Utilização de inteligência artificial (redes neurais artificiais) para a classificação de patogenicidade de amostras de Escherichia coli isoladas de frangos de corte

Abstract

A Escherichia coli (E. coli), que foi por muito tempo esquecida como potencial patógeno, começa a ser vista sob nova ótica devido aos prejuízos econômicos que gera. No Brasil, entre 2001 e 2005, somente a condenação de carcaças, gerou um prejuízo estimado em 58 milhões de dólares à avicultura (Brasil/Ministério da Agricultura, Pecuária e Abastecimento, 2006). Deste total, 19 milhões foram devido à presença de lesões cutâneas de celulite e 39 milhões ocorreram por lesões sistêmicas. Os avanços nas pesquisas e nas ferramentas utilizadas vêm resultando no maior entendimento dos mecanismos de patogenicidade das E. coli e cada vez mais é demonstrada a grande importância da interação dos diversos fatores de virulência na determinação da patogenicidade. Entretanto, a diferenciação de cepas virulentas e avirulentas continua sendo um problema no diagnóstico e, por conseqüência, na tomada de decisão pelos veterinários de campo. Nesta tese constam quatro Artigos científicos. O Artigo 1 trata dos fatores de virulência de 63 amostras de E. coli isoladas de frangos de corte com problemas respiratórios. Estas cepas foram examinadas para a presença de fatores de virulência, tendo sido analisadas as propriedades de resistência aos antimicrobianos, produção de hemolisinas, motilidade, capacidade de hemaglutinação, presença do operon pap, produção de colicinas e resistência sérica. A capacidade de hemaglutinar hemácias de cobaio foi verificada em 84,1% das amostras. Em 76,4% das amostras, foi detectada a presença o operon pap. A produção de colicinas foi observada em 87,3% e em 88,9% foi verificada a expressão da resistência sérica. No Artigo 2, 238 amostras de E. coli, isoladas de cama de aviário e lesões de celulite, foram testadas através da Reação em Cadeia da Polimerase (PCR), para detecção de sete genes de virulência responsáveis pela capacidade de adesão, fimbria P (papC) e fimbria F11 (felA), produção de colicinas (cvaC), presença de aerobactina (iutA), resistência sérica (iss), hemaglutinina temperatura sensível (tsh) e presença de dois antígenos capsulares K1 e K5 (kpsII). O gene cvaC foi detectado em 31,3% das amostras de celulite e em 11,5% das isoladas de fezes. Nos dados obtidos neste estudo 80,6% das amostras de celulite e 53,8% das de fezes apresentaram o gene iss. Para o kps a positividade foi evidenciada em 27% das cepas de celulite e em 7% das isoladas de fezes. O gene iutA, foi detectado em 51,3% das amostras de celulite e em apenas 19,2% nas isoladas de fezes. O gene papC ocorreu em 46,9% das amostras de celulite e em 30,8% das de fezes. Nas amostras de celulite estudadas, 3,8% apresentaram positividade para gene felA, enquanto nas amostras de fezes este percentual foi de 1,3%. O gene tsh foi detectado em 83% dos isolados de lesão em 14% nos de fezes%. Em seis genes, cvaC, iss, iutA, kpsII, papC e tsh foi detectada diferença estatística significativa entre os isolados de lesões de celulite e cama. No Artigo 3 um total de 61 amostras de E. coli, isoladas de frangos de corte com problemas respiratórios foram testadas através da PCR, para a presença dos genes responsáveis pela capacidade de adesão, fimbria P (papC) e fimbria F11 (felA), produção de colicinas (cvaC), presença de aerobactina (iutA), resistência sérica (iss), hemaglutinina temperatura sensível (tsh) e presença dos antígenos capsulares K1 e K5 (kpsII). O gene iss foi detectado em 73,8%, tsh em 55,7%, iutA em 45,9%, felA em 39,3%, papC em 24,3%, cvaC em 23% e kpsII em 18%. No Artigo 4 são apresentadas três redes neurais artificiais que foram desenvolvidas através da análise dos genes papC, felA, cvaC, iutA, iss, tsh e kpsII, da motilidade e do índice de patogenicidade (IP) para realizarmos a predição ou classificação de patogenicidade de cepas de E. coli sem a necessidade da utilização de animais. Na Rede 1, utilizando 11 categorias de IP obtivemos 54,27% de acerto. No intuito de melhorar o desempenho do modelo foi criada uma segunda rede, utilizando 3 categorias de IP obtendo-se a classificação correta em 80,55%. Na tentativa de melhorar ainda mais seu desempenho, passamos a trabalhar com apenas duas categorias construindo, desta forma, a Rede 3. Com esta nova configuração a classificação correta do IP foi de 83,96%.

