Investigação de sibilância recorrente e não recorrente em lactentes usando metabonômica baseada em RMN de 1H

Abstract

Estratégias adaptadas às características individuais de pacientes mostram-se promissoras para o diagnóstico de doenças e podem levar a uma melhoria da saúde das populações. A metabonômica faz uso da espectroscopia de Ressonância Magnética Nuclear (RMN) de 1H para a avaliação de biofluidos, com preparo mínimo de amostra. A incidência de três ou mais episódios de sibilância durante um ano descrevem o quadro de sibilância recorrente, condição associada a níveis mais baixos de função pulmonar que aqueles que não apresentam um quadro de sibilância. Desenvolver ferramentas que permitam o reconhecimento de potenciais fatores associados à sibilância, principalmente na forma recorrente, é de grande importância para pacientes lactentes. Com isso, o presente estudo almejou desenvolver modelos metabonômicos, a partir de dados espectrais de RMN de 1H de soro, capazes de discriminar lactentes que apresentam quadro de sibilância não recorrente daqueles que tem um quadro de sibilância recorrente. Amostras de soro de lactentes que apresentavam sintomas de sibilância foram analisadas por espectroscopia de RMN de 1H e foram usadas ferramentas de estatística multivariada para discriminar os pacientes com sibilância recorrente (n = 25) (SR) dos que apresentavam sibilância não recorrente (n = 25) (SNR). As análises espectroscópicas foram realizadas utilizando um espectrômetro de RMN de 1H, operando a 400 MHz, aplicando as sequências de pulso HPRESAT para saturação do sinal da água e Carr-Purcell-Meiboom-Gill (CPMG). Os espectros foram processados utilizando o software MestReNova. Para o cálculo dos modelos metabonômicos foram empregadas as técnicas: análise de componentes principais (PCA), para análise exploratória; análise de discriminantes por projeções ortogonais à estrutura latente (OPLS-DA) e análise discriminante linear com o algoritmo genético (GA-LDA), para análise de discriminantes; e, para análise de classe única, utilizou-se o formalismo Data Driven Soft Independent Modeling of Class Analogy (DD-SIMCA). Para os cálculos de PCA e OPLS-DA utilizou-se o MetaboAnalyst 5.0 enquanto para as análises de GA-LDA e DD-SIMCA, MATLAB 2010a software. O modelo que apresentou a melhor performance foi o DD-SIMCA, que obteve 78,6% de sensibilidade, 87,5% de especificidade, 81,8% de precisão, 91,7% de valor preditivo positivo e 70,0% de valor preditivo negativo para discriminação dos pacientes com sibilância não recorrente. Nove regiões espectrais foram identificadas como importantes na separação dos grupos de sibilância recorrente e sibilância não recorrente. A partir dessas regiões espectrais, foi possível identificar sete metabólitos endógenos e duas rotas metabólicas associadas à discriminação observada: (I) metabolismo de alanina, aspartato e glutamato; e (II) metabolismos de glutamina e glutamato. A análise multivariada de dados tornou possível desenvolver um modelo metabonômico com alta sensibilidade e especificidade, útil para o diagnóstico diferencial de sibilância recorrente e sibilância não recorrente.