Las enfermedades cardiovasculares son, hoy en día, muy prevalentes en las poblaciones de todo el mundo y se espera que la tendencia siga en aumento en los años venideros. Por lo tanto, es de interés general desarrollar nuevos métodos que capaciten a los profesionales para asesorar fiablemente en función del perfil cardiovascular de los pacientes. Gracias a la metabolómica se han conseguido nuevas técnicas analíticas como la resonancia magnética nuclear (RMN) que se han aplicado para predecir lípidos estándares altamente relacionados con las enfermedades cardiovasculares. El presente trabajo evalúa y desarrolla modelos de predicción PLS (Regresión de mínimos cuadrados parciales) basados en la resonancia magnética nuclear de protones con la finalidad de obtener una cuantificación del colesterol y los triglicéridos totales en muestras de plasma animal de tres conjuntos (cerdos, N = 230 donde N es el número de muestras). Primero se efectuaron estudios estadísticos descriptivos básicos para comprender mejor el comportamiento de las muestras. Después se efectuó un PCA (Análisis de componentes principales) que indicaría cómo se separan las muestras según diferentes variables. Tras observar los resultados obtenidos hasta el momento se decidió excluir las muestras del conjunto 3 ya que estos no eran comparables a las muestras de los otros dos. A continuación se realizaron gráficos STOCSY (Espectroscopia estadística de correlación total) para observar la correlación de los espectros de RMN y la variable de predicción a estudiar y por último, a partir de todos los datos obtenidos, se procedió a crear los modelos de predicción PLS. Se usaron dos métodos, el primero usaba el 70% de los datos para el entrenamiento y el 30 % restante para la prueba de validación, el segundo consistia en seleccionar el 10% de los valores de las variables más elevados, el 10% de valores más bajos, el 50% de los valores aleatorios para el entrenamiento y el 30% restante, al igual que en el primer método, se usó para la prueba de validación. Se aplicó dos tipos de preprocesados a los datos para observar con cual se obtenían mejores resultados. Aplicando el preprocesado Autoscale se consiguieron resultados prometedores con modelos que llegaban a un coeficiente de correlación de 0,97 (R=0,97) para colesterol, en cuanto a los triglicéridos se observaron mejores resultados usando el preprocesado Mean centering que dió un coeficiente de correlación máximo de 0,86 (R=0,86). Los resultados del trabajo muestran que es posible usar los modelos de predicción PLS para cuantificar lipoproteínas en muestras de plasma de cerdo fiablemente.

Les malalties cardiovasculars són, avui dia, molt prevalents en les poblacions arreu del món i s'espera que la tendència continuï en augment durant els anys que estan per venir. Per tant, és d'interès general desenvolupar nous mètodes que capacitin als professionals per assessorar amb fiabilitat en funció del perfil cardiovascular dels pacients. Gràcies a la metabolòmica s'han aconseguit noves tècniques analítiques com la ressonància magnètica nuclear (RMN) que s'han aplicat per predir lípids estàndard altament relacionats amb les malalties cardiovasculars. El present treball desenvolupa i avalua models de predicció PLS (Partial Least Squares regression) basats en la ressonància magnètica nuclear de protons amb la finalitat d'obtenir una quantificació de colesterol i triglicèrids totals en mostres de plasma animal de tres conjunts (porcs, N = 230 on N és el nombre de mostres). Primer es van efectuar estudis estadístics descriptius bàsics per comprendre millor el comportament de les mostres. Després es va efectuar un PCA (Principal Components Analysis) que indicaria com se separen les mostres segons les diferents variables. Després d'observar els resultats aconseguits fins al moment es va decidir excloure les mostres del conjunt 3, ja que no eren comparables a les mostres dels altres dos. A continuació es van realitzar gràfics STOCSY (Statistical TOtal Correlation SpectroscopY) per veure la correlació dels espectres de RMN i la variable de predicció a estudiar i per últim, a partir de totes les dades aconseguides, es va procedir a crear els models PLS. Es van utilitzar dos mètodes, el primer utilitzava el 70% de les dades per a l'entrenament i el 30% restant per a la prova de validació, el segon consistia a seleccionar el 10% dels valors de les variables més alts, el 10% dels valors més baixos, el 50% dels valors al atzar per a l'entrenament i el 30% restant, igual que per al primer mètode, es va utilitzar per a la prova de validació. Es va aplicar a les dades dos tipus de preprocessats per tal d'observar amb quin s'assolien millors resultats. Aplicant el preprocessat Autoscale es van aconseguir resultats prometedors amb models que arribaven a un ajust de predicció del 0,97 (R=0,97) per al colesterol pel que fa als triglicèrids es van observar millors resultats fent servir el preprocessat Mean centering el qual va donar un ajust màxim de 0,86 (R=0,86). Els resultats del treball mostren que és possible emprar els models de predicció PLS per a quantificar lipoproteïnes en mostres de plasma de porc de forma fiable.

Nowadays cardiovascular diseases have a high influence on the world's population and this trend is expected to increase over the years to come. Therefore, there is a general interest to develop new methods that enable professionals to advise reliably depending on the patient's cardiovascular profile. Thanks to metabolomics, new techniques have been achieved such as the nuclear magnetic resonance (NMR) which has been applied to predict standar lipids highly related with cardiovascular diseases. The present project evaluates and develops PLS (Partial Least Square) prediction models based on nuclear magnetic resonance of protons with the aim to achieve a quantification of the total cholesterol and triglycerides of three sets of animal plasma samples (pigs, N = 230 where N is the number of samples). First basic descriptive statistics were performed in order to better understand the behavior of the samples. Afterwards, a PCA (Principal Components Analysis) was performed showing how the samples spread according to different variables. Then, it was decided to exclude the samples belonging to the set number 3 since they were not comparable to the samples of the other two sets. Next STOCSY (Statistical TOtal Correlation SpectroscopY) plots were created to observe the correlation between the NMR spectra and the studied prediction variable, lastly, from all the obtained data, the PLS predictions models were created. For this purpose, two methods were used, the first one used 70% of the values as a training set and the remaining 30% as a testing set, the second one consisted on selecting the 10% of the highest values, the 10% of the lowest values, 50% of the values which were randomly selected as a training set and the remaining 30% were used as a testing set. Two types of preprocessing were applied to the data in order to identify which was the one returning the best results, when applied, the Autoscale preprocessing got promising results achieving models with a 0.97 (R=0,97) of goodness of fit to cholesterol. Regarding triglycerides, better results were given when the Mean centering preprocessing was applied giving a maximum fitness of 0.86 (R=0.86). After the completion of this project, the creation of PLS prediction models to quantify lipoproteins in pig plasma samples reliably is clearly possible.

Objectius de Desenvolupament Sostenible::3 - Salut i Benestar