Plataforma não invasiva para detecção de Transtorno do Espectro Autista baseada em Lipidômica Salivar aliada à Inteligência Artificial

Detalhes bibliográficos
Autor(a) principal: Bernardino, Sttephany Silva
Data de Publicação: 2024
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Repositório Institucional da UFU
Texto Completo: https://repositorio.ufu.br/handle/123456789/41799
http://doi.org/10.14393/ufu.di.2024.394
Resumo: Timely and accurate diagnosis of Autism Spectrum Disorder (ASD) in clinical settings remains a challenge due to the lack of diagnostic markers. The application of untargeted lipidomics has emerged as a powerful analysis for detecting novel biomarkers. In this context, the detection of salivary lipids may offer large-scale, non-invasive detection for ASD. In this study, we utilized untargeted lipidomics based on gas chromatography-mass spectrometry, coupled with artificial intelligence algorithms, to identify alterations in the salivary lipid profile as an alternative for ASD detection. We analyzed 33 saliva samples from children, including 18 neurotypical and 15 with a diagnosis of ASD who were not using medication. We identified 180 salivary lipids, with 27 being expressed with a frequency filter of 75%, and some salivary lipids were identified for the first time in saliva. Three salivary lipids—1-Naphthalenamine, N-phenyl-; hexadecanoic acid, 2- hydroxy-1-(hydroxymethyl)ethyl ester; and 13-Docosenamide, (Z)—had reduced expression (p<0.05) in ASD compared to neurotypical individuals. We also tested 6 artificial intelligence algorithms based on Python, and the Neural Network algorithm had the best performance, achieving 84% accuracy, 80% specificity, and 88% sensitivity, with the highest SHAP score for the lipid 13-Docosenamide. In summary, these data highlight the potential of salivary lipid profiling coupled with artificial intelligence algorithms as a non-invasive tool for screening children with ASD, enabling advances in precision medicine and personalized dentistry.
id UFU_93371df7d63eec2fd3f57459802a9688
oai_identifier_str oai:repositorio.ufu.br:123456789/41799
network_acronym_str UFU
network_name_str Repositório Institucional da UFU
repository_id_str
spelling Plataforma não invasiva para detecção de Transtorno do Espectro Autista baseada em Lipidômica Salivar aliada à Inteligência ArtificialNon-invasive platform for Autism Spectrum Disorder detection based on Salivary Lipidomics coupled with Artificial IntelligenceSalivary biomarkersLipidsASDGC-MS analysisMachine learningCNPQ::CIENCIAS DA SAUDE::ODONTOLOGIA::CLINICA ODONTOLOGICAOdontologiaODS::ODS 3. Saúde e bem-estar - Assegurar uma vida saudável e promover o bem-estar para todos, em todas as idades.ODS::ODS 9. Indústria, Inovação e infraestrutura - Construir infraestrutura resiliente, promover a industrialização inclusiva e sustentável, e fomentar a inovação.Timely and accurate diagnosis of Autism Spectrum Disorder (ASD) in clinical settings remains a challenge due to the lack of diagnostic markers. The application of untargeted lipidomics has emerged as a powerful analysis for detecting novel biomarkers. In this context, the detection of salivary lipids may offer large-scale, non-invasive detection for ASD. In this study, we utilized untargeted lipidomics based on gas chromatography-mass spectrometry, coupled with artificial intelligence algorithms, to identify alterations in the salivary lipid profile as an alternative for ASD detection. We analyzed 33 saliva samples from children, including 18 neurotypical and 15 with a diagnosis of ASD who were not using medication. We identified 180 salivary lipids, with 27 being expressed with a frequency filter of 75%, and some salivary lipids were identified for the first time in saliva. Three salivary lipids—1-Naphthalenamine, N-phenyl-; hexadecanoic acid, 2- hydroxy-1-(hydroxymethyl)ethyl ester; and 13-Docosenamide, (Z)—had reduced expression (p<0.05) in ASD compared to neurotypical individuals. We also tested 6 artificial intelligence algorithms based on Python, and the Neural Network algorithm had the best performance, achieving 84% accuracy, 80% specificity, and 88% sensitivity, with the highest SHAP score for the lipid 13-Docosenamide. In