Cr\u00e9dito: Pixabay\/CC0 Dominio p\u00fablico <\/p>\n
Prof. El grupo de investigaci\u00f3n de Euisik Yoon ha desarrollado un m\u00e9todo nuevo y m\u00e1s r\u00e1pido para identificar las c\u00e9lulas madre cancerosas (CSC), que podr\u00eda ayudar a mejorar la eficacia de los tratamientos contra el c\u00e1ncer. <\/p>\n
Las CSC pueden sembrar y desarrollar tumores en sitios metast\u00e1sicos, lo que hace que el c\u00e1ncer recaiga en los pacientes despu\u00e9s del tratamiento. Por lo general, tambi\u00e9n son resistentes a la quimioterapia y la radioterapia, por lo que las terapias que se dirigen directamente a las CSC pueden mejorar en gran medida el \u00e9xito de los tratamientos contra el c\u00e1ncer. Sin embargo, las CSC var\u00edan ampliamente entre los pacientes e incluso dentro de ellos, lo que dificulta el desarrollo de tratamientos.<\/p>\n
Las CSC se identifican por su capacidad para convertirse en tumoresferas en un entorno de suspensi\u00f3n hostil. Como tal, el cultivo en suspensi\u00f3n de una sola c\u00e9lula ha demostrado ser un m\u00e9todo eficaz para identificar y estudiar las CSC en un paciente espec\u00edfico. Adem\u00e1s, la microflu\u00eddica ha mejorado enormemente este m\u00e9todo, ya que permite aislar c\u00e9lulas individuales de forma fiable con un alto rendimiento, lo que ayuda a reducir la identificaci\u00f3n falsa de CSC.<\/p>\n
Pero incluso con la microflu\u00eddica, el proceso puede tardar hasta dos semanas. Esto no es lo ideal, ya que el riesgo de mal manejo y contaminaci\u00f3n celular aumenta cuanto m\u00e1s dura el experimento.<\/p>\n
Para abordar estos problemas, el grupo de Yoon desarroll\u00f3 y entren\u00f3 una red neuronal convolucional (CNN), un m\u00e9todo de aprendizaje autom\u00e1tico para clasificaci\u00f3n de im\u00e1genes, para predecir la formaci\u00f3n de tumoresferas derivadas de una sola c\u00e9lula.<\/p>\n
\u00abUsando im\u00e1genes de campo brillante, podemos predecir la respuesta al f\u00e1rmaco mucho antes a partir de las caracter\u00edsticas morfol\u00f3gicas comunes de la viabilidad celular mediante algoritmos de aprendizaje autom\u00e1tico\u00bb, dice Yoon.<\/p>\n
p> <\/p>\n
El modelo se entren\u00f3 para correlacionar las im\u00e1genes celulares de tumoresferas de c\u00e1ncer de mama en micropocillos el d\u00eda 4 con su tama\u00f1o final el d\u00eda 14. Con las im\u00e1genes del d\u00eda 2, este modelo predijo la formaci\u00f3n de tumoresferas con un 87,3 % de precisi\u00f3n. Ten\u00eda una precisi\u00f3n del 88,1 % con las im\u00e1genes del d\u00eda 4. Adem\u00e1s, con las im\u00e1genes del d\u00eda 4, el modelo estim\u00f3 que la tasa de formaci\u00f3n de tumoresferas fue del 17,8 %, que estuvo cerca de la tasa real del 17,6 % del d\u00eda 14.<\/p>\n
Este m\u00e9todo puede ayudar a avanzar en el estudio de CSC en el c\u00e1ncer de mama, mejorando los tratamientos dirigidos con un \u00e9xito potencial similar en otros tipos de c\u00e1ncer. El pr\u00f3ximo paso es ver si el modelo se puede aplicar ampliamente a otras formas de c\u00e1ncer.<\/p>\n
\u00abLa combinaci\u00f3n de an\u00e1lisis unicelulares y aprendizaje autom\u00e1tico crear\u00e1 fuertes efectos sin\u00e9rgicos para acelerar el biodescubrimiento\u00bb, dice Yu-Chih Chen, cient\u00edfico investigador asistente y primer autor del art\u00edculo. \u00abDado que los diferentes tipos de c\u00e9lulas cancerosas pueden tener diferentes tasas de proliferaci\u00f3n, necesitamos normalizar y reorganizar el modelo para que pueda aplicarse de manera m\u00e1s gen\u00e9rica y sea m\u00e1s confiable en las aplicaciones cl\u00ednicas\u00bb.<\/p>\n
El documento, \u00abPredicci\u00f3n temprana de la tasa de formaci\u00f3n de esferas derivadas de una sola c\u00e9lula mediante el an\u00e1lisis de im\u00e1genes de redes neuronales convolucionales\u00bb, se publica en Analytical Chemistry. <\/p>\n
Explore m\u00e1s<\/p>\n
Nuevo modelo muestra c\u00f3mo se crean las c\u00e9lulas que causan c\u00e1ncer de h\u00edgado M\u00e1s informaci\u00f3n:<\/strong> Yu-Chih Chen et al. Predicci\u00f3n temprana de la tasa de formaci\u00f3n de esferas derivadas de una sola c\u00e9lula mediante el an\u00e1lisis de im\u00e1genes de redes neuronales convolucionales, qu\u00edmica anal\u00edtica (2020). DOI: 10.1021\/acs.analchem.0c00710 Informaci\u00f3n de la revista:<\/strong> Analytical Chemistry <\/p>\n Proporcionado por la Universidad de Michigan Cita<\/strong>: Nuevo m\u00e9todo de aprendizaje autom\u00e1tico mejora las pruebas de tumores similares a tallos C\u00e9lulas para la investigaci\u00f3n del c\u00e1ncer de mama (9 de junio de 2020) recuperado el 31 de agosto de 2022 de https:\/\/medicalxpress.com\/news\/2020-06-machine-method-stem-like-tumor-cells.html Este documento est\u00e1 sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigaci\u00f3n privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona \u00fanicamente con fines informativos.<\/p>\n","protected":false},"excerpt":{"rendered":" Cr\u00e9dito: Pixabay\/CC0 Dominio p\u00fablico Prof. El grupo de investigaci\u00f3n de Euisik Yoon ha desarrollado un m\u00e9todo nuevo y m\u00e1s r\u00e1pido para identificar las c\u00e9lulas madre cancerosas (CSC), que podr\u00eda ayudar a mejorar la eficacia de los tratamientos contra el c\u00e1ncer. Las CSC pueden sembrar y desarrollar tumores en sitios metast\u00e1sicos, lo que hace que el … Continuar leyendo \u00abNuevo m\u00e9todo de aprendizaje autom\u00e1tico mejora las pruebas de c\u00e9lulas tumorales similares a las madres para la investigaci\u00f3n del c\u00e1ncer de mama\u00bb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-30013","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/30013","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/comments?post=30013"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/30013\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=30013"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=30013"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=30013"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}