Desenvolvimento de plataforma biofotônica associada a algoritmos de inteligência artificial para identificação de SARS-CoV-2 em saliva artificial
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFU |
Texto Completo: | https://repositorio.ufu.br/handle/123456789/35351 |
Resumo: | The rapid spread of COVID-19 and SARS-CoV-2 variants represents a global issue, even after vaccine development. The development of novel sustainable screening platforms to detect SARS-CoV-2 directly is a faster alternative to serologically-based assays. Here, we used attenuated total reflection Fourier transform infrared spectroscopy (ATR-FTIR) supported by artificial intelligence algorithms to identify unique infrared vibrational modes of a pseudotyped human immunodeficiency virus type-1 (HIV-1) coupled to Spike (S) protein of SARS-CoV-2 (HIV/NanoLuc-SARS-CoV-2 pseudotype virus), diluted in eight different concentrations in artificial saliva samples to develop a self-collected, reagent-free, and green technology for SARS-CoV-2 detection. Linear Discriminant Analysis algorithm was applied to differentiate 2.27 x 106 RLU/ml, 1.14 x 106 RLU/ml, 5.68 x 105 RLU/ml, 2.84 x 105 RLU/ml, 1.42 x 105 RLU/ml, 7.10 x 104 RLU/ml, 3.55 x 104 RLU/ml, and 1.77 x 104 RLU/ml of HIV/NanoLuc-SARS-CoV-2 in artificial saliva. The discrimination for four different concentrations in 1.14 x 106 RLU/ml, 5.68 x 105 RLU/ml, 2.84 x 105 RLU/ml and 1.42 x 105 RLU/ml varied between 88% and 94%. The performance for 7.10 x 104 RLU/ml was 85%. The discrimination for the lower concentrations in 3.55 x 104 RLU/ml and 1.77 x 104 RLU/ml were 72% and 79%, respectively. Our findings demonstrate a potential application of this reagent-free biophotonic platform supported with machine learning algorithms to detect SARS-CoV-2 in saliva. |
id |
UFU_093f814d63e2d6e56d8a03a31241ecba |
---|---|
oai_identifier_str |
oai:repositorio.ufu.br:123456789/35351 |
network_acronym_str |
UFU |
network_name_str |
Repositório Institucional da UFU |
repository_id_str |
|
spelling |
Desenvolvimento de plataforma biofotônica associada a algoritmos de inteligência artificial para identificação de SARS-CoV-2 em saliva artificialDevelopment of a biophotonic platform associated with artificial intelligence algorithms for the SARS-CoV-2 identification in artificial salivaATR-FTIRCovid-19SARS-CoV-2Teste diagnósticoDiagnóstico salivarATR-FTIRCovid-19SARS-CoV-2Diagnostic-testSalivary-diagnosisCNPQ::CIENCIAS BIOLOGICAS::FISIOLOGIAThe rapid spread of COVID-19 and SARS-CoV-2 variants represents a global issue, even after vaccine development. The development of novel sustainable screening platforms to detect SARS-CoV-2 directly is a faster alternative to serologically-based assays. Here, we used attenuated total reflection Fourier transform infrared spectroscopy (ATR-FTIR) supported by artificial intelligence algorithms to identify unique infrared vibrational modes of a pseudotyped human immunodeficiency virus type-1 (HIV-1) coupled to Spike (S) protein of SARS-CoV-2 (HIV/NanoLuc-SARS-CoV-2 pseudotype virus), diluted in eight different concentrations in artificial saliva samples to develop a self-collected, reagent-free, and green technology for SARS-CoV-2 detection. Linear Discriminant Analysis algorithm was applied to differentiate 2.27 x 106 RLU/ml, 1.14 x 106 RLU/ml, 5.68 x 105 RLU/ml, 2.84 x 105 RLU/ml, 1.42 x 105 RLU/ml, 7.10 x 104 RLU/ml, 3.55 x 104 RLU/ml, and 1.77 x 104 RLU/ml of HIV/NanoLuc-SARS-CoV-2 in artificial saliva. The discrimination for four different concentrations in 1.14 x 106 RLU/ml, 5.68 x 105 RLU/ml, 2.84 x 105 RLU/ml and 1.42 x 105 RLU/ml varied between 88% and 94%. The performance for 7.10 x 104 RLU/ml was 85%. The discrimination for the lower concentrations in 3.55 x 104 RLU/ml and 1.77 x 104 RLU/ml were 72% and 79%, respectively. Our findings demonstrate a potential application of this reagent-free biophotonic platform supported with machine learning algorithms to detect SARS-CoV-2 in saliva.CNPq - Conselho Nacional de Desenvolvimento Científico e TecnológicoTrabalho de Conclusão de Curso (Graduação)A rápida dispersão da COVID-19 e das variantes do SARS-CoV-2 representa um problema global, mesmo depois da progressão das vacinas. O desenvolvimento de novas plataformas sustentáveis de diagnóstico, para identificar diretamente o SARS-CoV-2, é uma alternativa mais rápida aos