summary, these data highlight the potential of salivary lipid profiling coupled with artificial intelligence algorithms as a non-invasive tool for screening children with ASD, enabling advances in precision medicine and personalized dentistry.Dissertação (Mestrado)O diagnóstico oportuno e preciso do Transtorno do Espectro Autista (TEA) em ambientes clínicos permanece um desafio devido à falta de marcadores diagnósticos. A aplicação da lipidômica não direcionada emergiu como uma análise poderosa para detectar novos biomarcadores. Nesse contexto, a detecção de lipídios salivares pode oferecer detecção não-invasiva em larga escala para o TEA. Neste estudo, utilizamos a lipidômica não direcionada baseada em cromatografia gasosa acoplada a espectrometria de massa, juntamente com algoritmos de inteligência artificial, para identificar alterações no perfil lipídico salivar como alternativa para a detecção de TEA. Foram analisadas 33 amostras de saliva de crianças, 18 neurotípicas e 15 com diagnóstico de TEA sem uso de medicamentos. Foram identificados 180 lipídios salivares, 27 foram expressas com filtro de frequência de 75% e alguns lipídios salivares foram identificados de forma pioneira na saliva. Três lipídios salivares 1-Naftalenamina, N-fenil-; ácido hexadecanóico, éster 2-hidroxi-1-(hidroximetil)etílico; e 13-Docosenamida, (Z)- tiveram sua expressão reduzida (p<0,05) no TEA comparada aos neurotípicos. Também testamos 6 algoritmos de inteligência artificial baseados em Python, e o algoritmo de Redes Neurais teve o melhor desempenho alcançando 84% de acurácia, 80% de especificidade e 88% de sensibilidade com o escore SHAP mais alto para o lipídeo 13-Docosenamida. Em resumo, estes dados destacam o potencial do perfil lipídico salivar acoplado por algoritmos de inteligência artificial como uma ferramenta não invasiva para triagem de crianças com TEA, permitindo avanços na medicina de precisão e odontologia personalizada.2026-07-10Universidade Federal de UberlândiaBrasilPrograma de Pós-graduação em OdontologiaSilva, Robinson Sabinohttp://lattes.cnpq.br/1886483839073466Oliveira, Thiago da Costahttp://lattes.cnpq.br/0761224895105372Castro, Olagide Wagner dehttp://lattes.cnpq.br/1040508925337874Bernardino, Sttephany Silva2024-07-24T17:53:18Z2024-07-24T17:53:18Z2024-07-10info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfBERNARDINO, Sttephany Silva. Plataforma não invasiva para detecção de Transtorno do Espectro Autista baseada em Lipidômica Salivar acoplada à Inteligência Artificial. 2024. 42 f. Dissertação (Mestrado em Odontologia) - Universidade Federal de Uberlândia, Uberlândia, 2024. DOI http://http://doi.org/10.14393/ufu.di.2024.394.https://repositorio.ufu.br/handle/123456789/41799http://doi.org/10.14393/ufu.di.2024.394enghttp://creativecommons.org/licenses/by-nc-nd/3.0/us/info:eu-repo/semantics/embargoedAccessreponame:Repositório Institucional da UFUinstname:Universidade Federal de Uberlândia (UFU)instacron:UFU2024-07-24T17:54:42Zoai:repositorio.ufu.br:123456789/41799Repositório InstitucionalONGhttp://repositorio.ufu.br/oai/requestdiinf@dirbi.ufu.bropendoar:2024-07-24T17:54:42Repositório Institucional da UFU - Universidade Federal de Uberlândia (UFU)false
dc.title.none.fl_str_mv Plataforma não invasiva para detecção de Transtorno do Espectro Autista baseada em Lipidômica Salivar aliada à Inteligência Artificial
Non-invasive platform for Autism Spectrum Disorder detection based on Salivary Lipidomics coupled with Artificial Intelligence
title Plataforma não invasiva para detecção de Transtorno do Espectro Autista baseada em Lipidômica Salivar aliada à Inteligência Artificial
spellingShingle Plataforma não invasiva para detecção de Transtorno do Espectro Autista baseada em Lipidômica Salivar aliada à Inteligência Artificial
Bernardino, Sttephany Silva
Salivary biomarkers
Lipids
ASD
GC-MS analysis
Machine learning
CNPQ::CIENCIAS DA SAUDE::ODONTOLOGIA::CLINICA ODONTOLOGICA
Odontologia
ODS::ODS 3. Saúde e bem-estar - Assegurar uma vida saudável e promover o bem-estar para todos, em todas as idades.
ODS::ODS 9. Indústria, Inovação e infraestrutura - Construir infraestrutura resiliente, promover a industrialização inclusiva e sustentável, e fomentar a inovação.
