Please use this identifier to cite or link to this item: https://repositorio.ufrn.br/jspui/handle/123456789/28922
Title: Identificação dos virus zika e chikungunya por bioespectroscopia ATR-FTIR em amostras biológicas empregando técnicas de classificação multivariada
Authors: Nascimento, Yasmin Mesquita
Keywords: Chikungunya;Zika;ATR-FTIR;Análise multivariada
Issue Date: 26-Mar-2019
Citation: NASCIMENTO, Yasmin Mesquita. Identificação dos virus zika e chikungunya por bioespectroscopia ATR-FTIR em amostras biológicas empregando técnicas de classificação multivariada. 2019. 69f. Dissertação (Mestrado em Ciências Biológicas) - Centro de Biociências, Universidade Federal do Rio Grande do Norte, Natal, 2019.
Portuguese Abstract: Este trabalho teve como objetivo principal a proposição de uma nova metodologia na detecção dos arbovírus Zika e Chikungunya utilizando ferramentas de bioespectroscopia e classificação multivariada. Foram utilizadas a espectroscopia no infravermelho por Refletância Total Atenuada (ATR-FTIR) associada a técnicas de classicação multivariada, para avaliar a capacidade da técnica de classificar corretamente 260 amostras biológicas em grupos definidos como positivos para a presença dos vírus (CHIKV + ou ZIKV +) e Negativos (CHIKV- ou ZIKV-). Os algoritmos de análise multivariada utilizados foram Análise de Componentes Principais-Análise Discriminante Linear (PCA-LDA), Algoritmo de Projeções Sucessivas- Análise Discriminante Linear (SPA-LDA) e Algoritmo Genético-Análise Discriminante Linear (GA-LDA). O desempenho da técnica foi avaliado através de cálculos de sensibilidade, especificidade, valores preditivos positivos (VPP) e negativos (VPN), os quais foram capazes de classificar satisfatóriamente em categorias as amostras infectadas com os vírus Zika e Chikungunya, diferenciando as amostras que possuem os vírus daquelas consideradas saudáveis, com sensibilidade e especificidade, VPP e VPN de até 100%. Os resultados foram animadores, e mostraram que a espectroscopia utilizada em conjunto com técnicas de análise multivariada tem o potencial de detectar e identificar as variações provocadas pela presença dos vírus Zika e Chikungunya em amostras biológicas, e fornecer resultados rápidos e com baixo custo em comparação às técnicas utilizadas em rotinas laboratoriais.
Abstract: The main objective of this work was the proposition of a new methodology for the detection of arboviruses Zika and Chikungunya using biospectroscopy and multivariate classification tools. Attenuated Total Reflectancespectroscopy associated with Fourier Transform Infrared Spectroscopy (ATR-FTIR) associated with multivariate classifi- cation techniques was used to evaluate the ability of the technique to properly classify 260 biological samples into groups defined as positive for the presence of viruses (CHIKV +; ZIKV +) and Negatives (CHIKVand ZIKV-). The multivariate analysis algorithms used were Linear Discriminant Analysis (PCA-LDA), Linear Discriminant Analysis (SPA-LDA) and Genetic Algorithm-Linear Discriminant Analysis (GA-LDA). The performance of the technique was assessed by calculations of sensitivity, specificity, positive predictive values (NPV) and negative values (NPV), which were able to classify the samples infected with the Zika and Chikungunya viruses in categories, differentiating those with the viruses of those considered healthy, with sensitivity and specificity, VPP and VPN up to 100%. The results were encouraging and showed that the spectroscopy used in conjunction with multivariate analysis techniques has the potential to detect and identify the variations caused by the presence of the Zika and Chikungunya viruses in biological samples and to provide fast and low cost results in comparison to techniques used in laboratory routines.
URI: https://repositorio.ufrn.br/jspui/handle/123456789/28922
Appears in Collections:PPGCB - Mestrado em Ciências Biológicas

Files in This Item:
File Description SizeFormat 
Identificacaoviruszika_Nascimento_2019.pdf1,97 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.