Proteínas en el punto de mira del estudio de los linfomas a través de la proteómica

Autores/as

Palabras clave:

Ómica, Proteómica, Linfomas

Resumen

Introducción: La proteómica, entendida como la disciplina científica que estudia los proteomas, es de vital importancia en la investigación en salud. Esta le proporciona a la salud pública, en el nuevo milenio, avances en materia científica, con el objetivo de integrar los nuevos descubrimientos para brindar los tratamientos más actuales.

Objetivo: describir los antecedentes, surgimiento y los conocimientos básicos del análisis proteómico basado en la espectrometría de masas, con especificidad en la búsqueda de biomarcadores para el diagnóstico y pronóstico de los linfomas.

Métodos: al ser un tema bastante controversial y reciente, se realizó un estudio documental, bajo una búsqueda transversal, de corte histórico, retrospectivo, apoyado en una revisión y análisis comparativos de las diversas fuentes.

Desarrollo: a pesar de los avances significativos, la proteómica enfrenta desafíos en términos de sensibilidad, especificidad y estandarización de métodos. Se requieren esfuerzos continuos para mejorar las técnicas analíticas y la interpretación de datos, así como para validar los hallazgos de estudios clínicos. El futuro de la proteómica en el contexto de los procesos linfoproliferativos promete un mayor impacto en la medicina personalizada y el desarrollo de nuevas estrategias terapéuticas.

Conclusiones: La integración de datos proteómicos, genómicos y transcriptómicos ha permitido una comprensión más profunda de los procesos linfoproliferativos, identificando biomarcadores clave para el diagnóstico y pronóstico de linfomas. Esta integración multidimensional puede ayudar a desentrañar las complejas interacciones entre las vías de señalización y los cambios en la expresión génica, mejorando nuestra comprensión de la patogénesis.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

1. Slavov N. Scaling up single-cell proteomics. Mol Cell Proteomics [Internet]. 2022 [citado 23/02/2025]; 21(1):100179. Disponible en: https://doi.org/10.1016/j.mcpro.2021.100179

2. Vistain LF, Tay S. Single-cell proteomics. Trends Biochem Sci [Internet]. 2021 [citado 23/02/2025]; 46(8):661-72. Disponible en: https://doi.org/10.1016/j.tibs.2021.01.013

3. Gatto L, Gibb S, Rainer J. MSnbase, efficient and elegant R-based processing and visualisation of raw mass spectrometry data. bioRxiv [Internet]. 2020 [citado 23/02/2025]. Disponible en: https://doi.org/10.1101/2020.04.29.067868

4. Schoof EM, Furtwängler B, Üresin N, Rapin N, Savickas S, Gentil C, et al. Quantitative single-cell proteomics as a tool to characterize cellular hierarchies. Nat Commun [Internet]. 2021 [citado 23/02/2025]; 12(1):3341. Disponible en: https://doi.org/10.1038/s41467-021-23667-y

5. Patel H, Ashton NJ, Dobson RJB, Andersson LM, Yilmaz A, Blennow K, et al. Proteomic blood profiling in mild, severe and critical COVID-19 patients. Sci Rep [Internet]. 2021 [citado 23/02/2025]; 11(1):6357. Disponible en: https://doi.org/10.1038/s41598-021-85877-0

6. Oppenheim S, Cao X, Rueppel O, Krongdang S, Phokasem P, DeSalle R, et al. Whole genome sequencing and assembly of the Asian honey bee Apis dorsata. Genome Biol Evol [Internet]. 2020 [citado 23/02/2025]; 12(12):3677-83. Disponible en: https://doi.org/10.1093/gbe/evz277

7. Bošković F, Keyser UF. Toward single-molecule proteomics. Science [Internet]. 2021 [citado 23/02/2025]; 374(6574):1443-4. Disponible en: https://doi.org/10.1126/science.abn0001

8. Xu J, Lin Y, Yang M, Zhang L. Statistics and pitfalls of trend analysis in cancer research: a review focused on statistical packages. J Cancer [Internet]. 2020 [citado 23/02/2025]; 11(10):2957-61. Disponible en: https://pubmed.ncbi.nlm.nih.gov/32226510/

9. Baxi V, Edwards R, Montalto M, Saha S. Digital pathology and artificial intelligence in translational medicine and clinical practice. Mod Pathol [Internet]. 2022 [citado 23/02/2025]; 35(1):23-32. Disponible en: https://pubmed.ncbi.nlm.nih.gov/34611303/

