Browsing by Subject "Biomarkers"

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Estudio de la Correlación entre los Compuestos Orgánicos Volátiles en el Aliento Exhalado Condensado (AEC) Medidos y el Desarrollo de Diabetes MellitusTipo 2
    (Pontificia Universidad Javeriana Cali, 2025) Gutiérrez, Daniela; Delvasto, Jerónimo; Jaramillo Botero, Andrés; Viviana, Ortega Burbano
    El presente trabajo tuvo como objetivo estudiar los compuestos orgánicos volátiles (COVs) presentes en el aliento exhalado condensado (AEC) para establecer su relación con el riesgo de desarrollar diabetes mellitus tipo 2. Se empleó cromatografía de gases acoplada a espectrometría de masas (GC-MS) como técnica principal de análisis, lo que permitió detectar y cuantificar los metabolitos volátiles presentes en las muestras. La investigación se estructuró en etapas que incluyeron una revisión teórica, el diseño de un protocolo para la recolección y análisis de muestras, y el posterior tratamiento estadístico de los datos obtenidos. Como resultado, se identificaron diez metabolitos significativamente presentes en individuos clasificados como de alto riesgo de desarrollar diabetes tipo 2. De estos, cinco metabolitos presentan rutas metabólicas de origen endógeno bien descritas, entre los cuales octanal y 6- methyl-5-hepten-2-one destacaron por su relevancia estadística. Estos compuestos son propuestos como posibles biomarcadores tempranos de la enfermedad. La evidencia obtenida respalda el uso del análisis de COVs en AEC como herramienta diagnóstica no invasiva para la detección precoz del riesgo metabólico, contribuyendo al desarrollo de estrategias de medicina predictiva.
  • Thumbnail Image
    Item
    Modelo predictivo de resistencia antibiótica en bacterias bucales mediante análisis fenotípico y taxonómico
    (Pontificia Universidad Javeriana Cali, 2025) Sotelo Ariza, Ana Luisa; Barrera Salgado, Jorge Iván; Tobar Tosse, Henry Fabián
    Este proyecto presenta un enfoque de aprendizaje supervisado para predecir resistencia antibiótica en bacterias bucales mediante la integración de características fenotípicas y taxonómicas. Se construyó un flujo de procesamiento y consolidación de datos a partir de cuatro fuentes heterogéneas del repositorio BV-BRC: metadatos de muestras clínicas, identificadores genómicos, información del linaje taxonómico y registros fenotípicos de susceptibilidad a antibióticos. La fase de preprocesamiento incluyó normalización de columnas, depuración de valores faltantes e inconsistentes, eliminación de duplicados, estandarización del nombre científico y procesamiento por bloques para manejar archivos TSV de gran tamaño. Este procedimiento permitió generar un conjunto de datos unificado y estructurado para análisis estadístico y modelado predictivo. Se realizó un análisis exploratorio que caracterizó la distribución de las bacterias por familia, género y especie, así como su relación con los fenotipos de resistencia. Mediante tablas cruzadas, gráficos de barras apiladas y mapas de calor proporcionales, se identificaron grupos taxonómicos con mayor prevalencia de fenotipos resistentes. Posteriormente, se implementó un modelo de regresión logística binaria empleando codificación categórica, validación mediante división train–test y métricas de desempeño como exactitud, precisión, recall y F1-score. El modelo alcanzó un accuracy del 75.2 % y un F1-score de 0.49, resultados que reflejan el desbalance entre clases y la complejidad inherente a la predicción de resistencia antibiótica. No obstante, el análisis de los coeficientes permitió identificar señales fenotípicas y taxonómicas asociadas a niveles diferenciados de resistencia. Los resultados demuestran la viabilidad de este enfoque computacional para caracterizar tendencias de resistencia antibiótica en bacterias bucales y constituyen una base metodológica para el desarrollo de modelos predictivos más robustos, con aplicaciones potenciales en vigilancia epidemiológica y análisis microbiológico basado en datos.