Metagenómica Clínica Traslacional: Disrupción del Cultivo Microbiológico mediante Secuenciación de Nanoporos y Diagnóstico Molecular Directo.

Autores/as

• Deyaneira Dayana Cevallos Arteaga Universidad Politécnica Estatal del Carchi ORCID iD https://orcid.org/0000-0003-3661-0022
DOI: https://doi.org/10.70577/1drdmb17/ACACFESA.EDITORIAL

Palabras clave:

Metagenómica clínica,Cultivo microbiológico, Diagnóstico Molecular, Microbiología, Tecnologías.

Sinopsis

La microbiología clínica está experimentando una transformación significativa gracias a las tecnologías emergentes que permiten la evaluación directa del material genético de los microorganismos en las muestras de pacientes. Durante muchos años, el diagnóstico de infecciones se ha fundamentado principalmente en el cultivo microbiológico, que ha sido una herramienta fundamental para reconocer agentes patógenos y seleccionar el tratamiento más adecuado. A pesar de, en el enfoque presenta limitaciones, como el prolongado tiempo necesario para el crecimiento, la solicitud de condiciones específicas para el cultivo y la dificultad para recuperar ciertos microorganismos.

En donde se ha impulsado la búsqueda de métodos alternativos que proporcionen información más rápida, exhaustiva y precisa. En donde el marco, la metagenómica clínica traslacional emerge como una alternativa que integra los avances en biología molecular, bioinformática y atención médica, ofreciendo un enfoque novedoso para el diagnóstico de infecciones: la identificación directa de las huellas genéticas de los microorganismos en las muestras de los pacientes. 

La secuenciación mediante tecnología de nanoporos es una de las herramientas que está impulsando donde el cambio, debido a su capacidad de analizar rápidamente fragmentos de ADN y ARN, generando datos genéticos que pueden ser interpretados en tiempo real. A diferencia de los métodos convencionales, el diagnóstico molecular directo no requiere que el microorganismo sea cultivable, lo que expande las oportunidades para identificar agentes infecciosos que podrían no ser detectados por técnicas tradicionales. Esta habilidad es especialmente vital en contextos clínicos donde el tiempo es un factor crítico, ya que la rápida identificación del agente causante puede facilitar decisiones terapéuticas, disminuir tratamientos empíricos innecesarios y promover un uso más eficiente de los recursos.

La metagenómica clínica no se limita a sustituir una técnica por otra, sino que busca revolucionar nuestra comprensión y enfoque hacia el diagnóstico microbiológico. A través del análisis conjunto del material genético de una muestra, tenemos la oportunidad de investigar comunidades microbianas complejas, descubrir microorganismos sorprendentes y obtener datos cruciales sobre genes de resistencia a antimicrobianos, así como otros aspectos esenciales para la interpretación clínica.

Entre el enfoque renovado es especialmente valioso en casos de infecciones de origen desconocido, infecciones causadas por múltiples microorganismos o cuando los métodos convencionales no logran proporcionar un diagnóstico adecuado. Así, el laboratorio se transforma de un simple lugar de cultivo de microorganismos a un entorno más interactivo, enfocado en la lectura y análisis de información molecular.  A pesar de, el verdadero potencial de esta evolución reside en su habilidad para adaptar los resultados tecnológicos a las necesidades específicas de los pacientes.

La integración de la secuenciación de nanoporos en el diagnóstico clínico exige una combinación de criterios microbiológicos, moleculares, bioinformáticos y clínicos, además de aspectos como la calidad de la muestra, la posible contaminación, la interpretación de resultados y la existencia de infraestructura especializada. Por ello, la metagenómica clínica traslacional debe considerarse un proceso de integración, en lugar de simplemente la adopción de una nueva tecnología. Su valor real se manifiesta en la conversión de la información genética recogida de una muestra en conocimiento clínicamente relevante y oportuno, que apoye decisiones bien fundamentadas.

El avance de pasar de observar microorganismos mediante su crecimiento a identificar su material genético de forma directa constituye un cambio importante, tanto en términos tecnológicos como conceptuales. Esta progresión no solo permite diagnósticos más rápidos y completos, adaptados a la complejidad microbiana de cada paciente, sino que también introduce nuevos desafíos relacionados con la interpretación de datos, la estandarización de procedimientos y su integración efectiva en los servicios de salud. 

En conclusión, la metagenómica clínica traslacional representa una microbiología que evoluciona de la espera a la previsión, del aislamiento de microorganismos a la interpretación de comunidades genéticas, y de un diagnóstico que sólo se basa en cultivos a una comprensión más profunda de las infecciones a nivel molecular. En donde la secuenciación de nanoporos y el diagnóstico molecular directo se han convertido en herramientas esenciales para proporcionar respuestas diagnósticas más rápidas y precisas.

El verdadero reto ya no consiste únicamente en desarrollar tecnologías que generen grandes cantidades de información, sino en aprender a convertir esa información en decisiones clínicas que realmente beneficien al paciente y fortalezcan la capacidad de la microbiología para abordar las infecciones tanto actuales como futuras.

