The objective of the initial phase of this project is the development of an analytical method of multiresidual screening able to determine the presence of anabolic androgenic steroids of endogenous origin (EAAS) within a urine sample by GC-MS technique (Initial Testing Procedures). The EAAS monitored by this method are 18. In addition to the nine main EAASs that form the core foundation of the steroid profile defined by WADA (T, E, Andro, etio, 5a -adiol, 5b -adiol, DHEA, DHT and 5b -androstendione, the latter marker of bacterial degradation), it was decided to include additional 11 potential biomarkers in order to obtain a method more complete and more powerful in determining the intake of anabolic substances by the athlete. Once that the analytical method has been set up and validated , we proceed with the second phase of the thesis project. The objective of this second phase of work is the analysis of several samples of real urine, the quantification of the values of urinary concentrations of 18 EAAS included in the method and the creation of a data set comprising the values of the concentrations of various analytes and all the possible relationships between them. The ultimate goal of this work is therefore the analysis of analytical data using different chemometric techniques of class modeling and multivariate data analysis (PCA, SIMCA, PLS-DA, PLS-CM), and the combination of this information with the Bayesian approach in order to apply the so-called adaptive model to the screening determination of the state of doping by AAS. The adaptive model is based on Bayesian statistical inference, and it is a dynamic model in which the reference limits that allow discrimination between negative and positive sample (ATF) are strictly individual and are defined by the athlete's biological passport (ABP), which is unique. These dynamic and individual reference limits are initially based on reference ranges derived from the observation of the entire population, but later they evolve progressively towards a personal reference range based on observations conducted on the individual longitudinal over time. Analysis after analysis, this dynamic model studies the evolution of the personal values of urinary concentrations of EAAS in the athlete, and adapts itself to it by recalculating the reference limits and then shifting from the population-based approach to the subject-based one, more flexible and precise. The adaptive model can be implemented by adding other variables such as the various factors of diversity (gender, age, ethnicity, hour urine sample, the type of sport conducted by the athlete, etc.); using multivariate analysis of all this data will then be possible to circumvent the obstacle of the great inter-individual variability and to discriminate more sensitivevely and specifically between high values of EAAS due to the assumption of anabolic substances and normal physiological values. The use of Bayesian statistics and multivariate analysis of the data will bring significant benefits in the field of doping analysis: in fact, facilitating the screening decision ATF/negative sample and obtaining fewer false positives, there will be fewer samples submitted to the II level analysis of confirmation, and this will result in significant savings with regard to time and costs of the antidoping analysis.
L'obiettivo della fase iniziale di questo progetto è la messa a punto di un metodo analitico di screening multiresiduale in grado di determinare la presenza di steroidi anabolizzanti androgeni di origine endogena (EAAS) all'interno di un campione urinario mediante la tecnica GC-MS (Initial Testing Procedure).Gli EAAS monitorati con questo metodo sono 18. Oltre ai 9 EAAS principali che costituiscono il nucleo fondante del profilo steroideo definito dalla WADA (T, E, Andro, Etio, 5a-adiol, 5b-adiol, DHEA, DHT e 5b-androstendione, quest'ultimo marker di degradazione batterica), è stato deciso di inserire ulteriori 9 potenziali biomarkers in modo da poter ottenere un metodo più completo e più potente nel determinare l'assunzione di sostanze anabolizzanti da parte dell'atleta. Una volta impostato e validato il metodo analitico, si procede con la seconda fase del progetto di tesi. L'obiettivo di questa seconda fase di lavoro è l'analisi di 108 campioni reali di urine, la quantificazione dei valori delle concentrazioni urinarie dei 18 EAAS inclusi nel metodo e la creazione di un data-set comprendente i valori delle concentrazioni dei vari analiti e tutti i rapporti possibili tra di essi.Lo scopo finale di questo lavoro è quindi l'elaborazione dei dati analitici mediante diverse tecniche chemiometriche di class modelling e analisi multivariata dei dati (PCA e PLS-DA), e la combinazione di queste informazioni con l'approccio bayesiano al fine di applicare il cosiddetto modello adattivo alla determinazione dello stato di doping da AAS in fase di screening.Il modello adattivo si basa sulla statistica inferenziale Bayesiana, ed è un modello dinamico nel quale i limiti di riferimento che permettono la discriminazione fra campione negativo e positivo (ATF) sono strettamente individuali e sono definiti dal passaporto biologico dell'atleta (ABP), il quale è unico e personale. Questi limiti di riferimento dinamici ed individuali inizialmente si basano sui reference ranges ricavati dall'osservazione sull'intera popolazione, ma in seguito evolvono progressivamente verso un reference range personale e basato sulle osservazioni longitudinali condotte sull'individuo nel tempo. Grazie all'analisi multivariata di tutti questi dati sarà quindi possibile aggirare l'ostacolo della variabilità inter-individuale e discriminare in maniera più sensibile e specifica fra valori elevati dovuti all'assunzione di sostanze anabolizzanti e valori normali fisiologici. L'utilizzo della statistica Bayesiana e dell'analisi multivariata dei dati potrà portare importanti vantaggi nel campo delle analisi antidoping: infatti facilitando in fase di screening la decisione ATF/campione negativo ed ottenendo meno falsi positivi, vi saranno meno campioni da sottoporre alle analisi di conferma di II livello, e il tutto si tradurrà quindi in notevoli risparmi relativamente ai tempi e ai costi di analisi.