10. Bera K, Schalper KA, Rimm DL, Velcheti V, Madabhushi A. Artificial intelligence in digital pathology - new tools for diagnosis and precision oncology. Nat Rev Clin Oncol [Internet]. 2019 [citado 23/02/2025]; 16(11):703-15. Disponible en: https://pubmed.ncbi.nlm.nih.gov/31399699/

11. Macklin A, Khan S, Kislinger T. Recent advances in mass spectrometry based clinical proteomics: applications to cancer research. Clin Proteomics [Internet]. 2020 [citado 23/02/2025]; 17:17. Disponible en: https://pubmed.ncbi.nlm.nih.gov/32489335/

12. Quintero Sierra Y, Concepción Fernández Y, Hernández Padrón C, Romero González A, Pérez Ivis M, Lam Rosa M. Caracterización de pacientes adultos con linfoma no Hodgkin difuso de células grandes B. Rev Cubana Hematol Inmunol Hemoter [Internet]. 2020 [citado 23/02/2025]; 36(4):e1254. Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S0864-02892020000400006

13. Sorigue M, Sancho JM. La revisión de 2016 de la clasificación de la OMS de las neoplasias linfoides: la visión del clínico. Med Clin (Barc) [Internet]. 2018 [citado 23/02/2025]; 150(2):64-6. Disponible en: https://pubmed.ncbi.nlm.nih.gov/28545953/

14. Katz BZ, Herishanu Y. Therapeutic targeting of CD19 in hematological malignancies: past, present, future and beyond. Leuk Lymphoma [Internet]. 2014 [citado 23/02/2025]; 55(5):999-1006. Disponible en: https://pubmed.ncbi.nlm.nih.gov/23885836/

15. Moreno-Laguard Y, Laguna-Salvia L, Larquin-Comet J, León-Ramentol C, Hernandez-Soler Y, González-Basulto M. Criterios diagnósticos y nuevas opciones terapéuticas para los pacientes con diagnóstico de linfoma no Hodgkin. Arch Med Camagüey [Internet]. 2019 [citado 23/02/2025]; 23(3):398-412. Disponible en: https://revistaamc.sld.cu/index.php/amc/article/view/6340

16. Peña AS. Medicina personalizada: inevitable. Rev Esp Enferm Dig [Internet]. 2010 [citado 23/02/2025]; 102(10):573-6. Disponible en: https://scielo.isciii.es/scielo.php?pid=S1130-01082010001000001&script=sci_arttext&tlng=es

17. Hurtado C. Medicina de precisión: conceptos, aplicaciones y proyecciones. Rev Med Clin Las Condes [Internet]. 2022 [citado 23/02/2025]; 33(1):7-16. Disponible en: https://catalogo.upc.edu.pe/discovery/fulldisplay?docid=cdi_crossref_primary_10_1016_j_rmclc_2022_01_002&context=PC&vid=51UPC_INST:51UPC_INST&lang=es&search_scope=MyInst_and_CI&adaptor=Primo%20Central&tab=002Todoslosrecursos&query=sub,exact,Metabolomics,AND&mode=advanced&offset=10

18. Kramer A, Green J, Pollard J Jr, Tugendreich S. Causal analysis approaches in Ingenuity Pathway Analysis. Bioinformatics [Internet]. 2014 [citado 23/02/2025]; 30(4):523-30. Disponible en: https://pubmed.ncbi.nlm.nih.gov/24336805/

19. Schoof EM, Furtwängler B, Üresin N, Rapin N, Savickas S, Gentil C, et al. Quantitative single-cell proteomics as a tool to characterize cellular hierarchies. Nat Commun [Internet]. 2021 [citado 23/02/2025]; 12(1):3341. Disponible en: https://pubmed.ncbi.nlm.nih.gov/34099695/

20. Ching T, Himmelstein DS, Beaulieu-Jones BK, Kalinin AA, Do BT, Way GP, et al. Opportunities and obstacles for deep learning in biology and medicine. J R Soc Interface [Internet]. 2018 [citado 23/02/2025]; 15(141):20170387. Disponible en: https://pubmed.ncbi.nlm.nih.gov/29618526/

Publicado

16-04-2025

Cómo citar

1.
García-Salgado A, Alvarez-Capote N, Román-Rodríguez A, Silva-Lago R. Proteínas en el punto de mira del estudio de los linfomas a través de la proteómica. MedEst [Internet]. 16 de abril de 2025 [citado 19 de abril de 2025];5:e329. Disponible en: https://revmedest.sld.cu/index.php/medest/article/view/329

Número

Sección

ARTÍCULOS DE REVISIÓN