Mercado de análisis de ARN: tamaño de la industria global, participación, segmentado por producto (kits y reactivos, servicios, instrumentos), por tecnología (PCR en tiempo real (qPCR), microarray, secuenciación, otros), por aplicación (epigenética, enfermedades infecciosas y patogénesis, empalme alternativo de ARN, estructura y dinámica molecular del ARN, desarrollo y suministro de terapias de AR

Descripción general del mercado

El mercado global de análisis de ARN se valoró en USD 8.30 mil millones en 2022 y se anticipa que será testigo de un crecimiento impresionante en el período de pronóstico con una CAGR del 9,60% hasta 2028. El análisis de ARN es un campo amplio de la biología molecular y la genómica que implica el estudio de las moléculas de ARN (ácido ribonucleico) para comprender su estructura, función, regulación y patrones de expresión. El ARN es una molécula crucial en el dogma central de la biología molecular, que actúa como intermediario entre el ADN y la síntesis de proteínas. El análisis de ARN abarca varias técnicas y enfoques destinados a dilucidar los diversos roles que desempeña el ARN dentro de las células y los organismos. El análisis de ARN puede revelar eventos de empalme alternativo, donde se incluyen o excluyen diferentes exones de las transcripciones de ARNm. Este proceso genera múltiples isoformas de proteínas a partir de un solo gen. El RNA-Seq es particularmente valioso para estudiar el splicing alternativo. En entornos clínicos, el análisis de ARN se utiliza con fines de diagnóstico, como la detección de ARN viral en enfermedades infecciosas o la evaluación de patrones de expresión génica para orientar las decisiones de tratamiento.

Principales impulsores del mercado

Avances en las tecnologías de secuenciación de ARN

Las plataformas de secuenciación de próxima generación (NGS), como HiSeq y NovaSeq de Illumina, se han convertido en los caballos de batalla del RNA-Seq. Estas plataformas ofrecen una secuenciación de alto rendimiento con un procesamiento paralelo masivo, lo que permite a los investigadores analizar miles o millones de moléculas de ARN simultáneamente. La NGS ha reducido significativamente el costo de la secuenciación y ha aumentado la velocidad de generación de datos. La secuenciación de ARN de una sola célula (scRNA-Seq) permite el análisis de la expresión génica a nivel de una sola célula, lo que revela la heterogeneidad celular dentro de los tejidos y organismos. Esta tecnología ha mejorado nuestra comprensión de la biología del desarrollo, la inmunología y la progresión de la enfermedad. Las innovaciones en microfluídica y códigos de barras han hecho que el scRNA-Seq sea más accesible y eficiente. Las plataformas tradicionales de secuenciación de lectura corta pueden tener dificultades para ensamblar con precisión transcripciones largas y resolver estructuras genéticas complejas. Las tecnologías de secuenciación de lectura larga, como la secuenciación SMRT de Pacific Biosciences y la secuenciación nanoporosa de Oxford Nanopore Technologies, producen lecturas de secuenciación más largas. Estas tecnologías son valiosas para estudiar el empalme alternativo, las variantes estructurales y los ARN no codificantes. El RNA-Seq específico de la hebra permite a los investigadores determinar la orientación de las transcripciones de ARN, lo que proporciona información sobre la dirección de la transcripción. Esto es crucial para distinguir genes superpuestos y transcripciones antisentido. Tecnologías como la secuenciación en tiempo real de una sola molécula (SMRT-Seq) y la secuenciación nanoporosa pueden secuenciar moléculas de ARN individuales sin la necesidad de amplificación por PCR. Esto reduce el sesgo y los errores que se producen durante la amplificación.

