Use este identificador para citar ou linkar para este item:
http://ri.ufmt.br/handle/1/7038
Tipo documento: | Dissertação |
Título: | As técnicas de machine learning apontam importantes correlações imunometabólicas envolvendo a composição corporal e biomarcadores celulares e acelulares em atletas de corrida do sexo masculino |
Autor(es): | Macedo, Leonardo dos Santos |
Orientador(a): | Gonçalves, Luis Carlos Oliveira |
Membro da Banca: | Gonçalves, Luis Carlos Oliveira |
Membro da Banca: | Castro, Henrique de Oliveira |
Membro da Banca: | Silva, Romeu Paulo Martins |
Resumo : | O exercício regular exerce um papel crucial na modulação do imunometabolismo, um campo que investiga as interações entre metabolismo e função imune. Este estudo aplicou uma abordagem esportômica para avaliar as respostas e adaptações metabólicas e imunológicas em atletas de corrida de alto nível. Realizou-se um estudo transversal, descritivo e observacional com atletas de corrida do sexo masculino, federados em Mato Grosso, utilizando técnicas de análise genômica e pós-genômica. A amostra final consistiu em 22 atletas, cujos dados foram coletados no Instituto de Cardiologia e no laboratório de Cronoimunomodulação da UFMT. Os dados foram analisados usando análise de componentes principais (PCA) e técnicas de machine learning, destacando padrões significativos entre os marcadores de estresse fisiológico e variáveis como composição corporal e desempenho físico. Os resultados revelaram alterações significativas nos biomarcadores sanguíneos após o exercício, com aumentos em leucócitos (80,5%; p = 0.023; d = 2.05[efeito grande]), linfócitos (148%; p = 0.016; d = 2.26[efeito grande]), e eosinófilos (221%; p = 0.015; d = 2.29[efeito grande]), além de um aumento no lactato (581%; p = 0.008; d = 4.62[efeito grande]). Com base na regressão linear e seus valores de R², a massa corporal dos atletas pôde explicar mais de 90% do comportamento da ferritina sérica, enquanto o IMC pôde explicar mais de 75% do comportamento desta variável. Ainda com base no modelo de regressão, o comportamento do lactato explicou 75% do comportamento dos monócitos, 73% dos eosinófilos e 78% dos linfócitos. Os achados confirmam a importância da esportômica para entender a influência do exercício na regulação imunometabólica, propondo novas perspectivas para intervenções personalizadas em atletas de alto rendimento além de valores de referência para a modalidade. Os resultados indicam não apenas a validade e confiabilidade dos métodos de análise, mas também reforçam a necessidade de estratégias integradas e personalizadas para otimizar o treinamento e recuperação em atletas. |
Resumo em lingua estrangeira: | Regular exercise is crucial in modulating immunometabolism, a field that investigates the interactions between metabolism and immune function. This study applied a sportomics approach to evaluate high-level runners' metabolic and immunological responses and adaptations. A cross-sectional, descriptive, and observational study was conducted with male runners, federated in Mato Grosso, using genomic and post-genomic analysis techniques. The final sample consisted of 22 athletes, whose data were collected at the Institute of Cardiology and the Chronoimmunomodulation laboratory of UFMT. Data were analyzed using principal component analysis (PCA) and machine learning techniques, highlighting significant patterns between physiological stress markers and variables such as body composition and physical performance. The results revealed significant changes in blood biomarkers after exercise, with increases in leukocytes (80.5%; p = 0.023; d = 2.05 [large effect]), lymphocytes (148%; p = 0.016; d = 2.26 [large effect]), and eosinophils (221%; p = 0.015; d = 2.29 [large effect]), as well as an increase in lactate (581%; p = 0.008; d = 4.62 [large effect]). Based on linear regression and its R2 values, the athletes' body mass could explain more than 90% of the behavior of serum ferritin, while BMI could explain more than 75% of the behavior of this variable. Still based on the regression model, the behavior of lactate explained 75% of the behavior of monocytes, 73% of eosinophils and 78% of lymphocytes. The findings confirm the importance of sportomics in understanding the influence of exercise on immunometabolic regulation, proposing new perspectives for personalized interventions in high-performance athletes. The results indicate the validity and reliability of the analysis methods and reinforce the need for integrated and personalized strategies to optimize training and recovery in athletes. |
Palavra-chave: | Esportômica Imunometabolismo Mineração de dados Ciência de dados |
Palavra-chave em lingua estrangeira: | Sportomics Immunometabolism Data mining Data science |
CNPq: | CNPQ::CIENCIAS DA SAUDE::EDUCACAO FISICA |
Idioma: | por |
País: | Brasil |
Instituição: | Universidade Federal de Mato Grosso |
Sigla da instituição: | UFMT CUC - Cuiabá |
Departamento: | Faculdade de Educação Física (FEF) |
Programa: | Programa de Pós-Graduação em Educação Física |
Referência: | MACEDO, Leonardo dos Santos. As técnicas de machine learning apontam importantes correlações imunometabólicas envolvendo a composição corporal e biomarcadores celulares e acelulares em atletas de corrida do sexo masculino. 2024. 77 f. Dissertação (Mestrado em Educação Física) - Universidade Federal de Mato Grosso, Faculdade de Educação Física, Cuiabá, 2024. |
Tipo de acesso: | Acesso Aberto |
URI: | http://ri.ufmt.br/handle/1/7038 |
Data defesa documento: | 2-Dec-2024 |
Aparece na(s) coleção(ções): | CUC – FEF – PPGEF – Dissertações de mestrado |
Arquivos deste item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
DISS_2024_Leonardo dos Santos Macedo.pdf | 1.64 MB | Adobe PDF | Ver/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.