Perfil metabolómico y espectroscópico urinario asociado a daño renal en una cohorte de pacientes colombianos con lupus eritematoso sistémico
datacite.rights | http://purl.org/coar/access_right/c_16ec | |
dc.contributor.advisor | Pacheco Lugo, Lisandro | |
dc.contributor.advisor | Pacheco Londoño, Leonardo | |
dc.contributor.author | Carmona Martes, Ada Luz | |
dc.date.accessioned | 2024-05-10T19:57:42Z | |
dc.date.available | 2024-05-10T19:57:42Z | |
dc.date.issued | 2023 | |
dc.description.abstract | El lupus Eritematosos sistémico (LES) es una enfermedad de carácter autoinmune, crónica, multifactorial que puede afectar y ocasionar daño a cualquier órgano del cuerpo entre ellos el riñón, que se caracteriza por la activación de los linfocitos B y T, acumulación de depósitos inmunes y producción de citocinas promoviendo el daño tisular. La afectación del riñón se conoce como Nefritis Lúpica (NL), es diagnosticada mediante biopsia y se caracteriza por que produce depósitos de complejos inmunes en este órgano, autoanticuerpos que atacan ácidos nucleícos endógenos, las trampas extracelulares de neutrófilos y activación de la respuesta inmune tanto innata como adaptativa. El estudio de la orina proporciona información sobre el metaboloma de pacientes con NL con la finalidad de detectar metabolitos que puedan emplearse como biomarcadores diagnósticos y pronósticos para ser utilizados de forma alternativa respecto a la biopsia, por lo tanto identificar metabolitos urinarios en pacientes con NL se constituye en el objetivo esencial de este estudio empleando para ello cromatografía de gases acoplada a espectrometría de masas cuádruplo (GC-QTOFMS) aplicado a muestras de orina de 50 individuos correspondientes a 6 pacientes con NL grado III, 17 con NL grado IV, 17 pacientes con Lupus Eritematoso Sistémico sin Nefritis y 10 individuos clínicamente sanos pareados por edad y sexo. De los metabolitos detectados, 17 presentaron significancia estadística tras el análisis univariado y multivariado y que posteriormente mediante las características operativas del operador el Monopalmitín y el Nmetil glutámico resultaron aumentados de forma significativa en la orina de pacientes con NLIII y IV en comparación con los otros grupos de estudio, lo que representa un gran potencial de estos metabolitos como biomarcadores metabólicos diferenciales para daño renal, sin embargo es importante que estos sean más evaluados respecto a su sensibilidad y especificidad entre otros factores y ser propuestos como biomarcadores para daño renal. la técnica Raman se realizó a 235 muestras de orina correspondientes a 70 pacientes diagnosticados con LES sin Nefritis, 93 con NL y 72 controles sanos, se aplicó análisis multivariado a partir de PLSDA que dio lugar a tres modelos: Lupus (C vs L, NL); modelo Nefritis Lúpica (C, L vs NL); Nefritis Lúpica (C vs NL), los que fueron evaluados a partir de los parámetros de la matriz de confusión a partir de la sensibilidad y especificidad, donde el modelo de C vs NL presentó una sensibilidad de 1.0 y una especificidad de 0.944, a su vez el análisis llevado a cabo mediante las características operativas del receptor(ROC) dio lugar al área bajo la curva(AUC), siendo el valor de 0,995, el más alto para el modelo NL frente a C,L tanto para el de predicción como para el de validación cruzada(CV). Tambien se tuvo en cuenta aquellas variables importantes(VIP) que aportaron a los modelos, logrando identificar aquellas regiones espectrales que hicieron su mejor aporte a los modelos, se identificaron 24 señales importantes con un valor VIP 3 como fosfatidilinositol, creatinina, valina, glicerol, además se comprobó