Publicação: Desenvolvimento de plataforma biofotônica associada a algoritmos de inteligência artificial para identificação de SARS-CoV-2 em saliva artificial
Carregando...
Tipo do documento
Data
Direito de acesso
Coleções
Programa
Área do conhecimento
CNPQ::CIENCIAS BIOLOGICAS::FISIOLOGIA
Título da Revista
ISSN da Revista
Título de Volume
Autores
Orientador
Coorientador
Guevara-Vega, Marco Fidel
Resumo
A rápida dispersão da COVID-19 e das variantes do SARS-CoV-2 representa um problema global, mesmo depois da progressão das vacinas. O desenvolvimento de novas plataformas sustentáveis de diagnóstico, para identificar diretamente o SARS-CoV-2, é uma alternativa mais rápida aos testes sorológicos. Neste estudo, nós utilizamos espectroscopia infravermelha com transformada de Fourier de reflexão total atenuada (ATR-FTIR) combinada com algoritmos de inteligência artificial para identificar os modos vibracionais infravermelhos de um pseudovírus de imunodeficiência humana adquirida tipo 1 (HIV-1) com proteína Spike do SARS-CoV-2 acoplada na superfície (pseudovírus HIV/NanoLuc-SARS-CoV-2), diluído em oito diferentes concentrações em amostras de saliva artificial – com o objetivo de desenvolver um método de auto coleta, livre de reagentes e com tecnologia verde para detecção do SARS-CoV-2. O algoritmo de Análise de Discriminante Linear foi aplicado para diferenciar as concentrações 2.27 x 106 RLU/ml, 1.14 x 106 RLU/ml, 5.68 x 105 RLU/ml, 2.84 x 105 RLU/ml, 1.42 x 105 RLU/ml, 7.10 x 104 RLU/ml, 3.55 x 104 RLU/ml, e 1.77 x 104 RLU/ml do pseudovírus (HIV/NanoLuc-SARS-CoV-2) na saliva artificial. A acurácia para 4 diferentes concentrações: 1.14 x 106 RLU/ml, 5.68 x 105 RLU/ml, 2.84 x 105 RLU/ml e 1.42 x 105 RLU/ml variou entre 88% e 94%. A performance para 7.10 x 104 RLU/ml foi de 85%. Já a discriminação para as concentrações mais baixas de 3.55 x 104 RLU/ml e 1.77 x 104 RLU/ml foram de 72% e 79%, respectivamente. Nossos resultados demonstram potencial para aplicação dessa plataforma biofotônica livre de reagentes apoiada por algoritmos de inteligência artificial na detecção do SARS-CoV-2 pela saliva.
Abstract
The rapid spread of COVID-19 and SARS-CoV-2 variants represents a global issue, even after vaccine development. The development of novel sustainable screening platforms to detect SARS-CoV-2 directly is a faster alternative to serologically-based assays. Here, we used attenuated total reflection Fourier transform infrared spectroscopy (ATR-FTIR) supported by artificial intelligence algorithms to identify unique infrared vibrational modes of a pseudotyped human immunodeficiency virus type-1 (HIV-1) coupled to Spike (S) protein of SARS-CoV-2 (HIV/NanoLuc-SARS-CoV-2 pseudotype virus), diluted in eight different concentrations in artificial saliva samples to develop a self-collected, reagent-free, and green technology for SARS-CoV-2 detection. Linear Discriminant Analysis algorithm was applied to differentiate 2.27 x 106 RLU/ml, 1.14 x 106 RLU/ml, 5.68 x 105 RLU/ml, 2.84 x 105 RLU/ml, 1.42 x 105 RLU/ml, 7.10 x 104 RLU/ml, 3.55 x 104 RLU/ml, and 1.77 x 104 RLU/ml of HIV/NanoLuc-SARS-CoV-2 in artificial saliva. The discrimination for four different concentrations in 1.14 x 106 RLU/ml, 5.68 x 105 RLU/ml, 2.84 x 105 RLU/ml and 1.42 x 105 RLU/ml varied between 88% and 94%. The performance for 7.10 x 104 RLU/ml was 85%. The discrimination for the lower concentrations in 3.55 x 104 RLU/ml and 1.77 x 104 RLU/ml were 72% and 79%, respectively. Our findings demonstrate a potential application of this reagent-free biophotonic platform supported with machine learning algorithms to detect SARS-CoV-2 in saliva.
Palavras-chave
ATR-FTIR, Covid-19, SARS-CoV-2, Teste diagnóstico, Diagnóstico salivar, ATR-FTIR, Covid-19, SARS-CoV-2, Diagnostic-test, Salivary-diagnosis
Citação
TAVEIRA, Elisa Borges. Desenvolvimento de plataforma biofotônica associada a algoritmos de inteligência artificial para identificação de SARS-CoV-2 em saliva artificial. 2022, 24 f. Trabalho de Conclusão de Curso (Graduação em Odontologia) - Universidade Federal de Uberlândia, Uberlândia, 2022.
DOI
Coleções
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso Aberto