Bioespectroscopia de fluorescência em matriz de excitação-emissão (EEM) combinada com algoritmos de classificação de 2ª ordem para o diagnóstico da doença de Alzheimer
Autor(a) principal: | |
---|---|
Data de Publicação: | 2023 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRN |
Texto Completo: | https://repositorio.ufrn.br/handle/123456789/51947 |
Resumo: | A doença de Alzheimer (DA) é uma doença neurodegenerativa responsável por quase 70% dos casos de demência. A demência, por sua vez, é a 7ª maior causa de morte no mundo. Nos últimos anos ocorreram avanços significativos em pesquisas para identificar a DA, entretanto os métodos tradicionalmente utilizados para diagnóstico permanecem invasivos, demorados e caros. Estudos com técnicas bioespectroscópicas combinadas com quimiometria mostraram resultados promissores no diagnóstico da DA, com a possibilidade de oferecer um método minimamente invasivo, rápido e barato. Esta tese apresenta uma nova abordagem metodológica para o diagnóstico da AD através da análise de plasma sanguíneo de 230 indivíduos (83 DA e 147 controles saudáveis) por fluorescência em matriz de excitação-emissão combinada a algoritmos de classificação de segunda ordem. Os modelos de classificação foram validados através do cálculo de figuras de mérito comumente utilizadas em estudos clínicos (sensibilidade, especificidade e acurácia) e figuras de mérito que levam em consideração o desequilíbrio amostral e o poder discriminatório dos modelos (F2 – score (F2), Coeficiente de correlação de Matthews (MCC) e eficácia do teste (δ)). Os modelos de classificação performados neste estudo foram Análise de Fatores Paralelos com Análise Discriminante Quadrática (PARAFAC-QDA) e Tucker3 – QDA. O modelo PARAFAC – QDA obteve 83.33% de sensibilidade, 100% de especificidade e 86.21% de F2. Enquanto o modelo Tucker3- QDA obteve 91.67% de sensibilidade, 95.45% de especificidade e 91.67% de F2. Ambos os modelos apresentaram alto desempenho geral com 94,12% de acurácia e 0,87 MCC. Os classificadores também apresentaram alta eficácia com os scores médios das classes separados por três ou mais desvios-padrão. Os valores de comprimento de onda de ambos os perfis de loadings dos modelos foram usados para sugerir potenciais biomarcadores plasmáticos da DA. Estudos futuros podem correlacionar esses comprimentos de onda e os perfis espectrais do PARAFAC com biomarcadores plasmáticos da DA e confirmar ou não nossa sugestão. Os resultados alcançados com a nova abordagem metodológica proposta apontam para um método baseado em sangue e de alta performance para diagnóstico/triagem da doença de Alzheimer. Este método possui as vantagens de ser minimamente invasivo, rápido, barato, não-destrutivo e sem rótulos. Além disso, requer uma pequena alíquota de plasma sanguíneo e é realizado em um equipamento de fácil operação. |
id |
UFRN_2fe7d39c61a79f1431b98f898afd2c48 |
---|---|
oai_identifier_str |
oai:https://repositorio.ufrn.br:123456789/51947 |
network_acronym_str |
UFRN |
network_name_str |
Repositório Institucional da UFRN |
repository_id_str |
|
spelling |
Santos, Ricardo Fernandes doshttps://orcid.org/0000-0001-5009-3805http://lattes.cnpq.br/1663976617309204https://orcid.org/0000-0002-3827-3800http://lattes.cnpq.br/6928918856031880Moraes, Edgar Perinhttps://orcid.org/0000-0002-1998-8042http://lattes.cnpq.br/0705932816454884Goicoechea, Hector CasimiroSantos, Luciene da SilvaPontes, Márcio José Coelho deLima, Kassio Michell Gomes de2023-03-24T18:52:36Z2023-03-24T18:52:36Z2023-01-30SANTOS, Ricardo Fernandes dos. Excitation-emission Matrix (EEM) fluorescence biospectroscopy combined with 2nd-order classification algorithms for Alzheimer’s disease diagnosis. Orientador: Kássio Michell Gomes de Lima. 2023. 