Utilização de inteligência artificial (redes neurais artificiais) para a classificação de patogenicidade de amostras de Escherichia coli isoladas de frangos de corte

• Autor(a) principal: Rocha, Ana Cristina Gonçalves Pinto da
• Data de Publicação: 2006
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRGS
• Texto Completo: http://hdl.handle.net/10183/17363
• topic: Redes neurais; Escherichia coli; Frangos de corte

A Escherichia coli (E. coli), que foi por muito tempo esquecida como potencial patógeno, começa a ser vista sob nova ótica devido aos prejuízos econômicos que gera. No Brasil, entre 2001 e 2005, somente a condenação de carcaças, gerou um prejuízo estimado em 58 milhões de dólares à avicultura (Brasil/Ministério da Agricultura, Pecuária e Abastecimento, 2006). Deste total, 19 milhões foram devido à presença de lesões cutâneas de celulite e 39 milhões ocorreram por lesões sistêmicas. Os avanços nas pesquisas e nas ferramentas utilizadas vêm resultando no maior entendimento dos mecanismos de patogenicidade das E. coli e cada vez mais é demonstrada a grande importância da interação dos diversos fatores de virulência na determinação da patogenicidade. Entretanto, a diferenciação de cepas virulentas e avirulentas continua sendo um problema no diagnóstico e, por conseqüência, na tomada de decisão pelos veterinários de campo. Nesta tese constam quatro Artigos científicos. O Artigo 1 trata dos fatores de virulência de 63 amostras de E. coli isoladas de frangos de corte com problemas respiratórios. Estas cepas foram examinadas para a presença de fatores de virulência, tendo sido analisadas as propriedades de resistência aos antimicrobianos, produção de hemolisinas, motilidade, capacidade de hemaglutinação, presença do operon pap, produção de colicinas e resistência sérica. A capacidade de hemaglutinar hemácias de cobaio foi verificada em 84,1% das amostras. Em 76,4% das amostras, foi detectada a presença o operon pap. A produção de colicinas foi observada em 87,3% e em 88,9% foi verificada a expressão da resistência sérica. No Artigo 2, 238 amostras de E. coli, isoladas de cama de aviário e lesões de celulite, foram testadas através da Reação em Cadeia da Polimerase (PCR), para detecção de sete genes de virulência responsáveis pela capacidade de adesão, fimbria P (papC) e fimbria F11 (felA), produção de colicinas (cvaC), presença de aerobactina (iutA), resistência sérica (iss), hemaglutinina temperatura sensível (tsh) e presença de dois antígenos capsulares K1 e K5 (kpsII). O gene cvaC foi detectado em 31,3% das amostras de celulite e em 11,5% das isoladas de fezes. Nos dados obtidos neste estudo 80,6% das amostras de celulite e 53,8% das de fezes apresentaram o gene iss. Para o kps a positividade foi evidenciada em 27% das cepas de celulite e em 7% das isoladas de fezes. O gene iutA, foi detectado em 51,3% das amostras de celulite e em apenas 19,2% nas isoladas de fezes. O gene papC ocorreu em 46,9% das amostras de celulite e em 30,8% das de fezes. Nas amostras de celulite estudadas, 3,8% apresentaram positividade para gene felA, enquanto nas amostras de fezes este percentual foi de 1,3%. O gene tsh foi detectado em 83% dos isolados de lesão em 14% nos de fezes%. Em seis genes, cvaC, iss, iutA, kpsII, papC e tsh foi detectada diferença estatística significativa entre os isolados de lesões de celulite e cama. No Artigo 3 um total de 61 amostras de E. coli, isoladas de frangos de corte com problemas respiratórios foram testadas através da PCR, para a presença dos genes responsáveis pela capacidade de adesão, fimbria P (papC) e fimbria F11 (felA), produção de colicinas (cvaC), presença de aerobactina (iutA), resistência sérica (iss), hemaglutinina temperatura sensível (tsh) e presença dos antígenos capsulares K1 e K5 (kpsII). O gene iss foi detectado em 73,8%, tsh em 55,7%, iutA em 45,9%, felA em 39,3%, papC em 24,3%, cvaC em 23% e kpsII em 18%. No Artigo 4 são apresentadas três redes neurais artificiais que foram desenvolvidas através da análise dos genes papC, felA, cvaC, iutA, iss, tsh e kpsII, da motilidade e do índice de patogenicidade (IP) para realizarmos a predição ou classificação de patogenicidade de cepas de E. coli sem a necessidade da utilização de animais. Na Rede 1, utilizando 11 categorias de IP obtivemos 54,27% de acerto. No intuito de melhorar o desempenho do modelo foi criada uma segunda rede, utilizando 3 categorias de IP obtendo-se a classificação correta em 80,55%. Na tentativa de melhorar ainda mais seu desempenho, passamos a trabalhar com apenas duas categorias construindo, desta forma, a Rede 3. Com esta nova configuração a classificação correta do IP foi de 83,96%.