Desenvolvimento de um método para classificação de fungos do gênero Metarhizium utilizando dados de espectroscopia no infravermelho e técnica de machine learning
Nenhuma Miniatura disponível
Arquivos
Data
2021-02-22
Autores
Souza, Bruno João de [UNIFESP]
Orientadores
Pereira, Thiago Martini [UNIFESP]
Tipo
Trabalho de conclusão de curso de graduação
Título da Revista
ISSN da Revista
Título de Volume
Resumo
A capacidade de identificar e classificar amostras de fungos é de grande
interesse na medicina diagnóstica e mercado agroindustrial. No que se diz respeito a
saúde pública, nos últimos anos, fungos do gênero Aspergillus, antes considerados
inofensivos, passaram a contaminar seres humanos com o sistema imune inibido ou
enfraquecido devido a medicação antibiótica ou tratamentos invasivos [1]. No caso da
indústria de produção, fungos como o gênero Metarhizium vêm sendo usados como
biopesticidas para enfrentamento de diversas pragas (espécies de insetos).Foram
utilizados dados de espectroscopia no infravermelho por transformada de Fourier
(FTIR) de seis linhagens de três espécies diferentes do fungo de gênero Metarhizium
(filo Ascomycota), pertencentes ao USDA - ARSEF (“United States Department of
Agriculture – Agricultural Research Service Collection of Entomopathogenic Fungal
Cultures”). Foram três linhagens da espécie Metarhizium acridum (ARSEF 324,
ARSEF 3391 e ARSEF 7486), uma da espécie Metarhizium anisopliae (ARSEF 5749)
e duas da espécie Metarhizium brunmeum (ARSEF 1095 e ARSEF 5626). Os dados
foram pré-processados em MATLAB® (2015a) com aplicação de downsampling
(redução da taxa de amostragem), normalização e filtragem de suavização de
Savitzky-Golay (S-G). Os dados representam a absorbância de espectros em função
do número de onda, sendo avaliadas as bandas de 900 a 1350cm-1 e de 900 a
1800cm-1 com variação do grau de derivada e do tamanho da janela do filtro. A
comparação foi realizada quanto a capacidade de classificação dos grupos com
aplicação das técnicas combinadas de Análise de Componentes Principais (PCA) e
Análise Discriminante Linear (LDA).Identificou-se que os parâmetros do filtro de
Savitzky-Golay (grau de derivada e dimensão da janela) têm grande importância para
construção de classificadores juntamente com aplicação de PCA para otimização da
razão sinal-ruído (SNR), assim como a escolha das regiões do espectro, visto que a
região de 900 a 1800cm-1 apresentou resultados com muita interferência de ruídos
decorrentes de contaminante de vapor d’água