DETECÇÃO DO VÍRUS DA DENGUE POR ESPECTROSCOPIA NO INFRAVERMELHO MÉDIO EM CONJUNTO COM ALGORITMO GENÉTICO E ANÁLISE DISCRIMINANTE LINEAR

Autores

  • Gigliane Joice Santos da Silva Universidade Federal do Rio Grande do Norte - UFRN
  • Marcos Claudino Batista dos Santos Filho Universidade Federal do Rio Grande do Norte - UFRN
  • Paulo Venicius Messias dos Santos Instituto Federal de Ciência e Tecnologia do Rio Grande do Norte
  • Ricardo Fernandes dos Santos Instituto Federal de Ciência e Tecnologia do Rio Grande do Norte
  • Marfran Claudino Domingos dos Santos Instituto Federal do Sertão Pernambucano - Campus Floresta https://orcid.org/0000-0002-7921-8402

Palavras-chave:

Detecção da Dengue, Algoritmos computacionais, Reconhecimento de padrões, GA-LDA

Resumo

O objetivo deste estudo foi desenvolver um modelo quimiométrico baseado na aplicação do algoritmo computacional GA-LDA na análise de dados de infravermelho médio para detectar o vírus da dengue a partir de um conjunto de espectros de amostras clínicas. Nessa abordagem, o GA seleciona as variáveis mais importantes no conjunto de espectros, enquanto o LDA trabalha na discriminação entre as classes, baseando-se nestas variáveis selecionadas. O estudo investigou as vantagens desta abordagem frente às técnicas padrão, uma vez que que existe a necessidade da existência de uma técnica que permita unir uma resposta rápida com custo baixo e boa especificidade. O conjunto de dados utilizados neste estudo foi disponibilizado cordialmente pelo Grupo de Pesquisa em Química Biológica e Quimiometria da UFRN. O modelo foi construído com o uso do software “MATLAB”, onde foi feita a análise computacional e cálculos de medidas de qualidade (figuras de mérito). Constatou-se que a técnica conseguiu uma boa previsão, com 100% de sensibilidade e especificidade, da classe correta de todas as amostras utilizadas no conjunto teste. Além disso, demonstrou-se não precisar do uso de reagentes nem de kits para a análise, além de fornecer resultados mais rápidos frente às técnicas padrão utilizadas. A partir destes resultados foi possível verificar a importância da aplicação de uma ferramenta computacional no campo da virologia, uma vez que foi observado um grande potencial para esta aplicação. Contudo, são necessários estudos mais aprofundados.

Downloads

Não há dados estatísticos.

Referências

LIMA-CAMARA, T. N.. Arboviroses emergentes e novos desafios para a saúde pública no Brasil. Revista de Saúde Pública, [sl], v. 50, n. 36, p. 10-20, 2016

LOPES, N., NOZAWA, C., LINHARES, R. E. C.. Características gerais e epidemiologia dos arbovírus emergentes no Brasil. Rev Pan-Amaz Saúde, [sl], v. 5, n. 3, p. 55-64, 2014

PAHO. Tool for the diagnosis and care of patients with suspected arboviral diseases. 2017. Disponível em: http://iris.paho.org/xmlui/bitstream/handle/123456789/33895/9789275119365_eng.pd fsequence=1&isAllowed=y. Acesso em: 15/02/2021.

PEELING, R. W. et al. Evaluation of diagnostic tests: dengue. Nature Reviews – Microbiology, [sl], v. 8, n. 12, p. S30-S37, 2010.

KENNARD, R. W.; STONE, L. A. Projeto de experimentos auxiliado por computador. Technometrics, v. 11, n. 1, pág. 137-148, 1969.

SANTOS, M. C. D. et al. Spectroscopy with computational analysis in virological studies: A decade (2006-2016). Trends in Analytical Chemistry. [sl], v. 97, p. 244:256, 2017

SANTOS, M. C. D. et al. ATR-FTIR spectroscopy with chemometric algorithms of multivariate classification in the discrimination between healthy vs. dengue vs. chikungunya vs. zika clinical samples. Analytical Methods. [sl], v. 10, p. 1280:1285, 2018.

CHEMOMETRICSUFRN.Química Biológica e Quimiométrica - Natal – Brasil Química Biológica e Quimiometria, 2020. Disponivel em: http://www.chemometricsufrn.org/. Acesso em: 23/03/2021.

Downloads

Publicado

02-07-2021

Como Citar

SILVA , Gigliane Joice Santos da; FILHO , Marcos Claudino Batista dos Santos; SANTOS, Paulo Venicius Messias dos; SANTOS, Ricardo Fernandes dos; SANTOS, Marfran Claudino Domingos dos. DETECÇÃO DO VÍRUS DA DENGUE POR ESPECTROSCOPIA NO INFRAVERMELHO MÉDIO EM CONJUNTO COM ALGORITMO GENÉTICO E ANÁLISE DISCRIMINANTE LINEAR. Scientia Generalis, [S. l.], v. 2, n. 1, p. 143–151, 2021. Disponível em: https://scientiageneralis.com.br/index.php/SG/article/view/161. Acesso em: 29 mar. 2024.

Edição

Seção

Artigos Originais