Reconhecimento de padrões genômicos e proteônicos por aprendizagem de máquinas para o diagnóstico médico / Proteomic and genomic pattern recognition by machine learning for medical diagnosis

RESUMO

Estudos referentes ao perfil proteônico Foi realizada uma comparação entre o perfil proteômico do soro de pacientes com doença de Hodgikin (HD) e de teóricos saudáveis (CS), com o intuito de buscar padrões moleculares diferencialmente expressos para a obtenção de diagnóstico personalizado. Inicialmente, foi feito um gel unidimensional que revelou duas bandas sobre-expressas (26 e 18 kDa) em pacientes com HD (pespectrometria de massa (electrospray - ESI), foram obtidos espectros oriundos de soro de 30 CS e 30 pacientes pacientes com HD. Foi implementado um classificador baseado em máquinas de vetor de suporte (SVM) que classificou corretamente todos os espectros como pertencentes ao seu ao seu respectivo conjunto baseando-se no método de validação cruzada leave-one-out. Um novo algorítimo intitulado análise por divergência máxima (MDA) foi utilizado no espectro multicarga para rastrear biomarcadores. Com apenas dois marcadores, já era possível classificar corretamente 97 (por cento) de todos os indivíduos. Acreditamos que esta foi a primeira vez que SVM foi aplicado a espectros ESI para fins de diagnóstico médico. Uma nova abordagem para problemas multi-classe que denominamos máquina de clusterização por elipsóides (ECM) foi utilizada para selecionar regiões no espectro livre dos efeitos da doença de hodgkin e mapeá-los no espaço de características. Todos os CS e pacientes com HD foram corretamente classificados pelo teste de validação cruzada leave-one-out. As fronteiras elípticas aqui modeladas poderiam representar uma definição geométrica de um soro controle. Eventualmente, ao assimilar novos biomarcadores, acreditamos que o modelo poderá ser utilizado para o diagnóstico simultâneo de diversos tipos de câncer...