Los avances en las técnicas de preparación de muestras han hecho posible realizar RNA-Seq con un mínimo de material de partida, lo que lo hace adecuado para muestras valiosas o limitadas, como biopsias clínicas o células individuales. Los investigadores están cada vez más interesados en estudiar las modificaciones del ARN, como m6A (metilación) y pseudouridina, que desempeñan papeles cruciales en la regulación genética. RNA-Seq se ha adaptado para identificar y cuantificar las modificaciones del ARN a escalas de todo el transcriptoma. La combinación de datos de RNA-Seq con otros datos ómicos, como genómica, proteómica y metabolómica, proporciona una visión más completa de los procesos biológicos. El análisis integrado puede descubrir nuevos conocimientos sobre los mecanismos y vías de las enfermedades. El desarrollo de herramientas y procesos bioinformáticos avanzados ha sido fundamental para procesar e interpretar los datos de RNA-Seq. Estas herramientas ayudan en tareas como la alineación de lecturas, la cuantificación, el análisis de la expresión diferencial y el análisis de vías. Las tecnologías de transcriptómica espacial, como la transcriptómica resuelta espacialmente (SRT-Seq) y la secuenciación in situ, permiten a los investigadores visualizar la distribución espacial de las moléculas de ARN dentro de los tejidos. Esto es valioso para estudiar la organización de los tejidos y las interacciones celulares. Los avances continuos han llevado a reducciones de costos en RNA-Seq, haciéndolo más accesible para investigadores y médicos. Las opciones de RNA-Seq rentables se encuentran en para una amplia gama de aplicaciones. Este factor ayudará en el desarrollo del mercado global de análisis de ARN.

Aplicaciones crecientes en oncología

El análisis de ARN, en particular el perfil de expresión genética mediante técnicas como la secuenciación de ARN (RNA-Seq) y microarrays, permite la identificación de biomarcadores asociados con diferentes tipos de cáncer. Estos biomarcadores se pueden utilizar para la detección temprana del cáncer, la evaluación de riesgos y la selección de tratamientos personalizados. El análisis de ARN ayuda a clasificar los tumores en función de sus perfiles de expresión genética. Esta clasificación molecular puede proporcionar información sobre los subtipos de tumores, que pueden tener diferentes comportamientos clínicos y respuestas al tratamiento. El análisis de ARN permite la identificación de subtipos moleculares específicos dentro de un tipo de cáncer determinado. La subtipificación es valiosa para adaptar las estrategias de tratamiento y predecir los resultados del paciente. Los investigadores utilizan el análisis de ARN para identificar posibles objetivos farmacológicos dentro de las células cancerosas. La comprensión de los patrones de expresión genética y las redes reguladoras involucradas en el cáncer puede conducir al desarrollo de terapias dirigidas. El análisis de ARN puede predecir cómo es probable que los tumores individuales respondan a tratamientos específicos contra el cáncer. Esta información ayuda a los oncólogos a tomar decisiones más informadas sobre las opciones de tratamiento para los pacientes.

El análisis de ARN en serie de muestras tumorales a lo largo del tiempo puede rastrear cambios en la expresión genética asociados con la progresión de la enfermedad, la metástasis o el desarrollo de resistencia a los medicamentos. El análisis de ARN es fundamental para comprender el microambiente tumoral y la respuesta inmunitaria al cáncer. Ayuda a identificar biomarcadores relacionados con el sistema inmunitario y predecir respuestas a inmunoterapias como los inhibidores de puntos de control. El análisis de ARN del ARN tumoral circulante (ctRNA) en muestras de sangre, a menudo denominado biopsias líquidas, puede proporcionar información en tiempo real sobre el estado del cáncer y la respuesta al tratamiento. Este enfoque no invasivo es valioso para monitorear a los pacientes con cáncer. El estudio de los patrones de empalme alternativo del ARN puede revelar isoformas genéticas únicas asociadas con el cáncer. El empalme alternativo desregulado es un sello distintivo de muchos tipos de cáncer. El análisis del ARN se extiende más allá de los genes codificadores de proteínas para incluir ARN no codificantes, como microARN y ARN no codificantes largos (lncRNA). Estos ARN no codificantes desempeñan papeles críticos en el desarrollo y la progresión del cáncer. El análisis del ARN es fundamental para el desarrollo de terapias dirigidas y diagnósticos complementarios para el cáncer. La identificación de subpoblaciones de pacientes que probablemente se beneficien de tratamientos específicos es una aplicación clave. Los proyectos de genómica del cáncer a gran escala, como el Atlas del Genoma del Cáncer (TCGA), se basan en el análisis del ARN para proporcionar información completa sobre las alteraciones genéticas y moleculares subyacentes a los diferentes tipos de cáncer. Este factor acelerará la demanda del mercado global de análisis de ARN.

