Feasibility in the use of the UV-Visible region for the characterization of glucose in deionized water using Arduino 1 / Viabilidad en el uso de la región UV-Visible para la caracterización de glucosa en agua desionizada mediante Arduino 1

ABSTRACT With an estimated approximately 2 million deaths per year, diabetes is one of the top 5 deadliest noncommunicable diseases globally. Although this disease is not fatal, the degradation of the patient's health due to a bad plan to control their glucose levels can have a fatal outcome. In order to lay the foundations for the development of a device that allows estimating glucose levels in some body fluid, we present the results obtained not only for the estimation of glucose in deionized water, but also describe the development and configuration of the created device. After analyzing 50 signals obtained from 5 different glucose concentrations, the feasibility of using the developed device for the analysis is evident, since, considering the K-Nearest Neighbors (KNN) algorithm, all the signals were associated correctly to the glucose group to which they belong.

RESUMEN Con un estimado de aproximadamente 2 millones de muertes por año, la diabetes es una de las 5 enfermedades no transmisibles más mortales a nivel mundial. Aunque esta enfermedad no es mortal, el deterioro de la salud del paciente por un mal plan para controlar sus niveles de glucosa puede tener un desenlace fatal. Con el fin de sentar las bases para el desarrollo de un dispositivo que permita estimar los niveles de glucosa en algún fluido corporal, presentamos los resultados obtenidos no solo para la estimación de glucosa en agua desionizada, sino que también describimos el desarrollo y configuración del dispositivo creado. Luego de analizar 50 señales obtenidos a partir de 5 concentraciones de glucosa diferentes, se evidencia la factibilidad de utilizar el dispositivo desarrollado para el análisis, ya que, considerando el algoritmo K-Nearest Neighbors (KNN), todas las señales se asociaron correctamente al grupo de glucosa al que pertenecen.

Detection of People Positive to COVID-19 through ATR-FTIR Spectra Analysis of Saliva using Machine Learning / Detección de Personas Positivas a COVID-19 mediante el Análisis de Espectros ATR-FTIR de Muestras de Saliva empleando Machine Learning

ABSTRACT COVID-19 is an infectious disease caused by the SARS-CoV-2 virus. This virus's spread is mainly through droplets released from the nose or mouth of an infected person. Although vaccines have been developed that effectively reduce the effects that this viral infection causes, the most effective method to contain the virus's spread is numerous tests to detect and isolate possible carriers. However, the response time, combined with the cost of actual tests, makes this option impractical. Herein, we compare some machine learning methodologies to propose a reliable strategy to detect people positive to COVID-19, analyzing saliva spectra obtained by Fourier transform infrared (FTIR) spectroscopy. After analyzing 1275 spectra, with 7 strategies commonly used in machine learning, we concluded that a multivariate linear regression model (MLMR) turns out to be the best option to identify possible infected persons. According to our results, the displacement observed in the region of the amide I of the spectrum, is fundamental and reliable to establish a border from the change in slope that causes this displacement that allows us to characterize the carriers of the virus. Being more agile and cheaper than reverse transcriptase polymerase chain reaction (RT-PCR), it could be reliably applied as a preliminary strategy to RT-PCR.

RESUMEN La COVID-19 es una enfermedad infecciosa ocasionada por el virus SARS-CoV-2. La propagación de este virus se produce principalmente a través de gotitas liberadas por la nariz o la boca de una persona infectada. Aunque se han desarrollado vacunas que permiten reducir efectivamente los efectos que esta infección viral provoca, el método más eficaz para contener la propagación del virus son las numerosas pruebas para detectar y aislar los posibles portadores. Sin embargo, el tiempo de respuesta, combinado con el costo de las pruebas reales, hace que esta opción sea poco práctica. Aquí, comparamos algunas metodologías de machine learning para proponer una estrategia confiable para detectar personas positivas a COVID-19 analizando espectros de saliva obtenidos por espectroscopia infrarroja transformada de Fourier (FTIR). Tras analizar 1275 espectros, con 7 estrategias comúnmente empleadas en el área de machine learning, concluimos que un modelo de regresión lineal multivariante (MLMR) resulta ser la mejor opción para identificar posibles infectados. De acuerdo con nuestros resultados, el desplazamiento observado en la región de la amida I del espectro, resulta fundamental y confiable para establecer una frontera a partir del cambio de pendiente que este provoca. Al ser más ágil y económica que la reacción en cadena de la polimerasa con transcriptasa inversa (RT-PCR), podría aplicarse confiablemente como estrategia preliminar a RT-PCR.