Applicazione dell'analisi statistica multivariata al Passaporto Biologico dell'Atleta: un approccio innovativo per lo studio del profilo steroideo.
CARUSO, ROBERTO
2013/2014
Abstract
L'obiettivo della fase iniziale di questo progetto è la messa a punto di un metodo analitico di screening multiresiduale in grado di determinare la presenza di steroidi anabolizzanti androgeni di origine endogena (EAAS) all'interno di un campione urinario mediante la tecnica GC-MS (Initial Testing Procedure).Gli EAAS monitorati con questo metodo sono 18. Oltre ai 9 EAAS principali che costituiscono il nucleo fondante del profilo steroideo definito dalla WADA (T, E, Andro, Etio, 5a-adiol, 5b-adiol, DHEA, DHT e 5b-androstendione, quest'ultimo marker di degradazione batterica), è stato deciso di inserire ulteriori 9 potenziali biomarkers in modo da poter ottenere un metodo più completo e più potente nel determinare l'assunzione di sostanze anabolizzanti da parte dell'atleta. Una volta impostato e validato il metodo analitico, si procede con la seconda fase del progetto di tesi. L'obiettivo di questa seconda fase di lavoro è l'analisi di 108 campioni reali di urine, la quantificazione dei valori delle concentrazioni urinarie dei 18 EAAS inclusi nel metodo e la creazione di un data-set comprendente i valori delle concentrazioni dei vari analiti e tutti i rapporti possibili tra di essi.Lo scopo finale di questo lavoro è quindi l'elaborazione dei dati analitici mediante diverse tecniche chemiometriche di class modelling e analisi multivariata dei dati (PCA e PLS-DA), e la combinazione di queste informazioni con l'approccio bayesiano al fine di applicare il cosiddetto modello adattivo alla determinazione dello stato di doping da AAS in fase di screening.Il modello adattivo si basa sulla statistica inferenziale Bayesiana, ed è un modello dinamico nel quale i limiti di riferimento che permettono la discriminazione fra campione negativo e positivo (ATF) sono strettamente individuali e sono definiti dal passaporto biologico dell'atleta (ABP), il quale è unico e personale. Questi limiti di riferimento dinamici ed individuali inizialmente si basano sui reference ranges ricavati dall'osservazione sull'intera popolazione, ma in seguito evolvono progressivamente verso un reference range personale e basato sulle osservazioni longitudinali condotte sull'individuo nel tempo. Grazie all'analisi multivariata di tutti questi dati sarà quindi possibile aggirare l'ostacolo della variabilità inter-individuale e discriminare in maniera più sensibile e specifica fra valori elevati dovuti all'assunzione di sostanze anabolizzanti e valori normali fisiologici. L'utilizzo della statistica Bayesiana e dell'analisi multivariata dei dati potrà portare importanti vantaggi nel campo delle analisi antidoping: infatti facilitando in fase di screening la decisione ATF/campione negativo ed ottenendo meno falsi positivi, vi saranno meno campioni da sottoporre alle analisi di conferma di II livello, e il tutto si tradurrà quindi in notevoli risparmi relativamente ai tempi e ai costi di analisi.| File | Dimensione | Formato | |
|---|---|---|---|
|
768311_tesi__caruso__ccfs.pdf
non disponibili
Tipologia:
Altro materiale allegato
Dimensione
2.54 MB
Formato
Adobe PDF
|
2.54 MB | Adobe PDF |
Se sei interessato/a a consultare l'elaborato, vai nella sezione Home in alto a destra, dove troverai le informazioni su come richiederlo. I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/20.500.14240/158140