Nueva plataforma tecnológica predice enfermedades mediante detección temprana de señales de envejecimiento en tejido hepático
Actualizado el 15 Jun 2025
El envejecimiento y las enfermedades crónicas se caracterizan por la lenta acumulación de sutiles alteraciones tisulares durante largos periodos. Sin embargo, captar cuantitativamente estos cambios graduales en los órganos y asociarlos con los primeros signos de la enfermedad sigue siendo un reto. Para abordar este problema, los investigadores han introducido una plataforma tecnológica capaz de detectar los cambios localizados a nivel tisular que se producen en las primeras etapas del desarrollo de la enfermedad. Este avance facilita una identificación más rápida de la enfermedad, una predicción más precisa y el establecimiento de objetivos de tratamiento personalizados.
Investigadores del Instituto Coreano de Ciencia y Tecnología Avanzada (KAIST, Daejeon, República de Corea) realizaron un estudio centrado en el diagnóstico y tratamiento tempranos de la progresión de la fibrosis, un predictor clínico clave en la enfermedad hepática crónica. Esto condujo al desarrollo de una novedosa tecnología denominada «FiNi-seq (secuenciación de enriquecimiento del nicho fibrótico)», que aísla los microambientes fibróticos en el tejido hepático envejecido y permite un análisis altamente preciso mediante transcriptómica unicelular. Esta técnica examina cómo las células individuales expresan genes, lo que ayuda a determinar qué células están enfermas y su estado funcional.
Los investigadores enriquecieron los microambientes de envejecimiento temprano (áreas con regeneración deficiente y acumulación de fibrosis) mediante la selección física de zonas de tejido hepático resistentes a la degradación. Este método permitió la detección de alta resolución de células endoteliales relacionadas con la fibrosis, fibroblastos involucrados en interacciones inmunitarias y células inmunodeprimidas, como los linfocitos T CD8 con alta expresión de PD-1, células que anteriormente eran difíciles de observar con los métodos estándar de análisis de células individuales.
Mediante el uso de FiNi-seq, el equipo identificó que ciertas células en las regiones fibróticas del tejido hepático envejecido contribuyen al envejecimiento del tejido adyacente mediante la secreción de factores de señalización, expandiendo así el entorno envejecido. Además, descubrieron el mecanismo por el cual las células endoteliales pierden su identidad normal y activan la respuesta inmunitaria innata, lo que a su vez fomenta la infiltración de células inmunitarias. El análisis transcriptómico espacial permitió a los investigadores mapear la distribución de los fibroblastos que interactúan con las células inmunitarias. Esto reveló su papel en la regeneración tisular, desencadenando procesos inflamatorios e impulsando la progresión a la fibrosis crónica.
Mediante el análisis multiómico integrado, los investigadores obtuvieron información detallada sobre los panoramas transcriptómico y epigenómico, lo que ayudó a esclarecer la heterogeneidad espacial del tejido hepático envejecido y su relación con las estructuras vasculares intrahepáticas. La multiómica se refiere a un método integral que combina diversos conjuntos de datos biológicos, como genes, proteínas, metabolitos e información celular. La tecnología FiNi-seq, destacada en la revista internacional Nature Aging, ofrece una plataforma prometedora para capturar señales fisiopatológicas detalladas en enfermedades hepáticas crónicas, incluidas las relacionadas con el envejecimiento y la progresión de la fibrosis.
“Como tecnología analítica capaz de capturar cambios sutiles que ocurren en las primeras etapas del envejecimiento y las enfermedades crónicas, se espera que desempeñe un papel importante en la búsqueda de objetivos terapéuticos eficaces en el futuro”, afirmó el profesor Jong-Eun Park, de la Escuela de Posgrado de Ciencias Médicas e Ingeniería. “Además, planeamos ampliar esta investigación a enfermedades crónicas en otros órganos, como los pulmones y los riñones, así como a diversos modelos de enfermedades hepáticas”.
Enlaces relacionados:
KAIST