el carácter predictivo del modelo a partir de un paciente solo con LES y que a la fecha de 2021 el modelo predijo con una probabilidad de 0,5 para NL , luego en el 2023 no solo fue diagnosticado sino que además el modelo logró predecir NL con una probabilidad de 1. El hecho de que estos metabolitos o señales identificados desde la metabolómica y espectroscopia Raman respectivamente sigan siendo evaluados abre la posibilidad de ser propuestos como biomarcadores no solo para diagnóstico sino además como una forma de hacer seguimiento a la enfermedad y evaluación del tratamiento tanto en LES como en NL | spa |
dc.description.abstract | Systemic lupus erythematosus (SLE) is a chronic, multifactorial, autoimmune disease that can affect and cause damage to any organ in the body, including the kidney, which is characterized by the activation of B and T lymphocytes, accumulation of immune deposits. and cytokine production promoting tissue damage. Kidney involvement is known as Lupus Nephritis (LN), it is diagnosed by biopsy and is characterized by producing deposits of immune complexes in this organ, autoantibodies that attack endogenous nucleic acids, neutrophil extracellular traps and activation of the immune response both innate and adaptive. The study of urine provides information on the metabolome of patients with LN with the aim of detecting metabolites that can be used as diagnostic and prognostic biomarkers to be used as an alternative to biopsy, therefore identifying urinary metabolites in patients with LN is The essential objective of this study is to use gas chromatography coupled to quadruple mass spectrometry (GC-QTOF-MS) applied to urine samples from 50 individuals corresponding to 6 patients with LN grade III, 17 with LN grade IV, 17 patients with Systemic Lupus Erythematosus without Nephritis and 10 clinically healthy individuals matched by age and sex. Of the metabolites detected, 17 presented presented statistical significance after the univariate and multivariate analysis and subsequently, through the operating characteristics of the operator, Monopalmitin and N-methyl glutamic acid were significantly increased in the urine of patients with NLIII and IV compared to the other study groups, which represents great potential for these metabolites as differential metabolic biomarkers for kidney damage; however, it is important that these be further evaluated regarding their sensitivity and specificity among other factors and be proposed as biomarkers for kidney damage | eng |
dc.format.mimetype | ||
dc.identifier.uri | https://hdl.handle.net/20.500.12442/14633 | |
dc.language.iso | spa | |
dc.publisher | Ediciones Universidad Simón Bolívar | spa |
dc.publisher | Facultad de Ciencias Básicas y Biomédicas | spa |
dc.rights.accessrights | info:eu-repo/semantics/restrictedAccess | eng |
dc.subject | Lupus Eritematoso sistémico | spa |
dc.subject | Nefritis lúpica | spa |
dc.subject | Metabolómica | spa |
dc.subject | Espectrometría de masas | spa |
dc.subject | Cromatografía de gases | spa |
dc.subject | Metabolitos | spa |
dc.subject | Biomarcadores | spa |
dc.subject | Orina | spa |
dc.subject | Systemic Lupus Erythematosus | eng |
dc.subject | Lupus Nephritis | eng |
dc.subject | Metabolomics | eng |
dc.subject | Mass Spectrometry | eng |
dc.subject | Gas Chromatography | eng |
dc.subject | Metabolites | eng |
dc.subject | Biomarkers | eng |
dc.subject | Urine | eng |
dc.title | Perfil metabolómico y espectroscópico urinario asociado a daño renal en una cohorte de pacientes colombianos con lupus eritematoso sistémico | spa |
dc.type.driver | info:eu-repo/semantics/doctoralThesis | |
