Espectrometría de Masas MALDI-TOF MS como herramienta para el diagnóstico de enfermedades infecciosas : evaluación del potencial de MALDI-TOF MS acoplado al entrenamiento automatizado a través de un modelo predictivo que contribuya al diagnóstico de SARS-CoV-2.

Abstract

La Espectrometría de Masas (EM) a través de la técnica MALDI-TOF MS, se ha utilizado desde hace varios años, para la detección de bacterias y hongos de relevancia clínica, además de sus diversas aplicaciones en proteómica, metabolómica, lipidómica, toxicología, endocrinología, genética y microbiología para caracterizar biomarcadores tales como proteínas, péptidos, lípidos, hormonas, metabolitos y nucleótidos. Aunque más recientemente, su uso se ha incrementado en el campo de la medicina y el diagnóstico clínico, siendo un enfoque que al día de hoy hace falta explorar. Por otra parte, desde el mes de marzo del año 2020, el mundo se ha visto detenido por una nueva enfermedad, conocida como COVID-19, causada por el virus del síndrome respiratorio agudo severo coronavirus 2 (SARS-CoV-2). La detección temprana, sensible y específica del virus del SARS-CoV-2 es ampliamente reconocida como el punto crítico para responder al brote que preocupa al sistema de salud. Actualmente, el diagnóstico se basa fundamentalmente en técnicas moleculares de RT-PCR en tiempo real, aunque su implementación en los laboratorios, se ve amenazada por los altos costos y la extraordinaria demanda de insumos a nivel mundial. Es por eso, que el desarrollo de ruebas alternativas y / o técnicas complementarias se ha vuelto tan relevante. En este proyecto, se explota el potencial de la tecnología de EM en combinación con algoritmos de aprendizaje automático, para la detección de perfiles proteicos característicos obtenidos a partir de muestras de hisopados nasofaríngeos de pacientes positivos y pacientes negativos de COVID-19. El procedimiento se propone de esta forma para simplificar la toma de muestra y el procesamiento de los datos, y para establecer una correlación directa entre el desempeño de los modelos propuestos basados en inteligencia artificial, con respecto a los resultados obtenidos mediante las técnicas de referencia actuales. Según los resultados preliminares alcanzados a partir de este desarrollo (precisión = 67,66%, sensibilidad = 61,76%, especificidad = 71,72%, VPP = 0,00%, VPN =73,20%), los métodos basados en espectrometría de masas junto con el análisis multivariado, demostraron que la proteómica es una herramienta interesante que merece ser explorada como un enfoque diagnóstico complementario de enfermedades infecciosas y no infecciosas, debido a su bajo costo y alto rendimiento. Sin embargo, se deben tomar en consideración pasos adicionales, como el análisis den gran número de muestras y la implementación de técnicas de enriquecimiento y purificación, para evaluar la aplicabilidad del método desarrollado como técnica de tamizaje.

Mass Spectrometry (MS) through the MALDI-TOF MS technique has been used for several years for the detection of clinically relevant bacteria and fungi, in addition to its various applications in proteomics, metabolomics, lipidomics, toxicology, endocrinology, genetics and microbiology to characterize biomarkers such as proteins, peptides, lipids, hormones, metabolites and nucleotides. Although more recently, its use has increased in the field of medicine and clinical diagnosis, being an approach that today needs to be explored. On the other hand, since March 2020, the world has been stopped by a new disease, known as COVID-19, caused by the severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) virus. Early, sensitive and specific detection of the SARS-CoV-2 virus is widely recognized as the critical point in responding to the outbreak that concerns the health system. Currently, the diagnosis is fundamentally based on real-time RT-PCR molecular techniques, although its implementation in laboratories is threatened by high costs and the extraordinary demand for inputs worldwide. That is why the development of alternative tests and/or complementary techniques has become so relevant. In this project, the potential of MS technology is exploited in combination with machine learning algorithms, for the detection of characteristic protein profiles obtained from nasopharyngeal swab samples from COVID-19 positive and negative patients. The procedure is proposed in this way to simplify the sampling and data processing, and to establish a direct correlation between the performance of the proposed models based on artificial intelligence, with respect to the results obtained by current reference techniques. According to the preliminary results achieved from this development (precision = 67.66%, sensitivity = 61.76%, specificity = 71.72%, PPV =60.00%, NPV = 73.20%), the methods based in mass spectrometry together with multivariate analysis, demonstrated that proteomics is an interesting tool that deserves to be explored as a complementary diagnostic approach for infectious and non-infectious diseases, due to its low cost and high performance. However, additional steps, such as the analysis of a large number of samples and the implementation of enrichment and purification techniques, must be taken into consideration to assess the applicability of the developed method as a screening technique.