Prospecção quantitativa e qualitativa de uma nova fonte renovável de quitosana / Quantitative and qualitative exploration of a new renewable source of chitosan

A quitosana é um biopolímero funcional com grande potencial de desenvolvimento, podendo gerar diferentes tipos de materiais com variadas funções. Conforme modificações na sua estrutura, a quitosana tem encontrado aplicações nas mais diversas áreas, possuindo um grande leque de aplicações. Apesar do crescente uso da quitosana e do aumento das pesquisas por novas aplicações, a prospecção de outras opções de fontes (que não crustáceos) de quitosana não têm sido consistentemente apresentadas. O objetivo do presente projeto é realizar a prospecção quantitativa e qualitativa de uma nova fonte renovável de quitosana. Temos como uma fonte alternativa para a produção de quitosana, os blatódeos que são comumente conhecidos como baratas. Eles são organismos terrestres que apresentam uma reprodução consideravelmente rápida, se adaptam aos mais variados ambientes e tem o custo de criação baixíssimo devido à sua fácil adaptação ao ambiente e alimentação. Além disso, os blatódeos não possuem sazonalidade, e ainda realizam ecdises, podendo-se utilizar as exúvias para a produção de quitosana. Foram determinados o processo e o rendimento do processo de obtenção de quitosana a partir de blatódeos (Phoetalia pallida). Os blatódeos foram submetidos a tratamento com solução de hidróxido de sódio 50% (p/v) em temperatura de 120 ºC por sete tempos diferentes (1, 2, 3, 6, 10 e 20 horas). As quitosanas obtidas foram caracterizadas mediante técnicas de espectroscopia no Infravermelho (FTIR), comportamento térmico (TG/DTG e DSC), difração de raios-x, viscosimetria e teste de solubilidade. A obtenção de quitosana a partir de blatódeos apresentou vantagens em relação à produção a partir de crustáceos: reduzido número de etapas do processo e dispensa o tratamento com HCl, que é um poluente. O processo de obtenção de quitosana teve rendimento de aproximadamente 15%, variando de acordo com o tempo de reação. De uma maneira geral, as quitosanas de barata apresentaram características semelhantes à quitosana de camarão

Chitosan is a functional biopolymer with great development potential, which can generate different types of materials with several purposes. Depending on changes in its structure, chitosan has found applications in several areas, having a wide range of applications. Despite the increasing use of chitosan and the increase in research for new applications, the exploration of other options as sources of chitosan (other than shellfish) have not been consistently shown. The goal of this project is to conduct a quantitative and qualitative exploration of a new renewable source of chitosan. Blattaria, commonly known as cockroaches, are an alternative source for the production of chitosan. They are terrestrial organisms that present a considerably fast reproduction, adapt to many different environments and have a very low cost of growing, due to its easy adaptation to the environment and food. Moreover, the cockroaches don´t present seasonality and still perform ecdysis, where the exuvia can be used to produce chitosan. The process and the efficiency of the process of obtaining chitosan from the cockroaches, Phoetalia pallida, were determined: they were treated with a solution of sodium hydroxide 50% (w / v) at a temperature of 120 °C for seven different time periods (1, 2, 3, 6, 10 and 20 hours). Chitosans obtained therefrom were characterized by Infrared spectroscopy (FTIR), thermal behavior (TG / DTG and DSC), x-ray diffraction, viscosimetry and solubility test. Obtaining chitosan from cockroaches showed advantages over the production from shellfish: reduced number of process steps and not requiring treatment with HCl, which is a pollutant. The process of obtaining chitosan showed an efficiency of approximately 15%, depending upon the reaction time. In general, the cockroach chitosan showed characteristics similar to shrimp chitosan

Association and Classification Data Mining Algorithms Comparison over Medical Datasets / Comparação de Algoritmos de Classificação e de Associação de Mineração de Dados sobre Bases de Dados Médicos / Comparación de Algoritmos de Clasificación y de Asociación de Míneria de Datos sobre Bases de DatosMédicos

Objectives: Compare Data Mining algorithms related to Classification and Association tasks over medical datasets about dermatology, vertebral column and breast cancer patients, analyzing which is the best one over each of these datasets. Methods: The classification algorithms are ran over these datasets and compared using precision, F-measure, ROC curve and Kappa performance metrics. For associaton task, the Apriori algorithm is ran to get a significant number of rules with confidence above 90%. Results: For diagnostics prediction about breast cancer and dermatology issues, the best classification algorithm was BayesNet and for vertebral column was the Logistic Model Tree. For association task, were extracted 100 knowledge rules for breast cancer and dermatology issues with confidence higher than 90% while for vertebral column were found 18 with same confidence. Conclusion: The comparison was useful to prove the possibility of using Data Mining algorithms to help Medicine decision engine with good precision.

Objetivos: Compar os algoritmos de Mineração de Dados de Classificação e Associação de dados sobre bases de dados de dermatologia, câncer de mâma e de problemas da coluna vertebral. Métodos: Os algoritmos de classificação foram executados sobre essas bases de dados e comparadas pelas métricas de precisão, F-measure, curva ROC e Kappa. Para associação, o algoritmo Apriori é executado para gerar um número significante de regras com confiança acima de 90%. Resultados: Para a predição de diagnósticos sobre câncer de mâma e dermatologia o melhor algoritmo foi o BayesNet e para coluna vertebral foi o de Árvore de Modelo Logístico. Para a tarefa de associação, foram extraídas 100 regras de conhecimento para a base de câncer de mâma e de dermatologia com confiança acima de 90% enquanto para a da coluna vertebral foram encontradas 18 com a mesma confiança. Conclusão: A comparação foi útil para provar a possibilidade do uso de algoritmos de Mineração de Dados no auxílio ao processo decisório na Medicina com boa precisão.

Objetivos: Comparar los algoritmos de minería de datos relacionados con las tareas de clasificación y asociación de conjuntos de datos médicos sobre dermatología, coluna vertebral y patientes con cáncer de mama, analizando cual es el mejor en cada uno de estos conjuntos de datos. Métodos: Los algoritmos de clasificación se pasó por encima de estos conjuntos de datos y se compararon con las métricas de rendimiento precisión, F-medida, la curva ROC y Kappa. Para la tarea Associaton, el algoritmo Apriori obtiene normas de confianza superior al 90%. Resultados: Para la predicción de diagnóstico sobre el cáncer de mama y problemas dermatológicos el mejor algoritmo de clasificación fue BayesNet y de la columna vertebral era el árbol del modelo logístico. Para tarea de asociación, se extrajeron 100 reglas de conocimiento para el cáncer de mama y problemas dermatológicos con confianza mayor que 90%, mientras que para la columna vertebral se encontraron 18 con la misma confianza. Conclusión: La comparación es útil para demostrar la posibilidad de utilizar algoritmos de minería de datos para ayudar a motor de decisóin de Medicina con buena precisión.