dc.type.spa | Tesis de doctorado | |
dcterms.references | Fatoye F, Gebrye T, Svenson LW. Direct health system costs for systemic lupus erythematosus patients in Alberta, Canada. Garzon S, editor. PLOS ONE. 7 de mayo de 2021;16(5):e0251409. | eng |
dcterms.references | Chen J, Liao S, Zhou H, Yang L, Guo F, Chen S, et al. Humanized Mouse Models of Systemic Lupus Erythematosus: Opportunities and Challenges. Front Immunol. 18 de enero de 2022;12:816956. | eng |
dcterms.references | Stojan G, Petri M. Epidemiology of systemic lupus erythematosus: an update. Curr Opin Rheumatol. marzo de 2018;30(2):144-50. | eng |
dcterms.references | Haase I, Mucke J, Chehab G, Fischer-Betz R, Schneider M, Brinks R. Incidence of systemic lupus erythematosus in Colombia: data from the National Health Registry 2012- 2016. Lupus. noviembre de 2019;28(13):1610-1. | eng |
dcterms.references | Whittall-Garcia L, Goliad K, Kim M, Bonilla D, Gladman D, Urowitz M, et al. Identification and Validation of a Urinary Biomarker Panel to Accurately Diagnose and Predict Response to Therapy in Lupus Nephritis. Front Immunol. 2022;13:889931. | eng |
dcterms.references | Cho SK, Kim H, Han JY, Jeon Y, Jung SY, Jang EJ, et al. Risk of end-stage renal disease in patients with early-onset lupus nephritis: A population-based cohort study. Semin Arthritis Rheum. diciembre de 2023;63:152308. | eng |
dcterms.references | Restrepo-Escobar M, Granda-Carvajal PA, Jaimes F. Systematic review of the literature on reproducibility of the interpretation of renal biopsy in lupus nephritis. Lupus. diciembre de 2017;26(14):1502-12. | eng |
dcterms.references | Aragón CC, Tafúr RA, Suárez-Avellaneda A, Martínez MdT, Salas ADL, Tobón GJ. Urinary biomarkers in lupus nephritis. J Transl Autoimmun. 2020;3:100042. | eng |
dcterms.references | Pacheco-Lugo L, Sáenz-García J, Navarro Quiroz E, González Torres H, Fang L, Díaz-Olmos Y, et al. Plasma cytokines as potential biomarkers of kidney damage in patients with systemic lupus erythematosus. Lupus. enero de 2019;28(1):34-43 | eng |
dcterms.references | Machado-Alba JE, Machado-Duque ME, Gaviria-Mendoza A, Duarte-Rey C, González-Rangel A. Clinical characterization of a cohort of patients treated for systemic lupus erythematosus in Colombia: A retrospective study. Alotaibi NH, editor. PLOS ONE. 18 de mayo de 2023;18(5):e0285889 | eng |
dcterms.references | Amatya M, Pant AD. Clinical and histopathological study of renal biopsy in Nepalese children: A single center experience. Sallustio F, editor. PLOS ONE. 27 de octubre de 2022;17(10):e0276172. | eng |
dcterms.references | Valencia-Toro PA, Claudia MK, Ana Milena AS, Jaimes DA, Yahira GR, Plazas M, et al. ¿Cuál es la percepción de enfermedad de pacientes colombianos con lupus eritematoso sistémico? Aplicación del Revised Illness Perceptions Questionnaire (IPQ-R). Rev Colomb Reumatol. marzo de 2014;21(1):4-9. | spa |
dcterms.references | Hu JQ, Yan YH, Xie H, Feng XB, Ge WH, Zhou H, et al. Targeting abnormal lipid metabolism of T cells for systemic lupus erythematosus treatment. Biomed Pharmacother. septiembre de 2023;165:115198. | eng |
dcterms.references | Kariniemi S, Rantalaiho V, Virta LJ, Kautiainen H, Puolakka K, Elfving P. Malignancies among newly diagnosed systemic lupus erythematosus patients and their survival. Lupus. diciembre de 2022;31(14):1750-8. | eng |
dcterms.references | Stuckrad SLV, Klotsche J, Biesen R, Lieber M, Thumfart J, Meisel C, et al. SIGLEC1 (CD169) is a sensitive biomarker for the deterioration of the clinical course in childhood systemic lupus erythematosus. Lupus. diciembre de 2020;29(14):1914-25. | eng |
