Upload
marco-calderisi
View
295
Download
3
Embed Size (px)
Citation preview
Università di SienaUniversità di Siena
Azienda Ospedaliera Universitaria SeneseAzienda Ospedaliera Universitaria Senese
Centro NMRCentro NMR-Linee di ricerca -
Workshop di Chemiometria 2008
Gruppo Divisionale Chemiometria e Società Italiana di Chemiometria
Pisa, 14-15 maggio 2008
Dott. Marco Calderisi
● PRESENTAZIONE DEL DOTTORATO
Settore: Metabonomica
Luogo: Università di Siena
Dipartimento di chimica
Centro NMR (c/o Ospedale Le Scotte, Azienda
Ospedaliera Universitaria Senese)
Tutor: Prof. Gianni Valensin
Dott. Antonio Vivi
Dott. Marina Cocchi
● CENTRO NMR
Il Centro NMR (Centro Universitario di Risonanza
Magnetica Nucleare), è un Centro Servizi dell'Università
degli Studi di Siena
● UNISI: Dip. Farmaco-Chimico e Tecnologico, Biologia
Molecolare, Chimica, Neuroscienze
● AOUS: Neuropsichiatria Infantile, U.O. Chirurgia dei
Trapianti (Rene)
● Esterni: Novartis
● CENTRO NMR
● Il Centro NMR occupa circa 257m2 di cui la metà è occupata dagli spettrometri
● Mantiene la stumentazione in modo autonomo (a questo servono i laboratori meccanico ed elettronico)
● Svolge attività di ricerca in campo biomedico con personale proprio
Chemical Lab23 m2
Biological Lab25 m2
Electronical Lab18 m2
Mechanical Lab22 m2
600 MHz NMR36 m2
500 MHz NMR26 m2
200+300 MHz NMR32 m2
400 MHz NMR WB27 m2
Adm Office24 m2
257 m2 Workstation24 m2
● CENTRO NMR
● Bruker DRX Avance 600MHz
● Bruker DRX Avance 500MHz
● Bruker AMX 400 Mhz Wide Bore
● Varian VXR 300MHz
● Varian Gemini 200MHz
● CENTRO NMR
● PROGETTI IN CORSO
1) Metabolites patterns in kidney transplant patients
2) Analysis of candidate genetic regions and peptides and
metabolites profile in autism (progetto Telethon)
● KIDNEY TRANSPLANT
Dr. M. Carmellini (Dip. di Chirurgia e Bioigegneria, Univ. di
Siena)
Dr. J. Trygg (Dip. di Chimica, Univ. di Umeå, Svezia)
Obiettivo:
Identificazione, mediante spetroscopia H1-NMR, di biopattern
dinamici (ovvero traiettorie individuali per ciascun paziente)
relativi all'andamento del recupero post-operatorio di pazienti
trapiantati di rene
● KIDNEY TRANSPLANT
DATI
1) spettri NMR (32K) di campioni di urina raccolti durante il
periodo post-operatorio [pazienti x spettri x tempo (giorni)]
2) dati clinici (glucosio, numero di dialisi, diuresi, terapia
farmacologica)
● KIDNEY TRANSPLANT
Elaborazione unsupervised mediante PCA
-140
-120
-100
-80
-60
-40
-20
0
20
40
60
80
-100 0 100
t[2]O
t[1]P
Vivi_transplant2005_Eigen.M41 (OPLS), Group 1 (10,14,15,18,20,22,23)t[Comp. 1]/t[Comp. 2]Colored according to classes in M41
R2X[1] = 0,256169 R2X[2] = 0,170422 Ellipse: Hotelling T2 (0,95)
1310 1
1310 2
1310 3 1310 41310 5
1310 6
1310 7
1310 8
1314 11314 2
1314 3
1314 4
1314 5 1314 61314 71314 8
1315 1
1315 2
1315 3
1315 41315 7
1315 8
1315 9
1315 10
1318 1
1318 21318 3 1318 6
1318 7
1318 81318 91318 101320 1
1320 2
1320 3
1320 4
1320 5
1322 1
1322 2
1322 3
1322 4
1322 5
1322 6
1323 11323 3
1323 41323 5
1323 6
1323 71323 8
1323 9
1323 10
SIMCA-P 11 - 2006-03-22 09:39:26
00 11
Individuazione di due
cluster correlati con il
decorso post
operatorio
(0=start, 1=end)
● KIDNEY TRANSPLANT
Elaborazione supervised mediante O-PLS-DA
● KIDNEY TRANSPLANT
è evidente che i pazienti 1317,
1324 e 1325 non hanno una
traiettoria simile agli altri pazienti.
