

Seu próximo nível começa aqui
Seu desenvolvimento não pode ter limites. Garanta sua Assinatura Ilimitada e libere uma preparação completa com os melhores professores do Brasil.
O uso das metodologias de aprendizado de máquina e outros métodos de classificação ou definição de modelos vem ampliando o uso da espectrometria de massas tipo MALDITOF na detecção de resistência a antibióticos, caracterização de biomarcadores, vigilância epidemiológica, e detecção de fatores de virulência. Dentro dessa perspectiva de uso da análise avançada de dados nas áreas mencionadas, o que é correto afirmar em relação ao uso de MALDI-TOF MS na microbiologia clínica?
O uso de redes neurais profundas já substitui completamente os algoritmos tradicionais de comparação espectral, eliminando a necessidade de bibliotecas de referência ou qualquer treinamento supervisionado.
Modelos baseados em aprendizado supervisionado são capazes de identificar diferenças sutis em padrões espectrais de MALDI-TOF entre cepas resistentes e sensíveis, oferecendo suporte à predição de resistência antimicrobiana com boa acurácia em contextos laboratoriais controlados.
A classificação de espécies bacterianas por aprendizado de máquina depende exclusivamente de atributos genômicos extraídos diretamente dos espectros, tornando desnecessária a análise da razão massa/carga (m/z).
Técnicas de aprendizado não supervisionado têm sido preferidas, pois superam modelos supervisionados em predição de resistência e identificação de espécies, mesmo sem rótulos ou dados de treinamento prévios.
Os espectros de MALDI-TOF não fornecem dados suficientes para treinamento de modelos de aprendizado de máquina, sendo necessário complementá-los com sequenciamento de RNA para qualquer aplicação de diagnóstico preditivo.