Aumento de la adopción en la agricultura

El análisis de ARN se utiliza para estudiar los patrones de expresión genética en las plantas, lo que ayuda a los investigadores a identificar genes asociados con rasgos deseables como la resistencia a las enfermedades, la tolerancia a la sequía y el aumento del rendimiento. Esta información es valiosa para los programas de mejoramiento de cultivos destinados a desarrollar variedades mejoradas de cultivos. El análisis de ARN se utiliza para comprender los mecanismos moleculares de las interacciones planta-patógeno. Al analizar la expresión genética tanto en plantas como en patógenos, los investigadores pueden desarrollar estrategias para el manejo de enfermedades y el desarrollo de variedades de cultivos resistentes. El análisis de ARN ayuda a identificar genes involucrados en las respuestas de las plantas a estreses abióticos como el calor, el frío, la salinidad y la escasez de agua. Este conocimiento se utiliza para desarrollar cultivos con una mejor tolerancia al estrés, lo que garantiza una mayor productividad agrícola. Las agencias reguladoras requieren el análisis de organismos genéticamente modificados (OGM) en productos agrícolas. El análisis de ARN, en particular la reacción en cadena de la polimerasa en tiempo real (qPCR) y el ARN-Seq, se utilizan para detectar y cuantificar el ARN transgénico en los cultivos. El análisis de ARN se puede utilizar para el control de calidad y la autenticación de productos agrícolas, incluida la detección de adulteraciones o etiquetado incorrecto en las cadenas de suministro de alimentos y productos agrícolas. El análisis de ARN se extiende al estudio del microbioma de las plantas, incluido el análisis del ARN microbiano. Comprender las interacciones planta-microbio y su impacto en la salud y el crecimiento de las plantas es esencial para la agricultura sostenible.

El análisis de ARN se puede combinar con técnicas avanzadas de fenotipado para correlacionar la expresión genética con los rasgos y el rendimiento de las plantas en diversas condiciones ambientales. Esto ayuda a seleccionar variedades de plantas superiores para el cultivo. Los ARN no codificantes, como los microARN y los ARN pequeños interferentes (siRNA), desempeñan funciones en la regulación de la expresión genética en las plantas. El análisis de ARN ayuda a descubrir las funciones de estos ARN no codificantes en el desarrollo de las plantas y las respuestas al estrés. El análisis de ARN se utiliza para evaluar la calidad y viabilidad de las semillas mediante el examen de los patrones de expresión genética durante el desarrollo y la germinación de las semillas. Esta información es valiosa para los productores de semillas y los agricultores. El análisis de ARN, junto con otros datos ómicos, contribuye al campo emergente de la agricultura de precisión. Permite tomar decisiones basadas en datos para optimizar la gestión de los cultivos, incluida la aplicación precisa de nutrientes, la programación del riego y el control de plagas. El análisis de ARN se puede utilizar para evaluar el impacto de las prácticas agrícolas en el medio ambiente mediante el estudio de la expresión genética en los organismos del suelo y la evaluación de la salud del suelo. El análisis de ARN respalda los esfuerzos para desarrollar prácticas agrícolas más sostenibles y respetuosas con el medio ambiente. Al comprender las interacciones entre plantas y microbios y el ciclo de nutrientes, los investigadores apuntan a reducir la necesidad de fertilizantes y pesticidas sintéticos. Este factor acelerará la demanda del mercado global de análisis de ARN.

Desafíos clave del mercado

Complejidad de la secuenciación de ARN unicelular

La secuenciación de ARN unicelular (scRNA-Seq) es una tecnología poderosa y transformadora que ha revolucionado nuestra comprensión de la heterogeneidad celular y la expresión génica a nivel de una sola célula. scRNA-Seq genera grandes cantidades de datos, y cada célula representa un punto de datos. Analizar y gestionar estos datos de alta dimensión es computacionalmente intensivo y requiere herramientas y experiencia bioinformática especializada. Garantizar la calidad de los datos es un desafío en scRNA-Seq debido a posibles fuentes de variabilidad técnica, como la eficiencia de captura de células, la preparación de la biblioteca y los sesgos de secuenciación. Los pasos de control de calidad son fundamentales para identificar y mitigar estos problemas. Normalizar los datos de scRNA-Seq para tener en cuenta las diferencias en la profundidad de secuenciación y el tamaño de la biblioteca entre células es una tarea compleja. Se han desarrollado varios métodos de normalización, pero elegir el apropiado para un conjunto de datos determinado puede ser un desafío. Los efectos de lote pueden surgir cuando las células se procesan en diferentes lotes o en diferentes plataformas. Estos efectos de lote pueden confundir el análisis y la interpretación de los datos de scRNA-Seq. Las estrategias para la corrección de lotes son un área de investigación en curso. scRNA-Seq puede capturar inadvertidamente más de una célula en una sola gota o pocillo, lo que genera dobletes o multipletes celulares. Identificar y eliminar estos artefactos es crucial para un análisis preciso. No todas las moléculas de ARN en una célula se capturan durante scRNA-Seq. La eficiencia de captura de ARN varía, lo que puede resultar en una representación sesgada de los niveles de expresión génica. La identificación y anotación precisas del tipo de célula puede ser un desafío, especialmente en tejidos heterogéneos. Definir los tipos y subtipos de células según los perfiles de expresión génica requiere una curaduría e integración cuidadosas con el conocimiento existente. Identificar y caracterizar poblaciones de células raras puede ser difícil debido al número limitado de células y transcripciones que se encuentran para el análisis.