testes sorológicos. Neste estudo, nós utilizamos espectroscopia infravermelha com transformada de Fourier de reflexão total atenuada (ATR-FTIR) combinada com algoritmos de inteligência artificial para identificar os modos vibracionais infravermelhos de um pseudovírus de imunodeficiência humana adquirida tipo 1 (HIV-1) com proteína Spike do SARS-CoV-2 acoplada na superfície (pseudovírus HIV/NanoLuc-SARS-CoV-2), diluído em oito diferentes concentrações em amostras de saliva artificial – com o objetivo de desenvolver um método de auto coleta, livre de reagentes e com tecnologia verde para detecção do SARS-CoV-2. O algoritmo de Análise de Discriminante Linear foi aplicado para diferenciar as concentrações 2.27 x 106 RLU/ml, 1.14 x 106 RLU/ml, 5.68 x 105 RLU/ml, 2.84 x 105 RLU/ml, 1.42 x 105 RLU/ml, 7.10 x 104 RLU/ml, 3.55 x 104 RLU/ml, e 1.77 x 104 RLU/ml do pseudovírus (HIV/NanoLuc-SARS-CoV-2) na saliva artificial. A acurácia para 4 diferentes concentrações: 1.14 x 106 RLU/ml, 5.68 x 105 RLU/ml, 2.84 x 105 RLU/ml e 1.42 x 105 RLU/ml variou entre 88% e 94%. A performance para 7.10 x 104 RLU/ml foi de 85%. Já a discriminação para as concentrações mais baixas de 3.55 x 104 RLU/ml e 1.77 x 104 RLU/ml foram de 72% e 79%, respectivamente. Nossos resultados demonstram potencial para aplicação dessa plataforma biofotônica livre de reagentes apoiada por algoritmos de inteligência artificial na detecção do SARS-CoV-2 pela saliva.2024-07-07Universidade Federal de UberlândiaBrasilOdontologiaGuevara-Vega, Marco Fidelhttp://lattes.cnpq.br/8742381729938603Silva, Robinson Sabino dahttp://lattes.cnpq.br/1886483839073466Sabino-Silva, Robinsonhttp://lattes.cnpq.br/1886483839073466Oliveira, Fabiana Sodréhttp://lattes.cnpq.br/4466872588578468Cardoso, Sérgio Vitorinohttp://lattes.cnpq.br/4828743901928344Garcia Júnior, Marcelo Augustohttp://lattes.cnpq.br/6720387318774380Taveira, Elisa Borges2022-08-01T14:23:25Z2022-08-01T14:23:25Z2022-07-07info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfTAVEIRA, Elisa Borges. Desenvolvimento de plataforma biofotônica associada a algoritmos de inteligência artificial para identificação de SARS-CoV-2 em saliva artificial. 2022, 24 f. Trabalho de Conclusão de Curso (Graduação em Odontologia) - Universidade Federal de Uberlândia, Uberlândia, 2022.https://repositorio.ufu.br/handle/123456789/35351porAttribution-NonCommercial-NoDerivs 3.0 United Stateshttp://creativecommons.org/licenses/by-nc-nd/3.0/us/info:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFUinstname:Universidade Federal de Uberlândia (UFU)instacron:UFU2024-08-05T14:46:34Zoai:repositorio.ufu.br:123456789/35351Repositório InstitucionalONGhttp://repositorio.ufu.br/oai/requestdiinf@dirbi.ufu.bropendoar:2024-08-05T14:46:34Repositório Institucional da UFU - Universidade Federal de Uberlândia (UFU)false |
dc.title.none.fl_str_mv |
Desenvolvimento de plataforma biofotônica associada a algoritmos de inteligência artificial para identificação de SARS-CoV-2 em saliva artificial Development of a biophotonic platform associated with artificial intelligence algorithms for the SARS-CoV-2 identification in artificial saliva |
title |
Desenvolvimento de plataforma biofotônica associada a algoritmos de inteligência artificial para identificação de SARS-CoV-2 em saliva artificial |
spellingShingle |
Desenvolvimento de plataforma biofotônica associada a algoritmos de inteligência artificial para identificação de SARS-CoV-2 em saliva artificial Taveira, Elisa Borges ATR-FTIR Covid-19 SARS-CoV-2 Teste diagnóstico Diagnóstico salivar ATR-FTIR Covid-19 SARS-CoV-2 Diagnostic-test Salivary-diagnosis CNPQ::CIENCIAS BIOLOGICAS::FISIOLOGIA |
title_short |
Desenvolvimento de plataforma biofotônica associada a algoritmos de inteligência artificial para identificação de SARS-CoV-2 em saliva artificial |
title_full |
Desenvolvimento de plataforma biofotônica associada a algoritmos de inteligência artificial para identificação de SARS-CoV-2 em saliva artificial |
title_fullStr |
Desenvolvimento de plataforma biofotônica associada a algoritmos de inteligência artificial para identificação de SARS-CoV-2 em saliva artificial |
title_full_unstemmed |
Desenvolvimento de plataforma biofotônica associada a algoritmos de inteligência artificial para identificação de SARS-CoV-2 em saliva artificial |
title_sort |