Capítulos

  • Biofísica de la Translocación de Ácidos Nucleicos en Nanoporos de Proteína
  • Preparación de Muestras y Estrategias Críticas de Deplesión del ADN del Huésped
  • Taxonomía Agnóstica y la Disrupción del Dogma del Cultivo Microbiológico
  • Basecalling de Alta Fidelidad y Procesamiento de Señal mediante Redes Neuronales
  • Resistómica Estructural: Predicción de Fenotipo de Resistencia desde el Genotipo
  • Transcriptómica Dual y Análisis de la Respuesta Inmune del Huésped
  • Diagnóstico Metagenómico de Sepsis y Choque Séptico
  • Neuro-Metagenómica: Infecciones del Sistema Nervioso Central
  • El Paciente Inmunocomprometido: Vigilancia en Trasplante y Onco-Hematología
  • Integración de la Metagenómica en los Programas de Optimización de Antimicrobianos (PROA)
  • Vigilancia Epidemiológica Global y Metagenómica de Aguas Residuales
  • Bioética del Big Data Genómico y el Futuro del Diagnóstico Autónomo

Descargas

Los datos de descarga aún no están disponibles.

Referencias

Adusumalli, R. (2022). Biomarkers for early diagnosis and management of cardiovascular diseases. Advances in Bioscience and Clinical Medicine, 10(1), 16-20. https://doi.org/10.7575/aiac.abcmed.v.10n.1p.16

Agustinho, D. P., Fu, Y., Menon, V. K., Metcalf, G. A., Treangen, T. J., & Sedlazeck, F. J. (2024). Unveiling microbial diversity: Harnessing long-read sequencing technology. Nature Methods, 21(6), 954-966. https://doi.org/10.1038/s41592-024-02262-1

Ahannach, S., Delanghe, L., Spacova, I., Wittouck, S., Van Beeck, W., De Boeck, I., & Lebeer, S. (2021). Microbial enrichment and storage for metagenomics of vaginal, skin, and saliva samples. iScience, 24(11), 103306. https://doi.org/10.1016/j.isci.2021.103306

Albitar, M., Zhang, H., Charifa, A., Ip, A., Ma, W., McCloskey, J., Donato, M., Siegel, D., Waintraub, S., Gutierrez, M., Pecora, A., & Goy, A. (2023). Combining cell-free RNA with cell-free DNA in liquid biopsy for hematologic and solid tumors. Heliyon, 9(5), e16261. https://doi.org/10.1016/j.heliyon.2023.e16261

Alcock, B. P., Huynh, W., Chalil, R., Smith, K. W., Raphenya, A. R., Wlodarski, M. A., Edalatmand, A., Petkau, A., Syed, S. A., Tsang, K. K., Baker, S. J. C., Dave, M., McCarthy, M. C., Mukiri, K. M., Nasir, J. A., Golbon, B., Imtiaz, H., Jiang, X., Kaur, K., … McArthur, A. G. (2023). CARD 2023: Expanded curation, support for machine learning, and resistome prediction at the Comprehensive Antibiotic Resistance Database. Nucleic Acids Research, 51(D1), D690-D699. https://doi.org/10.1093/nar/gkac920

Antonopoulos, A. S., Angelopoulos, A., Papanikolaou, P., Simantiris, S., Oikonomou, E. K., Vamvakaris, K., Koumpoura, A., Farmaki, M., Trivella, M., Vlachopoulos, C., Tsioufis, K., Antoniades, C., & Tousoulis, D. (2022). Biomarkers of Vascular Inflammation for Cardiovascular Risk Prognostication. JACC: Cardiovascular Imaging, 15(3), 460-471. https://doi.org/10.1016/j.jcmg.2021.09.014

Ardila, C. M., Jiménez-Arbeláez, G. A., & Vivares-Builes, A. M. (2023). The Potential Clinical Applications of a Microfluidic Lab-on-a-Chip for the Identification and Antibiotic Susceptibility Testing of Enterococcus faecalis-Associated Endodontic Infections: A Systematic Review. Dentistry Journal, 12(1), 5. https://doi.org/10.3390/dj12010005

Baek, J.-C., Jo, H.-C., Lee, S.-M., Park, J.-E., Cho, I.-A., & Sung, J.-H. (2021). Prevalence of Pathogens and Other Microorganisms in Premenopausal and Postmenopausal Women with Vulvovaginal Symptoms: A Retrospective Study in a Single Institute in South Korea. Medicina, 57(6), 577. https://doi.org/10.3390/medicina57060577

Bakir, A., Cendek, B. D., Usluca, S., Aral, M., Korkut, G., Morkoc, M., Yagiz, G. C., Kurkcu, M. F., Sapmaz, M. A., Polat, M., Erbey, S., Ozturk, B. G., & Keskin, H. L. (2025). Detection of sexually transmitted infection agents in pregnant women using multiplex polymerase chain reaction method. BMC Pregnancy and Childbirth, 25(1), 307. https://doi.org/10.1186/s12884-025-07430-5

Bavaro, D. F., De Gennaro, N., Belati, A., Diella, L., Papagni, R., Frallonardo, L., Camporeale, M., Guido, G., Pellegrino, C., Marrone, M., Dell’Erba, A., Gesualdo, L., Brienza, N., Grasso, S., Columbo, G., Moschetta, A., Carpagnano, G. E., Daleno, A., Minicucci, A. M., … Saracino, A. (2023). Impact of a Pro-Active Infectious Disease Consultation on the Management of a Multidrug-Resistant Organisms Outbreak in a COVID-19 Hospital: A Three-Months Quasi-Experimental Study. Antibiotics, 12(4), 712. https://doi.org/10.3390/antibiotics12040712

