Assessment of guanylin peptides system in type 2 diabetes

Os doentes com diabetes mellitus tipo 2 apresentam predisposição para a retenção de sódio e são frequentemente hipertensos. No entanto, os mecanismos implicados na dificuldade do rim diabético em mobilizar o sódio são, ainda, pouco compreendidos. Os peptídeos da família das guanilinas estão envolvidos na regulação do transporte de electrólitos e água nos epitélios intestinal e renal, através da activação do receptor guanilato ciclase-C (GC-C) e subsequente libertação intracelular de GMPc. O objectivo do presente estudo foi a avaliação da actividade do sistema dos peptídeos das guanilinas (SPG) e do seu papel na regulação do balanço de sódio num modelo animal de diabetes tipo 2. Ratinhos machos C57BL/6 foram submetidos a uma dieta com alto teor de gordura e rica em hidratos de carbono simples (ratinhos diabéticos) ou a uma dieta normal (ratinhos controlo). A expressão renal e intestinal da guanilina (GN), uroguanilina (UGN) e do receptor GC-C assim como os níveis de GMPc na urina e plasma foram avaliados nos ratinhos controlo e diabéticos, durante a ingestão de dietas normo (NS) e hiper-salina (HS). Nos ratinhos diabéticos, durante a dieta NS verificou-se um aumento significativo da pressão arterial que foi acompanhado de redução da expressão do ARNm da GN, UGN e do GC-C no intestino e de aumento da expressão de ARNm da UGN no rim. A dieta HS induziu um aumento da expressão do ARNm da UGN no jejuno dos ratinhos controlo mas não nos diabéticos. Os ratinhos diabéticos apresentaram níveis urinários de GMPc inferiores aos controlos, em condições de dieta NS. Em conclusão, os nossos resultados sugerem que na diabetes tipo 2 ocorre uma redução da actividade intestinal do SPG que é acompanhada por um aumento compensatório da actividade renal do SPG. A diminuição da actividade do SPG intestinal na diabetes tipo 2 deve-se não só a uma redução da expressão dos peptídeos GN e UGN, mas também a uma redução da expressão do seu receptor, GC-C. Estes resultados sugerem que o SPG pode contribuir para a sensibilidade ao sódio na diabetes.

Strategic Bidding for Electricity Markets Negotiation Using Support Vector Machines

Energy systems worldwide are complex and challenging environments. Multi-agent based simulation platforms are increasing at a high rate, as they show to be a good option to study many issues related to these systems, as well as the involved players at act in this domain. In this scope the authors’ research group has developed a multi-agent system: MASCEM (Multi- Agent System for Competitive Electricity Markets), which simulates the electricity markets environment. MASCEM is integrated with ALBidS (Adaptive Learning Strategic Bidding System) that works as a decision support system for market players. The ALBidS system allows MASCEM market negotiating players to take the best possible advantages from the market context. This paper presents the application of a Support Vector Machines (SVM) based approach to provide decision support to electricity market players. This strategy is tested and validated by being included in ALBidS and then compared with the application of an Artificial Neural Network, originating promising results. The proposed approach is tested and validated using real electricity markets data from MIBEL - Iberian market operator.

A Clinical Support System Based on Quality of Life Estimation

Quality of life is a concept influenced by social, economic, psychological, spiritual or medical state factors. More specifically, the perceived quality of an individual's daily life is an assessment of their well-being or lack of it. In this context, information technologies may help on the management of services for healthcare of chronic patients such as estimating the patient quality of life and helping the medical staff to take appropriate measures to increase each patient quality of life. This paper describes a Quality of Life estimation system developed using information technologies and the application of data mining algorithms to access the information of clinical data of patients with cancer from Otorhinolaryngology and Head and Neck services of an oncology institution. The system was evaluated with a sample composed of 3013 patients. The results achieved show that there are variables that may be significant predictors for the Quality of Life of the patient: years of smoking (p value 0.049) and size of the tumor (p value < 0.001). In order to assign the variables to the classification of the quality of life the best accuracy was obtained by applying the John Platt's sequential minimal optimization algorithm for training a support vector classifier. In conclusion data mining techniques allow having access to patients additional information helping the physicians to be able to know the quality of life and produce a well-informed clinical decision.