Noticias Tecnología - Innovación - Ciencia

add ver todas

Un nuevo biomaterial similar a la vida real se auto-reproduce y tiene un metabolismo

Cada organismo vivo está cambiando constantemente: las células se dividen y mueren, las proteínas se construyen y desintegran, el ADN se rompe y se cura. La vida exige que el metabolismo, es decir, el encargado de construir y destruir simultáneamente los materiales vivos, mejore continuamente nuestros cuerpos. Así es como sanamos y crecemos, cómo nos propagamos y sobrevivimos.

Décadas de investigación han permitido a los investigadores optimizar el ensamblaje del ADN fuera del cuerpo. Science Robotics se ha planteado la posibilidad de dotar a los robots de un metabolismo y ha publicado un estudio para el cual un equipo internacional ha desarrollado un método basado en el ADN que da a las materias primas un metabolismo artificial. El método, denominado “ensamblaje y síntesis de materiales jerárquicos basado en DASH-DNA”, genera automáticamente nanobots que se mueven y navegan dinámicamente por sus entornos.

Los consecuencias de la creación de este nuevo biomaterial:

  • Simulación de procesos vitales en materiales artificiales y objetos estáticos – Gracias a este estudio, se ha descubierto que los científicos son capaces de cambiar la forma en la que crean y utilizan los materiales con características que parecen reales.
  • Ayuda en el diagnóstico de enfermedades – Gracias a estas investigaciones los bots basados en el ADN podrían amplificar fácilmente una secuencia dada de ADN o ARN, convirtiéndolos así en nanodiagnósticos eficientes para infecciones virales y de otro tipo. Al tratarse de un material más realista, se podrían generar patrones para los médicos, lo que haría que las moléculas de ADN o ARN de bacterias y virus sean extremadamente fáciles de detectar. En definitiva, se trata materiales, que al ser realistas en lugar de estáticos, podrían tener muchos ámbitos de aplicación (como la agricultura o la medicina) para ayudar a detectar patógenos de una forma fácil y precisa.
    Para saber más haz click aquí

NOTICIAS RELACIONADAS

add ver todas

El nuevo detector Deepfake de Microsoft pone la realidad a...

Tras el escándalo que supuso en las anteriores elecciones estadounidenses la cantidad de información y vídeos falsos o 'deepfakes' que circulaban por la red afectando el resultado de las mismas, Microsoft decide dar un paso al frente creando una herramienta que permite analizar imágenes y vídeos y detectar el porcentaje de manipulación que han tenido.

SwagBot, el robot autónomo para agricultura que llegará...

En 2016, la compañía australiana Agerris ya presentó el primer SwagBot. Entonces, aquella versión era controlada de manera remota. La última versión del SwagBot, basada en Inteligencia Aritificial, permite al robot comportarse de manera autónoma. La compañía espera poder presentar al mercado su robot autónomo en los próximos 12 meses, en el 2020, gracias a la última financiación conseguida que ronda los 4,6 millones de dólares.

Nike redobla su apuesta por el metaverso con la compra de...

Las empresas más innovadoras y creativas apuestan por consolidar su posición en el metaverso. Nike ha adquirido RTFKT Studios, una empresa dedicada al desarrollo de coleccionables y activos digitales de tokens no fungibles (NFT), con el objetivo de redefinir los límites del valor físico y digital.

La inteligencia artificial puede detectar signos de...

El uso de machine learning puede detectar los patrones y los primeros síntomas del Alzheimer. El estudio se esta realizando a través de un dispositivo que, instalado en el cuarto de un paciente, se encarga de grabar todo lo que sucede a su alrededor incluyendo los movimientos de la persona.Las consecuencias del uso de machine learning en la detección del Alzheimer:Identificación de enfermos en fase temprana – los dispositivos permiten recoger información e identificar patrones que pueden servir para identificar a futuros pacientes, que podrían comenzar a ser tratados años antes de que aparezcan los síntomas obvios como la perdida de memoria.​Creación de un prueba de diagnostico– actualmente no existe prueba para identificar a los enfermos de Alzheimer y los escáneres de cerebro no se pueden utilizar para identificar esta enfermedad. Sin embargo, el machine learning podría permitir desarrollar una prueba de diagnóstico.Mejora de los ensayos clínicos de los medicamentos – los patrones identificados con machine learning pueden eliminar los dos problemas principales en el desarrollo de nuevos medicamentos para el Alzheimer: el desconocimiento de las causas de la enfermedad y la dificultad de identificar pacientes que se beneficien de la medicación.Para saber más haz click aquí