ARCA-UMAG

Mostrando 1 - 2 de 2

Some of the metrics are blocked by your
consent settings
DOI 10.32641/andespediatr.v93i3.3636
TEST Caracterización funcional de pacientes con parálisis cerebral que viven en la región de Magallanes y la Antártica Chilena
2022-06
Barria Aburto, Patricio
;
Barria Ruiz, Vanessa
;
Castillo Aguilar, Matías
;
Aguilar Cárdenas, Rolando
;
Andrade Gallardo, Asterio
;
Núñez-Espinosa, Cristian
Resumen: Objetivo: Caracterizar funcionalmente a pacientes con Parálisis Cerebral (PC) que viven en la región de Magallanes y la Antártica Chilena. Pacientes y Método: Estudio observacional descriptivo-retros- pectivo de pacientes con parálisis cerebral, registrados en el Programa de Rehabilitación Ambulatorio de la Corporación de Rehabilitación Club de Leones Cruz del Sur de Punta Arenas entre los años 1986 y 2018. Los pacientes con PC se categorizaron clínicamente, y posteriormente se caracterizaron funcionalmente en base a sistemas de clasificación de habilidades motoras (escala GMFCS), ma nuales (escala MACS), alimentación (escala EDACS) y comunicación (escala CFCS). Resultados: Se incluyeron 106 pacientes con PC. En relación con la clasificación clínica, el tipo más común de PC fue la parálisis espástica bilateral, quienes también presentan el mayor porcentaje de compromiso de funcional en cada una de las áreas evaluada, seguido por la parálisis espástica unilateral. Los casos de PC distónica y otros tipos no clasificables presentaron menor frecuencia de casos. En base a la sub- clasificación clínica diagnóstica, la mayor frecuencia detectada fue la diplejia espástica, concentrando el compromiso funcional especialmente en las habilidades manuales y de comunicación de nivel I en comparación a la hemiplejia. En el caso de cuadriplejia, mixta y no clasificable, presentan menor frecuencia de casos, con un mayor compromiso general en las habilidades de alimentación en nivel I. Conclusión: Los resultados observados de la PC en la región de Magallanes y la Antártica Chilena son similares a estudios disponibles en la literatura. La completa evaluación y clasificación de pacientes con PC posibilita una mayor comprensión de la patología para futuros estudios.
Scopus© Citations 1 11
Some of the metrics are blocked by your
consent settings
DOI 10.1101/2025.02.09.637306
REDACTED
2025-02-10
Nicole Soto-García
;
David Medina-Ortiz
;
Diego Álvarez-Saravia
;
Diego Sandoval-Vargas
;
Jacqueline Aldridge
;
Sebastián Rodríguez
;
Bárbara A. Andrews
;
Juan A. Asenjo
;
Anamaria Sanchez–Daza
Plastic pollution presents a critical environmental challenge, necessitating innovative and sustainable solutions. In this context, biodegradation using microorganisms and enzymes offers an environmentally friendly alternative. This work introduces an AI-driven framework that integrates machine learning (ML) and generative models to accelerate the discovery and design of plastic-degrading enzymes. By leveraging pre-trained protein language models and curated datasets, we developed seven ML-based binary classification models to identify enzymes targeting specific plastic substrates, achieving an average accuracy of 89%. The framework was applied to over 6,000 enzyme sequences from the RemeDB to classify enzymes targeting diverse plastics, including PET, PLA, and Nylon. Besides, generative learning strategies combined with trained classification models in this work were applied for de novo generation of PET-degrading enzymes. Structural bioinformatics validated potential candidates through in-silico analysis, highlighting differences in physicochemical properties between generated and experimentally validated enzymes. Moreover, generated sequences exhibited lower molecular weights and higher aliphatic indices, features that may enhance interactions with hydrophobic plastic substrates. These findings highlight the utility of AI-based approaches in enzyme discovery, providing a scalable and efficient tool for addressing plastic pollution. Future work will focus on experimental validation of promising candidates and further refinement of generative strategies to optimize enzymatic performance.
192 2

ANID

Examinar

Buscar

Ajustes

Filtrar por:

Ajustes

Resultados de la búsqueda