127f. Tese (Doutorado em Química) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2023.https://repositorio.ufrn.br/handle/123456789/51947A doença de Alzheimer (DA) é uma doença neurodegenerativa responsável por quase 70% dos casos de demência. A demência, por sua vez, é a 7ª maior causa de morte no mundo. Nos últimos anos ocorreram avanços significativos em pesquisas para identificar a DA, entretanto os métodos tradicionalmente utilizados para diagnóstico permanecem invasivos, demorados e caros. Estudos com técnicas bioespectroscópicas combinadas com quimiometria mostraram resultados promissores no diagnóstico da DA, com a possibilidade de oferecer um método minimamente invasivo, rápido e barato. Esta tese apresenta uma nova abordagem metodológica para o diagnóstico da AD através da análise de plasma sanguíneo de 230 indivíduos (83 DA e 147 controles saudáveis) por fluorescência em matriz de excitação-emissão combinada a algoritmos de classificação de segunda ordem. Os modelos de classificação foram validados através do cálculo de figuras de mérito comumente utilizadas em estudos clínicos (sensibilidade, especificidade e acurácia) e figuras de mérito que levam em consideração o desequilíbrio amostral e o poder discriminatório dos modelos (F2 – score (F2), Coeficiente de correlação de Matthews (MCC) e eficácia do teste (δ)). Os modelos de classificação performados neste estudo foram Análise de Fatores Paralelos com Análise Discriminante Quadrática (PARAFAC-QDA) e Tucker3 – QDA. O modelo PARAFAC – QDA obteve 83.33% de sensibilidade, 100% de especificidade e 86.21% de F2. Enquanto o modelo Tucker3- QDA obteve 91.67% de sensibilidade, 95.45% de especificidade e 91.67% de F2. Ambos os modelos apresentaram alto desempenho geral com 94,12% de acurácia e 0,87 MCC. Os classificadores também apresentaram alta eficácia com os scores médios das classes separados por três ou mais desvios-padrão. Os valores de comprimento de onda de ambos os perfis de loadings dos modelos foram usados para sugerir potenciais biomarcadores plasmáticos da DA. Estudos futuros podem correlacionar esses comprimentos de onda e os perfis espectrais do PARAFAC com biomarcadores plasmáticos da DA e confirmar ou não nossa sugestão. Os resultados alcançados com a nova abordagem metodológica proposta apontam para um método baseado em sangue e de alta performance para diagnóstico/triagem da doença de Alzheimer. Este método possui as vantagens de ser minimamente invasivo, rápido, barato, não-destrutivo e sem rótulos. Além disso, requer uma pequena alíquota de plasma sanguíneo e é realizado em um equipamento de fácil operação.Alzheimer’s disease (AD) is a neurodegenerative disease responsible for almost 70% of cases of dementia. Dementia, in turn, is the 7th leading cause of death in the world. In recent years there have been significant advances in research to identify AD, however, the methods traditionally used for diagnosis remain invasive, time-consuming, and expensive. Studies with biospectroscopic techniques combined with chemometrics have shown promising results in AD diagnosis, with the possibility of offering a minimally invasive, rapid, and inexpensive method. This thesis presents a new methodological approach for the diagnosis of AD through the analysis of blood plasma from 230 subjects (83 AD and 147 healthy controls) by excitation-emission matrix (EEM) fluorescence spectroscopy combined with second-order classification algorithms. The classification models were validated through the calculation of figures of merit commonly used in clinical studies (sensitivity, specificity and accuracy) and figures of merit that take into account the sample unbalance and the discriminatory power of the models (F2 - score (F2), Matthews correlation coefficient (MCC) and test effectiveness (δ)). The classification models performed in this study were Parallel Factors Analysis with Quadratic Discriminant Analysis (PARAFAC-QDA) and Tucker3 – QDA. The PARAFAC – QDA model obtained 83.33% sensitivity, 100% specificity and 86.21% F2. While the Tucker3- QDA model obtained 91.67% sensitivity, 95.45% specificity and 91.67% F2. Both models showed high overall performance with 94.12% accuracy and 0.87 MCC. The classifiers also showed high efficiency with the mean scores of the classes separated by three or more standard deviations. The wavelength values from both loading profiles of models were used to suggest potential plasma AD biomarkers. Future studies may correlate these wavelengths and the PARAFAC spectral profiles with plasma AD biomarkers and confirm or not our suggestion. The results achieved with the proposed new methodological approach point to a high-performance, blood-based method for the diagnosis/screening of Alzheimer's disease. This method has the advantages of being minimally invasive, fast, inexpensive, non-destructive, and label-free. In addition, it requires a small aliquot of blood plasma and is performed in easy-to-operate equipment.Universidade Federal do Rio Grande do NortePROGRAMA DE PÓS-GRADUAÇÃO EM