Browsing by Issue Date, starting with "2025-02-04"
Now showing 1 - 3 of 3
Results Per Page
Sort Options
- Desenvolvimento de um sensor ótico biomimético para a deteção da proteína CA19-9Publication . Xu, Ana; Marques, Maria ArcelinaA doença oncológica, nas últimas décadas, tem demonstrado uma tendência crescente, tornando-se num problema de saúde pública. Um dos pontos principais para um melhor prognóstico consiste na deteção precoce do cancro, contudo quando estes são assintomáticos, como o cancro do pâncreas, a deteção, muitas vezes, é tardia, deixando passar uma oportunidade para tratamento que seria importante. Esta deteção tardia traduz-se na alta taxa de mortalidade dos pacientes com cancro do pâncreas. Para colmatar esta lacuna foram desenvolvidas novas técnicas de deteção, como o desenvolvimento de sensores biomiméticos para biomarcadores, como o antigénio de carboidrato 19-9 (CA19-9, do inglês, Carbohydrate antigen 19-9). O sensor biomimético foi criado pela técnica de impressão de superfície, criando um polímero molecularmente impresso (MIPs, do inglês, molecularly imprinted polymers), associado a pontos quânticos (QDs, do inglês, quantum dots) (MIP@QDs). O sensor desenvolvido ao longo deste projeto demonstrou sensibilidade e especificidade na deteção do biomarcador do cancro do pâncreas, CA19-9, em solução. Perante a boa resposta do sensor em solução, durante este trabalho, foi realizado, ainda, um estudo em suporte sólido, em que também mostrou uma boa resposta aquando da presença do analito. Os estudos em membrana, visam testar a produção de um sensor que possa ser portátil, eficaz e sensível para chegar às diversas regiões do mundo, permitindo o acesso à saúde, promovendo a deteção precoce e um tratamento mais eficaz.
- Stock structure of the gulf hake urophycis cirrata (Teleostei: Phycidae) in south-western atlantic using Otolith shape and elemental analysesPublication . Santificetur, César; Rossi-Wongtschowski, Carmen Lúcia Del Bianco; Ruperti, André; Almeida, Agostinho; Pinto, Edgar; Correia, Alberto Teodorico; Pinto, EdgarUrophycis cirrata is an important demersal fish species targeted by Brazilian industrial fisheries. With high exploitation rates, its stock(s) is(are) currently deemed fully exploited or overexploited. While basic ecological information, such as length at first maturity, exists, knowledge of its population structure is limited. A sub-sample of 90 sagittal otoliths of U. cirrata juveniles (300–411 mm total length) collected during the Program for Assessment of the Sustainable Potential of Living Resources in the Exclusive Economic Zone (REVIZEE) in 2001/2002 was analyzed. Samples came from the outer continental shelf and upper slope of the southeast-south Brazilian coast, divided into three regions: northern (Cabo São Tomé to São Sebastião), central (São Sebastião to Cabo Santa Marta Grande), and southern (Cabo Santa Marta Grande to Chuí). Otolith shape (elliptic Fourier descriptors) and elemental (element:Ca) signatures were examined using univariate (ANOVA, Tukey) and multivariate (MANOVA, LDFA) statistical methods. An overall reclassification success rate of 86% was achieved using both signatures. However, individuals from the three regions were not fully separable, indicating a single, albeit not homogeneous, population unit for fisheries management. As fish stocks are dynamic, contemporary studies should be conducted to verify whether this population structure persists.
- From controlled to chaotic: Disparities in laboratory vs real-world stress detectionPublication . Ferreira, Simão; Rodrigues, Fátima; Kallio, Johanna; Coelho, Filipe; Kyllonen, Vesa; Rocha, Nuno; Rodrigues, Matilde A.; Vildjiounaite, Elena; Ferreira, Simão; Rodrigues, MatildeThis paper explores the discrepancies between laboratory and real-world stress detection, emphasizing the pronounced differences in data loss, data preprocessing, feature design, and classifier selection. Laboratory studies offer a controlled environment that optimizes data quality, whereas real-world settings introduce chaotic and unpredictable elements, coupled with a diverse range of human behaviours, resulting in substantial data loss and compromised data quality. We discuss the development of stress detectors for two distinct types of data: physiological and behavioural. We also address the specific challenges associated with designing effective stress detection systems for each data type and compare the features and classifiers used in both laboratory and real-world contexts. Additionally, this paper proposes future research directions aimed at crafting stress detectors that are robust and effective in real-life scenarios.