Submitted by Fabio Sobreira Campos da Costa (fabio.sobreira@ufpe.br) on 2017-08-04T14:12:52Z No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) Dissertação - Tássia Brena da Costa.pdf: 2477280 bytes, checksum: c34cd8503224fb8886f2d07b5e20b69a (MD5) / Made available in DSpace on 2017-08-04T14:12:52Z (GMT). No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) Dissertação - Tássia Brena da Costa.pdf: 2477280 bytes, checksum: c34cd8503224fb8886f2d07b5e20b69a (MD5) Previous issue date: 2016-03-29 / CNPQ / FACEPE / A metabonômica pode ser definida como um conjunto de ferramentas, analíticas e de estatística multivariada, utilizadas para identificar mudanças de concentração dos metabólitos em um dado biofluido, associando-as à perturbação sofrida pelo organismo. Sendo assim, ela seria capaz de identificar qualquer doença no organismo, desde que seja empregado o biofluido adequado e as informações sejam corretamente extraídas. Para isso, a ferramenta mais empregada é a Espectroscopia de Ressonância Magnética Nuclear de Hidrogênio-1 (RMN de ¹H), e é necessário o uso de técnicas quimiométricas para extrair as informações do espectro. Neste trabalho, foram construídos modelos metabonômicos para: (1) identificar pacientes portadores de esteatose, e dos vírus da hepatite B (HBV) e da hepatite C (HCV), utilizando amostras de urina; e (2) classificar o grau de fibrose hepática em pacientes com hepatites crônicas por HBV ou HCV, utilizando amostras de soro sanguíneo. O modelo para classificação de pacientes com esteatose, obteve 100% de sensibilidade e de valor preditivo positivo. Para identificar esteatose independentemente de ser um portador de HBV ou HCV, o modelo construído obteve 97,9% de exatidão. Para classificar portadores de HBV e HCV, os modelos apresentaram sensibilidade de 100% e 92,6%, respectivamente. O modelo construído para diferenciar pacientes com diferentes lesões no fígado: esteaose e hepatites virais B ou C, obteve 94% de exatidão. Para classificar pacientes com fibrose significativa; fibrose avançada; e cirrose, alcançamos 98,4; 100; e 96,8% de exatidão, respectivamente. Através da combinação dos resultados dos modelos de fibrose significativa e fibrose avançada, foi possível determinar os pacientes com grau F2, no METAVIR, com percentual de acerto de 96,8%. Nas análises de fibrose, a exatidão observada para os modelos metabonômicos foram superiores aos observados para os métodos não-invasivos normalmente utilizados na prática clínica, APRI (do inglês, Aspartate aminotransferase Platelet Ratio Index) e FIB-4. A estratégia metabonômica demonstrou capacidade de avaliar a presença de diferentes doenças hepáticas em uma única análise, não invasiva, e determinar o grau de fibrose hepática, de forma minimamente invasiva. / The metabonomics can be defined as a set of analytics and multivariate statistics tools, used to identify the metabolite concentration changes in a certain biofluid, associating them to the disturbance suffered. Therefore, it would be able to identify any disease in the body, if employed the appropriate biofluid and correctly extract the information. The most commonly used tool is Nuclear Magnetic Resonance Spectroscopy for hydrogen-1 (¹H NMR), and chemometrics techniques are used to extract the information of the spectrum. In this work we built metabonomics models to: (1) identify patients with steatosis, hepatitis B (HBV) and hepatitis C (HCV), using urine samples; and (2) classify the degree of liver fibrosis in patients with chronic hepatitis, HBV or HCV, using blood serum samples. The classification model for patients with steatosis obtained 100% to sensitivity and positive predictive value. To identify steatosis, without regard the presence of HBV or HCV, the constructed model achieved 97.9% accuracy. To classify carriers of HBV and HCV, the models showed 100 and 92.6% of sensitivity, respectively. The constructed model to differentiate patients with different liver damage: steatosis and viral hepatitis B or C, achieved 94% accuracy. To classify patients with significant fibrosis; advanced fibrosis; and cirrhosis, the models reached 98.4; 100; and 96.8% accuracy, respectively. By combining the results of significant fibrosis models and advanced fibrosis, it determined the patients with F2 in the METAVIR, with 96.8% of accuracy. In fibrosis analysis, the accuracy observed for metabonomics models were higher than those observed for the non-invasive methods commonly used in clinical practice, APRI (Aspartate aminotransferase Platelet Ratio Index) and FIB-4. The metabonomics strategy demonstrated ability to assess the presence of different liver diseases in a single non-invasive analysis and determine the degree of liver fibrosis, in a minimally invasive way.