Calidad y variabilidad de la muestra

El ARN es inherentemente inestable y susceptible a la degradación por ribonucleasas. El manejo, almacenamiento o transporte inadecuados de las muestras pueden provocar la degradación del ARN, lo que da como resultado mediciones inexactas de la expresión génica. La variabilidad puede iniciarse en la etapa preanalítica, incluidas las diferencias en los métodos de recolección de muestras, las condiciones de almacenamiento (por ejemplo, la temperatura y las soluciones de conservación del ARN) y la manipulación de los tejidos. Los protocolos estandarizados y las medidas de control de calidad son esenciales para mitigar la variabilidad preanalítica. Las muestras biológicas, como los tejidos y los tumores, a menudo presentan heterogeneidad a nivel celular y molecular. La variabilidad en la composición del tipo de célula y los perfiles de expresión del ARN dentro de una muestra pueden ocultar señales biológicas significativas. Algunos tipos de muestras, especialmente las muestras clínicas como los tejidos fijados con formalina e incluidos en parafina (FFPE) o las biopsias líquidas, pueden tener bajas concentraciones de ARN. Las muestras de ARN de bajo aporte pueden ser difíciles de trabajar y pueden requerir protocolos especializados. La evaluación de la calidad del ARN es fundamental antes del análisis posterior. Las métricas tradicionales como el número de integridad del ARN (RIN) para el ARN total y el DV200 para el ARNm se utilizan para medir la calidad del ARN. Sin embargo, no todas las muestras pueden cumplir con los estándares de calidad deseados. La variabilidad en la calidad de la muestra de ARN puede complicar la normalización de los datos de RNA-Seq. Los métodos de normalización tienen como objetivo tener en cuenta las diferencias en el tamaño de la biblioteca, pero la variabilidad extrema en la calidad del ARN puede desafiar estos métodos. En proyectos de análisis de ARN a gran escala, pueden surgir efectos de lote cuando las muestras se procesan en diferentes momentos o por diferentes operadores. Estos efectos de lote pueden ocultar las verdaderas diferencias biológicas en la expresión genética.

Tendencias clave del mercado

Bioinformática y análisis de datos

Con la explosión del volumen de datos de RNA-Seq, las soluciones eficientes de gestión y almacenamiento de datos son esenciales. Las herramientas bioinformáticas ayudan a los investigadores a organizar, almacenar y recuperar grandes conjuntos de datos. Los datos de RNA-Seq a menudo requieren pasos de preprocesamiento para eliminar el ruido, corregir sesgos y normalizar los datos. Los procesos bioinformáticos se utilizan para realizar estas tareas esenciales de preprocesamiento de datos. Se emplean métricas y algoritmos de control de calidad para evaluar la calidad de los datos y muestras de RNA-Seq. Identificar y abordar los problemas en las primeras fases del proceso de análisis es fundamental para obtener resultados fiables. Las herramientas bioinformáticas alinean las lecturas de secuenciación con los genomas de referencia o transcriptomas. La alineación precisa es crucial para cuantificar los niveles de expresión génica e identificar variantes. Los algoritmos bioinformáticos se utilizan para cuantificar los niveles de expresión génica y realizar análisis de expresión diferencial para identificar genes que se expresan de forma diferencial entre condiciones (por ejemplo, enfermedad frente a control). Se desarrollan herramientas y métodos para analizar patrones de empalme alternativo, lo que proporciona información sobre la regulación génica y la diversidad de isoformas. Las canalizaciones bioinformáticas especializadas se adaptan a los desafíos únicos de los datos de ARN-Seq de células individuales, incluida la agrupación de células, la reducción de la dimensionalidad y la anotación del tipo de célula.

