Metabonômica baseada em RMN como ferramenta para discriminação de grãos de soja irradiados & diagnóstico de hepatites e fibrose hepática

CNPq Neste trabalho, foram construídos modelos metabonômicos baseados na espectroscopia de ressonância magnética nuclear de hidrogênio (RMN de ¹H) e no emprego de técnicas de análise estatística multivariada para: discriminação entre grãos de soja expostos à radiação gama, com fins fitossanitários, e aqueles não irradiados; investigar e diferenciar portadores de hepatites virais (do tipo B ou C) de voluntários saudáveis; e classificar pacientes com hepatite C crônica, em função do grau de fibrose hepática. Para o trabalho usando grãos de soja, os extratos clorofórmicos dos mesmos foram analisados por RMN de ¹H e os modelos PCA e PLS-DA evidenciaram separação entre os grupos de amostras irradiadas e não irradiadas. Na validação cruzada total, o modelo PLS-DA apresentou uma exatidão de 100%, R² de 0,973 e Q² de 0,958. As variáveis discriminatórias mais importantes foram δ 1,57 e 1,62 ppm, que estão relacionadas aos grupos metilênicos β-carboxila de ésteres e dos ácidos carboxílicos livres, respectivamente. Nos estudos de casos de hepatites, foram analisados por RMN de ¹H amostras de soro e urina de pacientes portadores de hepatite B ou C e de voluntários saudáveis. Os modelos usando PCA ou PLS-DA construídos com o intuito de discriminar os três grupos analisados não apresentaram distinção entre os grupos. No entanto, para a discriminação entre o grupo dos pacientes com hepatites (B ou C) e o grupo controle, foram observadas tendências de separação nos modelos de PCA e PLS-DA, utilizando-se soro ou urina. Os melhores resultados foram obtidos usando amostras de soro. Na validação cruzada total, para o melhor modelo usando o formalismo PLS-DA apresentou exatidão de 80,2%, R² de 0,365 e Q² de 0,192. O formalismo LDA também foi utilizado e o modelo com as amostras de soro apresentou os melhores resultados, com sensibilidade de 92,3%, especificidade de 69,2%, valor preditivo positivo de 88,2% e valor preditivo negativo de 78,3%. Por fim, foram analisadas amostras de soro de pacientes com hepatite C crônica e diagnóstico de grau de fibrose, provenientes de dois grupos: amostras coletadas em Recife/PE e no Rio de Janeiro/RJ. Os modelos metabonômicos foram criados de forma a discriminar os diferentes graus de fibrose: fibrose avançada (F3 e F4) x fibrose não-avançada (F0, F1 e F2); fibrose significativa (F2, F3 e F4) x fibrose não-significativa (F0 e F1). Para as amostras de Recife/PE, usando o formalismo LDA, foram encontrados valores de exatidão maiores que 95%, em todos os modelos, utilizando validação cruzada. Amostras pertencentes ao grupo de fibrose intermediária (F2) foram encontradas a partir dos dois modelos anteriores com sensibilidade de 100%. As análises por PLS-DA também mostraram clara separação entre os grupos, e foram validadas por validação cruzada e teste de permutação. Para as amostras do Rio de Janeiro/RJ, as análises por LDA e PLS-DA mostraram resultados semelhantes. Os modelos construídos mostraram que a estratégia metabonômica pode ser empregada em diferentes segmentos, como agroindústria e medicina, com eficiências semelhantes. In this work, we built metabonomics models based on proton nuclear magnetic resonance (¹H NMR) and for multivariate statistical analysis. These models were used to discriminate among gamma irradiated and non-irradiated soybean samples for phytosanitary purposes; for research and discriminate of viral hepatitis patients (type B or C) from healthy volunteers; and to classify the degree of liver fibrosis in hepatitis C patients. For the study with soybeans, chloroform extracts of the grains were analyzed by ¹H NMR and metabonomics models with PCA and PLS-DA showed separation between the irradiated samples and non-irradiated ones. In the leave one out cross validation (LOOCV), the PLS-DA model showed an accuracy of 100%, R² of 0.973 and Q² of 0.958. The most important discriminatory variables were δ 1,57 and 1,62 ppm, which are related to ester β -carboxyl methylene groups and carboxylic acids β -carboxyl methylene groups, respectively. In the viral hepatitis study, serum and urine from patients with B or C hepatitis and from healthy volunteers were analyzed by ¹H NMR. None of the PCA and PLS-DA models were able to discriminate among the three groups. On the other hand, discrimination between hepatitis (B or C) patients and the control group was more effective, with separation trends in the models using PCA and PLS-DA, with serum and urine. The serum models showed the best results. In the LOOCV, PLS-DA model was accurate to 80.2%, R² of 0.365% and Q² of 0.192. The LDA formalism was also used with the serum models showed the best results, with a sensibility of 92.3%, specificity of 69.2%, predictive positive value of 88.2% and predictive negative value of 78.3%. Finally, serum samples from patients with chronic hepatitis C and fibrosis stage diagnosis were analyzed, from two groups: samples collected in Recife/PE and in Rio de Janeiro/RJ. Metabonomic models were created to differentiate among the different degrees of fibrosis: advanced fibrosis (F3 and F4) x non-advanced fibrosis (F0, F1 and F2); significant fibrosis (F2, F3 and F4) x non-significant fibrosis (F0 and F1). The Recife/PE LDA models showed more than 95% accuracy for LOOCV. Samples with intermediate fibroses (F2) were found with sensibility of 100%. PLS-DA models also clearly discriminated among the groups, validated with LOOCV and permutation tests models. The LDA and PLS-DA models for the Rio de Janeiro/RJ samples had similar results. The metabonomics models demonstrate that this strategy can be used in different areas, such as agribusiness and medicine, with similar efficiency.