dcterms.references | Bela MM, Espinosa G, Cervera R. Next stop in the treatment of refractory systemic lupus erythematosus: B-cell targeted combined therapy. Lupus. enero de 2021;30(1):134- 40. | eng |
dcterms.references | Zhang C xing, Wang H yu, Yin L, Mao Y ying, Zhou W. Immunometabolism in the pathogenesis of systemic lupus erythematosus. J Transl Autoimmun. 2020;3:100046. | eng |
dcterms.references | Dörner T, Furie R. Novel paradigms in systemic lupus erythematosus. The Lancet. junio de 2019;393(10188):2344-58. | eng |
dcterms.references | Barber MRW, Drenkard C, Falasinnu T, Hoi A, Mak A, Kow NY, et al. Global epidemiology of systemic lupus erythematosus. Nat Rev Rheumatol. septiembre de 2021;17(9):515-32. | eng |
dcterms.references | Tian J, Zhang D, Yao X, Huang Y, Lu Q. Global epidemiology of systemic lupus erythematosus: a comprehensive systematic analysis and modelling study. Ann Rheum Dis. marzo de 2023;82(3):351-6. | eng |
dcterms.references | Luo Y jin, Tan G zhen, Yu M, Li K wen, Liu Y yang, Guo Q, et al. Correlation of Cutaneous Immunoreactants in Lesional Skin with the Serological Disorders and Disease Activity of Systemic Lupus Erythematosus. Ashour HM, editor. PLoS ONE. 5 de agosto de 2013;8(8):e70983. | eng |
dcterms.references | Yap D, Lai K. Pathogenesis of Renal Disease in Systemic Lupus Erythematosus— The Role of Autoantibodies and Lymphocytes Subset Abnormalities. Int J Mol Sci. 9 de abril de 2015;16(12):7917-31. | eng |
dcterms.references | Smith EMD, Lythgoe H, Midgley A, Beresford MW, Hedrich CM. Juvenile-onset systemic lupus erythematosus: Update on clinical presentation, pathophysiology and treatment options. Clin Immunol. diciembre de 2019;209:108274. | eng |
dcterms.references | Praga Terente Rojas-Rivera JE. Nefropatía Lúpica. Lupus Eritematoso Sistémico. | spa |
dcterms.references | Kaul A, Gordon C, Crow MK, Touma Z, Urowitz MB, Van Vollenhoven R, et al. Systemic lupus erythematosus. Nat Rev Dis Primer. 16 de junio de 2016;2(1):16039. | |
dcterms.references | Yao M, Zhang C, Gao C, Wang Q, Dai M, Yue R, et al. Exploration of the Shared Gene Signatures and Molecular Mechanisms Between Systemic Lupus Erythematosus and Pulmonary Arterial Hypertension: Evidence From Transcriptome Data. Front Immunol. 15 de julio de 2021;12:658341. | eng |
dcterms.references | Fanouriakis A, Kostopoulou M, Alunno A, Aringer M, Bajema I, Boletis JN, et al. 2019 update of the EULAR recommendations for the management of systemic lupus erythematosus. Ann Rheum Dis. junio de 2019;78(6):736-45. | eng |
dcterms.references | Bakshi J, Segura BT, Wincup C, Rahman A. Unmet Needs in the Pathogenesis and Treatment of Systemic Lupus Erythematosus. Clin Rev Allergy Immunol. diciembre de 2018;55(3):352-67. | eng |
dcterms.references | Klumb EM, Scheinberg M, Souza VAD, Xavier RM, Azevedo VF, McElwee E, et al. The landscape of systemic lupus erythematosus in Brazil: An expert panel review and recommendations. Lupus. septiembre de 2021;30(10):1684-95. | eng |
dcterms.references | Kernder A, Richter JG, Fischer-Betz R, Winkler-Rohlfing B, Brinks R, Aringer M, et al. Delayed diagnosis adversely affects outcome in systemic lupus erythematosus: Cross sectional analysis of the LuLa cohort. Lupus. marzo de 2021;30(3):431-8. | eng |
dcterms.references | Serra-García L, Barba PJ, Morgado-Carrasco D. FR-Criterios de clasificación 2019 del lupus eritematoso sistémico. Actas Dermo-Sifiliográficas. marzo de 2022;113(3):310-2. | spa |
dcterms.references | Tanaka Y. State-of-the-art treatment of systemic lupus erythematosus. Int J Rheum Dis. abril de 2020;23(4):465-71 | eng |
