Fuente: OMS: http://www.who.int/blueprint/priority-diseases/en/ Cortesía: Muy Interesante / Redacción :Sarah Romero.

El Té y sus beneficios para nuestra salud

El té es la segunda bebida más consumida del mundo después del agua, según el estudio ‘Tea Fact Sheet 2017-18’, de la Asociación Estadounidense del Té. Según este informe, solo durante 2017, los norteamericanos consumieron 84.000 millones de raciones de esta bebida, lo que se traduce en 3.800 millones de galones (más de 14.380 millones de litros).

Pero, además de popular, surgen varias preguntas: ¿es sana esta bebida? ¿En todas sus variedades? Lo cierto es que existen múltiples investigaciones sobre sus beneficios para la salud.

Corazón ‘fuer-té’

El modelo de alimentación saludable ‘The Healthy Eating Plate’, elaborado por la Universidad de Harvard, en Massachusetts (EE. UU.), incluye el té como una de las bebidas saludables por excelencia. Asegura que el consumo diario de té verde o negro reduce el riesgo de padecer enfermedades cancerígenas o apoplejía.

De otro lado, la también estadounidense revista médica ‘Biochem Pharmacol’ considera el té verde una bebida beneficiosa para la salud, en parte debido a su contenido alto en la catequina epigalocatequina-3-galato (EGCG).

A la EGCG se la considera, de acuerdo con la misma fuente, agente antitumoral que beneficia la respuesta de las células tumorales ante la quimioterapia. 

Además, información publicada por el ‘European Journal of Preventive Cardiology’ desvela que la EGCG puede prevenir enfermedades cardiovasculares y cerebrales, tales como derrames, arteriosclerosis, trombosis o ataques cardíacos gracias de sus propiedades beneficiosas para el flujo sanguíneo. 

Otros estudios, de nuevo del ‘European Journal of Clinical Nutrition’, indican que el té negro reduce el riesgo de enfermedad cardíaca coronaria. Además, en ‘News Medical’ se relacionó el consumo de té con el alivio del dolor e inflamación propios de la artritis reumatoide.

‘Men-té’ sana

La prestigiosa revista ‘Psychopharmacology’ ha publicado los resultados de otra investigación llevada a cabo por el Hospital Universitario de Basilea (Suiza) que relaciona el té verde con un aumento de la conectividad entre la corteza frontal y parietal del cerebro. De acuerdo con dichos resultados, el té verde podría ser beneficioso en los tratamientos para el deterioro cognitivo relacionado con trastornos neuropsiquiátricos (por ejemplo, la demencia). 

En la publicación ‘Biological Psychiatry’ se afirma que los polifenoles del té protegen las células relacionadas con la dopamina, y lo relacionan con la prevención del párkinson. 

A esta lista de beneficios se añade la información que ‘The Journal of Neuroscience’ y ‘Journal of Agricultural and Food Chemistry’ publicaron atribuyendo a la EGCG propiedades para prevenir el alzhéimer. 

Un estudio de la Universidad Penn State (Estados Unidos) desveló que la EGCG ralentizaba la ganancia de peso en las dietas ricas en grasas. “El té verde hace que ganemos peso más despacio. La EGCG no solo reduce la absorción de grasas, sino que aumenta la capacidad de usarlas”, explica Joshua Lambert, experto en alimentación.

Pócima de la juventud

El ‘Journal of Integrative Medicine’ de China llevó a cabo un estudio acerca de las propiedades digestivas y aceleradoras del metabolismo del té azul. Y los investigadores del Centro Médico de la Universidad de Maryland concluyeron que su alto contenido en antioxidantes lo convierte en un excelente adelgazante.

Esta última investigación también atribuyó al té azul propiedades para prevenir el envejecimiento y mantener una piel joven, algo que también se relaciona con el consumo de otro té, el blanco: según un estudio de la Universidad de Kingston (Inglaterra), ayuda a la producción de elastina y colágeno (proteínas que evitan la formación de arrugas). “El té blanco ayuda a reparar los tejidos del cuerpo y a frenar la flacidez de la piel”, afirma el director del estudio, Declan Naughton.

En definitiva, no parece haber mejor bebida que el té para ‘beneficiar-té’ en distintos aspectos de la salud.