Información segmentaria

Información de tipo

En 2022, el mercado global de análisis de ARN estuvo dominado por el segmento de productos de kits y reactivos y se prevé que continúe expandiéndose en los próximos años.

Información tecnológica

En 2022, el mercado global de análisis de ARN estuvo dominado por el segmento de tecnología de PCR en tiempo real (qPCR) y se prevé que continúe expandiéndose en los próximos años.

Información de aplicaciones

En 2022, el mercado global de análisis de ARN estuvo dominado por el segmento de enfermedades infecciosas y patogénesis y se prevé que continúe expandiéndose en los próximos años.

Información del usuario final

En 2022, la mayor participación en el mercado mundial de análisis de ARN la ocupó

Perspectivas regionales

La región de América del Norte domina el mercado mundial de análisis de ARN en 2022.

Desarrollos recientes

• En mayo de 2023, Twist Bioscience Corporation, una empresa que ayuda a los clientes a tener éxito al proporcionar ADN sintético de alta calidad utilizando su plataforma de silicio, presentó una cartera de herramientas de secuenciación de ARN, que incluyen Twist RNA Exome, Twist RNA Library Prep Kit y Twist Ribosomal RNA (rRNA) & Hemoglobin (Globin) Depletion Kit. La empresa también ofrece capacidades de enriquecimiento de objetivos personalizados para la secuenciación de ARN y del transcriptoma completo. La medicina de precisión, la búsqueda de biomarcadores y los estudios en inmunooncología pueden beneficiarse del análisis del transcriptoma completo o centrado que puede facilitar este conjunto completo de herramientas de ARN. El enriquecimiento de objetivos Twist para ARN aprovecha el rendimiento, la eficacia y la sensibilidad del enriquecimiento de objetivos Twist para secuenciar importantes transcripciones de ARN en distintas muestras y especies. Con el exoma de ARN o en paneles de ARN personalizados, se puede utilizar para enriquecer transcripciones pertinentes. En junio de 2022, Bio-Rad Laboratories, Inc., pionera en la investigación de ciencias de la vida y productos de diagnóstico clínico, lanzó el kit de preparación de biblioteca de ARN trenzado SEQuoia Express. El kit ofrece a los científicos biofarmacéuticos y de investigación una forma rápida y sencilla de crear bibliotecas fiables que respalden procesos de secuenciación de ARN eficaces para la elaboración de perfiles de transcriptomas exhaustivos. Para abordar los problemas actuales con la creación de bibliotecas, el kit de preparación de biblioteca de ARN trenzado SEQuoia Express ofrece una opción práctica y asequible. El kit de tres tubos produce una biblioteca de ARN-Seq cuantitativa y repetible en tres horas utilizando una revolucionaria transcriptasa inversa y una química de adición de adaptadores sin ligadura.
• En junio de 2020, Thermo Fisher Scientific ("ThermoFisher") y Genetron Holdings Limited, una empresa de oncología de precisión con sede en China que ofrece atención oncológica de ciclo completo, han formado una relación estratégica. La alianza pretende mejorar la investigación, el marketing y la promoción de las plataformas de secuenciación de próxima generación (NGS) en el campo de la detección del cáncer molecular en los hospitales públicos de China, con planes de ampliar el secuenciador Genetron S5.La colaboración difundirá el uso del sistema NGS de rendimiento medio Genetron S5 de la empresa en todos los hospitales públicos de China, fomentando su expansión a nuevas áreas como la salud reproductiva, las enfermedades genéticas, las pruebas de microorganismos patológicos y otras pruebas de laboratorio clínico independientes e investigación científica.

Actores clave del mercado

• Agilent Technologies, Inc.
• F. Hoffmann-La Roche AG
• Illumina, Inc.
• QIAGEN
• Thermo Fisher Scientific, Inc.
• Eurofins Científico
• Merck KGaA
• Bio-Rad Laboratories, Inc.
• Pacific Bioscience of California, Inc.
• Affymetrix, Inc.