QUÍMICAUFRNBrasilCNPQ::CIENCIAS EXATAS E DA TERRA::QUIMICAQuímicaAlzheimer's diseaseEEM fluorescence spectroscopyMultivariate classificationPARAFAC-QDATucker3-QDABioespectroscopia de fluorescência em matriz de excitação-emissão (EEM) combinada com algoritmos de classificação de 2ª ordem para o diagnóstico da doença de AlzheimerExcitation-emission Matrix (EEM) fluorescence biospectroscopy combined with 2nd-order classification algorithms for Alzheimer’s disease diagnosisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRNORIGINALBioespectroscopiafluorescenciamatriz_Santos_2023.pdfapplication/pdf3229085https://repositorio.ufrn.br/bitstream/123456789/51947/1/Bioespectroscopiafluorescenciamatriz_Santos_2023.pdf0411bf80f8aa994376574ba6be389fe2MD51123456789/519472023-03-24 15:53:22.295oai:https://repositorio.ufrn.br:123456789/51947Repositório de PublicaçõesPUBhttp://repositorio.ufrn.br/oai/opendoar:2023-03-24T18:53:22Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false |
dc.title.pt_BR.fl_str_mv |
Bioespectroscopia de fluorescência em matriz de excitação-emissão (EEM) combinada com algoritmos de classificação de 2ª ordem para o diagnóstico da doença de Alzheimer |
dc.title.alternative.pt_BR.fl_str_mv |
Excitation-emission Matrix (EEM) fluorescence biospectroscopy combined with 2nd-order classification algorithms for Alzheimer’s disease diagnosis |
title |
Bioespectroscopia de fluorescência em matriz de excitação-emissão (EEM) combinada com algoritmos de classificação de 2ª ordem para o diagnóstico da doença de Alzheimer |
spellingShingle |
Bioespectroscopia de fluorescência em matriz de excitação-emissão (EEM) combinada com algoritmos de classificação de 2ª ordem para o diagnóstico da doença de Alzheimer Santos, Ricardo Fernandes dos CNPQ::CIENCIAS EXATAS E DA TERRA::QUIMICA Química Alzheimer's disease EEM fluorescence spectroscopy Multivariate classification PARAFAC-QDA Tucker3-QDA |
title_short |
Bioespectroscopia de fluorescência em matriz de excitação-emissão (EEM) combinada com algoritmos de classificação de 2ª ordem para o diagnóstico da doença de Alzheimer |
title_full |
Bioespectroscopia de fluorescência em matriz de excitação-emissão (EEM) combinada com algoritmos de classificação de 2ª ordem para o diagnóstico da doença de Alzheimer |
title_fullStr |
Bioespectroscopia de fluorescência em matriz de excitação-emissão (EEM) combinada com algoritmos de classificação de 2ª ordem para o diagnóstico da doença de Alzheimer |
title_full_unstemmed |
Bioespectroscopia de fluorescência em matriz de excitação-emissão (EEM) combinada com algoritmos de classificação de 2ª ordem para o diagnóstico da doença de Alzheimer |
title_sort |
Bioespectroscopia de fluorescência em matriz de excitação-emissão (EEM) combinada com algoritmos de classificação de 2ª ordem para o diagnóstico da doença de Alzheimer |
author |
Santos, Ricardo Fernandes dos |
author_facet |
Santos, Ricardo Fernandes dos |
author_role |
author |
dc.contributor.authorID.pt_BR.fl_str_mv |
https://orcid.org/0000-0001-5009-3805 |
dc.contributor.authorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/1663976617309204 |
dc.contributor.advisorID.pt_BR.fl_str_mv |
https://orcid.org/0000-0002-3827-3800 |
dc.contributor.advisorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/6928918856031880 |
dc.contributor.referees1.none.fl_str_mv |
Moraes, Edgar Perin |
dc.contributor.referees1ID.pt_BR.fl_str_mv |
https://orcid.org/0000-0002-1998-8042 |
dc.contributor.referees1Lattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/0705932816454884 |
dc.contributor.referees2.none.fl_str_mv |
Goicoechea, Hector Casimiro |
dc.contributor.referees3.none.fl_str_mv |
Santos, Luciene da Silva |
dc.contributor.referees4.none.fl_str_mv |
Pontes, Márcio José Coelho de |
dc.contributor.author.fl_str_mv |
Santos, Ricardo Fernandes dos |
dc.contributor.advisor1.fl_str_mv |
Lima, Kassio Michell Gomes de |
contributor_str_mv |
Lima, Kassio Michell Gomes de |
dc.subject.cnpq.fl_str_mv |
CNPQ::CIENCIAS EXATAS E DA TERRA::QUIMICA |
topic |
CNPQ::CIENCIAS EXATAS E DA TERRA::QUIMICA Química Alzheimer's disease EEM fluorescence spectroscopy Multivariate classification PARAFAC-QDA Tucker3-QDA |
dc.subject.por.fl_str_mv |
Química Alzheimer's disease EEM fluorescence spectroscopy Multivariate classification PARAFAC-QDA Tucker3-QDA |
description |
