Mid-infrared spectroscopy and supervised machine learning can determine age class of arboviral vector Culex pipiens at high age resolution

Resumo Técnico: Espectroscopia de Infravermelho Médio e Aprendizado de Máquina Supervisionado para Determinação de Idade em Culex pipiens

Definição do Problema
Culex pipiens é um vetor primário de arbovírus, como o vírus do Nilo Ocidental (WNV) e o vírus de Usutu (USUV), em regiões temperadas. A eficiência da transmissão de patógenos depende fortemente da sobrevivência do vetor, uma vez que apenas os mosquitos que sobrevivem ao período de incubação extrínseca (EIP) podem transmitir a doença. Consequentemente, determinar a estrutura etária das populações de campo é crítico para avaliar o risco de transmissão e avaliar estratégias de controle de vetores. No entanto, os métodos existentes para a graduação de idade de Cx. pipiens, como a dissecação de ovários, são trabalhosos, difíceis de padronizar e fornecem apenas estimativas grosseiras da idade cronológica. Embora a espectroscopia de infravermelho médio (MIRS) combinada com o aprendizado de máquina (ML) tenha sido validada para vetores tropicais como Anopheles e Aedes, sua aplicabilidade para espécies de Culex de clima temperado — que exibem períodos de vida mais longos e características fisiológicas distintas — permanece não testada.

Metodologia
O estudo utilizou uma colônia de laboratório recentemente estabelecida de Cx. pipiens pipiens da Escócia. O delineamento experimental envolveu:

• Coleta de Amostras: Mais de 1.500 fêmeas e 500 machos foram amostrados através de três réplicas independentes. As fêmeas foram monitoradas de 1 a 3 dias após a emergência até os 79 dias de idade, sendo amostradas em intervalos de 11 dias. Os machos foram amostrados aos 1–3, 11–13 e 22–24 dias. Para garantir a variabilidade fisiológica, os mosquitos foram permitidos de se alimentar de sangue e botar ovos, resultando em uma mistura de estados não alimentados, alimentados com sangue e grávidos.
• Espectroscopia: Mosquitos individuais foram escaneados usando um Espectrômetro FT-IR Bruker Alpha II com um cristal ATR de diamante. Os espectros foram coletados da cabeça e do tórax na faixa de 4000–400 cm⁻¹.
• Processamento de Dados: Espectros de baixa qualidade foram descartados. Os dados restantes foram divididos em conjuntos de treinamento (80%) e teste (20%).
• Aprendizado de Máquina: Seis algoritmos (Regressão Logística, SVC, Random Forest, KNN, Gradient Boosting e Multi-Layer Perceptron) foram comparados. O classificador Multi-Layer Perceptron (MLP) demonstrou o melhor desempenho basal e foi selecionado para otimização de hiperparâmetros via GridSearch.
• Níveis de Resolução: Os modelos foram treinados para classificar a idade em três resoluções:
  • Baixa: 2 classes de idade (1–35 dias vs. 44–79 dias).
  • Média: 4 classes de idade.
  • Alta: 8 classes de idade (intervalos de 11 dias).
• Validação: Um conjunto de dados independente "não visto" de 202 fêmeas de um lote de criação separado foi usado para testar a generalização do modelo e evitar o sobreajuste (overfitting). A importância por permutação foi calculada para identificar números de onda bioquímicos fundamentais.

Principais Resultados

• Desempenho do Modelo (Dados Vistos): O modelo MLP classificou com sucesso as classes de idade, com a precisão sendo inversamente proporcional à resolução.
  • Fêmeas: A acurácia balanceada foi de 92,8% (baixa), 88,9% (média) e 79,0% (alta).
  • Machos: A acurácia balanceada foi de 82,5% para três classes de idade.
  • As classificações incorretas ocorreram predominantemente entre classes de idade adjacentes, sugerendo que as mudanças bioquímicas em intervalos curtos são sutis.
• Desempenho do Modelo (Dados Não Vistos): Quando aplicado ao conjunto de dados independente, a acurácia diminuiu, mas permaneceu significativamente acima do acaso.
  • Fêmeas: A acurácia caiu para 80,9% (baixa), 46,9% (média) e 34,0% (alta).
  • Notavelmente, o modelo de alta resolução manteve 83% de acurácia na identificação de mosquitos recém-emergidos (1–3 dias de idade).
• Características Bioquímicas: A análise de importância por permutação indicou que o aprendizado do modelo dependeu fortemente da região da impressão digital (1300–600 cm⁻¹). Regiões de interesse específicas incluíram estiramentos C–H e C–O, regiões de amida I e III, e uma concentração distinta de importância entre 2162–2100 cm⁻¹ para modelos de baixa resolução.

Significância e Alegações
O artigo alega apresentar a primeira aplicação bem-sucedida de MIRS para a graduação de idade dentro do gênero Culex. O estudo demonstra que a MIRS pode distinguir classes de idade em Cx. pipiens com precisão suficiente para apoiar a avaliação de risco epidemiológico, particularmente para distinguir mosquitos recém-emergidos de vetores mais velhos e potencialmente infectantes.

Os autores enfatizam que, embora a técnica seja promissora para avaliar intervenções de controle de vetores (por exemplo, monitorar a estrutura etária da população pós-intervenção) e compreender a capacidade vetorial, os modelos atuais são derivados de colônias de laboratório. O artigo nota modestamente que a acurácia diminui com resoluções mais altas e ao transitar para dados não vistos, destacando a necessidade de validação futura em populações de campo e a inclusão de amostras geneticamente diversas para melhorar a transferibilidade. O trabalho estabelece uma prova de conceito de que a combinação MIRS-ML pode ser adaptada de ambientes de vetores tropicais para temperados, oferecendo uma alternativa não destrutiva (para o abdômen, embora destrutiva para a cabeça/tórax) e de alto rendimento aos métodos tradicionais de dissecação.