Facultad de Farmacia

Permanent URI for this community

https://repositorio.udec.cl/handle/11594/230

Browse

Browsing Facultad de Farmacia by Author "Araya Quintana, Juan Andrés"

Now showing 1 - 3 of 3
  • Thumbnail Image
    Item
    Caracterización química localizada de pulpas lignocelulósicas mediante técnicas microscópicas y análisis multivariado aplicado a imágenes
    (Universidad de Concepción., 2017) Araya Quintana, Juan Andrés; Castillo Felices, Rosario; Freer Calderón, Juanita
    El rendimiento en el proceso de obtención de etanol mediante sacarificación y fermentación de material lignocelulósico, depende en gran medida de la interacción de las enzimas con la fibra de celulosa, donde la presencia de lignina y hemicelulosas suponen una barrera para la accesibilidad enzimática, fenómeno conocido como recalcitrancia. La mayoría de los métodos analíticos existentes estudian la composición química de la madera a través de técnicas destructivas. Para estudiar más de cerca el fenómeno de la recalcitrancia es necesario desarrollar una estrategia que permita el análisis cualitativo y cuantitativo en la superficie misma de la fibra lignocelulósica. La visualización de la distribución espacial de los principales componentes químicos presentes en la fibra es posible mediante obtención de imágenes espectrales a través de micro-espectroscopía FT-IR, donde se obtiene un espectro infrarrojo desde cada píxel de la imagen microscópica. Debido a la gran cantidad de datos obtenidos desde una imagen espectral, es útil la utilización de diferentes técnicas de análisis multivariado, a fin extraer matemáticamente la información relevante que permita la separación e identificación de los diferentes componentes de la matriz. En este trabajo se analizaron por FT-IR de imágenes fibras pre-tratadas de material lignocelulósico. Las imágenes espectrales obtenidas fueron sometidas a análisis de componentes principales (PCA), resolución multivariada de curvas con mínimos cuadrados alternantes (MCR-ALS) y regresión por mínimos cuadrados parciales (PLS). La reconstrucción quimiométrica de las imágenes espectrales obtenidas permitió identificar in situ los diferentes compuestos químicos presentes en la fibra, así como describir su distribución. Además, se desarrollaron diferentes estrategias para análisis cuantitativo en imágenes espectrales, permitiendo cuantificar glucanos, lignina y hemicelulosa directamente desde la superficie de la fibra. Se aplicaron otras técnicas microscópicas, como microscopía electrónica de barrido (SEM) y microscopía laser confocal (CLSM) como métodos complementarios para el estudio de la ultraestructura de la fibra lignocelulósica. CLSM permitió la obtención de imágenes espectrales usando el espectro de emisión de compuestos auto-fluorescentes presentes en la madera. Mediante esta técnica fue posible identificar lignina y celulosa en la pared celular de fibras pre-tratadas y describir los patrones de distribución sin necesidad de métodos de marcaje molecular. Con las estrategias analíticas desarrolladas se observó que diferentes pre-tratamientos producen diferentes patrones de relocalización de lignina y que no es necesariamente el contenido total de lignina lo que afecta la accesibilidad enzimática, sino que la distribución en que ésta se encuentra en la pared celular. La plataforma analítica desarrollada permite el estudio químico micro-localizado, selectivo y no destructivo para matrices reales complejas y de estructura irregular, lo que proporcionaría una herramienta avanzada para el estudio del fenómeno de recalcitrancia. Este tipo de análisis tendría una aplicación transversal en el estudio de ambientes químicos en matrices microscópicas, por lo que su proyección en otras áreas del conocimiento constituye otra ventaja relativa a su desarrollo.
  • Thumbnail Image
    Item
    Desarrollo y evaluación de métodos multivariados basados en datos gineco-obstétricos y espectrales de suero para la predicción de diabetes gestacional en el primer trimestre del embarazo.
    (Universidad de Concepción, 2023) Mennickent Barros, Daniela Francisca; Guzmán Gutiérrez, Enrique Alberto; Araya Quintana, Juan Andrés
