Avanzan en el conocimiento de dos proteínas supresoras de tumores
Fuente: Universidad de Sevilla
Miembros del grupo de investigación Reparación de cortes de doble cadena en el ADN y patologías humanas de la Universidad de Sevilla y del Centro Andaluz de Biología Molecular y Medicina Regenerativa (CABIMER), han publicado en la revista científica Cell Reports un trabajo en el que ahondan en la función de dos genes implicados en la reparación del ADN que son, además, genes supresores de tumores: CtIP y BRCA1.
La correcta reparación del ADN es esencial para asegurar la viabilidad celular y del organismo. Cuando estos mecanismos de reparación no funcionan correctamente, se produce una acumulación progresiva de mutaciones en el ADN que pueden propiciar la aparición de enfermedades, incluido el cáncer.
“Aunque se sabía que las proteínas codificadas por ambos genes actuaban juntas, se desconocía qué importancia funcional tenía la interacción entre ambas. Nuestros resultados demuestran que mientras CtIP es esencial para iniciar el proceso de reparación, BRCA1 modula la velocidad a la que actúa CtIP”, explica el investigador de la Universidad de Sevilla y autor del artículo, Pablo Huertas.
Para poder obtener este modelo, los expertos han desarrollado nuevos métodos que analizan los pasos iniciales de la reparación del ADN a nivel de moléculas individuales.
Últimas publicaciones
El objetivo del Plan, con una vigencia de cinco años, es garantizar la plena igualdad de trato y oportunidades de mujeres y hombres, consolidando un camino ya emprendido por la organización, promovida por la Consejería de Universidad, Investigación e Innovación
Sigue leyendo
El Espacio Creativo Cultural Santa Clara del Ayuntamiento de Palma del Río acoge la exposición ‘Paseo Matemático al-Ándalus’ de la Fundación Descubre / Consejería de Universidad, Investigación e Innovación de la Junta de Andalucía, una muestra que podrá visitarse hasta el próximo 14 de octubre.
Sigue leyendo
Un equipo de investigación de la Universidad de Málaga presenta una herramienta estadística para identificar de forma precisa conexiones cerebrales incluso cuando la señal está distorsionada e incompleta. Este modelo es aplicable a contextos clínicos como el estudio de enfermedades neurodegenerativas como el Alzheimer o el Parkinson, el procesamiento del lenguaje o el desarrollo neurotecnológico.
