| Processo: | 23/17384-8 |
| Modalidade de apoio: | Bolsas no Brasil - Programa Capacitação - Treinamento Técnico |
| Data de Início da vigência: | 01 de março de 2024 |
| Data de Término da vigência: | 28 de fevereiro de 2026 |
| Área de conhecimento: | Ciências Exatas e da Terra - Física |
| Pesquisador responsável: | Vanderlei Salvador Bagnato |
| Beneficiário: | Claudia Patricia Barrera Patiño |
| Instituição Sede: | Instituto de Física de São Carlos (IFSC). Universidade de São Paulo (USP). São Carlos , SP, Brasil |
| Vinculado ao auxílio: | 13/07276-1 - CEPOF - Centro de Pesquisa em Óptica e Fotônica, AP.CEPID |
| Assunto(s): | Aprendizado computacional |
| Palavra(s)-Chave do Pesquisador: | algoritmos de aprendizado de máquina | Bactérias resistentes a antibióticos | Confusion Matrix Applied in the Study of FTIR Absorption Spectrum | Espectroscopia FTIR | Hierarchical Cluster Analysis (HCA) | Principal Component Analysis (PCA) | Espectroscopia e Aprendizado de máquina |
Resumo Durante as últimas décadas, os organismos multirresistentes (MDROs) tornaram-se uma emergência global. Os pacientes infectados com MDRO estão associados a custos médicos, morbilidade e mortalidade mais elevados [1]. A resistência bacteriana aos antibióticos está a tornar-se um problema de saúde global [2]. Nos últimos anos, pesquisas implementaram diferentes e novas técnicas para identificar sinais de sistemas que desenvolvem suscetibilidade à resistência a antibióticos [2]-[11], Centenas de genes de resistência foram caracterizados em espécies Gram-negativas e Gram-positivas [10], [12]. Uma das medidas importantes para enfrentar este problema é a detecção rápida da suscetibilidade bacteriana aos antibióticos [1]. Neste tema de investigação e inspirados pelo de trabalho de Soares et. al. [4], [5] ficamos motivados a desenvolver este estudo para identificação de resistência a antibióticos inicialmente em Staphylococcus aureus. A implementação de técnicas computacionais e algoritmos de aprendizado de máquina (ML) para análise de dados foi incluída recentemente nas ciências da saúde. No estudo de diversas áreas do conhecimento, e. g. ciências da vida, sistema biológico, biociências, bioinformática, biomédica e biomecânica que algoritmos de agrupamento e PCA são métodos foram amplamente implementados com resultados relevantes e precisos [13], [14]. Neste trabalho nos concentramos na previsão de amostras induzidas por antibióticos através da implementação de Análise Hierárquica de Cluster (HCA), algoritmo de Análise de Componentes Principais (PCA) e cálculo de matrizes de confusão (CM) aplicadas a dados de espectros de absorção de FTIR [6]. Para desenvolver este estudo, a aquisição de espectros FTIR para cada um dos grupos de antibióticos de interesse é implementando o protocolo desenvolvido por Soares et. al. [4], [5]. FTIR é uma técnica analítica de absorção de radiação infravermelha, usada para identificar compostos químicos em materiais, incluindo biomoléculas microbianas, como proteínas e lipídios. FTIR pode ser utilizado como uma ferramenta para caracterizar perfis de biomoléculas em células bacterianas, o que pode ser útil na diferenciação de diferentes bactérias. Os espectros de absorção FTIR de S. aureus foram adquiridos no IFSC com o equipamento FTIR por Reflexão Total Atenuada (ATR) no instrumento Agilent Cary 630 FTIR Spectrometer®. O processo de classificação de dados de espectros de FTIR foi desenvolvido introduzindo o protocolo estabelecido por Naumann et. al. [15] em nosso código em MATLAB (R2021b) [16]. Nossos algoritmos em ML iniciam o processamento de dados e introduzem as análises estatísticas. O processo é desenvolvido em nossos códigos desenvolvidos no ambiente de software de código livre para computação estatística e gráficos R Project for Statistical Computing [17]. Os elementos estatísticos têm considerado, para ter validade nos resultados, altos valores de precisão, sensibilidade e especificidade. Os espectros de absorção FTIR analisados no estudo tem susceptibilidade aos antibióticos: Amoxicilina, Gentamicina, Eritromicina. Análises para novas espécies de bateria e antibióticos serram desenvolvidas em nosso trabalho.[1] https://doi.org/10.1038/srep23375 [2] https://doi.org/10.1039/c7an00192d [3] https://doi.org/10.1073/pnas.2311667120[4] https://doi.org/10.1038/s41598-022-25546-y[5] https://doi.org/10.1073/pnas.2208378119[6] https://doi.org/10.3390/antibiotics12101502[7] https://doi.org/10.1371/journal.pone.0267945[8] https://doi.org/10.1021/acs.analchem.2c03834[9] https://doi.org/10.1007/s00604-018-3150-6[10] https://doi.org/10.1039/d0an00476f[11] https://doi.org/10.1038/s41598-021-97882-4[12] https://doi.org/10.1021/acs.analchem.9b01671[13] https://doi.org/10.1609/aimag.v4i3.406[14] https://doi.org/10.1007/s10462-022-10325-y[15] https://doi.org/10.1002/9780470027318.a0117[16] https://www.mathworks.com/products/matlab.html[17] https://www.r-project.org/ | |
| Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa: | |
| Mais itensMenos itens | |
| TITULO | |
| Matéria(s) publicada(s) em Outras Mídias ( ): | |
| Mais itensMenos itens | |
| VEICULO: TITULO (DATA) | |
| VEICULO: TITULO (DATA) | |