dcterms.references | Morell M, Pérez-Cózar F, Marañón C. Immune-Related Urine Biomarkers for the Diagnosis of Lupus Nephritis. Int J Mol Sci. 1 de julio de 2021;22(13):7143 | eng |
dcterms.references | Davidson A. What is damaging the kidney in lupus nephritis? Nat Rev Rheumatol. marzo de 2016;12(3):143-53. | eng |
dcterms.references | David BL, Ivan GNJ, Emilio PGE, Daniela MSJ, Betsabe CH, Luisa VVM, et al. Low serum uromodulin levels and their association with lupus flares. PloS One. 2022;17(10):e0276481 | eng |
dcterms.references | Guimarães J de AR, Furtado S da C, Lucas ACDS, Mori B, Barcellos JFM. Diagnostic test accuracy of novel biomarkers for lupus nephritis-An overview of systematic reviews. PloS One. 2022;17(10):e0275016. | eng |
dcterms.references | Weening JJ, D’agati VD, Schwartz MM, Seshan SV, Alpers CE, Appel GB, et al. The classification of glomerulonephritis in systemic lupus erythematosus revisited. Kidney Int. febrero de 2004;65(2):521-30. | eng |
dcterms.references | Reel PS, Reel S, Pearson E, Trucco E, Jefferson E. Using machine learning approaches for multi-omics data analysis: A review. Biotechnol Adv. julio de 2021;49:107739. | eng |
dcterms.references | Khamis MM, Adamko DJ, El‐Aneed A. Mass spectrometric based approaches in urine metabolomics and biomarker discovery. Mass Spectrom Rev. marzo de 2017;36(2):115-34 | eng |
dcterms.references | Zhao C, Dong J, Deng L, Tan Y, Jiang W, Cai Z. Molecular network strategy in multi-omics and mass spectrometry imaging. Curr Opin Chem Biol. octubre de 2022;70:102199. | eng |
dcterms.references | Yan B, Huang J, Dong F, Yang L, Huang C, Gao M, et al. Urinary metabolomic study of systemic lupus erythematosus based on gas chromatography/mass spectrometry. Biomed Chromatogr. noviembre de 2016;30(11):1877-81 | eng |
dcterms.references | Sujatha Mahadevarao Premnath MZ. Chromatography. En: StatPearls. 2024. | eng |
dcterms.references | Gould O, Nguyen N, Honeychurch KC. New Applications of Gas Chromatography and Gas Chromatography-Mass Spectrometry for Novel Sample Matrices in the Forensic Sciences: A Literature Review. Chemosensors. 7 de octubre de 2023;11(10):527. | eng |
dcterms.references | Klikarová J, Česlová L. Targeted and Non-Targeted HPLC Analysis of CoffeeBased Products as Effective Tools for Evaluating the Coffee Authenticity. Mol Basel Switz. 1 de noviembre de 2022;27(21):7419. | eng |
dcterms.references | Sayali V. Ganjiwale* APD. A Comprehensive Overview Of HPLC Method Development And Validation. 29 de enero de 2024 [citado 5 de marzo de 2024]; Disponible en: https://zenodo.org/doi/10.5281/zenodo.10581387 | eng |
dcterms.references | Olshina MA, Sharon M. Mass spectrometry: a technique of many faces. Q Rev Biophys. 2016;49:e18. | eng |
dcterms.references | Bauermeister A, Mannochio-Russo H, Costa-Lotufo LV, Jarmusch AK, Dorrestein PC. Mass spectrometry-based metabolomics in microbiome investigations. Nat Rev Microbiol. marzo de 2022;20(3):143-60 | eng |
dcterms.references | Bouatra S, Aziat F, Mandal R, Guo AC, Wilson MR, Knox C, et al. The Human Urine Metabolome. Dzeja P, editor. PLoS ONE. 4 de septiembre de 2013;8(9):e73076 | eng |
dcterms.references | Hu B, Yao ZP. Electrospray ionization mass spectrometry with wooden tips: A review. Anal Chim Acta. mayo de 2022;1209:339136 | eng |
dcterms.references | Fuchs B, Süß R, Schiller J. An update of MALDI-TOF mass spectrometry in lipid research. Prog Lipid Res. octubre de 2010;49(4):450-75. | eng |
dcterms.references | Bujak R, Struck-Lewicka W, Markuszewski MJ, Kaliszan R. Metabolomics for laboratory diagnostics. J Pharm Biomed Anal. septiembre de 2015;113:108-20 | eng |
