfermedades
- IA supera a patólogos expertos en predicción de propagación del cáncer de pulmón
- Primer prototipo para aplicar IA al diagnóstico colorrectal
- Nueva prueba identifica cánceres de ovario agresivos más temprano