Metodología de pre-procesamiento de datos adquiridos por MALDI-MSI en muestras de tejidos / Pre-processing methodology of acquired data by MALDI-MSI in tissue samples

RESUMEN

En la última década, la Imagenología por Espectrometría de Masas MALDI (MALDI-MSI) ha demostrado su potencial en el campo de la proteómica. Debido a la alta dimensionalidad de los conjuntos de datos obtenidos en los experimentos de MADI-MSI y las variabilidades inherentes al proceso de adquisición, presentes en los mismos, se hace necesario llevar a cabo una etapa de pre-procesamiento, que reduzca estas distorsiones. La presente investigación propone una metodología de procesamiento de datos de MALDI-MSI sustentada en un conjunto de aplicaciones desarrolladas en MatLab, la Biblioteca Qt4, así como la herramienta de visualización DataCube Explorer. Entre los resultados se pueden destacar la obtención de cambios en las intensidades de los píxeles de las imágenes reconstruidas después de la introducción de ruido, así como el incremento de la Relación Señal-Ruido después de someter los espectros a los métodos de filtrado de Kaiser, Savitzky-Golay y Promedio deslizante, destacándose Kaiser sobre los demás, lo que puede traducirse como una disminución de los niveles de distorsión en los espectros de cada pixel. Se realizó la reconstrucción satisfactoria de la imagen patrón y su visualización con la herramienta DataCube Explorer(AU)

ABSTRACT

At last decade, MALDI Mass Spectrometry Imaging (MALDI-MSI) has demostrated being a powerful tool in proteomics field. Because of high dimensionality of the acquired datasets in MALDI-MSI experiments and the inherent variabilities to the acquisition process, present in them, it´s necessary carry out a pre-processing stage, which reduces these distortions. This paper proposes a processing methodology of data MALDI-MSI supported in applications developed in MATLAB, Qt4 Library, as well as the visualization tool Datacube Explorer. Among the results obtained, it can be highlighted the changes in the intensities of the pixels of the reconstructed images after introducing noise, as well as the increasing of Signal-Noise Ratio after applying the denoising methods Kaiser, Savitzky-Golay and "sliding average", highlighting Kaiser over the other techniques, which can be interpreted as a decreasing of the distortion levels in each pixel´s spectrum. The reconstruction of example image and its visualization with Datacube Explorer tool were satisfactory(AU)