dcterms.references | Guleria A, Pratap A, Dubey D, Rawat A, Chaurasia S, Sukesh E, et al. NMR based serum metabolomics reveals a distinctive signature in patients with Lupus Nephritis. Sci Rep. 14 de octubre de 2016;6:35309. | eng |
dcterms.references | Ganguly S, Kumar U, Gupta N, Guleria A, Majumdar S, Phatak S, et al. Nuclear magnetic resonance–based targeted profiling of urinary acetate and citrate following cyclophosphamide therapy in patients with lupus nephritis. Lupus. junio de 2020;29(7):782-6 | eng |
dcterms.references | Zhang Y, Gan L, Tang J, Liu D, Chen G, Xu B. Metabolic profiling reveals new serum signatures to discriminate lupus nephritis from systemic lupus erythematosus. Front Immunol. 2022;13:967371. | eng |
dcterms.references | Michel S, Baraka LF, Ibañez AJ, Mansurova M. Mass Spectrometry-Based Flavor Monitoring of Peruvian Chocolate Fabrication Process. Metabolites. 26 de enero de 2021;11(2):71. | eng |
dcterms.references | Kalantari S, Chashmniam S, Nafar M, Zakeri Z, Parvin M. Metabolomics approach reveals urine biomarkers and pathways associated with the pathogenesis of lupus nephritis. Iran J Basic Med Sci [Internet]. noviembre de 2019 [citado 5 de marzo de 2024];22(11). Disponible en: https://doi.org/10.22038/ijbms.2019.38713.9178 | eng |
dcterms.references | Duarte-Delgado NP, Cala MP, Barreto A, Rodríguez C LS. Metabolites and metabolic pathways associated with rheumatoid arthritis and systemic lupus erythematosus. J Transl Autoimmun. 2022;5:100150. | eng |
dcterms.references | Wu T, Xie C, Han J, Ye Y, Weiel J, Li Q, et al. Metabolic Disturbances Associated with Systemic Lupus Erythematosus. Blanc S, editor. PLoS ONE. 19 de junio de 2012;7(6):e37210. | eng |
dcterms.references | DECLARACIÓN DE HELSINKI DE LA AMM – PRINCIPIOS ÉTICOS PARA LAS INVESTIGACIONES MÉDICAS EN SERES HUMANOS. | spa |
dcterms.references | Vinaixa M, Samino S, Saez I, Duran J, Guinovart JJ, Yanes O. A Guideline to Univariate Statistical Analysis for LC/MS-Based Untargeted Metabolomics-Derived Data. Metabolites. 18 de octubre de 2012;2(4):775-95. | eng |
dcterms.references | ajjad S, Farman S, Saeed MA, Ahmad NM, Butt BA. Frequency of Dyslipidemia in patients with Lupus Nephritis. Pak J Med Sci. 2017;33(2):358-62. | eng |
dcterms.references | Huang S, Zhang Z, Cui Y, Yao G, Ma X, Zhang H. Dyslipidemia is associated with inflammation and organ involvement in systemic lupus erythematosus. Clin Rheumatol. junio de 2023;42(6):1565-72. | eng |
dcterms.references | Liu J, Song W, Cui D. Relationship between Blood Lipid Profiles and Risk of Lupus Nephritis in Children. Int J Clin Pract. 2022;2022:6130774. | eng |
dcterms.references | Mansbach CM, Siddiqi S. Control of chylomicron export from the intestine. Am J Physiol-Gastrointest Liver Physiol. 1 de mayo de 2016;310(9):G659-68. | eng |
dcterms.references | Alexandropoulou I, Grammatikopoulou MG, Gkouskou KK, Pritsa AA, Vassilakou T, Rigopoulou E, et al. Ceramides in Autoimmune Rheumatic Diseases: Existing Evidence and Therapeutic Considerations for Diet as an Anticeramide Treatment. Nutrients. 2 de enero de 2023;15(1):229 | eng |
dcterms.references | Borba EF, Bonfá E, Vinagre CG, Ramires JA, Maranhão RC. Chylomicron metabolism is markedly altered in systemic lupus erythematosus. Arthritis Rheum. mayo de 2000;43(5):1033-40. | eng |
dcterms.references | Cruzat V, Macedo Rogero M, Noel Keane K, Curi R, Newsholme P. Glutamine: Metabolism and Immune Function, Supplementation and Clinical Translation. Nutrients. 23 de octubre de 2018;10(11):1564. | eng |
dcterms.references | Jha AK, Huang SCC, Sergushichev A, Lampropoulou V, Ivanova Y, Loginicheva E, et al. Network Integration of Parallel Metabolic and Transcriptional Data Reveals Metabolic Modules that Regulate Macrophage Polarization. Immunity. marzo de 2015;42(3):419-30. | eng |