I primi due mostrano infatti una
traiettoria che ha direzione opposta,
il 1325 non ha addirittura traiettoria
● KIDNEY TRANSPLANT
Dialisi (18 pazienti x 16 giorni) – cluster analysis
● KIDNEY TRANSPLANT
Glucosio (18 pazienti x 16 analisi) - PCA
2 4 6 8 1 0 1 2 1 4 1 60
1
2
3
4
5
6
7
8
9
S a m p l e
Q R
esid
uals
(20.
66%
)
1 3 0 9
1 3 1 0 1 3 1 1
1 3 1 2
1 3 1 3
1 3 1 4
1 3 1 5 1 3 1 6
1 3 1 7 1 3 1 8 1 3 1 9 1 3 2 0 1 3 2 2 1 3 2 3 1 3 2 4
1 3 2 5
1 3 2 7
S a m p l e s / S c o r e s P l o t o f g l u c o
1 2 3 4 7 8- 1 . 5
- 1
- 0 . 5
0
0 . 5
1
1 . 5
2
d a y
Q R
esid
ual C
ontri
butio
n
S a m p l e 1 6 1 3 2 5 Q R e s i d u a l = 8 . 0 5 4
0
1
2
3
7
14
● SPIEGAZIONE
Considerando i risultati derivanti sia dall'elaborazione dei dati
NMR, che dalle elaborazione dei dati clinici, è possibile notare
che i 3 pazienti outliers (1317, 1324, 1325) sono stati
sottoposti a un elevato (quantomeno rispetto agli altri) numero
di dialisi, ben 6 in 15 giorni.
Inoltre, il paziente 1325, che non mostra alcuna traiettoria
nell'analisi chemiometrica (modello O-PLS-DA), ha valori di
glucosio marcatamente anomali nei primi giorni successivi al
trapianto.
● AUTISMO (work in progress)
Prof. R. A. Wevers (Laboratorio di Pediatria e Neurologia,
Univ. di Nijmegen)
Prof. R. Wehrens (Dip. di Chimica Analitica, Univ. Di
Nijmegen)
Obiettivo:
L'autismo è la descrizione di un comportamento, non una
diagnosi specifica, pertanto attraverso l'individuazione di
pattern metabolici si intende verificare la presenza di
sottogruppi diagnostici specifici
● AUTISMO (work in progress)
DATI
FID e corrispondenti spettri NMR di campioni di urina di più
di 100 pazienti affetti da autismo
● AUTISMO (work in progress)
STRATEGIA OPERATIVA
● Elaborazione del dominio dei tempi (FID) e delle
frequenze (spettri NMR)
● Selezione dei più appropriati metodi di pretrattamento
del segnale, tra cui l'impiego delle wavelet sui segnali
FID
● Elaborazione dei segnali (usupervised e supervised)
● Definizione di criteri di valutazione della performance
degli algoritmi di elaborazione
● AUTISMO (work in progress)
RISULTATI ATTESI
Descrizione del sistema osservato
Identificazione di clusters
Identificazione di outliers
Input per successiva caratterizzazione genetica
● AUTISMO (work in progress)
TOOLBOX
● AUTISMO (work in progress)
ESEMPIO TOOLBOX
● AUTISMO (work in progress)
ESEMPIO TOOLBOX
● AUTISMO (work in progress)
ESEMPIO TOOLBOX
● AUTISMO (work in progress)
ESEMPIO TOOLBOX
● PROSPETTIVE FUTURE
● Kidney transplant: sviluppo del modello per studiare la
tossicità del trattamento farmacologico post operatorio,
(attualmente biopsia). CAC 2008.
● Autismo: migliorare la caratterizzazione della tipologia di
autismo, migliorare le possibilità di trattamento
farmacologico
● Sviluppo di una toolbox per il pretrattamento e l'analisi
dei segnali fid mediante wavelet
● FINE!!
Grazie per l'attenzione!