Desenvolvimento de plataforma biofotônica associada a algoritmos de inteligência artificial para identificação de SARS-CoV-2 em saliva artificial |
author |
Taveira, Elisa Borges |
author_facet |
Taveira, Elisa Borges |
author_role |
author |
dc.contributor.none.fl_str_mv |
Guevara-Vega, Marco Fidel http://lattes.cnpq.br/8742381729938603 Silva, Robinson Sabino da http://lattes.cnpq.br/1886483839073466 Sabino-Silva, Robinson http://lattes.cnpq.br/1886483839073466 Oliveira, Fabiana Sodré http://lattes.cnpq.br/4466872588578468 Cardoso, Sérgio Vitorino http://lattes.cnpq.br/4828743901928344 Garcia Júnior, Marcelo Augusto http://lattes.cnpq.br/6720387318774380 |
dc.contributor.author.fl_str_mv |
Taveira, Elisa Borges |
dc.subject.por.fl_str_mv |
ATR-FTIR Covid-19 SARS-CoV-2 Teste diagnóstico Diagnóstico salivar ATR-FTIR Covid-19 SARS-CoV-2 Diagnostic-test Salivary-diagnosis CNPQ::CIENCIAS BIOLOGICAS::FISIOLOGIA |
topic |
ATR-FTIR Covid-19 SARS-CoV-2 Teste diagnóstico Diagnóstico salivar ATR-FTIR Covid-19 SARS-CoV-2 Diagnostic-test Salivary-diagnosis CNPQ::CIENCIAS BIOLOGICAS::FISIOLOGIA |
description |
The rapid spread of COVID-19 and SARS-CoV-2 variants represents a global issue, even after vaccine development. The development of novel sustainable screening platforms to detect SARS-CoV-2 directly is a faster alternative to serologically-based assays. Here, we used attenuated total reflection Fourier transform infrared spectroscopy (ATR-FTIR) supported by artificial intelligence algorithms to identify unique infrared vibrational modes of a pseudotyped human immunodeficiency virus type-1 (HIV-1) coupled to Spike (S) protein of SARS-CoV-2 (HIV/NanoLuc-SARS-CoV-2 pseudotype virus), diluted in eight different concentrations in artificial saliva samples to develop a self-collected, reagent-free, and green technology for SARS-CoV-2 detection. Linear Discriminant Analysis algorithm was applied to differentiate 2.27 x 106 RLU/ml, 1.14 x 106 RLU/ml, 5.68 x 105 RLU/ml, 2.84 x 105 RLU/ml, 1.42 x 105 RLU/ml, 7.10 x 104 RLU/ml, 3.55 x 104 RLU/ml, and 1.77 x 104 RLU/ml of HIV/NanoLuc-SARS-CoV-2 in artificial saliva. The discrimination for four different concentrations in 1.14 x 106 RLU/ml, 5.68 x 105 RLU/ml, 2.84 x 105 RLU/ml and 1.42 x 105 RLU/ml varied between 88% and 94%. The performance for 7.10 x 104 RLU/ml was 85%. The discrimination for the lower concentrations in 3.55 x 104 RLU/ml and 1.77 x 104 RLU/ml were 72% and 79%, respectively. Our findings demonstrate a potential application of this reagent-free biophotonic platform supported with machine learning algorithms to detect SARS-CoV-2 in saliva. |
publishDate |
2022 |
dc.date.none.fl_str_mv |
2022-08-01T14:23:25Z 2022-08-01T14:23:25Z 2022-07-07 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
TAVEIRA, Elisa Borges. Desenvolvimento de plataforma biofotônica associada a algoritmos de inteligência artificial para identificação de SARS-CoV-2 em saliva artificial. 2022, 24 f. Trabalho de Conclusão de Curso (Graduação em Odontologia) - Universidade Federal de Uberlândia, Uberlândia, 2022. https://repositorio.ufu.br/handle/123456789/35351 |
identifier_str_mv |
TAVEIRA, Elisa Borges. Desenvolvimento de plataforma biofotônica associada a algoritmos de inteligência artificial para identificação de SARS-CoV-2 em saliva artificial. 2022, 24 f. Trabalho de Conclusão de Curso (Graduação em Odontologia) - Universidade Federal de Uberlândia, Uberlândia, 2022. |
url |
https://repositorio.ufu.br/handle/123456789/35351 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 United States http://creativecommons.org/licenses/by-nc-nd/3.0/us/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 United States http://creativecommons.org/licenses/by-nc-nd/3.0/us/ |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Federal de Uberlândia Brasil Odontologia |
publisher.none.fl_str_mv |
Universidade Federal de Uberlândia Brasil Odontologia |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFU instname:Universidade Federal de Uberlândia (UFU) instacron:UFU |
instname_str |
Universidade Federal de Uberlândia (UFU) |
instacron_str |
UFU |
institution |
UFU |
reponame_str |
Repositório Institucional da UFU |
collection |
Repositório Institucional da UFU |
repository.name.fl_str_mv |
Repositório Institucional da UFU - Universidade Federal de Uberlândia (UFU) |
repository.mail.fl_str_mv |
diinf@dirbi.ufu.br |
_version_ |
1813711295616122880 |