Aislamiento In Silico de Productos Naturales: Obtención de Espectros de 1H RMN de Compuestos puros a partir de Espectros de Mezclas que los contienen. XVIII Simposio Nacional de Química Orgánica

RAMALLO, IA; GATTI, PD; FURLAN, RLE; TAPIA, E; IBAÑEZ, GA; OLIVIERI, A

Villa Carlos Paz

Simposio; XVIII Simposio Nacional de Química Orgánica; 2011

Sociedad Argentina de Investigación en Química Orgánica

El fraccionamiento de extractos naturales es una tarea ardua que no siempre culmina con la identificación de un nuevo compuesto. La alta complejidad de estas mezclas constituidas por un alto número de moléculas tanto conocidas como novedosas presentes en un rango amplio y variable de concentraciones suele dificultar, y a veces impedir, el aislamiento y elucidación estructural de las moléculas de interés. El fraccionamiento de extractos asistido por herramientas bioinformáticas que permiten la identificación de las estructuras de interés sin necesidad de llegar a su aislamiento conforma una estrategia de gran potencial. Trabajos previos aplican métodos multivariados para resolver experimentos de cromatografía líquida acoplada a RMN (CLRMN) en espectros puros. Estas propuestas funcionan de manera eficiente cuando el número de espectros mezcla supera la centena lo que limita su utilización en fraccionamientos cromatográficos de rutina en los que este número ronda las decenas. En este trabajo presentamos un algoritmo para la resolución de mezclas de moléculas a partir de un número reducido de espectros de H RMN. El algoritmo opera en dos etapas: pre-procesamiento y resolución. En la primera, se minimiza el ruido en las señales, se corrigen distorsiones en la línea de base, se compensan corrimientos de los picos, entre otras. La etapa de resolución inicia con un ?fragmentado inteligente? que reduce las decenas de miles de puntos de cada espectro a cientos de fragmentos cuyas áreas conforman ?m? nuevas variables. De la matriz de datos se estima el número de estructuras presentes en la mezcla empleando los autovalores de la matriz correlación. Cada variable se redefine en base a las cargas del modelo de componentes principales y, mediante un algoritmo de, se identifican grupos de señales pertenecientes a cada estructura. Luego, se reconstruyen los espectros puros y se calcula el error de la estimación. El algoritmo se implementó en MATLAB y se evaluó con varios sets de datos, cada uno constó de espectros de H RMN de 16 mezclas de moléculas aromáticas, alcaloides o flavonoides diseñadas para simular fracciones de una separación cromatográfica incompleta. Los resultados mostraron que el programa es capaz de obtener espectros de H RMN de cada compuesto presente en las mezclas sin necesidad de una separación física completa. Esto constituiría una herramienta útil para la elucidación estructural de moléculas componentes de mezclas, naturales o sintéticas, en una etapa temprana de su purificación. Además, el módulo de pre-procesamiento consigue un fin en sí mismo al incorporar funciones prácticas para la optimización de señales de H RMN