Please use this identifier to cite or link to this item:
https://repositorio.ufu.br/handle/123456789/41714
ORCID: | ![]() |
Document type: | Tese |
Access type: | Acesso Embargado |
Title: | Desenvolvimento de biossensor para controle de Salmonella Enteritidis baseado em espectroscopia e inteligência artificial associada ou não a biomarcadores ligantes |
Alternate title (s): | Development of biosensor for control of Salmonella Enteritidis based on spectroscopy and artificial intelligence associated or not with binding biomarkers |
Author: | Couto, Bruna Patricia |
First Advisor: | Silva, Robinson Sabino |
First coorientator: | Fonseca, Belchiolina Beatriz |
First member of the Committee: | Lucca, Érica Crosara Ladir de |
Second member of the Committee: | Mendonça, Eliane Pereira |
Third member of the Committee: | Bastos, Luciana Machado |
Fourth member of the Committee: | Knöbl, Terezinha |
Summary: | Salmonella spp. é o principal patógeno responsável pelas doenças transmitidas por alimentos (DTA). Dentre os sorotipos pertencentes à espécie S. enterica, Salmonella Enteritidis (SE) é o principal associado a doenças humanas. O controle de SE é obrigatório no Brasil e em muitos outros países, mas sua identificação utilizando testes microbiológicos, seguidos de testes sorológicos e/ou moleculares, considerados padrão ouro, é demorado e trabalhoso para a indústria alimentícia. Essa tese é composta por dois capítulos relativos ao desenvolvimento de um biossensor de Espectroscopia de Infravermelho com Transformada de Fourier com Refletância Total Atenuada (ATR-FTIR) para detecção de SE em colônias puras e/ou carcaças de aves, associados ou não a biomarcadores ligantes. O primeiro capítulo descreve o uso da tecnologia Phage Display para a seleção de fagos ligantes a SE e posterior detecção no biossensor ATR-FTIR. Após selecionar os dois melhores fagos por Phage-ELISA, os peptídeos foram construídos e denominados C1-2 e H1-2. Os peptídeos e anticorpo controle (anti-HM) foram imobilizados em beads magnéticas para identificar SE em colônias isoladas e em carcaças de frango. Em seguida, empregamos um biossensor ATR-FTIR para detecção nas amostras, com a ajuda da inteligência artificial (IA). O peptídeo C1-2 foi o que apresentou melhores resultados, demonstrando alta sensibilidade (100%), especificidade (91,67%) e área sob a curva (AUC) (99,2%) em colônias isoladas de SE. Para amostras de carcaça, peptídeo H1-2 apresentou melhores valores de sensibilidade (88,57%), especificidade (75%) e AUC (76,5%) em relação ao C1-2, demonstrando ser um bom potencial para ser utilizado em testes seriados como triagem. No segundo capítulo, combinamos o ATR-FTIR apoiada por algoritmos de inteligência para detectar Salmonella Enteritidis (SE) em amostras de colônias puras. Os espectros de infravermelho (IR) foram registrados a partir de cinco sorotipos de Salmonella [(SE, S. Gallinarum (SG), S. Typhimurium (ST), S. Heidelberg (SH) e S. Dublin (SD)] e os dados foram divididos aleatoriamente entre treinamento dados (158 amostras) e dados de validação externa (118 amostras) para construir o banco de dados de Salmonella . Os modelos de algoritmos treinados com melhor desempenho preditivo foram Rondon Forest, Support Vector Machine (SVM) e Regressão Logística para os dados de teste (validação externa). Todos os modelos alcançaram um alto valor de precisão de 97,46%. Considerando um bom teste diagnóstico como aquele que apresenta os melhores valores de sensibilidade, especificidade e área sob a curva, os modelos Random Forest (94,74%, 97,98% e 99,7% respectivamente) e SVM (94,74%, 97,98% e 99,6% respectivamente) foram considerados por este estudo como os melhores para distinguir SE de outros sorovares de Salmonella . O conjunto de dados desta tese de doutorado sugere que o desenvolvimento de um biossensor rápido e sustentável, apoiado por algoritmos de inteligência artificial, juntamente com a seleção de moléculas utilizando a tecnologia Phage display integrada em testes imunoenzimáticos, tem um potencial significativo para o diagnóstico de Salmonella. |