Bélanger, N., Zeid, S., Velmeden, D., Schulz, A., Koeck, T., Rausch, F., Fooß, B., Kazemi-Asrar, F., Lackner, K. J., Gori, T., Münzel, T., Prochaska, J. H., Simon, P., & Wild, P. S. (2026). Cardiac vagal activity is associated with insulin metabolism in heart failure: Results from the Myovasc study. Cardiovascular Diabetology, 25(1), 26. https://doi.org/10.1186/s12933-025-03040-9

Benoit, P., Brazer, N., De Lorenzi-Tognon, M., Kelly, E., Servellita, V., Oseguera, M., Nguyen, J., Tang, J., Omura, C., Streithorst, J., Hillberg, M., Ingebrigtsen, D., Zorn, K., Wilson, M. R., Blicharz, T., Wong, A. P., O’Donovan, B., Murray, B., Miller, S., & Chiu, C. Y. (2024). Seven-year performance of a clinical metagenomic next-generation sequencing test for diagnosis of central nervous system infections. Nature Medicine, 30(12), 3522-3533. https://doi.org/10.1038/s41591-024-03275-1

Chhay, P., Zhu, D., Tang, O., Gray, M. P., Vernon, S. T., Di Bartolo, B. A., Kott, K. A., Grieve, S. M., Gibson, R. A., Psaltis, P. J., & Figtree, G. A. (2026). Plasma fatty acid profiles and coronary artery disease burden assessed by coronary CT angiography: An observational study. Scientific Reports, 16(1), 6314. https://doi.org/10.1038/s41598-026-36845-z

Ciaparrone, G., Pirone, D., Fiore, P., Xin, L., Xiao, W., Li, X., Bardozzo, F., Bianco, V., Miccio, L., Pan, F., Memmolo, P., Tagliaferri, R., & Ferraro, P. (2024). Label-free cell classification in holographic flow cytometry through an unbiased learning strategy. Lab on a Chip, 24(4), 924-932. https://doi.org/10.1039/D3LC00385J

Coll, F., Gouliouris, T., Blane, B., Yeats, C. A., Raven, K. E., Ludden, C., Khokhar, F. A., Wilson, H. J., Roberts, L. W., Harrison, E. M., Horner, C. S., Le, T. H., Nguyen, T. H., Nguyen, V. T., Brown, N. M., Holmes, M. A., Parkhill, J., Estee Török, M., & Peacock, S. J. (2024). Antibiotic resistance determination using Enterococcus faecium whole-genome sequences: A diagnostic accuracy study using genotypic and phenotypic data. The Lancet Microbe, 5(2), e151-e163. https://doi.org/10.1016/S2666-5247(23)00297-5

Denk-Lobnig, M., & Wood, K. B. (2023). Antibiotic resistance in bacterial communities. Current Opinion in Microbiology, 74, 102306. https://doi.org/10.1016/j.mib.2023.102306

Elbehiry, A., Marzouk, E., & Abalkhail, A. (2025). Antimicrobial resistance at a turning point: Microbial drivers, one health, and global futures. Frontiers in Microbiology, 16, 1698809. https://doi.org/10.3389/fmicb.2025.1698809

Feijoó, V., Liseth, A., Velasco, Z., & Karina, E. (s. f.). Aplicaciones de la inteligencia artificial en el diagnóstico médico basado en datos.

Florensa, A. F., Kaas, R. S., Clausen, P. T. L. C., Aytan-Aktug, D., & Aarestrup, F. M. (2022). ResFinder – an open online resource for identification of antimicrobial resistance genes in next-generation sequencing data and prediction of phenotypes from genotypes. Microbial Genomics, 8(1). https://doi.org/10.1099/mgen.0.000748

Fortas, C., Harimanana, A. N., Rasoanandrianina, S. B., Rasoanaivo, T. F., Razanadranaivo, H. L., Mangahasimbola, R. T., Rasolon, D. T., Rafetrarivony, L. F., Rasolofomanana, T. T., Rabarisoa, L., Huynh, B.-T., Randremanana, R. V., & Crucitti, T. (2025). Sexually transmitted infections and bacterial vaginosis in women of child-bearing age in Antananarivo, Madagascar: Prevalence and risk factors from a cross-sectional study. BMC Infectious Diseases, 25(1), 262. https://doi.org/10.1186/s12879-025-10578-2

Goktas, P., & Grzybowski, A. (2025). Shaping the Future of Healthcare: Ethical Clinical Challenges and Pathways to Trustworthy AI. Journal of Clinical Medicine, 14(5), 1605. https://doi.org/10.3390/jcm14051605

Govender, K. N., Street, T. L., Sanderson, N. D., Leach, L., Morgan, M., & Eyre, D. W. (2025). Rapid clinical diagnosis and treatment of common, undetected, and uncultivable bloodstream infections using metagenomic sequencing from routine blood cultures with Oxford Nanopore. Infectious Diseases (except HIV/AIDS). https://doi.org/10.1101/2025.01.08.25320182

Guo, L., Luo, S., Shen, R., Yan, P., Wang, M., Zhang, T., Lv, J., Liu, G., Huang, H., Chen, Z., Wang, H., Peng, W., Wu, J., Chen, J., & Wang, R. (2025). Urinary and plasma donor-derived cell-free DNA for noninvasive monitoring of BK polyomavirus-associated nephropathy in kidney transplant recipients: A prospective cohort study. Renal Failure, 47(1), 2521452. https://doi.org/10.1080/0886022X.2025.2521452