dcterms.references | Guleria, A., Pratap, A., Dubey, D. et al. La metabolómica sérica basada en RMN revela una firma distintiva en pacientes con nefritis lúpica. Informe científico 6, 35309 (2016). https://doi.org/10.1038/srep35309 | spa |
dcterms.references | Rojas-Rivera JE., Praga Terente M. Nefropatía Lúpica. Lupus Eritematoso Sistémico.En: Lorenzo V., López Gómez JM (Eds). Nefrología al día. ISSN: 2659-2606. Disponible en: https://www.nefrologiaaldia.org/589 | spa |
dcterms.references | Barone, FP, Lourenço, SV, Azevedo, LS et al. Metabolómica y biomarcadores de la nefritis lúpica: una revisión sistemática. Surg Exp Pathol 6 , 11 (2023). https://doi.org/10.1186/s42047-023-00136-y | spa |
dcterms.references | Lukaszewski Z, Gorodkiewicz E. Biosensors for the Determination of Protein Biomarkers. Biosensors (Basel). 2023 Jan 9;13(1):112. doi: 10.3390/bios13010112. PMID: 36671947; PMCID: PMC9855945 | eng |
dcterms.references | Pacheco-Lugo L, Sáenz-García J, Navarro Quiroz E, González Torres H, Fang L, DíazOlmos Y, Garavito de Egea G, Egea Bermejo E, Aroca Martínez G. Plasma cytokines as potential biomarkers of kidney damage in patients with systemic lupus erythematosus. Lupus. 2019 Jan;28(1):34-43. doi: 10.1177/0961203318812679. Epub 2018 Nov 19. PMID: 30453818 | eng |
dcterms.references | Navarro-Quiroz E, Pacheco-Lugo L, Navarro-Quiroz R, Lorenzi H, España-Puccini P, Díaz-Olmos Y, et al. (2017) Análisis de perfiles de microARN circulante en sangre periférica de pacientes con nefritis lúpica de clase IV. PLoS ONE 12(11): e0187973. https://doi.org/10.1371/journal.pone.0187973 | spa |
dcterms.references | Sahir Kalim, Eugene P. Rhee. An overview of renal metabolomics. Kidney International. Volume 91, Issue 1. 2017. Pages 61-69, ISSN 0085-2538. https://doi.org/10.1016/j.kint.2016.08.021 | eng |
dcterms.references | Souhaila Bouatra1, Farid Aziat1. The Human Urine Metabolome.Plos One.8(9): e73076 | eng |
dcterms.references | Hackshaw KV, Miller JS, Aykas DP, Rodriguez-Saona L. Vibrational Spectroscopy for Identification of Metabolites in Biologic Samples. Molecules. 2020 oct 15;25(20):4725. doi: 10.3390/molecules25204725. PMID: 33076318; PMCID: PMC7587585 | eng |
dcterms.references | Panagis Polikretis, Martina Banchelli, Cristiano D'Andrea, Marella de Angelis, Paolo Matteini. Técnicas de espectroscopia Raman para la investigación y diagnóstico de la enfermedad de Alzheimer. Frente. Biosci. (Educación escolar) 2022, 14(3), 22. https://doi.org/10.31083/j.fbs1403022 | spa |
dcterms.references | Dodo K, Fujita K, Sodeoka M. Raman Spectroscopy for Chemical Biology Research. J Am Chem Soc. 2022 Nov 2;144(43):19651-19667. doi: 10.1021/jacs.2c05359. Epub 2022 Oct 10. PMID: 36216344; PMCID: PMC9635364. | eng |
dcterms.references | Jones, RR, Hooper, DC, Zhang, L. et al. Técnicas Raman: fundamentos y fronteras. Nanoescala Res Lett 14, 231 (2019). https://doi.org/10.1186/s11671-019-3039-2 | spa |
dcterms.references | Fernández-Galiana Á, Bibikova O, Vilms Pedersen S, Stevens MM. Fundamentals and Applications of Raman-Based Techniques for the Design and Development of Active Biomedical Materials. Adv Mater. Published online March 31, 2023. doi:10.1002/adma.202210807. | eng |
dcterms.references | Ding H, Hu DJJ, Yu X, Liu X, Zhu Y, Wang G. Revisión sobre el sensor Raman en línea totalmente de fibra con fibra óptica microestructurada de núcleo hueco. Fotónica. 2022; 9(3):134. https://doi.org/10.3390/photonics9030134 | spa |
