Bioespectroscopia de fluorescência em matriz de excitação-emissão (EEM) combinada com algoritmos de classificação de 2ª ordem para o diagnóstico da doença de Alzheimer

• Ano de defesa: 2023
• Autor(a) principal: Santos, Ricardo Fernandes dos
• Orientador(a): Lima, Kassio Michell Gomes de
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal do Rio Grande do Norte
• Programa de Pós-Graduação: PROGRAMA DE PÓS-GRADUAÇÃO EM QUÍMICA
• País: Brasil
• Palavras-chave em Português: Química; Alzheimer's disease; EEM fluorescence spectroscopy; Multivariate classification; PARAFAC-QDA; Tucker3-QDA
• Área do conhecimento CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::QUIMICA
• Link de acesso: https://repositorio.ufrn.br/handle/123456789/51947

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.