Haghayegh, F., Norouziazad, A., Haghani, E., Feygin, A. A., Rahimi, R. H., Ghavamabadi, H. A., Sadighbayan, D., Madhoun, F., Papagelis, M., Felfeli, T., & Salahandish, R. (2024). Revolutionary Point‐of‐Care Wearable Diagnostics for Early Disease Detection and Biomarker Discovery through Intelligent Technologies. Advanced Science, 11(36), 2400595. https://doi.org/10.1002/advs.202400595

Hala, S., Malaikah, M., Huang, J., Bahitham, W., Fallatah, O., Zakri, S., Antony, C. P., Alshehri, M., Ghazzali, R. N., Ben-Rached, F., Alsahafi, A., Alsaedi, A., AlAhmadi, G., Kaaki, M., Alazmi, M., AlhajHussein, B., Yaseen, M., Zowawi, H. M., Alghoribi, M. F., … Pain, A. (2024). The emergence of highly resistant and hypervirulent Klebsiella pneumoniae CC14 clone in a tertiary hospital over 8 years. Genome Medicine, 16(1), 58. https://doi.org/10.1186/s13073-024-01332-5

Hao, J., Li, W., Wang, Y., Zhao, J., & Chen, Y. (2023). Clinical utility of metagenomic next-generation sequencing in pathogen detection for lower respiratory tract infections and impact on clinical outcomes in southernmost China. Frontiers in Cellular and Infection Microbiology, 13, 1271952. https://doi.org/10.3389/fcimb.2023.1271952

He, R.-R., Yue, G.-L., Dong, M.-L., Wang, J.-Q., & Cheng, C. (2024). Sepsis Biomarkers: Advancements and Clinical Applications—A Narrative Review. International Journal of Molecular Sciences, 25(16), 9010. https://doi.org/10.3390/ijms25169010

Huang, Y., Tutino, M., Singh, A., Rayner, N. W., Barysenka, A., Bocher, O., & Zeggini, E. (2026). Integration of clinical and proteomic risk factors enhances prognostic modelling of incident vascular complications in type 2 diabetes. Cardiovascular Diabetology, 25(1), 46. https://doi.org/10.1186/s12933-026-03083-6

Jia, H., Li, X., Zhuang, Y., Wu, Y., Shi, S., Sun, Q., He, F., Liang, S., Wang, J., Draz, M. S., Xie, X., Zhang, J., Yang, Q., & Ruan, Z. (2024). Neural network-based predictions of antimicrobial resistance phenotypes in multidrug-resistant Acinetobacter baumannii from whole genome sequencing and gene expression. Antimicrobial Agents and Chemotherapy, 68(12), e01446-24. https://doi.org/10.1128/aac.01446-24

Jiang, L., Jian, J., Sai, X., & Wu, X. (2025). Revealing VCAN as a Potential Common Diagnostic Biomarker of Renal Tubules and Glomerulus in Diabetic Kidney Disease Based on Machine Learning, Single-Cell Transcriptome Analysis and Mendelian Randomization. Diabetes & Metabolism Journal, 49(3), 407-420. https://doi.org/10.4093/dmj.2024.0233

Jiang, S., Zhao, D., Wang, C., Liu, X., Yang, Q., Bao, X., Dong, T., Li, G., Gu, Y., Ye, Y., Sun, B., Xu, S., Zhou, X., Fan, L., & Tang, L. (2024). Clinical evaluation of droplet digital PCR in the early identification of suspected sepsis patients in the emergency department: A prospective observational study. Frontiers in Cellular and Infection Microbiology, 14, 1358801. https://doi.org/10.3389/fcimb.2024.1358801

Kardjadj, M. (2025). Advances in Point-of-Care Infectious Disease Diagnostics: Integration of Technologies, Validation, Artificial Intelligence, and Regulatory Oversight. Diagnostics, 15(22), 2845. https://doi.org/10.3390/diagnostics15222845

Kumar, M., Murata, T., & Matoba, O. (2024). Live Cell Imaging by Single-Shot Common-Path Wide Field-of-View Reflective Digital Holographic Microscope. Sensors, 24(3), 720. https://doi.org/10.3390/s24030720

Kurnat-Thoma, E. L. (2024). Patient safety and healthcare quality of U.S. laboratory developed tests (LDTs) in the AI/ML era of precision medicine. Frontiers in Molecular Biosciences, 11, 1407513. https://doi.org/10.3389/fmolb.2024.1407513

Liborio, M. P., Harris, P. N. A., Ravi, C., & Irwin, A. D. (2024). Getting Up to Speed: Rapid Pathogen and Antimicrobial Resistance Diagnostics in Sepsis. Microorganisms, 12(9), 1824. https://doi.org/10.3390/microorganisms12091824

Liu, Y., Wang, Z., Jian, Z., Liu, P., Li, Y., Qin, F., Yan, Q., & Liu, W. (2025). Nosocomial transmission, adaption and clinical outcomes of carbapenem-resistant hypervirulent Klebsiella pneumoniae. BMC Microbiology, 25(1), 376. https://doi.org/10.1186/s12866-025-04096-z