Abstract: | Salmonella spp. is the main pathogen responsible for foodborne illnesses (FADs). Among the serotypes present in the S. enterica species, Salmonella Enteritidis (SE) is primarily associated with human diseases. SE control is mandatory in Brazil and many other countries, but its identification using microbiological tests followed by gold-standard serological and/or molecular tests is time-consuming and laborious for the food industry. His thesis consists of two chapters related to the development of a Fourier Transform Infrared Spectroscopy with Attenuated Total Reflectance (ATR-FTIR) biosensor for the detection of SE in pure colonies and/or bird carcasses, either associated or not with binding biomarkers. The first chapter describes the utilization of Phage Display technology for the selection of SE-binding phages and subsequent detection on the ATR-FTIR biosensor. Following the selection of the top two candidates via Phage-ELISA, the peptides were synthesized and designated as C1-2 and H1-2. These peptides, along with the control antibody (anti-HM), were immobilized on magnetic beads to detect SE in isolated colonies and chicken carcasses. We then utilized an ATR-FTIR biosensor for sample detection, aided by artificial intelligence (AI). The C1-2 peptide exhibited the most promising results, displaying high sensitivity (100%), specificity (91.67%), and an AUC (99.2%) in colonies isolated from SE. For carcass samples, the H1-2 peptide exhibited superior sensitivity (88.57%), specificity (75%), and AUC (76.5%) values compared to C1-2, indicating its potential for implementation in serial tests such as screening. In the second chapter, we combine ATR-FTIR supported by intelligence algorithms to detect SE in pure colony samples. Infrared (IR) spectra were recorded from five Salmonella serotypes [(SE, S. Gallinarum (SG), S. Typhimurium (ST), S. Heidelberg (SH), and S. Dublin (SD)] and the data was randomly split between training data (158 samples) and external validation data (118 samples) to build the Salmonella database. he algorithm models with the best predictive performance were Random Forest, Support Vector Machine (SVM), and Logistic Regression for test data (external validation). All models achieved a high accuracy value of 97.46%. Considering an attractive test to detect Salmonella as one that presents the best sensitivity, specificity, and area under the curve values, the Random Forest model (94.74%, 97.98%, and 99.7% respectively) and SVM (94.74%, 97.98%, and 99.6% respectively) were deemed by this study as the most effective in distinguishing SE from other Salmonella serovars. The dataset from this doctoral thesis suggests that the development of a rapid and sustainable biosensor, supported by artificial intelligence algorithms, along with the selection of molecules using Phage display technology integrated into immunoenzymatic tests, holds significant potential for Salmonella detection. |
Keywords: | Phage display Beads magnéticas ATR-FTIR Diagnóstico Sustentabilidade Salmonella Enteritidis Imunologia |
Area (s) of CNPq: | CNPQ::CIENCIAS BIOLOGICAS::IMUNOLOGIA |
Subject: | Imunologia Inteligência artificial - Aplicações médicas Infecção cruzada |
Language: | por |
Country: | Brasil |
Publisher: | Universidade Federal de Uberlândia |
Program: | Programa de Pós-graduação em Imunologia e Parasitologia Aplicadas |
Quote: | COUTO, Bruna Patricia. Desenvolvimento de biossensor para controle de Salmonella Enteritidis baseado em espectroscopia e inteligência artificial associada ou não a biomarcadores ligantes. 2024. 120 f. Tese (Doutorado em Imunologia e Parasitologia Aplicadas) - Universidade Federal de Uberlândia, Uberlândia, 2024. DOI http://doi.org/10.14393/ufu.te.2024.210 |
Document identifier: | http://doi.org/10.14393/ufu.te.2024.210 |
URI: | https://repositorio.ufu.br/handle/123456789/41714 |
Date of defense: | 27-Mar-2024 |
Sustainable Development Goals SDGs: | ODS::ODS 7. Energia limpa e acessível - Garantir acesso à energia barata, confiável, sustentável e renovável para todos. |
Appears in Collections: | TESE - Imunologia e Parasitologia Aplicadas |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
DesenvolvimentoBiossensorControle.pdf | 4.62 MB | Adobe PDF | ![]() View/Open |
This item is licensed under a Creative Commons License