Escherichia coli (E. coli), which has been forgotten as a potential pathogen for a long time, is now being seriously considered due to the economical losses it generates. In Brazil from 2001 to 2005 the condemnation of carcasses represented a loss of about 58 million dollars to the poultry industry (Brasil/ Ministerio da Agricultura, Pecuária e Abastecimento, 2006). From this total 19 million dollars were due to skin lesions and 39 million dollars to systemic lesions. There have been improvements in the comprehension of the mechanisms of pathogenicity. However, the differentiation of virulent from non-virulent samples is still a problem for veterinarians to come to a diagnosis and, as a consequence, to make decisions. Article 1 is about factors of virulence in E. coli isolates from chicken flocks presenting respiratory problems. The samples from litter were probed for the presence of factors of virulence and antimicrobial resistance. The following properties were analyzed: hemolisin production, motility, operon pap presence, colicin production and serum resistance. The capacity of hemagglutination was verified in 84.1% of the samples. In 76.4% of the samples operon pap presence was detected. Colicin production was observed in 87.3% and in 88.9% serum resistance was verified. In article 2, 238 E. coli samples were probed by Polimerase Chain Reaction (PCR) for the presence of seven virulence genes responsible for adhesion capacity, P fimbriae (papC) and F11 fimbriae (felA), colicin production (cavC), aerobactin presence (iutA), serun resistence (iss) temperature-sensitive hemmaglutinin (tsh) and presence of K1 and K5 capsular antigens (kpsll). The CvaC gene was detected in 31.3% of the cellulitis samples and in 11.5% of feces samples. In the present study 80.6% of the cellulitis samples and 53.8% of feces samples presented the iss gen. The kps was positive in 27% of the cellulitis and in 7% of the feces samples. The papC gene occurred in 46.9% of cellulitis and in 30.8% in feces samples. In cellulitis samples 3.8% were positive for the felA gene whereas in feces samples were 1.3%. The tsh gene was positive in 83% of the isolates from lesions and in 14% of feces samples.For cmvaC, iss, iutA, kpsll ,papc and tsh genes significant statistical differences were detected for isolates from lesions and litter. In article 3 an amount of 61 Escherichia coli isolates from chicken flocks with respiratory problems were probed by the Polimerase chain Reaction PCR) for the presence of the genes which are responsible for the adhesion capacity, P fimbria (papC) and F11 fimbria (felA), colicin production (cvaC), aerobactin presence (iutA), serum resistance (iss), temperature-sensitive hemmaglutin (tsh) and presence of K1 and K5 capsular antigens (kpsII). The iss gene was detected in 73.8%, the tsh in 55.7%, the iutA in 45.9%, the felA in 39.3%, the papC in 24.3%, the cvaC in 23% and kpsII in 18%. Article 4 presents three neural nets of artificial intelligence which were developed through the analysis of papC, felA, cvaC, iutA, iss, tsh and kpsII genes, motility and pathogenicity index (PI) in order to establish predictions and classifications of the pathogenicty of E. coli litter without using animals. Net 1 obtained 54.27% of correctness using 11 categories of IP. In order to improve the performance of the model, a second net was created using 3 categories of IP the correct classification of 80.55%. Trying to get an even better performance, we worked with only two categories, building this way the third net. With this new configuration the correct classification was 83.96%.