Pesquisadores
da Unicamp (Universidade Estadual de Campinas) desenvolveram uma plataforma
capaz de diagnosticar diversos tipos de doenças, com alto índice de precisão,
medindo marcadores metabólicos encontrados no sangue dos pacientes.
Método
criado na Unicamp alia análise do soro sanguíneo por espectrometria de massas a
algoritmo capaz de encontrar padrões associados às enfermidades.
O
método alia a tecnologia de espectrometria de massas, que permite identificar
dezenas de milhares de moléculas presentes no soro sanguíneo, com um algoritmo
de inteligência artificial, que é capaz de encontrar padrões associados a
enfermidades tanto de origem viral, como bacteriana, fúngica e até mesmo
genética.
"Usamos
a infecção pelo vírus zika como modelo para desenvolver a plataforma e
mostramos que, nesse caso, a precisão diagnóstica ultrapassa 95%. Uma das
grandes vantagens é que o método não perde a sensibilidade mesmo se o vírus
sofrer mutações," contou o professor Rodrigo Ramos Catharino.
Outro
ponto favorável é a capacidade de identificar os casos positivos de zika mesmo quando a análise do soro sanguíneo ocorreu
30 dias após o início da infecção, quando a fase aguda da doença já passou.
"Nenhum
kit para diagnóstico atualmente disponível tem sensibilidade para detectar a
infecção pelo zika após o término da fase aguda. O método que desenvolvemos
poderia ser útil, por exemplo, para analisar bolsas de sangue para
transfusão," comentou Catharino.
Programa
que aprende e se adapta
Para
validar a plataforma, os pesquisadores usaram amostras de sangue de 203
pacientes com infecção pelo zika confirmada por exame genético PCR e 121 pacientes
sem confirmação da presença do vírus.
"Foram
identificadas cerca de 10 mil moléculas diferentes presentes no soro dos
pacientes, entre elas lipídeos, peptídeos e fragmentos de DNA e RNA. Nesse
conjunto de metabólitos havia tanto partículas produzidas pelo zika quanto pelo
sistema imune dos pacientes em resposta à infecção," explicou Catharino.
Entrou
então em ação o programa de inteligência artificial, que usa um algoritmo de
aprendizagem de máquina para analisar uma grande quantidade de informações por
métodos estatísticos específicos, de modo a encontrar padrões que permitam
fazer determinações ou predições. O programa identificou um conjunto de 43
biomarcadores que servem como uma chave de identificação específica para o
vírus.
"Nessa
plataforma não é importante conhecer quais são exatamente essas 43 moléculas
que funcionam como marcadores da infecção, pois é o conjunto que realmente
importa e que vai nos dizer com alta precisão se é zika ou não. E, mesmo se o
vírus se modificar, o programa se adapta e muda com ele. Não é uma metodologia
estática," disse Catharino.
Agora
a equipe está trabalhando para avaliar a capacidade da plataforma para
diagnosticar doenças sistêmicas causadas por fungos. O método também será
testado na detecção de doenças bacterianas e genéticas.
[Imagem:
Wikimedia Commons] com informações da FAPESP
0 comentários:
Postar um comentário