title_short Plataforma não invasiva para detecção de Transtorno do Espectro Autista baseada em Lipidômica Salivar aliada à Inteligência Artificial
title_full Plataforma não invasiva para detecção de Transtorno do Espectro Autista baseada em Lipidômica Salivar aliada à Inteligência Artificial
title_fullStr Plataforma não invasiva para detecção de Transtorno do Espectro Autista baseada em Lipidômica Salivar aliada à Inteligência Artificial
title_full_unstemmed Plataforma não invasiva para detecção de Transtorno do Espectro Autista baseada em Lipidômica Salivar aliada à Inteligência Artificial
title_sort Plataforma não invasiva para detecção de Transtorno do Espectro Autista baseada em Lipidômica Salivar aliada à Inteligência Artificial
author Bernardino, Sttephany Silva
author_facet Bernardino, Sttephany Silva
author_role author
dc.contributor.none.fl_str_mv Silva, Robinson Sabino
http://lattes.cnpq.br/1886483839073466
Oliveira, Thiago da Costa
http://lattes.cnpq.br/0761224895105372
Castro, Olagide Wagner de
http://lattes.cnpq.br/1040508925337874
dc.contributor.author.fl_str_mv Bernardino, Sttephany Silva
dc.subject.por.fl_str_mv Salivary biomarkers
Lipids
ASD
GC-MS analysis
Machine learning
CNPQ::CIENCIAS DA SAUDE::ODONTOLOGIA::CLINICA ODONTOLOGICA
Odontologia
ODS::ODS 3. Saúde e bem-estar - Assegurar uma vida saudável e promover o bem-estar para todos, em todas as idades.
ODS::ODS 9. Indústria, Inovação e infraestrutura - Construir infraestrutura resiliente, promover a industrialização inclusiva e sustentável, e fomentar a inovação.
topic Salivary biomarkers
Lipids
ASD
GC-MS analysis
Machine learning
CNPQ::CIENCIAS DA SAUDE::ODONTOLOGIA::CLINICA ODONTOLOGICA
Odontologia
ODS::ODS 3. Saúde e bem-estar - Assegurar uma vida saudável e promover o bem-estar para todos, em todas as idades.
ODS::ODS 9. Indústria, Inovação e infraestrutura - Construir infraestrutura resiliente, promover a industrialização inclusiva e sustentável, e fomentar a inovação.
description Timely and accurate diagnosis of Autism Spectrum Disorder (ASD) in clinical settings remains a challenge due to the lack of diagnostic markers. The application of untargeted lipidomics has emerged as a powerful analysis for detecting novel biomarkers. In this context, the detection of salivary lipids may offer large-scale, non-invasive detection for ASD. In this study, we utilized untargeted lipidomics based on gas chromatography-mass spectrometry, coupled with artificial intelligence algorithms, to identify alterations in the salivary lipid profile as an alternative for ASD detection. We analyzed 33 saliva samples from children, including 18 neurotypical and 15 with a diagnosis of ASD who were not using medication. We identified 180 salivary lipids, with 27 being expressed with a frequency filter of 75%, and some salivary lipids were identified for the first time in saliva. Three salivary lipids—1-Naphthalenamine, N-phenyl-; hexadecanoic acid, 2- hydroxy-1-(hydroxymethyl)ethyl ester; and 13-Docosenamide, (Z)—had reduced expression (p<0.05) in ASD compared to neurotypical individuals. We also tested 6 artificial intelligence algorithms based on Python, and the Neural Network algorithm had the best performance, achieving 84% accuracy, 80% specificity, and 88% sensitivity, with the highest SHAP score for the lipid 13-Docosenamide. In summary, these data highlight the potential of salivary lipid profiling coupled with artificial intelligence algorithms as a non-invasive tool for screening children with ASD, enabling advances in precision medicine and personalized dentistry.
publishDate 2024
dc.date.none.fl_str_mv 2024-07-24T17:53:18Z
2024-07-24T17:53:18Z
2024-07-10
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv BERNARDINO, Sttephany Silva. Plataforma não invasiva para detecção de Transtorno do Espectro Autista baseada em Lipidômica Salivar acoplada à Inteligência Artificial. 2024. 42 f. Dissertação (Mestrado em Odontologia) - Universidade Federal de Uberlândia, Uberlândia, 2024. DOI http://http://doi.org/10.14393/ufu.di.2024.394.
https://repositorio.ufu.br/handle/123456789/41799
http://doi.org/10.14393/ufu.di.2024.394
identifier_str_mv BERNARDINO, Sttephany Silva. Plataforma não invasiva para detecção de Transtorno do Espectro Autista baseada em Lipidômica Salivar acoplada à Inteligência Artificial. 2024. 42 f. Dissertação (Mestrado em Odontologia) - Universidade Federal de Uberlândia, Uberlândia, 2024. DOI http://http://doi.org/10.14393/ufu.di.2024.394.
url https://repositorio.ufu.br/handle/123456789/41799
http://doi.org/10.14393/ufu.di.2024.394
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/3.0/us/
info:eu-repo/semantics/embargoedAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/3.0/us/
eu_rights_str_mv embargoedAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal de Uberlândia
Brasil
Programa de Pós-graduação em Odontologia
publisher.none.fl_str_mv Universidade Federal de Uberlândia
Brasil
Programa de Pós-graduação em 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_ 1813711560584986624