Máquina de agrupamento por elipsóide: uma linha de frente para auxiliar no diagnóstico de doenças
Paulo Costa Carvalho,
Juliana de Saldanha Gama Fischer,
Valmir Carneiro Barbosa,
Gilberto Barbosa Domont,
Wim Maurits Sylvain Degrave,
Maria da Gloria da Costa Carvalho
Affiliations
Paulo Costa Carvalho
Universidade Federal do Rio de Janeiro, Programa de Engenharia de Sistemas e Computação, Ilha do Fundão, Rio de Janeiro, RJ, Brasil
Juliana de Saldanha Gama Fischer
Fundação Oswaldo Cruz, Instituto Carlos Chagas, Laboratório de Proteômica e Engenharia de Proteínas, Centro Industrial de Curitiba, Curitiba, PR, Brasil
Valmir Carneiro Barbosa
Universidade Federal do Rio de Janeiro, Programa de Engenharia de Sistemas e Computação, Ilha do Fundão, Rio de Janeiro, RJ, Brasil
Gilberto Barbosa Domont
Universidade Federal do Rio de Janeiro, Instituto de Química, Departamento de Bioquímica, Ilha do Fundão, Rio de Janeiro, RJ, Brasil
Wim Maurits Sylvain Degrave
Fundação Oswaldo Cruz, Instituto Oswaldo Cruz, Laboratório de Genômica Funcional e Bioinformática, Rio de Janeiro, RJ, Brasil
Maria da Gloria da Costa Carvalho
Universidade Federal do Rio de Janeiro, Instituto de Biofísica Carlos Chagas Filho, Urca, Rio de Janeiro, RJ, Brasil
Este estudo apresenta nova estratégia de inferência direcionada a detectar presença de doenças em amostras biológicas. Diferencialmente dos métodos existentes, esta técnica é aplicável quando o número de patologias e as mesmas são desconhecidos. Esta é exemplificada através de software que denominamos “Máquina de Agrupamento por Elipsóide”, do inglês, Ellipsoid Clustering Machine (ECM). O mesmo identifica regiões conservadas em perfis proteômicos obtidos por espectrometria de massa de amostras biológicas de indivíduos controles e estima limites para classifica- ção baseando-se na variância da expressão protéica. O software também pode ser utilizado para inspeção visual de reprodutibilidade de dados. O ECM foi avaliado utilizando perfis protéicos do soro de pacientes com a doença de Hodgkin e de indivíduos controle. De acordo com a validação cruzada leave-one-out, o ECM separou corretamente os grupos se baseando apenas na informação de quatro picos espectrais selecionados. Este trabalho descreve o algoritmo e apresenta imagens de modelos 3D representativos da separação. O software está disponível na página do projeto na internet junto com modelos interativos e uma animação demonstrando o método.