Imprimir Resumo


Congresso Brasileiro de Microbiologia 2023
Resumo: 531-2

531-2

IDENTIFICAÇÃO DE LEVEDURAS UTILIZANDO MACHINE LEARNING (INTELIGÊNCIA ARTIFICIAL) E ESPECTROSCOPIA NO INFRAVERMELHO PRÓXIMO

Autores:
Joselma Pedrosa da Silva (UFRR - Universidade Federal de Roraima) ; Ana Paula Folmer Correa (UFRR - Universidade Federal de Roraima) ; Francisco Santos Paneiro (UFRR - Universidade Federal de Roraima) ; Marcos José Salgado Vital (UFRR - Universidade Federal de Roraima)

Resumo:
Não obstante a importância das leveduras, inclusive pelo potencial biotecnológico, a identificação de isolados, seja por técnicas convencionais ou moleculares, demanda procedimentos longos e onerosos, levando dias para o processamento. Neste cenário, a aplicação de metodologias analíticas rápidas, não destrutivas, não invasivas e de baixo custo, para identificação de cepas promissoras, com metabolismo celular específico e tolerantes a estresses ambientais adversos, se apresenta como de grande importância. A espectroscopia do infravermelho na região próximo (NIR), pode ser utilizada para observar alterações morfológicas ou eventos moleculares em microrganismos e realizar o monitoramento on-line do processo de fermentação microbiana e optogenética. O objetivo deste trabalho foi identificar leveduras fermentadoras por espectroscopia NIR e comparar com a identificação feita por técnica molecular, visando avaliar a alternativa de identificação. As leveduras selecionadas foram coletadas do tubo digestório de insetos aquáticos fragmentadores dos gêneros Phylloicus e Stenochironomus, em igarapés de Roraima, e estão criopreservadas na coleção do Laboratório de Microbiologia do PRONAT – UFRR. Foram utilizadas quatro leveduras identificadas molecularmente como Yamadazyma akitaensis, Rhodotorula mucilaginosa e Cryptococcus cumiculi. A leitura, em espectrofotômetro NIR utilizando o detector de InAs, foram realizadas na faixa espectral de 714 a 2500nm, com resolução espectral de 8cm-1, e os resultados apresentados em porcentagens relacionados a descrição da amostra. A partir dos resultados, foi possível observar que a Analise de Componentes Principiais-PCA realizada sobre a matriz de dados espectrais com as componentes PC1 e PC2 descrevem 86,27% da variação total dos dados e fornecem informações discriminatórias das amostras. Observou-se também uma boa autenticação e discriminação entre elas, por gênero e espécie, de acordo com o resultado obtido na identificação molecular pela técnica PCR-RFLP, que realiza a amplificação da região do rDNA seguida da restrição dos fragmentos amplificados com enzimas de restrição e sua análise eletroforética. A primeira componente principal (PC1) descreve 63,46% da variação total e a segunda componente (PC2) descreve 22,81%. Os resultados obtidos foram confirmados pela Análise de Agrupamentos Hierárquicos-HCA. A técnica de espectroscopia NIR por refletância difusa, associada às técnicas de reconhecimento de padrões não supervisionados foram capazes de identificar gênero e espécie de leveduras, de forma rápida, não destrutiva e eficiente, sem uso de reagentes e geração de resíduos nocivos, preservando assim o meio ambiente. Com base nos resultados apresentados, pode-se inferir que a utilização da espectroscopia NIR tem grande potencial para identificação de leveduras, além de estar alinhada com a política mundial de desenvolvimento sustentável e química verde. Estes resultados são preliminares e carecem de validação utilizando cepas type.

Palavras-chave:
 biotecnologia, microrganismo, Yamadazyma, NIR, Amazônia


Agência de fomento:
CAPES