Biblia

Nuevos conocimientos sobre la enfermedad renal utilizando modelos de ranas tropicales

Nuevos conocimientos sobre la enfermedad renal utilizando modelos de ranas tropicales

Rana tropical Xenopus tropicalis. Crédito: Soeren Lienkamp

Usando ingeniería genética de vanguardia, los investigadores de UZH han desarrollado un modelo para estudiar la enfermedad renal hereditaria con la ayuda de ranas tropicales. El método les permite recopilar grandes cantidades de datos sobre anomalías, que luego pueden analizarse utilizando inteligencia artificial. La investigación abre nuevas oportunidades en la búsqueda de nuevos enfoques de tratamiento para la enfermedad hasta ahora incurable.

La anatomía y la función de los órganos de las ranas son sorprendentemente similares a las de los humanos. Un equipo internacional dirigido por Soeren Lienkamp, profesor del Instituto de Anatomía de la UZH, ahora ha explotado esta similitud mediante el uso de una pequeña rana tropical llamada Xenopus tropicalis para modelar enfermedades genéticas humanas. Los investigadores se centraron en la poliquistosis renal, una forma congénita y actualmente incurable de deterioro renal progresivo, y la replicaron en ranas.

Observando los procesos de la enfermedad en tiempo real

Usando CRISPR/Cas9, una metodología para desactivar la función de los genes, los científicos se dirigieron a los genes que se sabe que juegan un papel en la enfermedad renal quística. «Nuestros nuevos modelos de rana desarrollan quistes en los riñones en solo unos días, lo que nos permite observar estos procesos de enfermedad en tiempo real por primera vez», dice el autor principal, Thomas Naert. Si bien la mayoría de los estudios genéticos se realizan en ratones, las ranas tienen características que las hacen adecuadas para estudios a mayor escala. «Una pareja de ranas puede producir cientos o incluso miles de huevos», dice Naert. «Es por eso que ves un gran número de renacuajos en los lagos suizos en primavera». De manera similar, en el laboratorio se pueden manipular grandes cantidades de renacuajos de Xenopus tropicalis para desarrollar enfermedades renales quísticas.

  • Rana tropical Xenopus tropicalis. Crédito: Soeren Lienkamp
  • Imagen de microscopía de renacuajo. Crédito: Thomas Naert
  • Imagen de microscopía de renacuajo. Crédito: Thomas Naert

IA analiza datos de microscopía de hoja de luz

Para analizar los datos de una cantidad tan grande de animales, el equipo empleó una técnica llamada luz- microscopía de hoja, que produjo una reconstrucción en 3D de todo el renacuajo y todos sus órganos. Al igual que las imágenes por resonancia magnética, las técnicas de láminas de luz permiten ver a través de los tejidos de los renacuajos para encontrar órganos afectados por enfermedades. Luego, los datos recopilados se procesaron utilizando inteligencia artificial para permitir una evaluación rápida y automatizada de la enfermedad. «Aunque mi equipo normalmente tardaría varios días o incluso semanas en analizar los datos de cientos de renacuajos, ahora la inteligencia artificial puede realizar esta tarea en cuestión de horas», dice Lienkamp.

Los hallazgos de los modelos de ranas analizados de esta manera proporcionan nuevos conocimientos sobre los procesos tempranos de la enfermedad renal poliquística. Estos conocimientos formarán la base para desarrollar nuevos enfoques de tratamiento para los pacientes afectados.

Explore más

Estudio: Trastorno renal genético reversible en modelos preclínicos Más información: Thomas Naert et al, El aprendizaje profundo es ampliamente aplicable al fenotipo del desarrollo embrionario y la enfermedad, Desarrollo (2021). DOI: 10.1242/dev.199664 Información de la revista: Desarrollo

Proporcionado por la Universidad de Zúrich Cita: Nuevos conocimientos sobre la enfermedad renal utilizando modelos de ranas tropicales (2021, 5 de noviembre ) recuperado el 29 de agosto de 2022 de https://medicalxpress.com/news/2021-11-insights-kidney-disease-tropical-frog.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.