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

Método para tipificación de tejido revoluciona campo del trasplante de células madre

Por el equipo editorial de LabMedica en español
Actualizado el 15 Feb 2016
Las muestras de saliva y de sangre se pueden tipificar utilizando un nuevo sistema que les permite a los científicos obtener información de muy alta calidad sobre un paciente y el tipo de tejido del donante, lo que les permite hacer las mejores correspondencias posibles.
 

Imagen: La tecnología de secuenciación de ADN de Molécula Individual en Tiempo Real (SMRT) (Fotografía cortesía de Pacific Biosciences).
Imagen: La tecnología de secuenciación de ADN de Molécula Individual en Tiempo Real (SMRT) (Fotografía cortesía de Pacific Biosciences).
Además de mejorar los resultados, la tecnología debería ser más rápida que las técnicas anteriores, lo que permite la posibilidad de que se tipifiquen más donantes cada año. La tipificación de más donantes aumentaría las posibilidades para cada paciente de encontrar un donante con buena correspondencia, una movida vital, dado que en la actualidad sólo el 60% de los pacientes con trasplante reciben el mejor tejido posible.
 
La tecnología, conocida como Secuenciación de Tercera Generación, también les permite a los científicos que trabajan para la organización benéfica, Anthony Nolan (Londres, Reino Unido) una mayor comprensión de la compatibilidad donante-paciente en el trasplante de células madre. Las nuevas lecturas, de alta exactitud, de los tipos del paciente y del donante, del antígeno leucocitario humano (HLA) les permitirá a los investigadores identificar los factores actualmente desconocidos que contribuyen al éxito o al fracaso de un trasplante de células madre. Esta información podría resultar muy valiosa para mejorar el éxito de los trasplantes futuros.
 
La última tecnología resuelve este problema, generando longitudes de lecturas de ADN excepcionalmente largas y secuenciando diferentes tipos de tejidos en forma aislada. Los científicos de Anthony Nolan están trabajando con la nueva tecnología de secuenciación de ADN de Molécula Individual en Tiempo Real (SMRT) (Pacific Biosciences, Menlo Park, CA, EUA). La secuenciación SMRT se basa en dos innovaciones claves: guías de onda en modo cero (ZMW) y nucleótidos fosfounidos. Las ZMW permiten que la luz ilumine sólo el fondo de un pozo en el que se inmoviliza un complejo ADN polimerasa/plantilla. Los nucleótidos fosfounidos permiten la observación del complejo inmovilizado a medida que la ADN polimerasa produce una cadena de ADN completamente natural.
 
Katy Latham, PhD, Directora de Laboratorios en Anthony Nolan, dijo: “Las implicaciones de esta tecnología podrían ser enormes, permitiendo la tipificación exacta del  HLA en un solo experimento y haciendo redundante la necesidad de múltiples experimentos y referencias cruzadas de los resultados. Esto es significativo puesto que se ha demostrado que la tipificación de alta resolución del HLA mejora significativamente los resultados cuando los destinatarios de trasplante de células madre y sus donantes no relacionados se corresponden muy de cerca”.
 
 
Enlaces relacionados:

Anthony Nolan
Pacific Biosciences
 

Miembro Oro
Turnkey Packaging Solution
HLX
Automated Blood Typing System
IH-500 NEXT
New
Automatic Biochemistry Analyzer
Audmax 180 Evolution
New
Anti-Secukinumab ELISA
LISA-TRACKER anti-Secukinumab

Últimas Patología noticias

Tecnología de código de barras diagnostica el cáncer con mayor precisión

Mapeo de células de placa aterosclerótica predice riesgo de accidente cerebrovascular o ataque cardíaco

Análisis de células inmunes mediante IA predice pronóstico del cáncer de mama