Lu, D., Kalantar, K. L., Glascock, A. L., Chu, V. T., Guerrero, E. S., Bernick, N., Butcher, X., Ewing, K., Fahsbender, E., Holmes, O., Hoops, E., Jones, A. E., Lim, R., McCanny, S., Reynoso, L., Rosario, K., Tang, J., Valenzuela, O., Mourani, P. M., … Langelier, C. R. (2025). Simultaneous detection of pathogens and antimicrobial resistance genes with the open source, cloud-based, CZ ID platform. Genome Medicine, 17(1), 46. https://doi.org/10.1186/s13073-025-01480-2

Lu, J., Ter Voert, M. A., Ünal, M., Whitfield, N. N., Liesenfeld, O., Ter Maaten, J. C., Sweeney, T. E., & Bouma, H. R. (2025). Early sepsis recognition: A pilot study using a rapid high-multiplex host-response mRNA diagnostic test. Intensive Care Medicine Experimental, 13(1), 21. https://doi.org/10.1186/s40635-025-00735-x

Lu, Z., Ni, W., Wu, Y., Zhai, B., Zhao, Q., Zheng, T., Liu, Q., & Ding, D. (2025). Application of biomarkers in the diagnosis of kidney disease. Frontiers in Medicine, 12, 1560222. https://doi.org/10.3389/fmed.2025.1560222

Manzoor, H., Li, H., & Kayani, M. U. R. (2025). Identification of antibiotic resistance genes from whole genome and metagenome sequencing datasets. One Health Advances, 3(1), 14. https://doi.org/10.1186/s44280-025-00079-x

Marchukov, D., Li, J., Juillerat, P., Misselwitz, B., & Yilmaz, B. (2023). Benchmarking microbial DNA enrichment protocols from human intestinal biopsies. Frontiers in Genetics, 14, 1184473. https://doi.org/10.3389/fgene.2023.1184473

Martin-Loeches, I., David, S., Pène, F., Kreitmann, L., Russell, L., Puxty, K., Silva, J. S., Mata, A. V., Creagh-Brown, B., Castro, P., Salluh, J., Vidaur-Tello, L., Nseir, S., & Azoulay, E. (2025). Advocating for the recognition of underlying immunosuppression in critical illness. eClinicalMedicine, 85, 103300. https://doi.org/10.1016/j.eclinm.2025.103300

Maugeri, G., Calvo, M., Bongiorno, D., Bivona, D., Migliorisi, G., Privitera, G. F., Scalia, G., & Stefani, S. (2025). Sequencing Analysis of Invasive Carbapenem-Resistant Klebsiella pneumoniae Isolates Secondary to Gastrointestinal Colonization. Microorganisms, 13(1), 89. https://doi.org/10.3390/microorganisms13010089

Meng, B., Liu, H., Wu, Q., Qu, L., Mao, C., Yang, F., Lan, T., Fang, J., Hu, Z., & Fang, Y. (2025). Antimicrobial strategies of lower respiratory tract infections in immunocompromised patients based on metagenomic next-generation sequencing: A retrospective study. BMC Infectious Diseases, 25(1), 360. https://doi.org/10.1186/s12879-025-10753-5

Meslier, V., Quinquis, B., Da Silva, K., Plaza Oñate, F., Pons, N., Roume, H., Podar, M., & Almeida, M. (2022). Benchmarking second and third-generation sequencing platforms for microbial metagenomics. Scientific Data, 9(1), 694. https://doi.org/10.1038/s41597-022-01762-z

Milburn, J., Suresh, R., Doyle, R., & Jarvis, J. N. (2024). The diagnosis of central nervous system infections in resource-limited settings and the use of novel and molecular diagnostic platforms to improve diagnosis. Expert Review of Molecular Diagnostics, 24(3), 219-230. https://doi.org/10.1080/14737159.2024.2317414

Nasrollahian, S., Graham, J. P., & Halaji, M. (2024). A review of the mechanisms that confer antibiotic resistance in pathotypes of E. coli. Frontiers in Cellular and Infection Microbiology, 14, 1387497. https://doi.org/10.3389/fcimb.2024.1387497

Nemati, M. A., & Sadat, S. M. (2025). Pathophysiology, Diagnosis and Prevention of Subclinical Atherosclerosis: A Narrative Review. Salamat Academic & Research Journal, 2(3), 61-72. https://doi.org/10.61438/sarj.v2i3.193

Nielsen, M. E., Søgaard, K. K., Karst, S. M., Krarup, A. L., Albertsen, M., & Nielsen, H. L. (2025). Application of rapid Nanopore metagenomic cell-free DNA sequencing to diagnose bloodstream infections: A prospective observational study. Microbiology Spectrum, 13(5), e03295-24. https://doi.org/10.1128/spectrum.03295-24

Olie, S. E., Andersen, C. Ø., Van De Beek, D., & Brouwer, M. C. (2024). Molecular diagnostics in cerebrospinal fluid for the diagnosis of central nervous system infections. Clinical Microbiology Reviews, 37(4), e00021-24. https://doi.org/10.1128/cmr.00021-24

Parhofer, K. G., Pittrow, D., Birkenfeld, A. L., Fraass, U., Hohenstein, B., Siegert, C., Klotsche, J., Steinhagen-Thiessen, E., Dexl, S., Schettler, V. J. J., & Laufs, U. (2026). Treatment persistence, lipid lowering, and 3-year clinical outcomes in patients at very high cardiovascular risk on PCSK9 monoclonal antibodies. Clinical Research in Cardiology, 115(2), 288-303. https://doi.org/10.1007/s00392-025-02719-z

Park, S., You, Y.-A., Lee, G., Hur, Y. M., Go, Y.-Y., Park, S., & Kim, Y. J. (2025). Vaginal microbiome and its implications in preterm birth. Obstetrics & Gynecology Science, 68(6), 449-457. https://doi.org/10.5468/ogs.25085

Payne, M., Hu, D., Wang, Q., Sullivan, G., Graham, R. M., Rathnayake, I. U., Jennison, A. V., Sintchenko, V., & Lan, R. (2024). DODGE: Automated point source bacterial outbreak detection using cumulative long term genomic surveillance. Bioinformatics, 40(7), btae427. https://doi.org/10.1093/bioinformatics/btae427

Peri, A. M., Chatfield, M. D., Ling, W., Furuya-Kanamori, L., Harris, P. N. A., & Paterson, D. L. (2024). Rapid Diagnostic Tests and Antimicrobial Stewardship Programs for the Management of Bloodstream Infection: What Is Their Relative Contribution to Improving Clinical Outcomes? A Systematic Review and Network Meta-analysis. Clinical Infectious Diseases, 79(2), 502-515. https://doi.org/10.1093/cid/ciae234

Pinzauti, D., Biazzo, M., Podrini, C., Alevizou, A., Safarika, A., Damoraki, G., Koufargyris, P., Tasouli, E., Skopelitis, I., Poulakou, G., Sympardi, S., & Giamarellos-Bourbolis, E. J. (2025). An NGS-assisted diagnostic workflow for culture-independent detection of bloodstream pathogens and prediction of antimicrobial resistances in sepsis. Frontiers in Cellular and Infection Microbiology, 15, 1656171. https://doi.org/10.3389/fcimb.2025.1656171

Power, M. L., Samuel, A., Smith, J. J., Stark, J. S., Gillings, M. R., & Gordon, D. M. (2016). Escherichia coli out in the cold: Dissemination of human-derived bacteria into the Antarctic microbiome. Environmental Pollution, 215, 58-65. https://doi.org/10.1016/j.envpol.2016.04.013

Rannon, E., Shaashua, S., & Burstein, D. (2025). DRAMMA: A multifaceted machine learning approach for novel antimicrobial resistance gene detection in metagenomic data. Microbiome, 13(1), 67. https://doi.org/10.1186/s40168-025-02055-4

Rapszky, G. A., Do To, U. N., Kiss, V. E., Kói, T., Walter, A., Gergő, D., Meznerics, F. A., Rakovics, M., Váncsa, S., Kemény, L. V., Csupor, D., Hegyi, P., Filbin, M. R., Varga, C., & Fenyves, B. G. (2025). Rapid molecular assays versus blood culture for bloodstream infections: A systematic review and meta-analysis. eClinicalMedicine, 79, 103028. https://doi.org/10.1016/j.eclinm.2024.103028

Ratten, L. K., Plummer, E. L., Bradshaw, C. S., Fairley, C. K., Murray, G. L., Garland, S. M., Bateson, D., Tachedjian, G., Masson, L., & Vodstrcil, L. A. (2021). The Effect of Exogenous Sex Steroids on the Vaginal Microbiota: A Systematic Review. Frontiers in Cellular and Infection Microbiology, 11, 732423. https://doi.org/10.3389/fcimb.2021.732423

Romero-Cabrera, J. L., Ankeny, J., Fernández-Montero, A., Kales, S. N., & Smith, D. L. (2022). A Systematic Review and Meta-Analysis of Advanced Biomarkers for Predicting Incident Cardiovascular Disease among Asymptomatic Middle-Aged Adults. International Journal of Molecular Sciences, 23(21), 13540. https://doi.org/10.3390/ijms232113540

S. Casimiro-Soriguer, C., Lara, M., Aguado, A., Loucera, C., Ortuño, F. M., Lorusso, N., Navarro-Marí, J. M., Sanbonmatsu-Gámez, S., Camacho-Martinez, P., Merino-Diaz, L., De Salazar, A., Fuentes, A., Lepe, J. A., García, F., Dopazo, J., & Perez-Florido, J. (2025). A Genomic Surveillance Circuit for Emerging Viral Pathogens. Medicine and Pharmacology. https://doi.org/10.20944/preprints202503.0458.v1

Segui-Perez, C., van Smoorenburg, M. Y., Maranus, A. E., Geijtenbeek, T. B. H., & Strijbis, K. (2025). Impact of bacterial vaginosis on sexually transmitted viral infections: A bacterial point of view. FEMS Microbiology Reviews, 49, fuaf039. https://doi.org/10.1093/femsre/fuaf039

Shi, Y., Wang, G., Lau, H. C.-H., & Yu, J. (2022). Metagenomic Sequencing for Microbial DNA in Human Samples: Emerging Technological Advances. International Journal of Molecular Sciences, 23(4), 2181. https://doi.org/10.3390/ijms23042181

Struelens, M. J., Ludden, C., Werner, G., Sintchenko, V., Jokelainen, P., & Ip, M. (2024). Real-time genomic surveillance for enhanced control of infectious diseases and antimicrobial resistance. Frontiers in Science, 2, 1298248. https://doi.org/10.3389/fsci.2024.1298248

Terrones-Campos, C., Gallardo-Pizarro, A., Martinez-Urrea, A., Castiella, A., Vergara, A., Gonzalez, A., Egri, N., & Garcia-Vidal, C. (2026). Invasive pulmonary aspergillosis in the ICU: The corticosteroid link. Pneumonia, 18(1), 2. https://doi.org/10.1186/s41479-025-00189-5

Tian, Z., Xue, F., Chen, A., Huang, Y., & Su, X. (2026). Triglyceride-glucose-related indices and cardiovascular outcomes in individuals with pre-frailty or frailty: Insights from a prospective cohort analysis using UK Biobank data. Cardiovascular Diabetology, 25(1), 50. https://doi.org/10.1186/s12933-025-03066-z

Tidbury, F., Brülhart, G., Müller, G., Pavicic, E., Weidlinger, S., Eichner, G., Von Wolff, M., & Stute, P. (2025). Effectiveness and tolerability of lactic acid vaginal gel compared to oral metronidazole in the treatment of acute symptomatic bacterial vaginosis: A multicenter, randomized-controlled, head-to-head pilot study. BMC Women’s Health, 25(1), 7. https://doi.org/10.1186/s12905-024-03513-1

Van Dijk, E. L., Naquin, D., Gorrichon, K., Jaszczyszyn, Y., Ouazahrou, R., Thermes, C., & Hernandez, C. (2023). Genomics in the long-read sequencing era. Trends in Genetics, 39(9), 649-671. https://doi.org/10.1016/j.tig.2023.04.006

Vanamala, J. K. P., Sivaramakrishnan, V., & Mummidi, S. (2025). Editorial: Integrated multi-omic studies of metabolic syndrome, diabetes and insulin-related disorders: mechanisms, biomarkers, and therapeutic targets. Frontiers in Endocrinology, 15, 1537554. https://doi.org/10.3389/fendo.2024.1537554

Wallraven, T., Regenbogen, C., Günthner, R., Ribeiro, A., Carbajo-Lozoya, J., Hannane, N., Wunderle, M., Assaf, A., Lech, M., Hanssen, H., Streese, L., Hughes, D., Haller, B., Kotliar, K., Heemann, U., & Schmaderer, C. (2026). Endothelial dysfunction in Fabry disease: Retinal biomarkers link cardiac GLA gene variants with chronic inflammation. Npj Genomic Medicine, 11(1), 6. https://doi.org/10.1038/s41525-025-00540-1

Wang, R., Zhang, A., Sun, S., Yin, G., Wu, X., Ding, Q., Wang, Q., Chen, F., Wang, S., Van Dorp, L., Zhang, Y., Jin, L., Wang, X., Balloux, F., & Wang, H. (2024). Increase in antioxidant capacity associated with the successful subclone of hypervirulent carbapenem-resistant Klebsiella pneumoniae ST11-KL64. Nature Communications, 15(1), 67. https://doi.org/10.1038/s41467-023-44351-3

Wang, Y., Zhao, L., Li, Z., Xi, Y., Pan, Y., Zhao, G., & Zhang, L. (2025). A generative artificial intelligence approach for the discovery of antimicrobial peptides against multidrug-resistant bacteria. Nature Microbiology, 10(11), 2997-3012. https://doi.org/10.1038/s41564-025-02114-4

Yang, K., Qin, S., Xu, S., Cui, X., Zhang, Z., Cao, J., Xiao, M., Yang, Y., He, C., Zhou, X., Weng, X., Zhang, W., & Liu, S.-M. (2026). A 5-hydroxymethylcytosine-based noninvasive model for acute myocardial infarction in type 2 diabetes: Implications in cardiovascular outcomes from a 5-year median follow-up study. Cardiovascular Diabetology, 25(1), 67. https://doi.org/10.1186/s12933-026-03087-2

Yin, G. (s. f.). Clinical Impact of Plasma Metagenomic Next-Generation Sequencing on Infection Diagnosis and Antimicrobial Therapy in Immunocompromised Patients.

Yu, H., Liang, D., Ding, X., Gao, H., Fan, G., Song, Y., Sun, S., Huang, Q., Liu, S., & Zhang, Z. (2025). Comparison of microbial culture, metagenomic next-generation sequencing and droplet digital polymerase chain reaction methods for pathogen detection in patients with neurosurgical central nervous system infection. Frontiers in Cellular and Infection Microbiology, 15, 1606283. https://doi.org/10.3389/fcimb.2025.1606283

Yu, W., Sun, M., Li, R., Xin, Y., & Zheng, K. (2025). Unveiling the microbial shift: The impact of group B Streptococcus on vaginal microbiota and inflammation in late pregnancy. BMC Microbiology, 25(1), 640. https://doi.org/10.1186/s12866-025-04387-5

Zhang, C., Peng, J., Liu, Z., & Zhou, Q. (2023). Kidney Involvement in Autoinflammatory Diseases. Kidney Diseases, 9(3), 157-172. https://doi.org/10.1159/000529917

Zhang, J., Gao, L., Zhu, C., Jin, J., Song, C., Dong, H., Li, Z., Wang, Z., Chen, Y., Yang, Z., Tan, Y., & Wang, L. (2022). Clinical value of metagenomic next-generation sequencing by Illumina and Nanopore for the detection of pathogens in bronchoalveolar lavage fluid in suspected community-acquired pneumonia patients. Frontiers in Cellular and Infection Microbiology, 12, 1021320. https://doi.org/10.3389/fcimb.2022.1021320