dcterms.references | Patra, P., Chikkaraddy, R., Tripathi, R. et al. Dispersión Raman mejorada en superficie de una sola molécula plasmofluídica a partir del ensamblaje dinámico de nanopartículas plasmónicas. Nat Común 5 , 4357 (2014). https://doi.org/10.1038/ncomms5357 | spa |
dcterms.references | Bo Yang, Sila Jin, Ye Wang, Huiwei Bao, Jingmeng Sun, Lei Chen, Hoeil Chung & Young Mee Jung (2019) Disease-related proteins determination based on surface-enhanced Raman spectroscopy, Applied Spectroscopy Reviews, 54:10, 856-872, DOI: 10.1080/05704928.2018.1557676 | eng |
dcterms.references | Choi, I., Huh, YS y Erickson, D. Sondeo ultrasensible y sin etiquetas de las características conformacionales de los agregados de beta amiloide con un dispositivo nanofluídico activo SERS. Microfluido Nanofluido 12 , 663–669 (2012). https://doi.org/10.1007/s10404-011-0879-1 | spa |
dcterms.references | Gufeng Wang, Robert J. Lipert, Maneesh Jain, Sukhwinder Kaur, Subhankar Chakraboty, Maria P. Torres, Surinder K. Batra, Randall E. Brand, and Marc D. Porter. Detection of the Potential Pancreatic Cancer Marker MUC4 in Serum Using SurfaceEnhanced Raman Scattering. Analytical Chemistry 2011 83 (7), 2554-2561 DOI: 10.1021/ac102829b | eng |
dcterms.references | "Técnicas de bioconjugados - Greg T. Hermanson - Google Books". Consultado: 11 de octubre de 2022. [En línea]. Disponible: https://books.google.com.co/books?hl=es&lr=&id=6aO207lhdgC&oi=fnd&pg=PP1&dq=bioconjugado+técnicas+pdf&ots=aL4Ly7IpPU&sig=Hd CGSFCW2VzBeERKxNgku2DAAVQ#v=onepage&q&f=false | eng |
dcterms.references | Kaman, P. Dutta y A. Bhattacharyya, “Síntesis de nanopartículas de oro de Metarhizium anisopliae para el manejo del añublo del arroz y su efecto sobre el índice biológico del suelo y las propiedades fisicoquímicas”, 2022, doi: 10.21203/rs .3.rs-2080559/v1. | spa |
dcterms.references | N. Narband, M. Uppal, CW Dunnill, G. Hyett, M. Wilson e IP Parkin, "La interacción entre nanopartículas de oro y colorantes catiónicos y aniónicos: absorción UV-visible mejorada".Química Física Física Química, vol. 11, núm. 44, págs. 10513–10518, 2009, doi:10.1039/b909714g | spa |
dcterms.references | BM Wise, JM Shaver, NB Gallagher, WW Rasmus y BRS Koch, “Tutorial de quimiometría de número de parámetros continuos de LV PRESS para PLS_Toolbox y Solo”. [En línea]. Disponible: www.eigenvector.com | spa |
dcterms.references | D. Ruiz-Perez, H. Guan, P. Madhivanan, K. Mathee y G. Narasimhan, "¿Crees que puedes PLSDA?"BMC Bioinformática, vol. 21 de diciembre de 2020, doi: 10.1186/s12859- 019-3310-7. | spa |
dcterms.references | JM Surmacki, BJ Woodhams, A. Haslehurst, BAJ Ponder y SE Bohndiek, "Microespectroscopia Ramanpara la identificación precisa de células epiteliales bronquiales humanas primarias".Representante de ciencia, vol. 8, núm. 1 de diciembre de 2018, doi: 10.1038/s41598-018-30407-8. | spa |
dcterms.references | P. Banerjeeet al., "Identificación de factores clave que contribuyen a la disfunción vascular en elaborto espontáneo recurrente idiopático",Más uno, vol. 8, núm. 11 de noviembre de 2013,doi: 10.1371/journal.pone.0080940. | spa |
dcterms.references | A. de Araújo Gomes, SM Azcárate, PHGD Diniz, DD de Sousa Fernandes y G. Veras, “Selección devariables en el tratamiento quimiométrico de datos de alimentos: una revisión tutorial”.química alimentaria, vol. 370, febrero de 2022, doi: 10.1016/j.foodchem.2021.131072. | spa |
oaire.version | info:eu-repo/semantics/acceptedVersion | spa |
sb.programa | Doctorado en Genética y Biología Molecular | spa |
sb.sede | Sede Barranquilla | spa |
Archivos
Bloque de licencias
1 - 1 de 1
No hay miniatura disponible
- Nombre:
- license.txt
- Tamaño:
- 2.93 KB
- Formato:
- Item-specific license agreed upon to submission
- Descripción: