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 pruebas 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 =60,00%, 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 de un gran número de muestras y la implementación de técnicas de enriquecimiento y purificación, para evaluar la aplicabilidad del método desarrollado como técnica de tamizaje.