Aprendizagem de máquina aliada a sensores plasmônicos e de nanoporos ultrassensíveis para monitoramento neuroquímico

• Processo: 22/11819-0
• Modalidade de apoio: Bolsas no Exterior - Pesquisa
• Data de Início da vigência: 01 de abril de 2023
• Data de Término da vigência: 31 de janeiro de 2024
• Área de conhecimento: Ciências Exatas e da Terra - Química - Química Analítica
• Pesquisador responsável: Javier Erick Lobatón Villa
• Beneficiário: Javier Erick Lobatón Villa
• Pesquisador Anfitrião: Joshua Edel
• Instituição Sede: Instituto de Química (IQ). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Instituição Anfitriã: Imperial College London, Inglaterra
• Assunto(s): Materiais nanoestruturados Espectroscopia Raman amplificada por superfície Espectroscopia Aprendizado computacional Dopamina
• Palavra(s)-Chave do Pesquisador: chemometrics | dopamine | nanomaterials | Nanopore sensing | Sers | support vector machine | Espectroscopia

Resumo

Dado que o número global de casos de doenças neurodegenerativas está crescendo constantemente, um melhor entendimento dos processos bioquímicos envolvidos no cérebro é um tarefa crucial para o diagnóstico precoce, prevenção, e melhoramento da eficiência dos tratamentos. Dopamina é um neurotransmissor chave que regula várias funções fisiológicas no cérebro e tem sido apontada, junto com outros metabólitos, como um potencial biomarcador de doenças degenerativas. Neste projeto de pesquisa, nós propomos o desenvolvimento de um novo método bioanalítico para o monitoramento de dopamina usando sensores ultrassensíveis baseados em nanoporos/espectroscopia Raman intensificada por superfície (SERS) e aprendizagem de máquina (SVM). Para tal, nanopartículas de ouro homogêneas serão sintetizadas e modificadas com dois agentes de captura, que permitirão desenvolver um ensaio tipo sanduiche sem anticorpos através da formação de dímeros de nanopartículas com moléculas de dopamina nas lacunas. Tirando vantagem da formação controlada de dímeros, métodos de detecção óptica (SERS) e elétrica serão avaliados e comparados em termos de sensibilidade, seletividade, e repetibilidade. Adicionalmente, SVM será implementado para melhorar e automatizar a análise de dados convencional demorada que é usada em plataformas de nanoporos ultrassensíveis. O método proposto será validado através do cálculo de figuras de mérito na análise de fluídos biológicos (e.g., fluído cefalorraquidiano). Espera-se que esse método assistido por aprendizagem de máquina ajude a mover os sensores SERS/de nanoporos de uma estratégia de detecção de nicho a uma técnica analítica geral para estudos de doenças neurológicas e o cuidado da saúde humana. (AU)