Fuente: El Tiempo / Redacción: Nora Cifuentes  / Cortesía: www.eltiempo.com

El virus de Epstein-Barr, vinculado a siete enfermedades graves

Se trata del virus que provoca la mononucleosis infecciosa o ‘enfermedad del beso’.

Un estudio de gran alcance realizado por científicos del Cincinnati Children Hospital Medical Center (EE. UU.) revela que el virus Epstein-Barr, más conocido por causar mononucleosis (popularmente conocida como ‘enfermedad del beso’), también aumenta el riesgo para algunas personas de desarrollar otras siete enfermedades importantes. Esas enfermedades son: lupus eritematoso sistémico, esclerosis múltiple, artritis reumatoide, artritis idiopática juvenil, enfermedad inflamatoria intestinal, enfermedad celíaca y diabetes tipo 1. Los resultados del estudio han sido publicados en la revista Nature Genetics.

El estudio muestra que una proteína producida por el virus de Epstein-Barr, llamada EBNA2, se une a múltiples ubicaciones a lo largo del genoma humano que están asociadas con estas siete enfermedades.

El trabajo arroja nueva luz sobre cómo los factores ambientales, como las infecciones virales o bacterianas, la mala alimentación, la contaminación u otras exposiciones peligrosas, pueden interactuar con el plan genético humano y tener consecuencias graves que influyen en la enfermedad.

“Ahora, usando métodos genómicos que no estaban disponibles hace 10 años, parece que los componentes fabricados por el virus interactúan con el ADN humano en los lugares donde aumenta el riesgo genético de la enfermedad. Y no solo por el lupus, sino también por todas estas otras enfermedades”, explica John Harley, Director del Centro de Genómica y Etiología Autoinmune del Cincinnati Children y uno de los autores principales de la investigación.

El virus, como catalizador potencial de enfermedades

Los científicos han vinculado el virus a otras enfermedades en el pasado, incluidos ciertos tipos de cáncer del sistema linfático. Ahora, más investigaciones han conectado nuevas enfermedades que no están relacionadas entre sí. Sin embargo, “comparten un conjunto común de factores de transcripción anormales, cada uno afectado por la proteína EBNA2 del virus de Epstein-Barr”, aclaran.

Cuando estos grupos EBNA2 se adhieren a una sección del código genético de una persona, el riesgo de lupus aumenta. Cuando se conectan a otra parte del código, aumenta el riesgo de Esclerosis Múltiple, por ejemplo, y así sucesivamente.

“Este descubrimiento es probablemente lo suficientemente importante como para impulsar a muchos otros científicos de todo el mundo a reconsiderar este virus en estos trastornos”, dijo Harley. “Como consecuencia, y suponiendo que otros puedan replicar nuestros hallazgos, podría conducir a terapias, métodos de prevención y formas de anticipar enfermedades, que ahora no existen”.

Según los Centros para el Control y Prevención de Enfermedades, el virus de Epstein-Barr es uno de los virus humanos más comunes y se encuentra en todo el mundo. Se propaga a través de fluidos corporales, más comúnmente la saliva. Causa fatiga, fiebre, inflamación de la garganta e inflamación de los ganglios linfáticos. Una vez que alguien se infecta, el virus permanece en el sistema de por vida.

Más del 90% de las naciones desarrolladas se infectan a los 20 años. En las naciones menos desarrolladas, el 90% de las personas se infectan a los 2 años.

La mononucleosis, o mono, ocurre con mayor frecuencia en adolescentes y estudiantes universitarios y, al menos 1 de cada 4 personas infectadas con el virus de Epstein-Barr desarrollará mononucleosis. Los síntomas son similares al virus e incluyen fatiga extrema, hígado o bazo agrandados, dolores de cabeza y cuerpo y sarpullidos.

Actualmente, no hay vacuna para prevenir el virus.

Fuente: John B. Harley et al, Transcription factors operate across disease loci, with EBNA2 implicated in autoimmunity, Nature Genetics (2018). DOI: 10.1038/s41588-018-0102-3 / Redacción: Sara Rmero / Cortesía: www.muyuinteresante.es

Software de aprendizaje automático predice la acción de las bacteria

En una primicia para los algoritmos de aprendizaje automático, una nueva pieza de software desarrollada en Caltech puede predecir el comportamiento de las bacterias leyendo el contenido de un gen.