A doença de Alzheimer (DA) é uma doença neurodegenerativa responsável por quase 70% dos casos de demência. A demência, por sua vez, é a 7ª maior causa de morte no mundo. Nos últimos anos ocorreram avanços significativos em pesquisas para identificar a DA, entretanto os métodos tradicionalmente utilizados para diagnóstico permanecem invasivos, demorados e caros. Estudos com técnicas bioespectroscópicas combinadas com quimiometria mostraram resultados promissores no diagnóstico da DA, com a possibilidade de oferecer um método minimamente invasivo, rápido e barato. Esta tese apresenta uma nova abordagem metodológica para o diagnóstico da AD através da análise de plasma sanguíneo de 230 indivíduos (83 DA e 147 controles saudáveis) por fluorescência em matriz de excitação-emissão combinada a algoritmos de classificação de segunda ordem. Os modelos de classificação foram validados através do cálculo de figuras de mérito comumente utilizadas em estudos clínicos (sensibilidade, especificidade e acurácia) e figuras de mérito que levam em consideração o desequilíbrio amostral e o poder discriminatório dos modelos (F2 – score (F2), Coeficiente de correlação de Matthews (MCC) e eficácia do teste (δ)). Os modelos de classificação performados neste estudo foram Análise de Fatores Paralelos com Análise Discriminante Quadrática (PARAFAC-QDA) e Tucker3 – QDA. O modelo PARAFAC – QDA obteve 83.33% de sensibilidade, 100% de especificidade e 86.21% de F2. Enquanto o modelo Tucker3- QDA obteve 91.67% de sensibilidade, 95.45% de especificidade e 91.67% de F2. Ambos os modelos apresentaram alto desempenho geral com 94,12% de acurácia e 0,87 MCC. Os classificadores também apresentaram alta eficácia com os scores médios das classes separados por três ou mais desvios-padrão. Os valores de comprimento de onda de ambos os perfis de loadings dos modelos foram usados para sugerir potenciais biomarcadores plasmáticos da DA. Estudos futuros podem correlacionar esses comprimentos de onda e os perfis espectrais do PARAFAC com biomarcadores plasmáticos da DA e confirmar ou não nossa sugestão. Os resultados alcançados com a nova abordagem metodológica proposta apontam para um método baseado em sangue e de alta performance para diagnóstico/triagem da doença de Alzheimer. Este método possui as vantagens de ser minimamente invasivo, rápido, barato, não-destrutivo e sem rótulos. Além disso, requer uma pequena alíquota de plasma sanguíneo e é realizado em um equipamento de fácil operação. |
publishDate |
2023 |
dc.date.accessioned.fl_str_mv |
2023-03-24T18:52:36Z |
dc.date.available.fl_str_mv |
2023-03-24T18:52:36Z |
dc.date.issued.fl_str_mv |
2023-01-30 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
SANTOS, Ricardo Fernandes dos. Excitation-emission Matrix (EEM) fluorescence biospectroscopy combined with 2nd-order classification algorithms for Alzheimer’s disease diagnosis. Orientador: Kássio Michell Gomes de Lima. 2023. 127f. Tese (Doutorado em Química) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2023. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufrn.br/handle/123456789/51947 |
identifier_str_mv |
SANTOS, Ricardo Fernandes dos. Excitation-emission Matrix (EEM) fluorescence biospectroscopy combined with 2nd-order classification algorithms for Alzheimer’s disease diagnosis. Orientador: Kássio Michell Gomes de Lima. 2023. 127f. Tese (Doutorado em Química) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2023. |
url |
https://repositorio.ufrn.br/handle/123456789/51947 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal do Rio Grande do Norte |
dc.publisher.program.fl_str_mv |
PROGRAMA DE PÓS-GRADUAÇÃO EM QUÍMICA |
dc.publisher.initials.fl_str_mv |
UFRN |
dc.publisher.country.fl_str_mv |
Brasil |
publisher.none.fl_str_mv |
Universidade Federal do Rio Grande do Norte |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRN instname:Universidade Federal do Rio Grande do Norte (UFRN) instacron:UFRN |
instname_str |
Universidade Federal do Rio Grande do Norte (UFRN) |
instacron_str |
UFRN |
institution |
UFRN |
reponame_str |
Repositório Institucional da UFRN |
collection |
Repositório Institucional da UFRN |
bitstream.url.fl_str_mv |
https://repositorio.ufrn.br/bitstream/123456789/51947/1/Bioespectroscopiafluorescenciamatriz_Santos_2023.pdf |
bitstream.checksum.fl_str_mv |
0411bf80f8aa994376574ba6be389fe2 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN) |
repository.mail.fl_str_mv |
|
_version_ |
1802117840101179392 |