    Introduction: Gestational diabetes mellitus (GDM) is a hyperglycemia state that is diagnosed in the second or third trimester of pregnancy, however by that time the fetal phenotype is already altered. Strategies to predict GDM in earlier stages of pregnancy are reported in literature; nevertheless they present low predictive power or require long times of analysis. General objective: To evaluate methods based on the multivariate analysis of gyneco-obstetrical and/or serum spectral data for the prediction of GDM in the first trimester of pregnancy. Analytical strategy: GDM predictive models were developed using single- and multi-block multivariate analysis techniques, and (1) gyneco-obstetrical data (53 clinical and 10 biochemical parameters); (2) near-infrared (NIR) serum spectral data; or (3) both (28 clinical parameters, and NIR). Results: The best models of (1), (2) and (3) achieved an area under the ROC curve of 0.867, 0.577 and 0.522, respectively. Only the first one increased the predictive power in comparison to the literature average. The best models of (2) and (3) achieved an analysis time of 32 minutes. Both decreased the time of analysis in comparison to the literature average. Conclusion: Strategies based on the multivariate analysis of first trimester gyneco-obstetrical and/or serum spectral data improve the prediction of GDM in early pregnancy, either by increasing the predictive power or by reducing the time of analysis.
  • Thumbnail Image
    Item
    Generación de un modelo clinico-genético durante el embarazo para la predicción temprana de glicemia alterada.
    (Universidad de Concepción, 2023) Ortega Contreras, Bernel Ignacio; Guzmán Gutiérrez, Enrique Alberto; Araya Quintana, Juan Andrés
    During pregnancy, blood glucose alteration causes a fetoplacental deregulation, increasing risk that both (the mother and her offspring) to suffer short- and long-term complications due to this condition. The diagnostic criteria currently used are late, there is not universal consensus or predictive methods that can early detect Altered Glycemia (AG) in this period. Several studies have shown that there are genetic and clinical factors that could be useful as predictors of AG during pregnancy. Within the genetics, variants have been found in the TCF7L2, FTO and DIO2 genes, which are related to an increased risk of developing this condition. The aim of this study was to generate a predictive model of AG in the second trimester of pregnancy, which included the genetic variants, clinical and biochemical data at the beginning of pregnancy. For this, clinical and biochemical information was collected from a sample of pregnant patients, who were classified according to their blood glucose levels (AG and normal glycemia (NG)), comparing both groups. These patients were genotyped according to the polymorphisms, to then establish the individual associations of each genotype with clinical and biochemical parameters of pregnant women. With this information and using the Soft independent modeling of class analogies (SIMCA) multivariate method, a predictive model of AG in the second trimester of pregnancy was generated, based on relevant clinical, biochemical, and genetic parameters of first trimester. In addition, through a regression analysis using Partial Least Squares (PLS), a predictive model of 2- hours post-load blood glucose in pregnancy was generated, using first trimester variables. Of the total pregnant patients (68), 35% (24) had AG during pregnancy, who were characterized by being older and presenting higher basal blood glucose levels in the first trimester of pregnancy. In the genetic analysis, no associations were found between the genetic variants and AG during pregnancy. However, for rs7903146 (TCF7L2) variant, the “TT” risk genotype was associated with higher weight and BMI in first trimester and elevated basal blood glucose levels in the second trimester of pregnancy, compared to the other genotypes. In addition, TSH levels were lower in patients with the risk allele "T". For the rs225014 (DIO2) variant, second trimester basal blood glucose levels were higher in carriers of the “CC” risk genotype, which was also associated with decreased total triiodothyronine (TT3) levels. Also, a positive correlation was established between the 2-hours post-load blood glucose levels and the genetic score, where the best model (R: 0.35) considered the rs12255372 (TCF7L2), rs9939609 (FTO) and rs225014 (DIO2) genotypes. In the multivariate analysis, the SIMCA predictive model for the classification of GA in pregnant women presented an AUC (Area under curve) for the ROC (receiver operating characteristic) curve of 0.8734, together with a sensitivity and specificity of 0.8182 and 0.9286 respectively, while PLS predictive model, for 2-hours post-load blood glucose levels at pregnancy, presented an AUC of 0.7890 with the highest sensitivity and specificity (0.7727 and 0.8333, respectively) at a glycemia cutoff of 115 mg/dL. Based on the presented results, the genetic factors together with the clinical and biochemical variables evaluated are relevant for the development of AG during pregnancy, and the predictive model would allow early detection of this condition.
Síguenos en...