Análisis del Perfil Molecular de Staphylococcus aureus en Estado Plantónico y de Biofilm Empleando Espectrometría de Masas MALDI-TOF y Herramientas de Machine Learning
No Thumbnail Available
Date
2024-02-27
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Industrial de Santander
Abstract
Staphylococcus aureus es un patógeno oportunista de alta incidencia en la salud y la
seguridad alimentaria debido a su perfil de resistencia y capacidad de formar biofilm en diversas
superficies. En este trabajo, se llevó a cabo el análisis del perfil molecular S. aureus en estado
plantónico y de biofilm mediante espectrometría de masas MALDI-TOF. Se emplearon algoritmos
de machine learning supervisado con el objetivo de encontrar diferencias en los perfiles
moleculares obtenidos para estos estados. El perfil molecular hace referencia a las señales
representativas del espectro de masas de S. aureus en un rango de 2000 m/z a 20000 m/z. Se
utilizaron tres cepas de referencia de S. aureus (ATCC 29213, ATCC 43300 y ATCC BAA-44) en
estado planctónico (libre flotación) y en estado sésil (formación de biofilm). Todas las muestras se
trataron con cuatro protocolos de extracción de proteínas: i) Acido fórmico y acetonitrilo, ii)
BugBuster®, iii) Cloroformo - Metanol y iv) buffer de lisis. Los espectros de masas adquiridos se
ajustaron y normalizaron para realizar un análisis por componentes principales. Este análisis
evidenció que la extracción ácido fórmico y acetonitrilo agrupó mejor los datos según su estado
(plantónico o biofilm) en comparación con las demás extracciones. La evaluación de los modelos
generados por los algoritmos Máquina de Soporte Vectorial, XGboost, Random Forest y Redes
Neuronales Artificiales, de cada extracción mostró que los modelos de los algoritmos Máquina de
Soporte Vectorial y Redes Neuronales Artificiales alimentados con datos de la extracción ácido
fórmico y acetonitrilo, presentaron valores de F1-score de 0.94 y 0.92, respectivamente. Los
modelos predictivos generados con los datos provenientes de la extracción AF-ACN y los
algoritmos SVC y ANN son los más adecuados para continuar los estudios realizados en este
trabajo, debido a que presentaron valores superiores a 0.92 en la métrica F1-score. En la matriz de
confusión los dos algoritmos presentaron dos falsas identificaciones del estado planctónico y
ninguna falsa identificación del estado de biofilm. en general, ambas asociadas al estado
planctónico. Los resultados de este trabajo evidenciaron la viabilidad de implementar modelos
predictivos para la identificación del estado de biofilm
Description
Keywords
Espectrometría de Masas MALDI-TOF, perfil molecular, Staphylococcus aureus, Machine learning, biofilm