Identificação e rastreamento de câncer através da combinação de análise multivariada e técnicas bioespectroscópicas

Esta tese relata a aplicação das espectroscopias no infravermelho médio, de fluorescência molecular e espectrometria de massas, combinadas a técnicas de análise multivariada, para classificação de células cancerosas em cultivo e de lesões pré-cancerosas através de plasma sanguíneo. Em um primeiro es...

Nível de Acesso:openAccess
Publication Date:2017
Main Author: Menezes, Ana Carolina de Oliveira Neves
Orientador/a: Lima, Kassio Michell Gomes de
Format: Tese
Language:por
Programa: PROGRAMA DE PÓS-GRADUAÇÃO EM QUÍMICA
Assuntos em Portugês:
Áreas de Conhecimento:
Online Access:https://repositorio.ufrn.br/jspui/handle/123456789/24129
Citação:MENEZES, Ana Carolina de Oliveira Neves. Identificação e rastreamento de câncer através da combinação de análise multivariada e técnicas bioespectroscópicas. 2017. 113f. Tese (Doutorado em Química) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2017.
Resumo Português:Esta tese relata a aplicação das espectroscopias no infravermelho médio, de fluorescência molecular e espectrometria de massas, combinadas a técnicas de análise multivariada, para classificação de células cancerosas em cultivo e de lesões pré-cancerosas através de plasma sanguíneo. Em um primeiro estudo, matrizes de excitação/emissão de fluorescência molecular foram obtidas para diferentes linhagens de células normais (3T3, ARPE, HEK) e cancerosas (HepG2, HeLa, HT-29, 786-0) e modelos de classificação foram construídos utilizando uma combinação dos algoritmos OPLS e UPLS-DA. Taxas de acerto de 100% e 75% foram obtidas para as classes Normal e Cancerosa, respectivamente. Ainda, foi avaliada a influência dos anticorpos anti-MMP-2 e anti-MMP-9 no desempenho dos modelos de classificação. Na presença dos anticorpos, as taxas de acerto nas classificações aumentaram consideravelmente atingindo 100% para ambas as classes, Normal e Cancerosa, através dos algoritmos OPLS/UPLS-DA. Em um segundo estudo, a espectroscopia ATR-FTIR foi utilizada para obtenção de espectros de plasmas sanguíneos de mulheres saudáveis (negativas para lesão intraepitelial ou malignidade, NILM) e portadoras de lesão intraepitelial cervical (SIL) de baixo (LSIL) ou alto grau (HSIL), causadas pelo vírus HPV. Modelos multivariados de classificação foram construídos, visando uma metodologia de rastreamento para o câncer cervical. Os algoritmos PCA-LDA/QDA, SPA-LDA/QDA e GA-LDA/QDA foram aplicados como ferramentas de classificação e seus desempenhos comparados. De maneira geral, os resultados obtidos através do algoritmo GA-QDA foram os mais satisfatórios, utilizando apenas variáveis espectrais selecionadas que puderam ser relacionadas a grupos funcionais pertencentes a diferentes biomoléculas. Os modelos GA-QDA classificaram corretamente NILM vs. SIL com sensibilidade e especificidade em torno de 90% e 83%, respectivamente. NILM vs. LSIL apresentaram sensibilidade e especificidade variando entre 67-94% e 82-94%, respectivamente. Para NILM vs. HSIL, os valores de sensibilidade e especificidade estiveram entre 76-97% e 73-100%, respectivamente. Em um terceiro estudo, a espectrometria de massas foi aplicada para obter os espectros de lipídios extraídos do plasma sanguíneo de mulheres da Classe NILM (n=42) e SIL (n=34). Modelos de classificação multivariados foram construídos utilizando os classificadores LDA, QDA e SVM. Os modelos baseados em SVM permitiram a discriminação das classes com sensibilidade e especificidade de 83.3% e 80.0% para NILM e SIL, respectivamente. Alguns possíveis lipídios foram associados a cada classe, tais como prostaglandinas, esfingolipídios e fosfolipídios, Tetranor-PGFM e um lipídio hidroxiperoxidado. Os resultados obtidos em todos os estudos evidenciam a potencialidade das técnicas espectroscópicas e multivariadas como possíveis metodologias de rastreamento e identificação de câncer, o que poderia contribuir fortemente para a redução da morbidade e mortalidade causadas pela doença.
This thesis reports the application of both infrared and molecular fluorescence spectroscopy, as well as mass spectrometry, combined with multivariate analysis techniques for classification of cancerous cells in culture medium and precancerous lesions in blood plasma. In a first study, excitation/emission matrices of molecular fluorescence were obtained for normal (3T3, ARPE, HEK) and cancerous (HepG2, HeLa, HT-29, 786-0) cell lines and classification models were built by using a combination of the algorithms OPLS and UPLS-DA. Correct classification indexes of 100% and 75% were obtained for both classes, Normal and Cancer, respectively. In addition, it was evaluated the influence of the antibodies anti-MMP-2 and anti-MMP-9 in the performance of the classification models. In the presence of the antibodies, the correct classification indexes were considerably improved reaching 100% for both classes, Normal and Cancer, using the algorithms OPLS/UPLS-DA. In a second study, the ATR-FTIR spectroscopy was applied to obtain the spectra of blood plasma of both healthy women (negative for intraepithelial lesion or malignancy, NILM) and women with cervical intraepithelial lesion (SIL) of low grade (LSIL) or high grade (HSIL), caused by HPV virus. Multivariate classification models were built, aiming a screening methodology for cervical cancer. The algorithms PCA-LDA/QDA, SPA-LDA/QDA and GA-LDA/QDA were applied as classification tools and their performance was evaluated. In general, the results obtained by GA-QDA were the most satisfactory, by using only chosen spectral variables that could be related to chemical groups of different biomolecules. The models GA-QDA correctly classified NILM vs. SIL with sensitivity and specificity around 67-94% e 82-94%, respectively. For NILM vs. LSIL, sensitivity and specificity values were about 67-94% e 82-94%, respectively. For NILM vs. HSIL, the sensitivity and specificity values were 76-97% e 73-100%, respectively. In the third study, mass spectrometry was applied to obtain the spectra of lipids extracted from blood plasma of women of NILM (n=42) and SIL (n=34) classes. Multivariate classification models were built by using the classifiers LDA, QDA and SVM. SVM-based models allowed to discriminate the classes with sensitivity and specificity values of 83.3% and 80.0% for NILM and SIL, respectively. Some possible lipids were associated to each class, such as prostaglandins, phospholipids, sphingolipids, Tetranor-PGFM and a hydroperoxide lipid. The results achieved in all studies highlight the potentiality of the spectroscopic and multivariate techniques as possible methodologies for cancer screening, what could effectively contribute to reduce morbidity and mortality caused by cancer.