Aplicando Lógica Fuzzy na Interpretação de Grandes Volumes de Dados Cromatográficos no Controle de Dopagem
Resumo
Este trabalho apresenta uma proposta computacional para auxiliar na interpretação de grandes volumes de dados baseada na lógica fuzzy e uso do coeficiente de determinação R² aplicados a dados oriundos de cromatógrafos líquidos de alta eficiência acoplados a espectrômetros de massas (HPLC-MS). A abordagem apoia analistas na detecção semiautomatizada de substância alvo nas amostras de urina de atletas submetidos ao controle de dopagem. Os primeiros resultados indicam que o método não apenas acelera a detecção, mas também permite a identificação simultânea de múltiplas substâncias alvo
Palavras-chave:
lógica fuzzy, HPLC-MS
Referências
Abed, S. S., & Rasheed, A. S. (2020). Estimação simultânea de clonazepam e metronidazol em comprimidos farmacêuticos pelo modo de cromatografia líquida de alta eficiência de fase reversa com detecção uv. Periódico Tchê Química, 17(36).
Aquino Neto, F. R. D. (2001). O papel do atleta na sociedade e o controle de dopagem no esporte. Revista Brasileira de Medicina do Esporte, 7, 138-148.
Chiode, A. D. S. (2021). Avaliação de propostas de coeficientes de determinação do tipo R² em modelos de regressão logística com resposta nominal (Doctoral dissertation, Instituto de Matemática e Estatística, Universidade de São Paulo).
François, A. (2019). pymsfilereader: Thermo MSFileReader Python bindings. GitHub. [link]
Gleaves, J., et al. (2021). Doping prevalence in competitive sport: evidence synthesis with “best practice” recommendations and reporting guidelines from the WADA Working Group on Doping Prevalence. Sports Medicine, 51(9), 1909-1934.
Gowd, B. P., Jayasree, K., & Hegde, M. N. (2018). Comparison of artificial neural networks and fuzzy logic approaches for crack detection in a beam like structure. Int. J. Artif. Intell. Appl, 9(1), 35-51.
Maennig, W. (2014). Inefficiency of the anti-doping system: Cost reduction proposals. Substance use & misuse, 49(9), 1201-1205.
Mattoso et al. (2010). Towards supporting the life cycle of large scale scientific experiments. Int. J. of Business Process Intehration and Management. 5(1), 79-92.
Marro, A. A., et al. (2010). Lógica fuzzy: conceitos e aplicações. Natal: Universidade Federal do Rio Grande do Norte (UFRN), 2.
Mogollon, N. G., et al. (2014). State of the art two-dimensional liquid chromatography: fundamental concepts, instrumentation, and applications. Química Nova, 37, 1680-1691.
Pereira, S. L. R. (2022). Desenvolvimento e validação de um método de detecção e quantificação de THC-COOH, em urina, por cromatografia gasosa acoplada a espectrometria de massa (Desenvolvimento e validação de um método de detecção e quantificação de THC-COOH, em urina, por cromatografia gasosa acoplada a espectrometria de massa, Universidade de São Paulo).
Ryoo, H., et al. (2024). Identification of doping suspicions through artificial intelligencepowered analysis on athlete’s performance passport in female weightlifting. Frontiers in Physiology, 15, 1344340
Ukić, Š., et al. (2015). Development of gradient retention model in ion chromatography. Part III: Fuzzy logic QSRR approach. Chromatographia, 78, 889-898.Dias, M. D. S., Visintin, L., & Reiser, R. Estudo Introdutório da Lógica Fuzzy Intuicionista Intervalar.
Aquino Neto, F. R. D. (2001). O papel do atleta na sociedade e o controle de dopagem no esporte. Revista Brasileira de Medicina do Esporte, 7, 138-148.
Chiode, A. D. S. (2021). Avaliação de propostas de coeficientes de determinação do tipo R² em modelos de regressão logística com resposta nominal (Doctoral dissertation, Instituto de Matemática e Estatística, Universidade de São Paulo).
François, A. (2019). pymsfilereader: Thermo MSFileReader Python bindings. GitHub. [link]
Gleaves, J., et al. (2021). Doping prevalence in competitive sport: evidence synthesis with “best practice” recommendations and reporting guidelines from the WADA Working Group on Doping Prevalence. Sports Medicine, 51(9), 1909-1934.
Gowd, B. P., Jayasree, K., & Hegde, M. N. (2018). Comparison of artificial neural networks and fuzzy logic approaches for crack detection in a beam like structure. Int. J. Artif. Intell. Appl, 9(1), 35-51.
Maennig, W. (2014). Inefficiency of the anti-doping system: Cost reduction proposals. Substance use & misuse, 49(9), 1201-1205.
Mattoso et al. (2010). Towards supporting the life cycle of large scale scientific experiments. Int. J. of Business Process Intehration and Management. 5(1), 79-92.
Marro, A. A., et al. (2010). Lógica fuzzy: conceitos e aplicações. Natal: Universidade Federal do Rio Grande do Norte (UFRN), 2.
Mogollon, N. G., et al. (2014). State of the art two-dimensional liquid chromatography: fundamental concepts, instrumentation, and applications. Química Nova, 37, 1680-1691.
Pereira, S. L. R. (2022). Desenvolvimento e validação de um método de detecção e quantificação de THC-COOH, em urina, por cromatografia gasosa acoplada a espectrometria de massa (Desenvolvimento e validação de um método de detecção e quantificação de THC-COOH, em urina, por cromatografia gasosa acoplada a espectrometria de massa, Universidade de São Paulo).
Ryoo, H., et al. (2024). Identification of doping suspicions through artificial intelligencepowered analysis on athlete’s performance passport in female weightlifting. Frontiers in Physiology, 15, 1344340
Ukić, Š., et al. (2015). Development of gradient retention model in ion chromatography. Part III: Fuzzy logic QSRR approach. Chromatographia, 78, 889-898.Dias, M. D. S., Visintin, L., & Reiser, R. Estudo Introdutório da Lógica Fuzzy Intuicionista Intervalar.
Publicado
14/10/2024
Como Citar
M. B. JUNIOR, Guy; LOPES, Giseli Rabello; SERRA DA CRUZ1, Sérgio Manuel.
Aplicando Lógica Fuzzy na Interpretação de Grandes Volumes de Dados Cromatográficos no Controle de Dopagem. In: BRAZILIAN E-SCIENCE WORKSHOP (BRESCI), 18. , 2024, Florianópolis/SC.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2024
.
p. 24-31.
ISSN 2763-8774.
DOI: https://doi.org/10.5753/bresci.2024.244261.