Zhang, L., Chen, F., Zeng, Z., Xu, M., Sun, F., Yang, L., Bi, X., Lin, Y., Gao, Y., Hao, H., Yi, W., Li, M., & Xie, Y. (2021). Advances in Metagenomics and Its Application in Environmental Microorganisms. Frontiers in Microbiology, 12, 766364. https://doi.org/10.3389/fmicb.2021.766364

Zhang, Q., Xu, N., Lei, C., Chen, B., Wang, T., Ma, Y., Lu, T., Penuelas, J., Gillings, M., Zhu, Y., Fu, Z., & Qian, H. (2023). Metagenomic Insight into The Global Dissemination of The Antibiotic Resistome. Advanced Science, 10(33), 2303925. https://doi.org/10.1002/advs.202303925

Zhang, S., Li, X., Li, X., Fu, Y., Chen, L., Wang, W., Lin, Q., Lou, H., Yao, Y., Chen, W., Zhong, C., Ye, J., Yao, Y., Guo, H., Yu, Y., & Zhou, H. (2025). Optimisation and clinical validation of a metagenomic third-generation sequencing approach for aetiological diagnosis in bronchoalveolar lavage fluid of patients with pneumonia. eBioMedicine, 116, 105752. https://doi.org/10.1016/j.ebiom.2025.105752

Zhao, J., Sun, Y., Tang, J., Guo, K., Wang, K., Zhuge, J., & Fang, H. (2024). The clinical application of metagenomic next-generation sequencing in immunocompromised patients with severe respiratory infections in the ICU. Respiratory Research, 25(1), 360. https://doi.org/10.1186/s12931-024-02991-z

Zhao, J., Zhuge, R., Hu, B., Wang, Y., Wang, X., Zhang, Y., Yuan, L., Qiu, C., Yan, Y., Zhang, X., Hua, Z., Tang, J., Guo, K., Sun, Y., Wang, K., Qiu, L., Luo, J., Zhang, W., Zhuge, J., & Fang, H. (2025). Clinical impact of bronchoalveolar lavage fluid metagenomic next-generation sequencing in immunocompromised patients with severe community-acquired pneumonia in ICU: A multicenter retrospective study. Infection, 53(5), 1911-1927. https://doi.org/10.1007/s15010-025-02520-0

Zhao, M., Zhang, Y., Chen, L., Yan, X., Xu, T., Fu, M., Han, Y., Zhang, Y., Zhang, B., Cao, J., Lin, J., Shen, D., Li, S., Zhu, C., & Zhao, W. (2024). Nanopore sequencing of infectious fluid is a promising supplement for gold-standard culture in real-world clinical scenario. Frontiers in Cellular and Infection Microbiology, 14, 1330788. https://doi.org/10.3389/fcimb.2024.1330788

Zhao, W., Sun, P., Li, W., & Shang, L. (2025). Machine Learning-Based Prediction Model for Multidrug-Resistant Organisms Infections: Performance Evaluation and Interpretability Analysis. Infection and Drug Resistance, Volume 18, 2255-2269. https://doi.org/10.2147/IDR.S459830

Zhao, Y., Zhang, W., & Zhang, X. (2024). Application of metagenomic next-generation sequencing in the diagnosis of infectious diseases. Frontiers in Cellular and Infection Microbiology, 14, 1458316. https://doi.org/10.3389/fcimb.2024.1458316

PORTADA

Descargas

PDF

Publicado

septiembre 2, 2026

Colección

Investigación Científica

Categorías

Derechos de autor 2026 Deyaneira Dayana Cevallos Arteaga (Autor/a)

Licencia

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.

Usted es libre de:

  1. Compartir : copiar y redistribuir el material en cualquier medio o formato.
  2. Adaptar : remezclar, transformar y desarrollar el material.
  3. El licenciante no puede revocar estas libertades siempre y cuando usted cumpla con los términos de la licencia.

Bajo los siguientes términos:

  1. Atribución : Debe otorgar el crédito correspondiente , proporcionar un enlace a la licencia e indicar si se realizaron cambios . Puede hacerlo de cualquier manera razonable, pero no de forma que sugiera que el licenciante lo respalda a usted o su uso.
  2. No comercial : No está permitido utilizar el material con fines comerciales .
  3. Compartir Igual : si remezcla, transforma o crea obras derivadas del material, debe distribuir sus contribuciones bajo la misma licencia que el original.
  4. Sin restricciones adicionales : no podrá aplicar términos legales ni medidas tecnológicas que restrinjan legalmente a otros para que no hagan nada de lo que permite la licencia.

Avisos:

No es necesario que cumpla con la licencia para los elementos del material que sean de dominio público o cuando su uso esté permitido por una excepción o limitación aplicable .

No se ofrecen garantías. La licencia podría no otorgarle todos los permisos necesarios para el uso previsto. Por ejemplo, otros derechos, como los de publicidad, privacidad o morales, podrían limitar el uso del material.

Detalles sobre esta monografía

ISBN-13 (15)

978-9907-818-61-1

Dimensiones físicas

Cómo citar

Cevallos Arteaga , D. D. . (Ed.). (2026). Metagenómica Clínica Traslacional: Disrupción del Cultivo Microbiológico mediante Secuenciación de Nanoporos y Diagnóstico Molecular Directo. EDITORIAL ACACFESA . https://doi.org/10.70577/1drdmb17/ACACFESA.EDITORIAL