NEW
Font size
WorksheetsUntitled Quiz
Total questions: 10
Worksheet time: 5mins
Plantea cuál intervención sería más adecuada para disminuir la recaída local atribuida a la reprogramación de células CG descrita en PDAC tras cirugía, y justifica tu elección considerando la fuente celular y el momento terapéutico.
Administrar 6-OHDA o denervación simpática perioperatoria para limitar señales neuronales que fomentan la reprogramación CG y su contribución a la recaída local.
Incrementar la quimioterapia citotóxica sistémica antes de la cirugía para eliminar exclusivamente las neuronas reprogramadas CG en el lecho tumoral.
Bloquear únicamente la señalización entre CAFs y macrófagos, ya que la recaída se origina en interacciones inmune-inmune sin participación neuronal.
Suspender ICI en el postoperatorio inmediato, porque estos fármacos desencadenan la reprogramación CG responsable de la recaída.
Un equipo evalúa cómo optimizar la reducción tumoral en PDAC mediante la interrupción del eje cáncer‑nervio. Con base en datos que muestran que nab‑paclitaxel reduce la brotación neuronal intratumoral, baja la inervación de DRG y CG tras varios ciclos y desplaza el soporte neuronal hacia células estromales, ¿cuál estrategia razonada maximiza la denervación funcional del tumor con potencial sinergia antitumoral?
Combinar nab‑paclitaxel con 6‑OHDA para ablar preferentemente neuronas sensoriales y reducir inervación aferente hacia el tumor
Sustituir nab‑paclitaxel por oxaliplatino porque reduce más el número absoluto de neuronas en CG
Añadir bloqueadores de canales de sodio al régimen de FOLFIRINOX para potenciar la neuropatía y, con ello, la respuesta tumoral
Utilizar únicamente resección quirúrgica amplia para eliminar nervios asociados al tumor sin necesidad de quimioterapia dirigida a nervios
Se realizaron trazados retrógrados de neuronas inervantes del páncreas usando AV6 o FluoroRuby, con inyección en múltiples puntos del órgano y tiempos de espera específicos (por ejemplo, 5–7 días para FR, 28 días para AV6). Si el objetivo es analizar por scRNA-seq neuronas etiquetadas de manera estable con mínima difusión no específica, ¿qué estrategia es más adecuada y por qué?
Usar FluoroRuby con un tiempo de espera de 48 horas para maximizar señal aguda y evitar transporte somático
Usar AV6 con espera de 28 días para permitir expresión génica del reportero y etiquetado estable en soma
Usar FR con coinyección de dextranos para acelerar transporte y reducir ruido de fondo
Usar AV6 con espera de 5 días para minimizar la integración y evitar respuestas inmunes
Se compararon dos plataformas de scRNA-seq: Smart-seq2 con captura de célula individual por placa, y 10x Genomics (Barcoded-seq) con microgotas. Si el objetivo es analizar con alta resolución isoformas y perfiles de expresión completa en un número moderado de neuronas marcadas, ¿qué plataforma elegir y por qué?
Elegir 10x Genomics porque prioriza profundidad por célula y permite detectar isoformas largas
Elegir Smart-seq2 porque ofrece cobertura de longitud completa por célula, adecuada para isoformas con menor número de células
Elegir 10x Genomics porque reduce el sesgo de PCR al usar UMI y siempre supera en sensibilidad a Smart-seq2
Elegir cualquiera, ya que ambas generan lecturas de longitud completa equivalentes
El protocolo Trace-n-Seq integra trazado retrogrado y secuenciación de ARN a partir de neuronas identificadas. Si se desea distinguir cambios transcripcionales inducidos por el microambiente tumoral frente a efectos del procedimiento de trazado, ¿cuál comparación experimental permite la inferencia más sólida?
Comparar neuronas AV6+ provenientes de páncreas normal versus tumoral, y en paralelo incluir neuronas AV6− del mismo ganglio como control interno
Comparar únicamente neuronas FR+ en páncreas tumoral frente a FR+ en páncreas normal sin otros controles
Comparar neuronas de ganglios distintos (CG vs DRG) para maximizar diferencias
Analizar solo células no marcadas para evitar sesgos de trazadores
Para validar una firma de PCN por IHC en FFPE, se seleccionan ROIs y se cuantifican fibras. ¿Cuál criterio metodológico asegura comparabilidad entre muestras?
Usar un único ROI por caso con el campo más brillante para maximizar señal
Anotar ROIs representativos de estroma intrapancreático y peritumoral, aplicar una escala de intensidad/tinción ciega, y validar con anticuerpos para ROBO2 y CGRP
Seleccionar únicamente áreas con necrosis para evitar sesgo de viabilidad
Normalizar por número de núcleos DAPI en cada ROI sin considerar tipo tisular
Observa el panel a que muestra axones nerviosos en páncreas completo teñidos por PRPH (azul), CGRP (verde) y TH (rojo). Si quisieras distinguir fibras simpáticas de sensoriales usando solo estos marcadores, ¿qué estrategia sería más adecuada según el mapeo mostrado?
Clasificar fibras simpáticas con TH y fibras sensoriales con CGRP, usando PRPH como marcador pan‑neuronal para segmentación
Clasificar fibras simpáticas con CGRP y fibras sensoriales con TH, ignorando PRPH para evitar solapamientos
Usar únicamente PRPH para discriminar ambos tipos de fibras porque distingue subtipos por intensidad
Asignar ambas poblaciones a CGRP y validar con autofluorescencia del tejido (PCP)
Los paneles d‑g muestran neuronas retrogradamente marcadas con Fast Blue (FB) tras inyección en páncreas. Si el objetivo es comparar eficiencia de trazado entre JNG y CG, ¿qué resultado fundamenta que CG ofrece mayor porcentaje de FB+ en neuronas?
El diagrama de flujo en h con población FB 12% para JNG frente a barras en i que muestran mayores porcentajes en CG
La mayor intensidad de DRAQ5 en JNG indica más FB en CG
La ausencia total de FB en DRG prueba que solo CG recibe aferentes pancreáticos
La morfología de fibras en bazo predice especificidad de CG
El mapa de calor del panel j cruza anotaciones de Zeisel y Sharma (frecuencias log10). ¿Cuál es la manera más rigurosa de usarlo para validar la anotación de tus clústeres?
Identificar correspondencias de alta frecuencia entre categorías de ambos atlas y asignar etiquetas cuando existe concordancia consistente
Seleccionar siempre la categoría más frecuente de Zeisel sin considerar Sharma
Promediar todas las celdas y asignar una etiqueta universal
Asignar etiquetas según la diagonal independientemente de los valores de frecuencia
Considerando toda la figura, si se pretende priorizar pares receptor–ligando sobreexpresados en PDAC que involucren neuronas SLIT2-positivas NEFM, ¿cuál sería un plan de análisis razonado utilizando la información visual?
Definir el clúster NEFM SLIT2+ en UMAP/TSNE, comparar su abundancia y neurotransmisión entre tejidos (paneles c, i) y cruzar con atlas para validar (panel j) antes de buscar ligandos en células PDAC
Elegir cualquier clúster de alta densidad sin verificar marcadores y asignarle interacción PDAC por proximidad visual
Usar únicamente PCA (panel e) para inferir ligandos basándose en PC2
Descartar datos de BarcodeSeq y limitarse a SmartSeq por coherencia histórica