Caracterización biomolecular mediante microespectroscopía FTIR en la fase de remodelación de la cicatrización en un modelo murino de lesión excisional / Biomolecular characterization by FTIR microspectroscopy in the modeling phase of wound cicatrization in a murine model of excisional injury

La cicatrización de la piel es un proceso complejo y organizado que involucra tres fases: inflamatoria, proliferativa y de remodelación. Es indispensable el análisis de este proceso biomolecularmente para investigar y proponer nuevas estrategias terapéuticas que mejoren la cicatrización o promuevan la regeneración. El objetivo de este proyecto fue analizar histológica y biomolecularmente mediante microespectroscopía infrarroja por transformada de Fourier (MFTIR) y su función de mapeo bioquímico, muestras de lesiones excisionales de piel, comparando los cambios morfológicos y espectroscópicos entre piel sana y piel cicatrizada. Se estandarizó un modelo de lesión excisional de piel en ratones hembra de la cepa NIH de 8 semanas de edad (n=16), provocando una herida excisional de 1 cm2. Se analizó piel sana (día 0) y cicatrizada (día 15 post-lesión) morfométrica, histológica y biomolecularmente mediante análisis fotográfico, técnica histológica y MFTIR con su función de mapeo. El análisis morfométrico demostró una reducción del área de la herida en un 87,6 % al día 15 post-lesión. Histológicamente, en la piel cicatrizada se evidenció un adelgazamiento de la epidermis y menor celularidad en la dermis, observándose la formación de tejido de granulación y fibras de colágena desorganizadas. Espectroscópicamente, se apreciaron cambios entre los dos grupos de estudio, principalmente en las bandas de lípidos y en la región de proteínas. El cálculo de las áreas bajo la curva y el mapeo bioquímico mostraron menor concentración de queratina y colágena en la piel cicatrizada, así como desorganización de las fibras de colágena. Se demostró la capacidad de la MFTIR para caracterizar de forma precisa los cambios biomoleculares en la cicatrización, entre ellos la cantidad de queratina, colágena, y el depósito y ordenamiento de las fibras de colágena asociadas a su maduración.

The skin cicatrization is a complex and organized process that involves three phases: inflammatory, proliferative, and remodeling. It is essential to analyze this process biomolecularly, in order to investigate and propose new therapeutic strategies that improve the healing or promote regeneration. The objective of this project was to analyze histological and biomolecularly through Fourier Transform infrared microspectroscopy (FTIRM) and its biochemical mapping function, samples of an excisional skin wound, comparing the morphological and spectroscopic changes between healthy skin and scarred skin. An excisional skin wound healing model was standardized using female, NIH strain 8-week-old mice (n = 16), provoking an excisional wound of 1 cm2. Healthy skin (day 0) and scarring skin (day 15 post-injury) were morphometrical, histological, and biomolecularly analyzed by digital picture analysis, histological technique, and FTIRM with its mapping function. The morphometric analysis showed a reduction of the wound area of 87.6 % at day 15 after wound. Histologically, in the scarred skin a thinning of the epidermis was evidenced, besides reduced cellularity in the dermis, granulation tissue formation, and disorganized collagen fibers were observed. Spectroscopically, changes between the study groups were appreciated, mainly in the lipid bands and in the protein region. The calculation of the areas under the curve and the biochemical mapping showed a lower concentration of keratin and collagen in the scarred skin, as well as collagen fibers disorganization. The ability of the FTIRM to accurately characterize biomolecular changes in cicatrization process was demonstrated, such as the amount of keratin, collagen, and the deposition and ordering of the collagen fibers associated with their maturation.