El avance podría tener implicaciones significativas para nuestra comprensión de la bioquímica bacteriana y para el desarrollo de nuevos medicamentos.

Un impulso de la farmacología moderna se centra en aliviar dolencias mediante el desarrollo de fármacos que se dirigen a proteínas específicas que residen en las membranas de las células de nuestros cuerpos.

Estas proteínas, conocidas como proteínas integrales de membrana (IMP), actúan como receptores o “puertas” que permiten que los materiales entren y salgan de las células.

Ejemplos de IMP son receptores acoplados a proteína G, que transmiten información a una célula sobre su entorno, y canales de iones, que controlan el entorno interior de una célula actuando como guardianes que permiten selectivamente que los iones entren y salgan de la célula.

Los IMP son el objetivo de casi el 50 por ciento de todas las drogas en el mercado. Desafortunadamente, muchos IMP son poco conocidos.

“Estas son moléculas muy importantes que nuestro cuerpo produce y de las que no sabemos lo suficiente”, dice Bil Clemons, profesor de bioquímica en Caltech.

Para obtener una comprensión más completa de un IMP, los investigadores deben generar grandes cantidades de este para la purificación y el estudio detallado. Normalmente, eso se hace insertando el ADN de esa proteína en las bacterias; la proteína luego se produce de forma rutinaria a medida que la bacteria crece y se multiplica.

El problema es que no todas las bacterias están dispuestas a cooperar y producir cantidades insignificantes de proteínas. Solo unas pocas bacterias terminan produciendo suficientes proteínas para ser útiles y, hasta ahora, los investigadores no han podido saber si una bacteria con la que están trabajando será un éxito o un fracaso.

“Una de las principales limitaciones en el estudio de las proteínas de membrana es la falta de capacidad para expresarlas en cantidades razonables”, dice Clemons. “Usamos estas bacterias como fábricas para hacer cosas para nosotros, pero es impredecible … la mayoría lo echan de menos. Anecdóticamente, ha tenido un 10 por ciento de éxito”.

Toda la prueba y el error involucrados en hacer que las bacterias cooperen, desperdicia el tiempo y los recursos de los investigadores. Clemons se preguntó si sería posible usar computadoras para predecir cómo reaccionarán las bacterias cuando se les pida que creen una proteína que normalmente no producen.

“Presumimos que las células bacterianas estaban haciendo una lectura cuantitativa del ADN para determinar qué cantidad de estas proteínas preparar”.

“Queríamos saber si podríamos usar herramientas computacionales para aumentar la tasa de éxito de encontrar bacterias que expresen proteínas en cantidades útiles para ayudarnos a caracterizar moléculas importantes para la medicina”.

Clemons y su estudiante graduada, Shyam Saladi, crearon esa herramienta, un software de aprendizaje automático que han denominado IMProve, que compara el ADN bacteriano con datos sobre la cantidad de proteína que produce la bacteria. Luego usaron un conjunto de datos para IMProve que cultivaba muchas muestras de bacterias para ver qué tan bien producían las proteínas de membrana deseadas.

Los investigadores entrenaron a IMProve al alimentar esos resultados y los códigos genéticos en los que confían las bacterias para expresar las proteínas en IMProve, de modo que pudieran aprender qué secuencias de ADN iban a producir una alta producción de proteínas.

Una vez que el software fue entrenado, los investigadores descubrieron que predecía el comportamiento bacteriano tan bien que podían duplicar su tasa de éxito en la selección de bacterias que expresarían los IMP en grandes cantidades.

“Nos sorprendió porque no había ninguna garantía de que este enfoque funcionaría”, dice Clemons. “Las células son extremadamente complejas, y usted está pidiendo un modelo estadístico relativamente simple para predecir lo que una célula va a hacer. Desde esa perspectiva, fue bastante impactante”.

Pero, Clemons agrega que, tal vez sus resultados no sean tan sorprendentes en retrospectiva.

“Esto subraya la idea de que las células son solo computadoras, y solo están computando cosas”.

Fuente: Caltech / Redacción en inglés: Emily Velasco  /  Cortesía: http://www.caltech.edu