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.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufpe.br:123456789/20263 |
| Date | 29 March 2016 |
| Creators | COSTA, Tássia Brena Barroso Carneiro da |
| Contributors | http://lattes.cnpq.br/6974730097895255, SILVA, Ricardo Oliveira da, LOPES, Edmundo Pessoa |
| Publisher | Universidade Federal de Pernambuco, Programa de Pos Graduacao em Quimica, UFPE, Brasil |
| Source Sets | IBICT Brazilian ETDs |
| Language | Breton |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Source | reponame:Repositório Institucional da UFPE, instname:Universidade Federal de Pernambuco, instacron:UFPE |
| Rights | Attribution-NonCommercial-NoDerivs 3.0 Brazil, http://creativecommons.org/licenses/by-nc-nd/3.0/br/, info:eu-repo/semantics/openAccess |
Page generated in 0.0022 seconds