Submitted by Nuzia Santos (nuzia@cpqrr.fiocruz.br) on 2014-05-13T13:07:56Z No. of bitstreams: 1 Dissertação-AnaCordeiro.pdf: 12658622 bytes, checksum: 9be8042ba2e3e6e3bf8746875ee265ca (MD5) / Made available in DSpace on 2014-05-13T13:07:56Z (GMT). No. of bitstreams: 1 Dissertação-AnaCordeiro.pdf: 12658622 bytes, checksum: 9be8042ba2e3e6e3bf8746875ee265ca (MD5) Previous issue date: 2013 / Fundação Oswaldo Cruz. Centro de Pesquisas René Rachou / Meningite é a inflamação das meninges em resposta a infecções ou exposição a agentes químicos. As meningites são classificadas como asséptica (MA) ou bacteriana (MB). Enquanto as MA, mais frequentemente causadas por enterovírus, geralmente são benignas e de curso autolimitado, as MB estão associadas a altas taxas de mortalidade e morbidade que permanecem inalteradas apesar dos avanços nas terapias antimicrobianas e cuidados intensivos para a manutenção dos sistemas vitais dos pacientes. O diagnóstico preciso e rápido das meningites é fundamental para a tomada de decisão em tempo hábil pela abordagem terapêutica adequada para cada forma de meningite. Neste trabalho, a associação de 2D-PAGE com espectrometria de massas permitiu a identificação de proteínas da resposta do hospedeiro para as meningites bacterianas – pneumocócica e meningocócica e para a meningite viral. Dentre estas proteínas, quatro são potenciais candidatos a biomarcadores para o diagnóstico diferencial das meningites e foram utilizadas para a construção de um modelo preditivo qualitativo com essa finalidade. Com a classificação de ausência/ presença de proteínas específicas da resposta do hospedeiro em cada condição patológica, foi possível diferenciar os pacientes com meningite pneumocócica, meningocócica, viral e os indivíduos sem infecção no sistema nervoso central. A descoberta desse modelo preditivo qualitativo proteico é o passo inicial para a construção de um kit rápido para o diagnóstico diferencial das meningites. A utilização deste kit poderá auxiliar na escolha da terapia adequada, de acordo com o agente etiológico, uma vez que o tratamento eficaz continua sendo a melhor alternativa para a redução das sequelas permanentes e de óbito associados à meningite bacteriana. Além disso, foram identificadas, por bioinformática, as principais vias metabólicas e de sinalização mais afetadas por cada uma das formas da doença, o que possibilitou a seleção de novos candidatos a alvos terapêuticos para as meningites. / Meningitis is the inflammation of the meninges in response to infection or chemical agents. The meningitis is classified as aseptic (MA) or bacterial (MB). While MA, most frequently caused by enteroviruses, is usually benign and self-limiting course, MB remains associated with high morbidity and mortality rates, despite advances in antimicrobial therapy and intensive care for the maintenance of patient’s vital systems. The fast and accurate diagnosis of meningitis is crucial for decision making to the appropriate therapeutic approach for each meningitis form. In this work, the association of 2D-PAGE with mass spectrometry allowed the identification of host response proteins to bacterial meningitis – pneumococcal and meningococcal, and viral meningitis. Among these proteins, four are potential candidate biomarkers for the differential diagnosis of meningitis and were used to build a qualitative predictive model for this purpose. Sorting absence / presence of specific proteins in the host response in each pathological condition became possible to differentiate pneumococcal, meningococcal, viral meningitis those individuals without central nervous system infection. The discovery of this novel qualitative predictive model is the beginning step for generation of a fast kit for differential meningitis diagnosis. It could provide individualized therapy according to the causative etiological agent of illness, once the effective treatment remains the best choice for lower permanent sequelae and mortality due to bacterial meningitis. Furthermore, were identified, by bioinformatics, the main metabolic and signaling pathways most affected by each meningitis form, which enabled the selection of novel candidate therapeutic targets for meningitis.